MétaCan
Menu
Retour à la cohorte
Enregistrement W3153920035 · doi:10.2196/25462

Evaluation of the Implementation and Effectiveness of Community-Based Brain-Computer Interface Cognitive Group Training in Healthy Community-Dwelling Older Adults: Randomized Controlled Implementation Trial

2021· article· en· W3153920035 sur OpenAlexvenueno aff
Pei Shi Yeo, Tu Ngoc Nguyen, Mary Pei Ern Ng, Robin Choo, Philip Yap, Tze Pin Ng, Shiou Liang Wee

Notice bibliographique

RevueJMIR Formative Research · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRandomized controlled trialRepeatable Battery for the Assessment of Neuropsychological StatusCognitionBerg Balance ScalePhysical therapyCognitive trainingPhysical medicine and rehabilitationTrail Making TestMedicinePsychologyBalance (ability)NeuropsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Cognitive training can improve cognition in healthy older adults. OBJECTIVE: The objectives are to evaluate the implementation of community-based computerized cognitive training (CCT) and its effectiveness on cognition, gait, and balance in healthy older adults. METHODS: A single-blind randomized controlled trial with baseline and follow-up assessments was conducted at two community centers in Singapore. Healthy community-dwelling adults aged 55 years and older participated in a 10-week CCT program with 2-hour instructor-led group classes twice a week. Participants used a mobile app to play games targeting attention, memory, decision making, visuospatial abilities, and cognitive flexibility. Implementation was assessed at the participant, provider, and community level (eg, reach, implementation, and facilitators and barriers). Effectiveness measures were the Repeatable Battery for the Assessment of Neuropsychological Status (RBANS), Color Trails Test 2 (CTT-2), Berg Balance Scale, and GAITRite walkway measures (single and dual task gait speed, dual task cost, and single and dual task gait variability index [GVI]). RESULTS: A total of 94 healthy community-dwelling adults participated in the CCT program (mean age 68.8 [SD 6.3] years). Implementation measures revealed high reach (125/155, 80.6%) and moderate adherence but poor penetration of sedentary older adults (43/125, 34.4%). The effectiveness data were based on intention-to-treat (ITT) and per-protocol (PP) analysis. In the ITT analysis, single task GVI increased (b=2.32, P=.02, 95% CI [0.30 to 4.35]) and RBANS list recognition subtest deteriorated (b=-0.57, P=.01, 95% CI [-1.00 to -0.14]) in both groups. In the PP analysis, time taken to complete CTT-2 (b=-13.5, P=.01, 95% CI [-23.95 to -3.14]; Cohen d effect size = 0.285) was faster in the intervention group. Single task gait speed was not statistically significantly maintained in the intervention group (b=5.38, P=.06, 95% CI [-0.30 to 11.36]) and declined in the control group (Cohen d effect size = 0.414). PP analyses also showed interaction terms for RBANS list recall subtest (b=-0.36, P=.08, 95% CI [-0.75 to 0.04]) and visuospatial domain (b=0.46, P=.08, 95% CI [-0.05 to 0.96]) that were not statistically significant. CONCLUSIONS: CCT can be implemented in community settings to improve attention and executive function among healthy older adults. Findings help to identify suitable healthy aging programs that can be implemented on a larger scale within communities. TRIAL REGISTRATION: ClinicalTrials.gov NCT04439591; https://clinicaltrials.gov/ct2/show/NCT04439591.

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)0,007
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,009
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0050,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,079
Tête enseignante GPT0,493
Écart entre enseignants0,414 · 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'étudeEssai randomisé
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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207