MétaCan
Menu
Retour à la cohorte
Enregistrement W4416659944 · doi:10.2196/77227

Technology Activities and Cognitive Trajectories Among Community-Dwelling Older Adults: National Health and Aging Trends Study

2025· article· en· W4416659944 sur OpenAlexvenueno aff
Erh-Chi Hsu, Erin M. Spaulding, Eric Jutkowitz

Notice bibliographique

RevueJMIR Aging · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionCognitionRelevance (law)Aging in placeCognitive declineSocial cognitive theoryHealthy agingCognitive agingOlder people

Résumé

récupéré en direct d'OpenAlex

Background: While the positive effects of digital technology on cognitive function are established, the specific impacts of different types of technology activities on distinct cognitive domains remain underexplored. Objective: This study aimed to examine the associations between transitions into and out of various technology activities and trajectories of cognitive domains among community-dwelling older adults without dementia. Methods: Data were drawn from 5566 community-dwelling older adults without dementia who participated in the National Health and Aging Trends Study from 2015 to 2022. Technology activities assessed included online shopping, banking, medication refills, social media use, and checking health conditions online. The cognitive domains measured were episodic memory, executive function, and orientation. Asymmetric effects models were used to analyze the associations between technology activity transitions and cognitive outcomes, adjusting for demographic, socioeconomic, and health-related covariates. Lagged models were applied for sensitivity analysis. Results: In the asymmetric effects models, the onset of online shopping (β=.046, P=.02), medication refills (β=.073, P<.001), and social media use (β=.065, P=.01) was associated with improved episodic memory. The cessation of online shopping was associated with faster episodic memory decline (β=-.023, P=.047). In contrast, the cessation of online banking (β=-.078, P=.01) and social media use (β=-.066, P=.003) was associated with decreased episodic memory. The initiation of instrumental, social, and health-related technology activities was associated with slower cognitive decline in orientation. The lagged models further emphasized the effects of stopping online banking and starting online medication refills in relation to episodic memory, as well as the positive associations between online shopping and social media use and orientation. All significant effects were of small magnitude. Conclusions: Combining findings from the main and sensitivity analyses, results suggest that interventions designed to support episodic memory in older adults should emphasize promoting the use of online medication refill services and sustaining engagement with online banking, particularly among those who have already established these habits. To support orientation, strategies should focus on facilitating adoption of online shopping and social media use, helping older adults become comfortable navigating these platforms. Future trials are needed to assess the clinical relevance of targeted interventions for specific cognitive domains, to promote the initiation and maintenance of digital activities to help mitigate domain-specific cognitive decline in aging populations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,482
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,340
Écart entre enseignants0,324 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR AgingMême sujetTechnology Use by Older AdultsTravaux en français237 207