Feasibility, Acceptability, and Impact of a self-guided e-learning Memory and Brain Health Promotion Program for Healthy Older Adults
Notice bibliographique
Résumé
OBJECTIVES: To examine the feasibility (e.g., completion rate), acceptability (e.g., satisfaction), and participant-reported impact (e.g., memory concerns, behavior change, goal attainment) of a self-guided, e-learning adaptation of a validated, facilitator-guided, in-person memory intervention for older adults. METHODS: Participants were 139 healthy older adults (mean age: 73 ± 7, 73% women). Participation tracking and pre/post questionnaires embedded within the e-learning program were used to assess feasibility, acceptability, and impact. RESULTS: Sixty-eight percent of participants completed the program. Anonymous feedback data indicated a high level of satisfaction with the program, the pace and clarity of the learning modules, and the user interface. Suggested improvements included offering more interaction with others and addressing minor platform glitches. There was a 41% decrease in the prevalence of concern about memory changes from baseline to posttest. The majority of participants reported an increase in use of memory strategies and uptake of health-promoting lifestyle behaviors. All participants reported moderate-to-high satisfaction with personal goal attainment. CONCLUSIONS: The program demonstrated good feasibility, acceptability, and lead to reduction in age-related memory concerns. CLINICAL IMPLICATIONS: Self-guided, e-learning programming shows promise for fostering positive adaptation to age-related memory changes and improving the uptake of evidence-based strategies to promote brain health 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 | 0,008 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».