坚持自行管理的计算机化认知评估的社会人口统计和健康预测因素
Marisa Magno1, Ana Isabel Martins2, Joana Pais3,4
1Department of Medical Sciences, University of Aveiro, Aveiro, Portugal.
Digital health
|April 28, 2025
概括
高龄和更高的基线表现预测了长期数字认知查的坚持. 诸如女性性别和记忆障碍等因素也会影响长时间的坚持,这有助于规范的制定.
科学领域:
- 神经科学是一个神经科学.
- 老年学是一门学科.
- 公共卫生 公共卫生
背景情况:
- 认知评估对于早期发现认知衰退至关重要.
- 自主管理的数字认知查为人口层面监测提供了一个可扩展的解决方案.
- 参与者坚持是长期数字认知查计划的一个重大挑战.
研究的目的:
- 确定社会人口统计学和健康因素,预测对基于网络的认知监测工具的坚持.
- 在一般人群中调查大脑在轨 (BoT) 工具的坚持预测因素.
主要方法:
- 社区招募的347名参与者的队列每3个月完成一次Brain on Track (BoT) 认知查工具.
- 招聘后1年和3-6年进行了后续评估.
- 回归模型分析了对Bot使用坚持的预测因素.
主要成果:
- 年龄较大与1年和3-6年随访时的坚持程度增加有关.
- 女性性别,高等教育,更好的基线Bot表现 (更正确,更少的错误答案),和记忆抱怨预测了36年的坚持,但不是1年.
结论:
- 社会人口统计学和认知因素影响长期坚持数字认知查.
- 这些发现可以为认知查协议的设计提供信息,以提高参与者的坚持.
- 可能需要有针对性的策略来改善特定参与者群体的坚持.
