The Impact of Disability and Assistive Technology Use on Well-Being in Later Life: Findings From the National Health and Aging Trends Study
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Although assistive technologies have the potential to bridge the gap between personal capabilities and environmental demands, they may not always fully accommodate disability. This study examined the implications of change in the extent of accommodation provided by assistive technology for well-being in older adulthood. RESEARCH DESIGN AND METHODS: Data from 5 waves (2015-2019) of the National Health and Aging Trends Study provided information on disability and assistive technology use among older adults aged 65 and older in the United States (n = 7,057). An eight-level index that jointly characterized the spectrum of disability and assistive technology use was applied to 7 activities of daily living (ADLs). Fixed-effects panel model assessed within-person associations between well-being and the extent of assistive technology accommodation along different levels of the disability spectrum. RESULTS: At baseline, bathing (28.7%; 95% confidence interval [CI]: 27.6, 29.8) and toileting (37.9%; 95% CI: 36.2, 39.6) were the 2 activities in which most older adults successfully accommodated their limitations with assistive technologies. Longitudinally, the level of support provided by assistive technology changed widely across activities and over time. Within-person analyses showed that for all ADLs except for eating, there was a significant decline in well-being when the adopted assistive technology no longer supported users' needs and successfully resolved their disabilities. DISCUSSION AND IMPLICATIONS: Our findings highlight the utility of technology-based interventions and underscore the imperative that assistive technologies attend to the specific needs of older adults and support independence in everyday activities.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».