A Coach-Supported mHealth Lifestyle Intervention to Reduce Dementia Risk in Persons With Low Socioeconomic Status or a Migration Background: Qualitative Co-Design Study
Notice bibliographique
Résumé
BACKGROUND: The prevalence and incidence of dementia are higher in migrants and those with low socioeconomic status (SES). Mobile health (mHealth) interventions offer a potentially scalable way to reduce dementia risk via risk factor modification. OBJECTIVE: We co-designed the MIND-PRO app-an mHealth intervention targeting dementia risk factors through self-managed lifestyle changes and remote coaching-specifically designed for Dutch individuals with low SES and those with Turkish or South Asian Surinamese migration backgrounds. We focused on these migrant populations as they are the largest in the Netherlands and have the highest risk of developing dementia. METHODS: In this qualitative study, we explored the needs and preferences of our target populations aged 50-75 years old at increased dementia risk by conducting semistructured interviews and focus groups. Participant feedback was used to iteratively refine and adapt a prototype intervention based on insights from prior mHealth trials. RESULTS: We interviewed 23 participants (median age 59, IQR 55-63 y; n=15, 65% female) and conducted two focus groups with 7 Turkish women and 13 Dutch participants with low SES. The target populations emphasized personalization features such as goal setting, self-tracking, educational material, and remote coaching. Participants highlighted the importance of social interaction and autonomy in achieving sustainable lifestyle changes. Tailoring coaching and lifestyle advice to cultural practices was deemed beneficial. CONCLUSIONS: Optimal mHealth interventions targeting dementia risk factors in migrants and individuals with low SES should be personalized and interactive, respect autonomy, and integrate cultural needs and preferences.
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 | 0,008 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».