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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».