Tradução e adaptação cultural do aging perceptions questionnaire (APQ) para a língua portuguesa brasileira
Bibliographic record
Abstract
INTRODUÇÃO: A autopercepção do envelhecimento é um constructo que pode influenciar a saúde funcional e psicológica. A escassez de instrumentos validados em língua portuguesa para avaliar este constructo motivou este estudo de tradução e adaptação cultural de uma escala de percepção de envelhecimento. OBJETIVOS: traduzir e adaptar culturalmente para a língua portuguesa brasileira o Aging Perceptions Questionnaire. MÉTODOS: Foi utilizada a metodologia proposta por Beaton et al. nas Recomendações para Adaptação Cultural de Medidas de Estados de Saúde da Academia Americana de Cirurgiões Ortopédicos (AAOS) e do Instituto para Trabalho e Saúde de Toronto. Neste trabalho, foram utilizadas todas as etapas para tradução e adaptação cultural sugeridas, a saber, duas traduções para o português (T1 e T2), a síntese destas traduções (T12), duas retrotraduçoes, a síntese destas retrotraduçoes, a análise do comitê de especialistas e o pré-teste. A validade de conteúdo foi feita pela análise do comitê e por análise qualitativa do pré-teste. Resultados: Após a aplicação do pré-teste entrevista individual em 30 indivíduos, foram realizadas duas alterações no documento T12, ou seja, a síntese das traduções aplicadas como pré-teste. CONCLUSÃO: O APQ é um instrumento multidimensional com boas propriedades psicométricas para avaliar a autopercepção do envelhecimento. O documento final gerado a partir da tradução e adaptação cultural do instrumento original será aplicado posteriormente em uma amostra maior e de diferentes locais para sua validação, proporcionando informações sobre a percepção do envelhecimento em diversas culturas.
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".