HEARING AND MEMORY DEFICITS IN OLDER ADULTS USING TELEHEALTH
Notice bibliographique
Résumé
It is well known that hearing abilities decline with age. Older adults living in rural communities often have to rely on Telehealth to access specialized healthcare. Telehealth systems rely on audio compression algorithms to facilitate transmission of acoustic information through the internet/telephone lines, resulting in degraded speech signals. When older adults hear acoustically degraded speech they have more difficulty remembering the content of these sentences after a delay compared to younger adults. The proposed reason for this deficit is that older adults use more cognitive resources to understand degraded speech compared to younger adults, which draws cognitive resources away from the memory system. Forgetting what was said during a telehealth session can have significant health consequences for older adults. Thus, the goal of the present study was to assess the impact of hearing abilities on the ability to retain information provided during telehealth sessions in older adult users of Telehealth in Newfoundland and Labrador. Participants completed a 29-item self-report questionnaire, including the Hearing Screening Inventory (HSI), which has a high correlation with pure-tone audiometry. Two groups were created: (1) Normal-Hearing, and (2) Hearing-Loss; based on the 25 dB HL cutoff scores from the HSI. Groups did not differ in age, gender or education. The Hearing-Loss group reported significantly more difficulty remembering health information provided during Telehealth sessions compared to the normal-hearing group. More importantly, this effect remained significant when controlling for self-reported memory ability over the past year and for self-reported ability to hear the health-care provider during Telehealth sessions. Overall, this pattern of results suggests that participants in the hearing-loss group had a specific difficulty remembering information provided over a Telehealth system.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».