The Impact of Social Support and Resilience on Cognitive Function in Older Adults With Mild Cognitive Impairment: A Cross‐Sectional Study
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the relationship between social support and resilience in cognitive functioning in older adults with mild cognitive impairment (MCI). BACKGROUND: The increase in the number of older adults with MCI poses a serious public health problem. Existing studies suggest that psychosocial factors, such as social support and resilience, can maintain or delay cognitive decline, but the mechanism behind this is not entirely clear. METHODS: A convenient sampling survey of 330 patients with MCI in the community, who were screened from February 2022 to December 2022, was conducted using the General Information Questionnaire, the Montreal Cognitive Assessment Scale (MoCA), the Connor-Davidson Resilience Scale (CD-RISC-10), the Geriatric Depression Scale (GDS-5), and the Social Support Rating Scale (SSRS). SPSS 25.0 and AMOS26.0 software were used for descriptive analysis, correlation analysis, structural equation model, and confirmatory factor analysis. RESULTS: The scores of cognitive function, resilience, and social support were 22.56 ± 1.40, 25.15 ± 3.60, and 35.96 ± 3.76, respectively. Resilience, social support, and cognitive function were all strongly correlated, and resilience mediated between social support and cognitive function. CONCLUSION: Social support and resilience scores are relatively low among Chinese older adults with MCI, which is influenced by various sociodemographic factors. In addition, the findings suggest that social support affects cognitive function through the mediating effect of resilience. Therefore, we should pay more attention to the degree of social support for the elderly with cognitive impairment, enhance the level of resilience, promote healthy behaviors, and delay the occurrence of MCI.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».