Long-Term Effects of Mobile-Based Metamemory Cognitive Training in Older Adults With Mild Cognitive Impairment: 15-Month Prospective Single-Arm Longitudinal Study
Notice bibliographique
Résumé
BACKGROUND: Mild cognitive impairment (MCI) is an intermediate state between normal aging and dementia, characterized by subjective cognitive decline and objective memory impairment. Cognitive training has consistently shown short-term benefits for individuals with MCI, but evidence on the long-term effectiveness is extremely limited. Given the progressive nature of MCI and the need for sustainable strategies to delay cognitive decline, research on the long-term impact of cognitive training is necessary and timely. Mobile-based platforms offer a promising solution by enhancing accessibility and adherence, but their durability of effect over extended periods remains underexplored. OBJECTIVE: This study aimed to evaluate the long-term effects of a mobile-based cognitive training app on the cognitive function of older adults with MCI. METHODS: In total, 28 older adults with MCI used Cogthera, a mobile cognitive training app based on metamemory training. Participants completed 2 training sessions daily for 3 months, and 9 (32%) continued for an additional 12 months. Cognitive function and quality of life were assessed using the Alzheimer's Disease Assessment Scale-Cognitive Subscale 14 and EQ-5D-5L. RESULTS: =3.40; P=.04). Greater cognitive improvements were associated with younger age, higher functional status, and lower baseline cognitive function. CONCLUSIONS: This study showed that long-term use of a mobile-based metamemory cognitive training app was associated with cognitive improvements over 15 months. Although limited by the small sample size and the absence of a control group, these findings suggest potential for mobile cognitive training as a sustainable intervention that warrants validation in larger trials.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».