MétaCan
Menu
← Retour à la cohorte
Enregistrement W2072547111 · doi:10.2196/mhealth.3136

Study of the Usability of Spaced Retrieval Exercise Using Mobile Devices for Alzheimer’s Disease Rehabilitation

2014· article· en· W2072547111 sur OpenAlexvenueno aff
Ahmad Zmily, Yaser Mowafi, Ehab Mashal

Notice bibliographique

RevueJMIR mhealth and uhealth · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUsabilityRehabilitationComputer scienceCompetence (human resources)Task (project management)PsychologyDiseaseHuman–computer interactionMultimediaMedicinePhysical therapySocial psychologyEngineering

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Alzheimer's disease (AD) is an irreversible brain disease that slowly destroys memory and thinking skills, and eventually the ability to carry out the simplest daily tasks. Recent studies showed that people with AD might actually benefit from physical exercises and rehabilitation processes. Studies show that rehabilitation would also add value in making the day for an individual with AD a little less foggy, frustrating, isolated, and stressful for as long as possible. OBJECTIVE: The focus of our work was to explore the use of modern mobile technology to enable people with AD to improve their abilities to perform activities of daily living, and hence to promote independence and participation in social activities. Our work also aimed at reducing the burden on caregivers by increasing the AD patients' sense of competence and ability to handle behavior problems. METHODS: We developed ADcope, an integrated app that includes several modules that targeted individuals with AD, using mobile devices. We have developed two different user interfaces: text-based and graphic-based. To evaluate the usability of the app, 10 participants with early stages of AD were asked to run the two user interfaces of the spaced retrieval memory exercise using a tablet mobile device. RESULTS: We selected 10 participants with early stages of AD (average age: 75 years; 6/10, 60% males, 4/10, 40% females). The average elapsed time per question between the text-based task (14.04 seconds) and the graphic-based task (12.89 seconds) was significantly different (P=.047). There was also a significant difference (P<.001) between the average correct answer score between the text-based task (7.60/10) and the graphic-based task (8.30/10), and between the text-based task (31.50/100) and the graphic-based task (27.20/100; P<.001). Correlation analysis for the graphic-based task showed that the average elapsed time per question and the workload score were negatively correlated (-.93, and -.79, respectively) to the participants' performance (P<.001 and P=.006, respectively). CONCLUSIONS: We found that people with early stages of AD used mobile devices successfully without any prior experience in using such devices. Participants' measured workload scores were low and posttask satisfaction in fulfilling the required task was conceivable. Results indicate better performance, less workload, and better response time for the graphic-based task compared with the text-based task.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,075
Tête enseignante GPT0,443
Écart entre enseignants0,367 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealth→Même sujetDementia and Cognitive Impairment Research→Travaux en français237 207→