CogniFit - 使用電子醫療技術評估老年人健康狀況的整體方法

原名: A Holistic approach to assess older adults’ wellness using e-health technologies.

作者: Hilaire J. Thompson1, George Demiris1,2, Tessa Rue3, Evelyn Shatil4,5, Katarzyna Wilamowska2, Oleg Zaslavsky1 y Blaine Reeder1.

• 1. Biobehavioral Nursing and Health Systems, School of Nursing, University of Washington, Seattle, Washington.
• 2. Department of Medical Education and Biomedical Informatics, School of Medicine, University, University of Washington, Seattle, Washington.
• 3. Center for Biomedical Statistics, Institute for Translational Health Sciences, University of Washington, Seattle, Washington.
• 4. Department of Psychology and the Center for Psychobiological Research, Max Stern Academic College of Emek Yezreel, Yokneam Illit, Israel.
• 5. CogniFit Ltd., Yokneam Illit, Israel.

期刊: Telemedicine and e-health (2011), vol. 17 (10): 794-800.

參考文獻 (APA 樣式):

• Thompson, H., Demiris, G., Rue, T., Shatil, E., Wilamowska, K., Zaslavsky, O., Reeder, B. (2011). A Holistic approach to assess older adults’ wellness using e-health technologies. Telemedicine and e-health, vol. 17 (10), pp.794-800.

研究結論

不同領域的幸福感相互關聯，尤其是認知和生理領域。 數據顯示了全面評估老年人健康和幸福的重要性。 CogniFit 可以成為評估認知健康的優秀工具。年齡與分離專注（r=-0.48，p=0.029）、計劃能力（r=-0,53，p=0.013）和空間感知（ r= -0.718，p<0.0005），有些慢性病與規劃呈負相關（r=-0.52，p=0.016）。

研究摘要

預測和減緩老年人慢性病的進展有助於老年人維持功能自主性。 因此，我們可以使用整體評估來更具體地適應了解他們的狀況。 目前，很少有方法可以全面評估老年人的健康。 CogniFit 等電子醫療（健康技術）可以成為執行這些評估的良好工具。

向參與者展示如何使用不同的電子健康技術來評估他們的認知、生理和功能健康變量。 評估不同參數之間的相關性，並使用層次聚類分析來確定模型的有效性。

不同的健康參數（例如認知、身體）之間有強烈的關聯。 然而，靈性與所研究的任何其他參數都沒有相關性。參與者也喜歡電子醫療技術。

這些參數在不同的幸福領域中密切相關。 人們發現認知和生理領域之間存在著顯著的緊密聯繫，這使得需要採用整體方法來評估健康相關。

情境

為了能夠測量、預測、預防或減緩慢性病和老年人的綜合健康問題，有必要以整體和跨學科的視野來解決問題。 電子醫療是一個很好的工具。 如果我們想評估一個人的真實幸福程度，我們必須考慮他們日常環境的不同參數：

• 身體健康與健身。
• 心理與認知健康。
• 社交健康。
• 精神健康

這項研究試圖以整體的方式評估健康，了解這四個參數如何相互作用。 這種技術有助於以方便且非侵入的方式收集、儲存和分析大量資料。 通過電子健康，我們將能夠測量與老年人健康相關的參數。

方法

參與者

來自華盛頓州西雅圖社區的 27 名年齡在七十八歲至九十四 歲之間的退休人士參加了此次活動。 符合標準的參與者接受了詳細的資格評估，並簽署了知情同意書。

流程

參與者學習如何使用設備、研究程序，並進行預測試評估。 在八週的時間裡，參與者每週提供三次認知、生理和功能數據。 這一切大約花費一個小時。 參與者可以通過存取自己的數據來獲得回饋。 從第一週開始，大多數用戶無需任何幫助即可管理電子醫療工具。 使用的電子醫療工具是：

• 遠距醫療資訊亭，評估生理模式。
• WebQ，評估功能、社交與精神健康。
• CogniFit，評估認知參數的神經心理學工具。

一旦我們完成了研究的資料收集，我們就可以將每位參與者的結果下載到我們的電腦上進行分析。

統計分析

為了分析數據，使用SPSS 15.0描述性統計、參數相關性以及使用Hoeffding統計量D進行層次聚類分析。

結果與結論

總體而言，參與者表示他們有 0-9 級健康問題。 17% 的人表示他們的健康狀況非常好，67% 的人表示他們的健康狀況非常好。 至於身體健康狀況，他們表示過去30天身體狀況不佳。 社交健康情況還不錯。 他們對精神的重視因參與者而異。 年齡與需要分離專注的認知任務得分呈負相關(r=-0.48, p=0.029)， 計劃能力 (r=-0,53, p= 0.013)和空間感知（r=-0.718，p<0.0005）。

令人驚訝的是,社交健康和精神與其他健康參數並不相關, 而這些參數與以前的一些研究相抵觸。 在認知、身體和功能領域,有一些慢性病與需要計劃能力的任務中的得分呈負相關(r=-0.52, p=0.016) , 而日常生活活動中的 困難與抑制能力也是一樣的(r=0).46, p=0.03) 。 具有較好健康的主觀感覺與抑制任務 (r=0.493, p=0.0027) 和計劃能力任務(r=0.47, p=0.037)的得分呈正相關。 分層聚類分析顯示了兩組數據: 生理參數和其他參數。

在這項研究中，觀察到不同健康領域之間存在著很大的相關性，尤其是認知和生理。 這些數據說明了全面評估老年人健康的重要性。 CogniFit 已被證明是一種能夠有效、真實地測量認知健康狀況的工具。