Cognitive remediation for older community‐dwelling individuals with schizophrenia: a pilot and feasibility study
Notice bibliographique
Résumé
OBJECTIVE: Cognitive deficits are among the strongest predictors of function in individuals with schizophrenia. This relationship continues to be strong as these individuals grow older into their eight decade. Cognitive remediation (CR) improves cognition in individuals with schizophrenia. This study aims at assessing the feasibility and potential effect of CR in patients with schizophrenia 60 years of age or older. METHODS: We adapted a CR protocol involving restorative and strategy-based methods over four cohorts of older outpatients with schizophrenia to target cognitive deficits associated with aging and schizophrenia. CR was provided in eight, 2-h weekly didactic sessions and online at-home exercises. Computerized drill and practice exercises were used with bridging to activities of daily life. Computer exercise selection and difficulty level parameters optimized adherence. Progression individually determined difficulty levels. We modified computer laboratory ergonomics to accommodate mobility needs. Participants were assessed at baseline and end-of-study using clinical and cognitive assessments. RESULTS: Twenty-two participants enrolled: 18 (mean [SD] age: 69.8 [5.3]) completed CR. Mean (SD) global cognition T score from the Measurement and Treatment Research to Improve Cognition in Schizophrenia Consensus Cognitive Battery was 27.7 (10) at baseline and 28.8 (9.7) at the completion of the study. These means are over 2 SD below the norms. The change in global cognition was not statistically significant (paired t(17) = -1.18, p = 0.25). CONCLUSIONS: Our pilot study suggests that CR is well tolerated by most older outpatients with schizophrenia. Future studies need to assess whether increasing the frequency or the number of CR sessions leads to significant improvement in cognition.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».