TECHNOLOGY-BASED INTERVENTIONS AND ASSESSMENT FOR OLDER ADULTS WITH COGNITIVE IMPAIRMENT
Notice bibliographique
Résumé
Abstract During the COVID-19 pandemic, older adults with cognitive impairment experienced social isolation, stress, and challenges to stay healthy at home or in a long-term care facility. Technology-based interventions and assessment can be valuable in managing dementia at home before a crisis situation occurs, which can lessen caregiver burden and stress and improve quality of life for older adults with cognitive impairment. In the symposium, specific technology-based interventions (telepresence robot, online chair yoga, exergames, virtual cycling, video-conferencing platforms) and assessment (IOM2 biofeedback device) were used for older adults with cognitive impairment. We cultivated a novel interdisciplinary approach to emerging clinical entities of technology-based intervention and assessment for older adults with cognitive impairment. In the symposium, we will present a variety of technology-based clinical interventions. Our first study explored the experiences of virtual family visits in four Canadian long-term care homes, using a telepresence robot. Online survey, interviews, focus groups, and observations were conducted to explore the experience. The second study assessed feasibility of a remotely supervised online chair yoga (CY) intervention for older adults with dementia in Florida and explored the preliminary effects of CY on psychosocial outcomes in this population. The third study evaluated the ease of use and quality of cardiac data using IOM2 biofeedback device for older adults with dementia. Cardiac rhythms were analyzed from pulse data measured using the IOM2 biofeedback device (UNYTE). The fourth study was a scoping review to analyze evidence about online group-based exercise programs.
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 | 0,001 | 0,001 |
| 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 ».