Investigating the built environment surrounding naturally occurring retirement communities (NORCs) in Toronto
Notice bibliographique
Résumé
Introduction A positive built environment can improve older adult health and support aging in place, yet little is known about those surrounding Naturally Occurring Retirement Communities (NORCs), geographic areas where many older adults live. We investigated walkability and amenity density surrounding NORCs in Toronto, Canada. Methods This population-based descriptive study linked built environment datasets with health administrative data and a provincial registry of high-rise NORC buildings by postal code. Mean walkability index scores, quartiles, as well as amenity density categories, were compared for NORC and non-NORC postal codes, or “sites”. Older adult resident characteristics were compared for NORC sites in the least and most favourable categories for each outcome. Results Our analysis of walkability and amenity density was based on 49,295 (488 [9.9 %] NORC) and 49,945 (489 [9.8 %] NORC) Toronto postal codes. NORC sites were in more walkable neighbourhoods (mean walkability 6.4 (SD 8.2) versus 4.3 (7.4) for non-NORC sites, std 0.26); although, 55 (11.3 %) were in the lowest quartile of neighbourhood walkability in Toronto. NORC sites were also in more amenity dense neighbourhoods, with 63.0 % in medium/high density neighbourhoods compared to 50.5 % of non-NORC sites, std 0.25. NORC residents in the least walkable or amenity-poor neighbourhoods were older, and proportionately more were immigrants compared to NORC residents in the most walkable and amenity-rich neighbourhoods. Conclusions Findings suggest that built environments surrounding high-rise NORC buildings are well-positioned to support aging in place given their walkability and amenity access; however, action should be taken to support NORCs with suboptimal environment conditions.
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 | 0,003 | 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 | 0,001 | 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 ».