ADAPTATIONS AND OUTCOMES OF A WALKING AND REMINISCENCE BRAIN HEALTH INTERVENTION FOR CAREGIVERS
Notice bibliographique
Résumé
Abstract The SHARP-Caregiver (SHARP-CG) study evaluated the feasibility of adapting SHARP to family caregivers of care partners with mild cognitive impairment or early-stage dementia. SHARP-CG assigned 7 triads (n=21) to Group A or B. Triads had a family caregiver (age >40), their care partner (age >40), and a support person (age >18). Caregivers and support persons were healthy or mildly cognitively impaired. Triads walked 1-mile routes with images to prompt conversational reminiscence 3x a week for 16 weeks using the SHARP walking application. Caregivers and care partners contributed weekly health update data, and (optionally) sleep and step-count data. Group A participants walked immediately. Group B participants first completed 16-weeks of observation. Ages were 35-90 (mean 69.8); most were female (52%). Mean Montreal Cognitive Assessment score for caregivers and care partners was 21.7 (SD+4.6). Eighty-six percent (n=6) of caregivers and 71% of care partners (n=5) opted to engage in digital biomarker data collection (actigraphy watch and sleep sensor). Caregivers had greater mean total daily steps (2055; SD+686) than care partners (1684; SD+979). Mean sleep hours were similar for caregivers and care partners at 6.1 (SD+1.1) and 6.5 (SD+2.5). Recruiting caregivers was difficult because many family members did not recognize what they were doing as caregiving. To improve study accessibility for caregivers, adapted eligibility criteria included reducing minimum age, allowing mobility aids, and making some components optional. Increasing accessibility, while improving enrollment, did not necessarily impact adherence. Caregiver demands and sporadic health concerns limited participation.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 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) | 0,000 | 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 ».