Application effects of WeChat platform in improving cognitive function training in patients with mild Alzheimer's disease after discharge from hospital
Notice bibliographique
Résumé
Objective To explore the effects of WeChat platform in improving cognitive function training in patients with mild Alzheimer's disease (AD) after discharge from the hospital, and to slow down the disease progression, and to improve their self-care ability and the quality of life. Methods The WeChat group was established, ninety patients with mild AD were divided into the experimental group and the control group. The control group regularly issued health education knowledge in the WeChat. On the basis of control group, the experimental group published daily training plans through WeChat, They tried to complete the practice with their families' help and give feedbacks for those training videos or photos. The nurses were responsible for giving guidance and periodic support. The compliance, activities of daily living (ADL) , mini-mental state examination (MMSE) , Montreal cognitive assessment scale (MoCA) , and the world health organization quality of life measurement scale short form (WHOQOL-BREF) were compared before and after the intervention. Results In the experimental group, the cognitive level was slightly improved, and the self-care ability and the quality of life were significantly improved after the training intervention compared with the scores before the intervention (P<0.05) . However, the cognitive level, the self-care ability, and the quality of life in the control group sustained or slightly reduced after the intervention. Conclusions The cognitive function training based on WeChat platform can delay the disease development and can improve the self-care ability and the quality of life in patients with mild AD after discharge from the hospital. Key words: Alzheimer's disease; Quality of life; Cognitive training; WeChat
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 | 0,000 |
| 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 | 0,001 |
| 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 ».