MétaCan
Menu
Retour à la cohorte
Enregistrement W4407162474 · doi:10.2196/59665

Enhancing Older Adults’ Lives Through Positive Aging Perception, Quality-of-Life Enhancement, and Social Support to Drive Acceptance and Readiness Toward Indoor Assistive Technology: Cross-Sectional Study

2025· article· en· W4407162474 sur OpenAlexvenueno aff
Ka Po Wong, Pei‐Lee Teh, Weng Marc Lim, Shaun Wen Huey Lee

Notice bibliographique

RevueJMIR Aging · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAssistive Technology in Communication and Mobility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGerontechnologyStructural equation modelingQuality of life (healthcare)GerontologyPsychologyCross-sectional studyIBMSocial supportMultivariate analysisPerceptionApplied psychologyMedicineSocial psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The growing aging population faces increasing mobility limitations, highlighting the need for assistive technologies as potential solutions. These technologies support the independence and well-being of older adults and individuals with mobility challenges. Indoor mobility is essential for daily activities and significantly impacts their lives. Limited indoor mobility can reduce quality of life and heighten the risk of falls. OBJECTIVE: This study explores how positive aging perceptions, quality-of-life enhancements, and social support influence the acceptance and readiness of indoor assistive technologies among older adults. METHODS: A cross-sectional study was conducted at a gerontechnology laboratory, requiring participants to visit the facility in person. Each 60-minute session included demonstrations of various indoor assistive technologies and the completion of a questionnaire. The assistive technologies showcased encompassed a wide range of devices. Participants' positive aging perceptions, quality-of-life enhancements, social support, technology acceptance, and readiness were measured using validated scales. Data were analyzed with AMOS (version 28; IBM Corp) and SPSS (version 28; IBM Corp), using structural equation modeling and multivariate analysis of covariance to assess the effects of predictors while controlling for demographic factors. RESULTS: A total of 104 older adults aged 60 years and older participated, with a mean age of 67.92 (SD 5.68) years. Structural equation modeling indicated that positive aging perception has a significant influence on older adults' control beliefs (P=.095), comfort (P=.047), and confidence (P<.001) in gerontechnology. Multivariate analysis revealed significant combined effects of quality-of-life enhancement (P=.01) and social support (P=.03) on technology acceptance and readiness, wherein quality-of-life enhancement (P=.001) and social support (P=.008) negatively impacted security perception. Among demographic variables, educational level significantly impacted gerontechnology confidence (P=.004) while ethnicity influenced optimism (P=.003). CONCLUSIONS: This study sheds light on key factors affecting older adults' acceptance and readiness to adopt indoor assistive technologies. Findings highlight the importance of fostering positive aging perceptions through these technologies. Addressing issues related to control beliefs, comfort, and confidence in gerontechnology is essential to enhance technology acceptance and readiness among older adults. Future research should investigate the underlying mechanisms and create targeted interventions to support successful technology adoption in this population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,060
Tête enseignante GPT0,479
Écart entre enseignants0,419 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations7
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR AgingMême sujetAssistive Technology in Communication and MobilityTravaux en français237 207