Improving autobiographical episodic memory, quality of life, and sense of self with a smartphone intervention in early dementia: A case study
Notice bibliographique
Résumé
In memory disorders such as Alzheimer's disease, recent autobiographical memories are disproportionately vulnerable to loss, yet most traditional reminiscence therapies focus on remote past events. We present a case study examining whether a digital reminiscence intervention designed to support memory for recent experiences can improve episodic recall and psychosocial outcomes in neurodegenerative memory impairment. G.F., a 79-year-old man with early-stage dementia, completed an 11-week personalized intervention using HippoCamera, a neuroscience-based smartphone application that helps users generate and review multimodal memory cues from everyday events. Events that G.F. reviewed using HippoCamera were recalled with greater episodic detail than events that were recorded but not reviewed. Post-intervention, G.F. reported improvements in quality of life, life satisfaction, self-concept, and perceived episodic and spatial memory abilities, along with reduced depressive symptoms. Qualitative feedback revealed that the intervention helped G.F. regain confidence, re-engage socially, and feel more optimistic about the future. These findings suggest that digital interventions targeting memory for recent experiences - a domain often overlooked in traditional reminiscence therapy - may provide benefits to cognition and quality of life in the early stages of dementia. This work highlights the promise of HippoCamera as an accessible, neuroscience-informed tool to support memory and well-being in those experiencing memory loss.
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 | 0,003 | 0,004 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».