Utilisation des déterminants du vieillissement en bonne santé pour guider le choix des prescriptions sociales pour les aînés
Bibliographic record
Abstract
Résumé L’âge de la population canadienne augmente, ce qui nécessite l’utilisation de méthodes et d’outils innovants pour évaluer les besoins des aînés et cerner les pratiques efficaces en matière de prescription sociale et de soins de santé. En Alberta, un organisme communautaire de services aux aînés a entrepris d’élaborer et de tester l’indice des ressources pour un vieillissement en bonne santé (Healthy Aging Asset Index, HAAI), un outil d’évaluation et un guide de prescription sociale utilisable par divers de professionnels au sein de la collectivité. L’outil a été élaboré pour l’évaluation du degré de complexité médicale des cas et pour la pratique du travail social. Il respecte les déterminants du vieillissement en bonne santé du Cadre du vieillissement en bonne santé (Healthy Aging Framework) de l’Alberta, lui-même fondé sur les déterminants du vieillissement en bonne santé de l’Organisation mondiale de la santé. Les résultats du projet pilote montrent que les aînés ont présenté une amélioration de leurs capacités fonctionnelles en lien avec ces déterminants au fil du temps grâce au soutien qu’ils ont obtenu pour surmonter leurs vulnérabilités. L’adoption d’outils comme le HAAI peut favoriser la cohésion des services de soutien offerts aux aînés dans l’ensemble du continuum de soins et pourrait réduire la pression exercée sur le système de santé en permettant d’offrir certains soins au sein de la collectivité, améliorant ainsi la capacité des systèmes de santé et du gouvernement à répondre aux besoins des aînés du Canada.
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 | 0.023 | 0.037 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
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".