MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390192103 · doi:10.1002/alz.080472

The Luci program: a coach‐based online intervention to reduce dementia risk factors

2023· article· en· W4390192103 sur OpenAlexaff
Isabelle Lussier, Juliette Guillemont, Flavie Laroque, Simon Bacon, Michel Boivin, Guylaine Ferland, Kim Lavoie, Guy Paré, Sylvie Belleville

Notice bibliographique

RevueAlzheimer s & Dementia · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensHEC MontréalUniversité du Québec à MontréalInstitut Universitaire de Gériatrie de MontréalUniversité de MontréalConcordia University
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionDementiaAttritionNeurocognitiveGerontologyCoachingMedicineCognitionCognitive declinePsychologyUsabilityIntervention (counseling)Physical therapyClinical psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract Background A large body of evidence indicates that behavioural interventions on modifiable risk factors for dementia can reduce cognitive decline in at‐risk older individuals. There is growing interest in making such interventions more widely accessible using technology‐based solutions. However, online programs would benefit from incorporating coach‐based interventions, the feasibility of which needs to be demonstrated. Luci is an online, coach‐supported, multidomain lifestyle intervention aimed to improve cognitive health in older adults at risk of cognitive decline. A pilot study was conducted to establish the feasibility of the program. Method A web‐App was designed to allow 1‐1 coaching sessions, create and monitor personalized action plans, provide information on brain health, and collect outcome measures. 119 cognitively healthy, community‐dwelling individuals aged 50‐70 with ≥1 lifestyle risk factor (physical activity, diet, cognitive engagement) were recruited in this 24‐week, randomized (Luci vs. wait‐list controls), single‐blind pilot feasibility study. Main eligibility criteria included no severe health conditions (e.g., neurocognitive, psychiatric), to be French‐speaking, available for the duration of the program, and computer literate with access to a device and Internet. Adherence, retention rates, and satisfaction and usability were assessed. Secondary measures included change from baseline in lifestyle risk factors and cognitive performance. Result Participants had a mean age of 60.6 (SD = 5.6) and 16.7 (SD = 3.4) years of education; 84.9% were female. Retention and adherence rates were 92.4% and 84.5%, respectively, and a 3.7% difference in attrition rates between the intervention and control groups was observed. Program satisfaction and App usability rates were high, with over 95% agreeing that the coach helped them identify the benefits of and obstacles to changing their lifestyle and respected their opinion. A greater proportion of participants (1.3 to 2.7‐fold) in the intervention versus control group reached a clinically significant change in lifestyle risks. In contrast to the control group, the Luci intervention group showed improvements in cognitive performance. Conclusion Providing coach‐based online intervention programs might represent a powerful approach to support durable lifestyle changes in older adults at‐risk for dementia. The results from this study support the Luci program potential as a feasible intervention for effective and sustainable behavioural changes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,055
Tête enseignante GPT0,379
Écart entre enseignants0,324 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetDementia and Cognitive Impairment Research→Travaux en français237 207→