The Applications and Effects of Emerging Innovative Technology in the Mental Healthcare and Well-Being of Older Adults
Bibliographic record
Abstract
Contexte : Les personnes âgées sont fréquemment confrontées à des problèmes de santé mentale tels que le stress, la solitude et la dépression. Depuis la COVID-19, les approches technologiques visant à améliorer les résultats de santé des personnes âgées suscitent un grand intérêt. Cette thèse basée sur un manuscrit décrit trois articles liés aux applications de la télésanté, de l'intelligence artificielle (IA) et de la réalité virtuelle (RV) pour améliorer la santé des personnes âgées, en particulier leur santé mentale. Premièrement, il vise à jeter les bases de l’intégration des applications de télésanté et technologiques dans la psychiatrie et les soins de santé adaptés aux personnes âgées. Deuxièmement, il présente un programme pionnier de méditation de pleine conscience assistée par réalité virtuelle (VR-Mindfulness) conçu pour les personnes âgées, visant à étudier sa faisabilité et son efficacité.Méthodes : L'étude 1 est une revue systématique de la télésanté pour les personnes âgées atteintes de démence. L'étude 2 est une analyse de données secondaires d'une vaste base de données canadienne examinant si les personnes âgées sont à l'aise avec l'IA dans le cadre de leurs soins de santé. L'étude 3 est un essai contrôlé randomisé (ECR, n = 22) d'un programme VR-Mindfulness de 4 semaines, 15 minutes/séance, 2 fois/semaine par rapport au contrôle sur liste d'attente pour les personnes âgées (≥ 60 ans) à Montréal, Canada pour étudier les changements dans les résultats en matière de santé mentale. Résultats : Étude 1 : Cette revue systématique a révélé que la télémédecine était une approche réalisable et efficace chez les personnes atteintes de démence. Étude 2 : Les personnes âgées ont une perception globalement positive de l’utilisation de l’IA dans différents domaines des soins de santé. Étude 3 : L'ECR a démontré la faisabilité, avec 75 % du groupe d'intervention et 92,8 % du groupe témoin ayant terminé les deux évaluations. Les problèmes technologiques étaient minimes et rapidement résolus. Les participants ont déclaré avoir apprécié le programme et aucun événement indésirable n'a été signalé. Le stress, la solitude et la dépression n'ont montré aucun changement significatif entre le départ et quatre semaines ou entre les groupes. Conclusion : Dans l'ensemble, cette thèse a révélé que les applications de la télésanté et de l'intelligence artificielle (IA) étaient réalisables et bien accueillies par les personnes âgées ayant des problèmes de santé mentale. De futures études pourront confirmer davantage l’efficacité de ces approches pour améliorer la santé mentale des personnes âgées
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.016 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".