Socially focused intelligent assistive technologies for caregiving for homebound older adults with cognitive impairment: a scoping review
Notice bibliographique
Résumé
Background and Objectives: Being homebound with cognitive impairment (CI) presents major public health challenges, increasing home healthcare costs and contributing to caregiver burden, social isolation, and reduced quality of life. As loneliness and social isolation rise among this population, socially focused intelligent assistive technologies (SFIATs) have emerged as increasingly viable solutions. This scoping review examined the current body of literature on SFIATs and the barriers and facilitators to their support of homebound older adults with CI and their caregivers. Research Design and Methods: Using Arksey and O'Malley's framework, we searched 12 databases with MeSH terms related to older adults, CI, SFIATs, and homebound status. Data were analyzed descriptively using themes, with findings mapped across the socioecological framework. Results: Nineteen studies conducted in 12 high-income countries were included. Robots, tablets, telephones, computers, virtual avenues, and other smart devices were among the SFIATs utilized in caregiving for older individuals who were homebound or had CI. SFIATs facilitated social interaction, engagement, and connectedness among older adults and caregivers. Challenges and benefits associated with their use were evident at individual, interpersonal, community, organizational, and policy levels. Discussion and Implications: Research suggests significant potential in SFIATs, but their implementation faces multi-level challenges, often due to limited direct input from end-users, leading to concerns that impact their utilization. SFIAT development must adopt co-creation approaches to ensure its contextual appropriateness. Further research is needed, particularly in low- and middle-income countries, to understand the landscape, benefits, and challenges of SFIATs in diverse global settings.
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 | 0,005 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,011 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».