Bibliographic record
Abstract
RÉSUMÉ Cette étude explore les facteurs déterminants de l'autoévaluation de la santé et du bonheur chez les aîné(e)s vivant en établissement d'après l'Enquête nationale sur la santé de la population de 1994/95. On a établi des modèles distincts de régression de logistique ordinale pour l'autoévaluation de la santé et du bonheur dans un sous-échantillonnage de 780 aîné(e)s vivant en établissement. Les résultats indiquent que les aîné(e)s canadien(ne)s vivant en établissement évaluent leur santé et leur bonheur à divers degrés et que l'on peut prédire les variations en fonction des caractéristiques démographiques, des facteurs de maladie, de l'invalidité et de l'intégration sociale. Une évaluation positive de la santé et du bonheur est toujours associée à un plus grand âge, à un degré réduit de maladie chronique, à un faible degré perçu de difficultés de mémoire et à moins de douleur. Alors que la bonne santé se joint à un plus grand degré d'instruction et de liberté de déplacement, le bonheur se relie à un meilleur réflexe d'agrippement, à une plus forte fréquentation des activités communes de l'établissement et de la communauté et à un horaire plus flexible. Ces résultats entraînent des conséquences importantes puisque plusieurs des facteurs relevés peuvent être modifiés par des programmes de rééducation ou des interventions infirmières.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".