Digital cognitive training for functionality in mild cognitive impairment: a randomized controlled clinical trial
Notice bibliographique
Résumé
Digital cognitive training (DCT) may improve cognition in people with mild cognitive impairment (MCI); however, its effect on functionality remains poorly defined. Despite preserved independence in Instrumental Activities of Daily Living (IADL), individuals with MCI perform them with increased effort. Conventional IADL measures may miss specific difficulties and crucial data. In contrast, the Canadian Occupational Performance Measure (COPM) is an individualized tool designed to identify challenges in IADLs. This study used the COPM to investigate the effects of DCT on functionality in individuals with MCI. Participants aged 60 or older with MCI were recruited for a double-blinded, randomized clinical trial comparing DCT to an active control group using commercial computer games. Results: Fifty-five participants were evaluated before and after 10 hours of intervention. The DCT group showed significant improvement in functionality, measured by COPM performance (pre: 5.66 [SD=2.29]; post: 6.87 [SD=1.72]), compared to the control group (pre: 5.64 [SD=1.64]; post: 5.72 [SD=2.23]). A main effect of time (F(1, 53)=7.07, p=0.01) and a group-time interaction (F(1, 53)=4.35, p=0.04) were observed. Additionally, learning over trials improved in the DCT group and decreased in controls. Significant effects of time (F(1, 53)=12.41, p<0.001) and group-time interaction (F(1, 53)=7.05, p=0.01) were observed. DCT improved functionality and learning in MCI, emphasizing the need for sensitive tools like the COPM to assess changes.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».