GENDER SPECIFIED ASSOCIATIONS BETWEEN SMARTPHONE USE AND MULTIDIMENSIONAL COGNITION AMONG OLDER ADULTS IN CHINA
Notice bibliographique
Résumé
Backgrounds: Little is known about the association of smartphone use with cognition for older adults, particularly with multi-domain cognitions, while smartphone is a most widely used and all-in-one electronic device. Methods: We carried out a face-to-face survey on 3,230 older adults aged 60+ years in Xiamen, China, 2016. The Montreal Cognitive Assessment(MoCA) was used to measure general and six specific subdomain cognitions, while smartphone usage was self-reported. Ordinal logistic regression was performed to model the joint association of the number of smartphone function use and sex on general cognitive function. Furthermore, a series of ordinal logistic regressions were used to detect the associations between the number of smartphone function use and the six subdomain cognitive functions stratified by gender. Results: 2,600 eligible participants were included with a mean age of 69.06 ± 7.06 years. Only 30% of older adults used smartphones, among who 60.72% were men. Respondents who used more smartphone functions maintain better cognitive functions for both men and women, but for women, such benefits appeared only when they used 2+ smartphone functions (OR=1.87). A multi-domain cognitive advantage also presented for smartphone users. Concretely, for men this advantage showed in five domains including memory, visuospatial ability, executive ability, attention and language. For women, it showed in visuospatial, executive ability, attention and language. Conclusions: Using smartphone showed positive associations with better general and multi-domain cognitive functions, for both older men and women. The more smartphone functions they used, the more benefits they attained, and such associations were stronger for men than women.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».