The Effectiveness of Computerized Cognitive Training Program for Older Adults With Mild Cognitive Impairment: Preliminary Study
Notice bibliographique
Résumé
Objective: As the elderly population increases, the proportion of neurocognitive disorder is increasing. Accordingly, research on cognitive intervention therapy to prevent neurocognitive disorder is also becoming active. In particular, this study attempted to evaluate changes in cognitive function before and after training and verify their effectiveness by implementing a computerized cognitive training program for patients with mild cognitive impairment. Methods: A computerized cognitive training program was conducted for 15 patients with mild cognitive impairment. It was conducted twice a week, 30 minutes, and 16 times for 8 weeks, and neurocognitive function was evaluated before and after training. The neurocognitive function tests are as follows; Seoul Neuropsychological Screening Battery, Korean version of Montreal Cognitive Assessment (K-MoCA), Clinical Dementia Rating (CDR), Korean Instrumental Activity of Daily Living (K-IADL), Korean Neuropsychiatric Inventory (K-NPI), and Memory Age-associated Complaint Questionnaire (MAC-Q). Results: There was a statistically significant improvement in memory domain after the implementation of the computerized cognitive training program, but no significant changes in attention, language ability, visuospatial function, and frontal lobe executive function. Among the memory areas, the Seoul Verbal Learning Test: Delayed Recall, Rey Complex Figure Test: Delayed Recall, and Rey Complex Figure Test: Recognition are showed significant improvement. In addition, there was a significant improvement in CDR (sum of box) and K-MoCA scores. There was no statistically significant difference in K-IADL and K-NPI. Conclusion: Computerized cognitive training programs have been effective in improving memory in patients with mild cognitive impairment. In order to verify the effectiveness of dementia prevention, a long-term study of a larger number is needed. The results of this preliminary study will help develop and apply cognitive training contents in the future.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».