Benefiting From Digital Use: Prospective Association of Internet Use With Knowledge and Preventive Behaviors Related to Alzheimer Disease in the Israeli Survey of Aging
Notice bibliographique
Résumé
BACKGROUND: Previous work documented the beneficial association between internet use and improved cognition, functional capacity, and less cognitive decline among people in late adulthood. This work focused on potential mechanisms of such an association: knowledge on Alzheimer disease (AD) and preventive behaviors related to AD. OBJECTIVE: The aim of this study was to examine prospective associations of internet use and perceived computer skills with knowledge on AD and preventive behaviors related to AD. METHODS: The sample included 1232 older adults (mean age 71.12 [SD 9.07]) drawn from the Israeli branch of the Survey of Health, Aging, and Retirement in Europe (SHARE-Israel). The sample is representative of Israeli households of adults aged 50 or older and their spouses. Data analyzed were collected in person during 2015 (Wave 6), and in a drop-off questionnaire following the in-person 2017 data collection (Wave 7). RESULTS: Although both internet use and perceived computer skills were prospectively associated with knowledge and behaviors related to AD in bivariate analyses, after controlling for sociodemographics, only internet use was associated with more such knowledge (β=.13, P<.001) and behaviors (β=.22, P<.001). CONCLUSIONS: Internet use emerged as a prospective predictor of protective factors against AD. Policymakers should advance digital engagement so as to enhance knowledge on AD and preventive behaviors among older adults.
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 | 0,000 | 0,001 |
| 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 ».