MétaCan
Menu
← Retour à la cohorte
Enregistrement W4408249283 · doi:10.33612/diss.1241354787

Keeping the balance

2025· dissertation· en· W4408249283 sur OpenAlexaboutno aff
Zeinab Sattari

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGerontologyActive ageingPopulation ageingBalance (ability)Older peoplePedometerQuarter (Canadian coin)PsychologyPopulationGeographyMedicinePhysical activityPhysical medicine and rehabilitationEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Population ageing is a worldwide phenomenon, especially in Western world. By 2030, nearly a quarter of people in the United Kingdom and the Netherlands will be aged 60 or older. As people age, their mobility often declines due to physical and cognitive challenges, which may negatively impact their health. Mobility involves how older adults move and travel, including periods of rest and stillness. Maintaining mobility is important for healthy ageing, but current research and policies often emphasise movement without acknowledging natural mobility decline. This approach can lead to the perception that less mobile older adults are ageing unhealthily. This thesis aims to explain mobility behaviours in relation to health among older adults living at home in the Netherlands and the United Kingdom. Four studies were conducted with older adults, using innovative methods, such as GPS tracker, pedometer and surveys to examine indoor and outdoor movements, micro-movements, proximity to amenities, and the ability to move and perform daily tasks. The results highlight the importance of understanding small everyday movements and their role in health. This research advocates for a balanced approach to mobility in later life, promoting both movement and rest for healthier ageing.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,104

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,009
Communication savante0,0130,013
Science ouverte0,0010,009
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0310,016

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,019
Tête enseignante GPT0,331
Écart entre enseignants0,312 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUrban Transport and Accessibility→Travaux en français237 207→