MétaCan
Menu
Retour à la cohorte
Enregistrement W4417513197 · doi:10.2196/79308

Elderly Activity Life-Space Envelopes (EASE): Development and Feasibility of a Comprehensive, Integrated Protocol for Life-Space Mobility Research in Population Health

2025· article· en· W4417513197 sur OpenAlexvenueno aff
Yee Sien Ng, Fang Zhao, Yi-Ching Lynn Ho, Eugene Shum, Aisyah Latib, Silvana Choo, Sharon Chew, T. Leong, Yong‐Hao Pua, Belinda Yuen, Sam Conrad Joyce, Yang Xin, Angelique Chan, Ad Maulod, Y. Joel Wong, Donny Cheng Lock Soh, Rajesh Krishna Balan, Lian Leng Low, Julian Thumboo, Yew Yoong Ding, Helen Hoenig, Sapphire Lin

Notice bibliographique

RevueJMIR Research Protocols · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOlder Adults Driving Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProtocol (science)Psychological interventionPopulationQuality of life (healthcare)Quality (philosophy)Population health

Résumé

récupéré en direct d'OpenAlex

Background: Life-space mobility (LSM) refers to the movement of people over time and the areas through which they move to achieve life goals of health, employment, security, and participation for active aging. Objective: The Elderly Activity Life-Space Envelopes program is a large interdisciplinary mixed methods LSM study in older adults of 50 years and above. The overarching aims were to discover why, where, and when older adults travel and how they get to their destinations. Methods: In this paper, we focus on the methodology of the main quantitative phase. This community-based study comprised an in-person multidomain geriatric assessment with physical performance measures, followed by a 14-day travel diary. For the multidomain geriatric assessment, we structurally underpinned important population health constructs including the WHO International Classification of Functioning, Disability and Health, Frailty, and Intrinsic Capacity. We also described home meso-environments by incorporating authoritative open-source environmental attributes. These facilitated the categorization of LSM determinants into health, social, and environmental domains. The LSM outcomes include self-reported and objective geographical information science LSM measures. We further developed a suite of geographical information science LSM outcomes in alignment with our overarching aims. Quota sampling based on age groups, housing typology, and frailty status was applied. A customized, smartphone-based digital travel diary was designed, and barometric sensors were enabled to capture 3D LSM in capable smartphones. Results: We recruited 1131 older adults with an average age of 63.8 (SD 7.6) years. The large majority (n=1062, 95%) successfully documented their travel diary on their smartphones with the rest on paper-based travel diaries. For the digital data, a total of 88,166 node points were recorded. There were 76,741 trips and 106,323 trip legs documented through the e-travel diary platform. Valid vertical LSM data were obtained from 228 participants. The majority (n=842, 75%) lived in public apartments, and 29% (n=326) were prefrail or frail. Conclusions: We provide a practical, feasible yet comprehensive protocol integrating LSM within important population health themes. Also, the development of an objective, systematic outcomes framework will form the basis for future LSM studies in the field. We aim to analyze the interactions between LSM outcomes, explore its diverse determinants, and identify senior travel phenotypes. We hope to develop interdisciplinary policy-driven interventions to ultimately improve the quality of life in older adults.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0170,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,585
Tête enseignante GPT0,675
Écart entre enseignants0,091 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreProtocole

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

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetOlder Adults Driving StudiesTravaux en français237 207