The Critical Moderating Role of Cognitive Function in Digital Inclusion: Data Analysis Study on Depression Risk Among Older Adults
Notice bibliographique
Résumé
Background: Digital inclusion has become increasingly important in promoting healthy aging, yet its association with mental health among older adults appears complex and heterogeneous. The role of cognitive function as a moderator and the underlying mechanisms remain understudied. Objective: This study aims to examine cognitive function's moderating role in the relationship between digital inclusion and depression risk among older adults, and to investigate multiple pathways of association. Methods: Using data from the 2020 wave of the China Health and Retirement Longitudinal Study, we analyzed 18,673 adults aged 60 years and above (mean age 68.4 y, SD 6.5; 50.8% male participants [n=9486], 49.2% female participants [n=9187]). We constructed interaction effect models to test the moderation hypothesis and employed path analysis with bootstrapped 95% confidence intervals (2000 iterations) to investigate multiple pathways through which digital inclusion is associated with depression. Results: Cognitive function significantly moderated the digital inclusion-depression relationship (β=-.002, P=.03). The association was not statistically significant at low cognitive function (β=-.137, P=.33) but strongly protective at high cognitive function (β=-.517, P<.001), revealing a "cognitive threshold effect." Path analysis identified 3 significant pathways: direct effects (66.7% of total effect), cognitive enhancement (8.3%), and social participation (8%). Importantly, higher digital inclusion was not found to be associated with increased depression risk at any cognitive function level. Conclusions: Our findings suggest that older adults require adequate cognitive resources to derive mental health benefits from digital participation, though no harmful effects were observed at lower cognitive levels. This asymmetric pattern has important implications for designing cognitive-informed digital inclusion programs that integrate digital skills training with cognitive enhancement strategies for promoting mental health 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 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».