The relationship between neurocognitive impairment, technology experience, and mobile device proficiency: A cross-sectional exploratory study in older adults
Notice bibliographique
Résumé
Purpose To explore the technological experience and competence with mobile devices in a group of older adults from the province of Quebec, Canada.Understanding current use of technology can help researchers, scientists, clinicians, and the industry to promote their use among dyads of family caregivers and older adults with unimpaired cognition (Moreno et al., 2024a) and individuals with dementia (Moreno et al., 2024b).Method A total of 194 older adults were recruited from the CIMA-Q study (Consortium for the Early Identification of Alzheimer's Disease -Quebec, Belleville et al., 2019).They were mostly women (62.9%), with university degrees (56.2%), and a mean age of 65.4 (SD=5.9)years.The sample included individuals with different degrees of cognitive functioning with an average Montreal Cognitive Assessment (MoCA) score of 25.7 (SD = 3.5, range = 7 -30).The group included people with a confirmed clinical diagnosis of normal cognition or neurocognitive impairment by expert physicians or a memory clinic as follows: a) Unimpaired cognition (n = 12), b) Subjective cognitive decline without dementia (n = 120), c) Mild Cognitive Impairment (n = 59), and d) Major Neurocognitive Disorders (n = 3).Measures included the Technology Experience Profile (TEP) and the Mobile Device Proficiency Questionnaire -Short Form (MDPQ). Results and DiscussionMoCA scores were inversely associated with age (r = -3.8,p < .01),but positively associated with technological experience (r = 3.7, p < .01)and mobile device proficiency (r = 3.5, p < .01).Age was negatively associated with technological experience (r = -3.8,p < .01)and mobile device proficiency (r = -4.8,p < .01).Although they are medium correlations, the visual representation indicates that mobile device proficiency seems to be more affected by cognitive impairment than technology experience (Figure 1).Older adults with subjective or objective cognitive impairment report using technologies less frequently and mention more difficulties using mobile devices.AgeTech solutions must adapt technologies to effectively respond to the challenges that older adults may encounter when their cognition is subjectively or objectively affected.As such, flexibility and personalization are key issues when designing technologies for older adults.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».