FEASIBILITY AND ACCEPTABILITY OF A TELEHEALTH-BASED GROUP INTERVENTION FOR VETERANS WITH MCI
Notice bibliographique
Résumé
Abstract MInds Navigating the Diagnosis of Mild Cognitive Impairment (MiND-MCI) is a nine-session telehealth intervention developed for older Veterans experiencing stress related to MCI. MIND-MCI targets memory and thinking abilities, stress/coping, and lifestyle risk factors through peer support, education, and skills training. This DoD-funded study aims to evaluate the feasibility, acceptability, and preliminary effectiveness of MIND-MCI to improve QoL among Veterans with MCI. At baseline, participants (n = 16) in this pilot study were ages 61-79 years old and scored in the mild cognitive impairment range (M = 22.8) on the Montreal Cognitive Assessment. Retention rates (88%) and attendance (M = 7/9 sessions) of study completers suggest feasibility and acceptability of the intervention. Eleven participants demonstrated high engagement (attended ≥ 75% of sessions). Participants reported a high level of acceptability (120/147 total score possible) on the Telehealth Usability Questionnaire, and a majority of participants indicated that they agree or completely agree with the acceptability of the intervention on two additional measures (Acceptability of Intervention Measure and the Intervention Appropriateness Measure). Preliminary feedback was obtained from study interventionists to identify barriers and facilitators for delivering this treatment over telehealth. Themes included: range of severity of MCI across participants, session interruptions and delays related to troubleshooting technological issues, strategies used to support older adults’ use of a telehealth platform, and the importance of peer support. Preliminary results support strong engagement with and acceptability of telehealth modalities in this older adult population, a population often presumed to lack telehealth capability and proficiency.
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».