Measuring cognitive performance in older adults through completion time and accuracy in brain games
Notice bibliographique
Résumé
Objectives This study aimed to compare the cognitive performance of brain games in older adults with different sociodemographic, cognitive function, and mental health and determine their associated factors. Methods This observational study recruited 101 participants (mean age = 72.3 ± 6.83 years) from institutions for older adults. All participants provided data on sociodemographic, cognitive function (Montreal Cognitive Assessment [MoCA]), anxiety (Beck Anxiety Inventory), and depression levels (Beck Depression Inventory). The Jenga, as a brain game, was used to indicate cognitive performance by measuring the completion time and accuracy in building a 10-level Jenga tower. Data were analyzed using the Chi-square test and binary logistic regression. Results Completion time and accuracy of Jenga games were significantly different among age groups, education levels, and cognitive function (All P < 0.05) but not in gender, marital status, anxiety, and depression levels (All P > 0.05). Age is significantly associated with both time and accuracy, with older individuals (≥75) showing a greater likelihood of taking longer time and lower accuracy to complete the task, while a higher education level is associated with significantly higher odds of shorter completion time and higher accuracy; normal cognitive function (MoCA ≥26) is associated with both shorter completion time and better accuracy in the task (All P < 0.05). Conclusion The findings show that age, education, and cognitive function may affect completion time and accuracy, suggesting the potential for Jenga to be used as an assessment tool or cognitive training. However, the generalization of this study may be limited to the institutionalized 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 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 | 0,002 | 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 | 0,000 | 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 ».