MétaCan
Menu
Retour à la cohorte
Enregistrement W4412487520 · doi:10.1111/ajag.70065

Methods for co‐designing health innovations with older adults: A rapid review

2025· review· en· W4412487520 sur OpenAlexafffund
Lori Gagnon, Samuel Turcotte, Philippe Gauthier, Nathalie Bier

Notice bibliographique

RevueAustralasian Journal on Ageing · 2025
Typereview
Langueen
DomaineComputer Science
ThématiqueInnovative Human-Technology Interaction
Établissements canadiensUniversité LavalUniversité de MontréalCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalCentre for Interdisciplinary Research in Rehabilitation
Organismes subventionnairesFonds de Recherche du Québec - SantéCanadian Institutes of Health ResearchFonds de Recherche du Québec-Société et CultureUniversité de Montréal
Mots-clésCINAHLTokenismMEDLINEResearch designMedicinePsychologyGerontologyApplied psychologyNursingPsychological interventionPolitical science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: This paper reviews the methods used in research for co-designing health innovations with and for older adults. METHODS: A rapid review was performed following the Cochrane Rapid Review Methods Group recommendations and reported using the PRISMA statement. A keyword search was conducted in CINAHL, PsychINFO and Medline databases. RESULTS: Selection criteria yielded 13 peer-reviewed articles that reported on a total of 33 different co-design activities. Discussions and individual interviews were the most frequently reported activities in the selected articles and were used at each stage of the co-design process. CONCLUSION: To avoid the appearance of tokenism and to promote transparency, researchers need to provide more details about the involvement of older adults in the co-design process and the co-design activities performed. Health and design scientists should strive towards a meaningful involvement of older adults throughout the co-designing process and need to develop knowledge about the added value of co-design to support the use of such methods.

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)0,072
score de la tête « metaresearch » (Gemma)0,159
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,072
Score d'incertitude au seuil0,383

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0720,159
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0070,011
Bibliométrie0,0190,012
Études des sciences et des technologies0,0020,002
Communication savante0,0080,009
Science ouverte0,0030,006
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0110,003

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 Opus0,073
Tête enseignante GPT0,451
Écart entre enseignants0,378 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations4
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAustralasian Journal on AgeingMême sujetInnovative Human-Technology InteractionTravaux en français237 207