Becoming Old as a ‘Pharmaceutical Person’: Negotiation of Health and Medicines among Ethnoculturally Diverse Older Adults
Bibliographic record
Abstract
RÉSUMÉ Parce que la prescription et l’utilisation des médicaments sont devenus un aspect normatif des soins de santé pour les personnes âgées, nous cherchons à comprendre comment les individus gérer l’utilisation des médicaments d’ordonnance dans le contexte du vieillissement. Nous soutenons que, pour ceux qui sont ambulatoires, l’utilisation de médicaments est susceptible d’être influencée par des considérations ethno-culturelles en matière de la santé et des expériences avec d’autres approches aux soins de santé. En conséquence, nous avons méné une étude qualitative, avec des entrevues en profondeur, sur un échantillon diversifié de personnes âgées afin d’identifier leurs perceptions et utilisations de médicaments. Nos conclusions dépeignent les personne âgées comme des agents actifs – qui s’appuient sur une vie d’expérience et de connaissances – qui prennent la responsabilité de l’adhésion (our non-adhésion) aux médicaments et leurs effets liés sur leur propre corps. Nous représentons la personne âgée comme une « personne pharmaceutique » dont les expériences du vieillissement sont inextricablement liée à la négociation des soins de santé dépendent sur les médicaments.
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 | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.007 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 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".