AGE-FRIENDLY CITIES AND COMMUNITIES PROGRAM: SUCCESS STORIES IN PARANÁ/BRAZIL
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This article aims at investigating the challenges of population aging both globally and in Brazil, focusing on public policies implemented in the state of Paraná in the southern region of the country. Since 2017, Paraná has been developing initiatives aimed at the elderly population. The Federal Technological University of Paraná (UTFPR), Pato Branco campus, has been leading research and outreach projects related to aging, emphasizing the creation of cities and communities that are welcoming to the elderly. The UTFPR Friendly Team for the Elderly collaborates with the State Secretariat for Women, Racial Equality, and the Elderly in executing the Paraná Friend of the Elderly Program, as well as working with the World Health Organization (WHO) to integrate municipalities into the Global Network of “Age-Friendly Cities and Communities.” The team has developed a comprehensive methodology that includes sociodemographic diagnosis, listening to the elderly population, and creating a municipal action plan, promoting the technical and scientific training of local managers so that their municipalities can obtain international certification from the WHO. Currently, there are 1.685 cities/communities registered in the Global Network, with the highest concentration in the Americas, and the United States, Canada, Chile, Mexico, and Brazil are the leaders. In Brazil, 50 cities are certified as age-friendly, of which 38 are in Paraná, with the support of the UTFPR team. This article aims at outlining the trajectory and advances of Brazilian cities within the WHO Global Network.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle