Mobile device use and the cognitive function and depressive symptoms of older adults living in residential care homes
Notice bibliographique
Résumé
BACKGROUND: With the fast-paced aging and increasing digitalization of society, there has been a growing interest in the effect of mobile device use on cognitive function and depression in older adults. However, research examining this issue among older adults in residential care homes (RCHs) is scant. Therefore, this study aimed to examine the impact of mobile device use on the cognitive function and depressive symptoms of older adults living in RCHs. METHODS: A cross-sectional survey was conducted using a sociodemographic questionnaire, the Montreal Cognitive Assessment (MoCA) and the 15-item Geriatric Depression Scale (GDS-15). RESULTS: A total of 235 senior residents (aged 82.58 ± 5.54) in four RCHs were surveyed. Users of mobile devices had a significantly higher total MoCA score (25.02 ± 4.14) and a significantly lower GDS-15 score (3.28 ± 2.74) than non-users (MoCA: 19.34 ± 5.21, GDS-15: 4.69 ± 2.90). Multivariate linear regression indicate that mobile device use is significantly associated with total MoCA score, six of the seven sub-scores (visuospatial abilities and execution functions, attention, language, abstraction, delayed recall, and orientation)(P < 0.05). Logistic regression showed that mobile device use was significantly associated with the level of depressive symptoms (OR = 0.458, 95%CI = 0.249-0.845). CONCLUSIONS: Use of mobile devices has a significant association with the cognitive function and depressive symptoms of older adults living in RCHs, and thus should be encouraged as a measure to maintain and improve cognition and prevent depression.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».