Supporting Individuals With Cognitive Impairment and Family Members in Rural Communities: Protocol for a Mixed Methods Digital Health Study
Notice bibliographique
Résumé
Background: The health and economic burdens of Alzheimer disease and related dementias (ADRD) are exacerbated for people living in rural social contexts who experience geographic barriers to care. There are currently few resources specifically designed to support socioculturally diverse rural ADRD care dyads, including early detection of potential precursors to ADRD such as mild cognitive impairment (MCI) and subjective cognitive decline (SCD). Objective: The primary objective of the Northern Arizona Memory Study (NAZMS) is to develop culturally informed and scalable resources to identify and support rural families at risk for ADRD. The purpose of this study is to introduce the NAZMS protocol and discuss its role in addressing dementia risk and promoting cognitive health in rural communities. Methods: This dyadic study will use a mixed methods, digital health approach. A sample of rural care dyads with MCI or SCD will be screened and recruited through partnerships with community centers across Northern Arizona. Consenting dyads will complete semistructured interviews to answer questions about technology preferences for monitoring symptoms and engaging in remotely delivered interventions. Next, care dyads will complete separate baseline questionnaires assessing dyadic (eg, experiences with caregiving or care receiving) and health factors. Participants with cognitive impairment will then complete a 14-day mobile protocol of brief end-of-day surveys and cognitive assessments delivered via study-provided smartphones. Results: Data from the qualitative interviews will provide dyad preferences for intervention development. Data from the quantitative protocol will specify for whom (ie, between-person) and on which days (ie, within-person) modifiable factors are related to better cognitive health in everyday life. Conclusions: This study will take a mixed methods, digital health approach to supporting rural families at risk for ADRD by understanding intervention preferences and identifying the modifiable protective and risk factors that influence cognitive health in everyday life. The findings are expected to directly support rural Arizonans and respond to national priorities in ADRD research for the development of community-based disease education programs and the use of digital assessments of cognitive health and well-being.
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 | 0,058 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,088 | 0,015 |
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 ».