MétaCan
Menu
Retour à la cohorte
Enregistrement W7024332427

Social Factors and Nutrition Risk in Community-Living Seniors During the COVID-19 Pandemic

2022· dissertation· en· W7024332427 sur OpenAlexfundaboutno aff

Notice bibliographique

RevueUWSpace (University of Waterloo) · 2022
Typedissertation
Langueen
DomainePhysics and Astronomy
ThématiqueMagnetic properties of thin films
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchMcMaster University
Mots-clésLonelinessPandemicBaseline (sea)Mental healthPublic healthMalnutritionRisk factorSocial isolation
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Pandemic countermeasures (e.g., lockdown, restrictions) enacted to minimize the spread of COVID-19 may put older adults at nutrition risk. This thesis uses an online/telephone survey to investigate factors associated with nutrition risk for community-dwelling older adults living in Hamilton, Ontario, Canada during the COVID-19 pandemic. Data were collected on nutrition risk, loneliness, mental health, assistance with meal preparation and/or delivery, frequency of making phone/video calls and using social media, and more. Subsequent data were collected in waves approximately three months apart. Objectives of this thesis were to understand the prevalence of high nutrition risk and identify the association with social-related variables that could be impacted by COVID-19 during different time points of the pandemic. Research questions were:
\n
\n1. What is the prevalence of high nutrition risk (SCREEN-8 score <38) in the IMPACT sample?
\n
\n2. Are participant-reported variables (self-reported mental health, loneliness over the past week, and receiving assistance with meal preparation or delivery) that could be impacted by COVID-19 shelter-in-place public health policy in the first wave of the pandemic, associated with baseline nutrition risk scores (SCREEN-8) in community-dwelling adults over 65 years old in Hamilton, Ontario, when adjusting for meaningful covariates (e.g., sex, age)?
\n
\n3. Is there a change in median nutrition risk score over nine months in community-dwelling adults over 65 years old in Hamilton, Ontario?
\n
\n4. Do participants change nutrition risk categorization over this time frame?
\n
\n5. Are changes in mental health, loneliness, frequency of video/phone calls and use of social media associated with change in nutrition risk scores over time (from baseline to nine months)?
\n
\nFrom this sample of older adults (n=272, 78±7.3 years old, 70% female), we found that nutrition risk was prevalent among the community-dwelling older adults (64% at high risk). In a multivariable cross-sectional analysis that examined baseline only, loneliness in the past week (β -2.92, 95% CI [-5.51, -0.34]) and resilience (β 1.28, [0.04, 2.52]) were found to be associated with nutrition risk. In a second longitudinal analysis (n=178) based on a subset with a complete nutrition risk questionnaire nine months later, authors also found that frequency of direct social contacts from phone/video calls was associated with less nutrition risk (β -6.84, [-12.9, -0.77]), but people using more social media are more likely to be at high risk (β 6.19, [0.64, 11.75]).
\n
\nFindings from this thesis may inform public health interventions with respect to social interactions in pandemic circumstances or other challenging situations. This research also implies that it is critical to understand and advocate for healthy social media use to improve nutrition for older adults. Strategies to mitigate the adverse outcomes, such as loneliness and subsequent nutrition risk of future pandemic countermeasures should target this vulnerable group.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,265
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,014
Tête enseignante GPT0,225
Écart entre enseignants0,211 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUWSpace (University of Waterloo)Même sujetMagnetic properties of thin filmsTravaux en français237 207