Effects of Home Based Serious Game Training (Brain Talk™) in the Elderly With Mild Cognitive Impairment: Randomized, a Single-Blind, Controlled Trial
Notice bibliographique
Résumé
Mild cognitive impairment (MCI) increases with aging society. Serious games may be effective in improving cognitive function in patients with MCI; however, research on their effects remains insufficient. This study aimed to confirm the efficacy and safety of cognitive rehabilitation training using a serious game (Brain Talk™) for the elderly with MCI. Twenty-four elderly individuals with MCI were randomized into study and control groups. The study group received 12 training sessions (30 min/session, 3 times/week), whereas the control group did not receive training. Blinded evaluations were conducted before and after the training and four weeks after the training. The primary outcome measures were the Korean Mini-Mental State Examination (K-MMSE) and K-MoCA (Korean Montreal Cognitive Assessment). Secondary outcome measures were the Semantic Verbal Fluency Task (SVFT), Trail-Making Test-B, and 2-back test. In the study group, the K-MMSE, K-MoCA, and SVFT scores after finishing the training and 4 weeks after training showed a significant increase; however, there was no significant change in the control group. No significant differences were observed between the two groups. Cognitive function significantly improved in the study group after training. Home-based serious games are considered helpful in improving cognitive function.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».