MétaCan
Menu
← Retour à la cohorte
Enregistrement W2986943348 · doi:10.1093/geroni/igz038.1432

VOICE FIRST TECHNOLOGY: SIMPLIFYING LIFE FOR COMMUNITY-DWELLING OLDER ADULTS LIVING WITH DEMENTIA

2019· article· en· W2986943348 sur OpenAlexaff
Debra Sheets, Marilyn Malone, Stuart MacDonald, Carl V. Asche, André Smıth

Notice bibliographique

RevueInnovation in Aging · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensIsland HealthUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésDementiaPsychosocialQuality of life (healthcare)UsabilityGerontologySocial isolationIndependence (probability theory)PsychologyIndependent livingCaregiver burdenSocial supportActivities of daily livingAging in placeQualitative researchTelecareMedicinePsychiatryNursingHealth careTelemedicineComputer scienceSocial psychologyDisease

Résumé

récupéré en direct d'OpenAlex

Abstract Voice first technology offers older adults with dementia support that may maintain independence, reduce social isolation and improve quality of life (QoL). This study investigates the impact of a voice-controlled technology customized to the needs of participants living with dementia and their caregivers. A mixed methods design focused on psychosocial factors and usability characteristics. The purposive sample consisted of older adults with dementia (n=12) and their care partners (n=12)) living independently in the community. Validated measures for cognition, depression, caregiver burden, quality of life and usability were included. Qualitative in-home interviews were conducted to assess impact on social connections and independence. Results indicate that voice first technology can reduce caregiver burden and can support the independence and QoL of older adults with dementia. The discussion considers the value of low cost voice first technology as a way to support older adults with dementia and their caregivers.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,034
Tête enseignante GPT0,354
Écart entre enseignants0,319 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in Aging→Même sujetGeriatric Care and Nursing Homes→Travaux en français237 207→