Exploring AgrAbility Quality of Life Profiles
Notice bibliographique
Résumé
OBJECTIVES: AgrAbility provides information, education, and services to agricultural workers with disabilities. There is a dearth of knowledge about the variability in the quality of life (QoL) domains associated with AgrAbility program involvement. This study examined QoL profiles at two time points with individuals seeking services related to QoL domains including physical, psychological, social, and existential well-being. The profiles were described based on demographic variables to understand who may be in these profiles. METHODS: The sample consisted of 1,358 farmers and ranchers with disabilities who completed the McGill Quality of Life (MQOL) survey before receiving AgrAbility services (time one), and 343 of whom completed a follow-up QoL survey after receiving AgrAbility services (time two). Latent profile analysis was employed to examine groupings of individuals on the variables of physical, psychological, existential, and social well-being. Descriptive analysis of profile membership and predictive models were used to understand the profiles and their relationship across time. Analyses were performed using Mplus version 8.11. RESULTS: Three QoL profiles were identified. The Low QoL profile had the most females, while the High QoL profile had the least. There were no significant relationships identified between sex, work status, and age, and profile membership. The High QoL profile was marked by high scores on QoL indicators of psychological, social, and existential well-being. The Low QoL had almost an opposite pattern. At time 2 assessment, individuals tended to move to a higher QoL profile. In general, the probability of moving to a lower profile was below 0.10. CONCLUSIONS: Heterogeneity is present in QoL indicators among individuals who worked with their State AgrAbility Team to accomplish their goals. Profile movement supports the benefits of receiving AgrAbility services for increasing QoL. These profiles can be used to better understand the needs of individuals and the direct services to address those needs.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».