Senior Centres in Canada and the United States: A Scoping Review
Bibliographic record
Abstract
RÉSUMÉ Les centres pour personnes âgées ont été identifiés comme des points focaux pour la prestation de services pour la population vieillissante, qui est en forte croissance au Canada et aux États-Unis. Malgré ce rôle important des centres pour personnes âgées, peu de recherches leur ont été consacrées. Cet examen de portée a ciblé les études empiriques en langue anglaise portant sur les centres pour personnes âgées qui ont été publiées dans des revues scientifiques depuis 2000. Un total de 58 études ont été repérées (n = 51 pour les études américaines, n = 7 pour les études canadiennes). La majorité de ces articles était centrée sur des thèmes liés à la participation d’individus dans les centres pour personnes âgées, et quelques études seulement traitaient du milieu associé aux centres pour personnes âgées. Ces résultats suggèrent que les recherches futures devraient cibler les avantages de la programmation des centres pour personnes âgées, avec une attention particulière sur les besoins des baby-boomers, sur les facteurs clés liés au financement, aux espaces et au personnel, ainsi que sur les caractéristiques et les rôles des centres pour personnes âgées dans le contexte canadien.
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 | 0.007 | 0.028 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.004 | 0.002 |
| Bibliometrics | 0.024 | 0.049 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.002 | 0.001 |
| 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".