Smartphone Use and Its Relation to Cognitive Impairment and Depressive Symptoms among Elderly People
Notice bibliographique
Résumé
The accelerating aging process and growing digitalization of society have drawn more focus to the effects of smartphone use on cognitive performance and depression in older adults. Aim: To assess the relationship between smartphone use and cognitive impairment and depressive symptoms among elderly people. Design: A descriptive research design was used. Setting: the elderly club of Al-Taqwa Association, the elderly club of the Family Care Association, and the elderly club in Kafr Al-Maisleh. Sampling: A systemic random sample consisting of 270 elderly persons was included in the study (155 users and 115 nonusers of smartphone). Instruments: Three instruments were used: the Characteristics of Elderly Structured Interview Questionnaire, the Montreal Cognitive Assessment, and the Geriatric Depression Scale. Results: Mean score of total MoCA was higher in mobile users elderly than non-users (25.1 ± 3.6, 23.5 ± 4.7) respectively and the mean score of total depression was lower in mobile users elderly than non-users (4.3 ± 2.1, 5.5 ± 3.01) respectively with statistically significant difference between users and non-users. Conclusion: Usage of the smartphone was more associated with better cognitive functions and lower depression scores. Depression symptoms were associated with the elderly over 70 years old, those with a low educational level, widowed, the elderly who live alone, and those who have a low rate of social interaction. Recommendations: Providing elderly people with information on smartphone features to promote active smartphone use. Using and maximizing mobile phone features in nursing interventions can benefit senior citizens' health.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 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 ».