需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

建立社区级生命实验室以采集非侵入性、连续远程活动与健康数据的方法学

8.2K 次观看

DOI:

10.3791/56942

2018年7月27日

本文内容

摘要

将非侵入式传感器和普适计算技术融入老年人的日常生活,可连续数月乃至数年持续记录其健康状况和活动变化,为科研或临床应用提供生态效度高、频率高、多领域的有效数据。

摘要

已建立一套端到端的技术体系,用于对老年人在长期日常生活中的健康状况和活动变化进行无干扰、连续的监测。该技术被整合为一个系统,遵循最小干扰原则,可在真实世界(基于家庭)环境中持续数月乃至数年地生成安全、保护隐私的客观数据。系统包括遍布住宅内的被动红外存在传感器、安装在外部门窗上的门磁传感器、联网的生理监测设备(如体重秤)、智能药盒以及可穿戴活动记录仪。此外,还在参与者的汽车中安装了驾驶传感器,并对其计算机(台式机、平板或智能手机)使用情况进行追踪。通过频繁的在线自我报告选项对数据进行标注,以提供仅靠传感器难以推断的关键信息,例如内在状态(:疼痛、情绪、孤独感),以及有助于活动模式解读的相关信息(:访客来访、家具重新布置)。基于所获取的数据,已开发出多种算法,用于识别与健康或疾病活动监测密切相关的核心功能领域,包括行动能力(:房间转移次数、步数、步速)、生理功能(:体重、体重指数、脉搏)、睡眠行为(:睡眠时长、夜间起夜次数)、服药依从性(:漏服剂量)、社会参与(:离家时间、伴侣共处时间)以及认知功能(:使用电脑时间、鼠标移动轨迹、在线表单填写特征、驾驶能力)。这些功能变化的检测可作为健康监测中急性疾病(:病毒性流行病)筛查以及前驱期痴呆综合征早期发现的敏感指标。该系统特别适用于老年综合征自然病程研究及临床试验中对临床干预效果的监测。

引言

目前的临床研究由于评估方法本身存在缺陷,导致所采集数据的可靠性和有效性受到诸多限制。访谈受到临床医生与患者日程安排协调时间的制约。检查所分配的时间也受限于志愿者在单次会话中能够合理完成的内容。这些短暂且间隔较长的会话——即使偶尔辅以电话随访或网络问卷——严重限制了对功能或健康状况随时间发生有意义变化的检测能力。当前的测试内容大多包括一些难以回忆和验证的信息询问(例如,"你记得按时服药吗?"),或执行一些人为设计的任务(例如,"尽可能快地站起来再坐下";"记住这十个词")。这些评估通常旨在减少测试间的变异性,而实际上表现本身的变异性可能正是关键的诊断特征。此外,这些短暂的时间片段是在人为条件下进行的,而非在日常生活的自然进程中开展,因此其生态效度有限。最后,由于数据缺乏除回忆外的时间标记,当前的研究范式本质上无法直接关联相互依赖的关键事件或结果(例如,睡眠、社交活动、体力活动)。

克服这些不足的一种途径在于开发可嵌入家庭或社区的系统,充分利用普适计算与传感技术、无线通信以及高频多领域数据分析技术的最新进展。该领域的技术与实践经验正在不断积累,已有多个系统被开发出来,但在部署范围、功能特性或长期应用经验方面仍存在局限1,2,3,4。本文描述了一种所开发的实验方案,旨在实现对健康相关数据的家庭实时、连续和长期评估,以改进当前健康评估范式的局限性。俄勒冈老龄化与技术中心(Oregon Center for Aging & Technology, ORCATECH)已开发出一种基于普适计算与传感技术的家庭系统,用于对健康相关的活动与行为进行持续、实时的监测。将评估引入家庭环境,从而实现对真实世界活动的高度无干扰且连续的监测,可显著克服现有局限。首先,由于核心系统作为参与者周围环境的一部分被嵌入其生活空间中,因此具有天然的便利性。需要主动响应的评估可在个体最放松的状态下进行;而对于被动采集方法,则可根据需要频繁采集数据,而不会给参与者带来负担。其次,处于个体的日常生活空间中,使得所采集的数据具有直接的生态效度,不再局限于测试人为设计的功能指标,而是聚焦于日常认知表现。例如,前瞻性记忆障碍是一种在临床环境中难以自然化评估的常见主诉,但可通过在家中自动每日追踪服药行为来进行评估,从而同时反映日常认知功能以及对认知变化敏感的关键行为指标。第三,由于数据为数字化并带有时间戳,便于对多个时间对齐的相互关联指标进行测量。例如,电话使用时间与离家时间(反映社会参与或退缩)、计算机使用情况(反映启动能力、精神运动活动及认知功能),以及其他已被证明随功能衰退而变化的指标(如睡眠行为、体重、行走速度)均可纳入分析,从而提高传感器网络对细微变化的检测敏感性。尤为重要的是,健康事件与生活事件对认知和功能的影响(e.g.,每周报告的疼痛、用药变更、情绪低落)也可在发生时同步关联至该数据流中。最后,传统测试与问卷可通过计算机或相关界面(e.g.,平板电脑、智能手机)呈现,为同时比较传统测试成绩与从相同测试中提取的新型数字化指标(如反应时间、停顿时间、学习曲线及测试内变异性)提供了前所未有的机会。因此,这一新方法使当前评估方式转变为更加便捷、无干扰、连续、多领域且贴近真实生活的模式。最终,基于家庭的传感器评估技术与方法这一基础平台,可被调整和扩展,以应对一系列与健康和福祉相关的具体科研问题,相较于目前普遍采用的间歇性门诊或电话评估方式具有显著优势。

以下方案概述了该平台在家庭环境中进行无干扰的行为与健康相关数据采集的部署过程。在开发该平台时,一个关键目标是提供一套基本的评估功能,以获取可用于推断健康与福祉多个总体领域(身体、认知、社交、情绪)以及更具体行为(例如,服药、行走、与睡眠相关的活动、生理活动)所需的数据。平台的开发遵循若干原则,包括采用最被动且无干扰的传感方式、尽量减少用户对技术的直接参与、保持技术“中立性”(,选用最佳设备或技术解决方案,而非限定特定方法或产品)、确保耐用性(用于长期评估)和可扩展性,以及尽量减少人工维护需求。

该平台在过去十二年中不断发展,这一过程在很大程度上受到各类终端用户的影响,用户范围从"数字技术新手"到早期采用者均有涵盖。定期开展的问卷调查和焦点小组讨论对该平台的演进起到了关键作用5,6,7。数百名志愿者允许该系统持续部署在其家庭环境中长达十一年之久,期间根据技术进步、科研群体提出的新功能需求,以及技术部署家庭中使用者持续提供的核心反馈,进行了迭代式改进。这些志愿者共同在社区中构建了一个"活体"实验室,我们称之为"Life Laboratory",他们的居所以及全天候持续采集的数据为健康状况、日常活动和生命历程提供了独特而详尽的信息。

传感技术的基本平台构成了整个系统用于采集连续的家庭数据的核心。该平台的组成部分将在下文进行描述。根据使用研究平台收集用户态度、信念以及研究关注的结局指标过程中所获得的信息,可对核心平台进行修改(可增加或移除组件)。由于数据通信协议是标准化的,该系统被设计为可将任何遵循这些协议的设备整合到网络中。

本文所述的基本平台基于生命实验室(LL)志愿者的使用案例,这些志愿者同意将该平台部署在其家中,以采集其日常生活活动中自然状态下的行为数据,持续多年(目前最长的连续部署时间为11年)。

中心计算机和以太网/无线网络连接可实现从系统设备收集数据,并将数据传输回ORCATECH的安全服务器,整个过程无需参与者干预。在系统安装期间,通过笔记本电脑或平板电脑以及连接至集中式数字参与者管理系统的一个控制面板,将中心计算机配置为特定参与者及其家庭环境专用。其他数据采集设备(如传感器、MedTracker和体重秤)也可通过与中心计算机进行相同方式的通信来完成配置。

ORCATECH 控制台与远程技术管理系统是一种定制的数字技术和数据管理系统,称为"Console",可用于参与者家庭的技术配置和系统设置,以及对家庭进行持续的远程技术管理,包括安全的数据采集与监控。此外,为了便于在社区中部署该系统(每个家庭的布局可能各不相同),系统采用基于平板设备界面的绘图工具,自动记录各类传感器的位置及其与其他传感器之间有效的物理邻接关系(图2)。这一点在对家庭层面的系统进行远程监控时具有重要的参考价值。

被动红外(PIR)运动传感器在系统安装期间被数字分配给特定住宅,通过无线 USB 适配器与中心计算机通信。每个房间放置一个传感器,用于检测房间内的运动以及参与者在房间之间的移动。在走廊或其他参与者以稳定速度经常行走的区域的天花板上,布置一条由四个传感器组成的直线型"传感器线"。该传感器线可每天多次无干扰地采集行走速度数据。还可从这些活动传感器中衍生出其他指标,例如停留时间或房间转移次数。门接触传感器安装在住宅内所有外部门周围,用于检测参与者进出住宅的情况,并安装在冰箱门上以确定食物取用的大致频率。

在线每周健康与活动自我报告对于充分解读被动式数据采集系统所收集的数据至关重要。这些数据对于分析参与者在家中所报告的事件与传感器采集数据之间的关联具有关键作用。在线每周自我报告问卷可通过任何联网的计算设备(例如,笔记本电脑、平板电脑、智能手机)完成,用于询问参与者有关离家出行、家中访客、健康状况变化、居家空间变动、孤独感、抑郁情绪以及疼痛程度等情况。每周一次的数据采集依赖相对较短的回忆时间窗口,相比年度或半年度体检,能够提供更高分辨率且更有可能准确的数据。此外,该自我报告过程还允许研究人员考察可能提示认知功能障碍的被动指标,例如完成问卷所需时间的波动、点击次数的变化、准确报告日期的困难增加,或在开放式文本回答中出现的认知障碍标记。作为基础平台的一部分,我们会安装一个七天电子药盒,用于记录指定日期的药格是否被打开以及每天打开的时间点。这些信息不仅可反映用药依从性,还可提示是否存在认知功能下降的迹象——若用药规律性降低,则可能提示认知衰退。

一种无线数字生物阻抗秤被安装在浴室中,可采集脉搏、身体成分指标、脉搏波速度、环境温度和周围二氧化碳水平,提供参与者每日体重数据。这些数据可与其他报告事件进行关联分析例如健康状况、用药情况,以及其他行为的被动指标,例如对方案的依从性以及随时间推移的使用频率。

对于需要驾车的参与者,我们会在其车辆中安装驾驶传感器。该传感器可提供有关驾驶习惯的信息,例如出行频率、时间、持续时长、行驶距离,以及急刹车或急加速的频次。

一种佩戴在手腕上的可穿戴设备可在家庭内外收集身体活动数据。多种品牌和型号的可穿戴设备已用于生命实验室的家庭环境中。

根据项目的不同,使用 ORCATECH 平台的研究人员可以选择在基本传感器组的基础上增加其他数据采集组件。过去测试过的示例包括:通过固定电话使用情况监测社交活动的电话传感器、用于平衡测试的数字化平衡板的开发与实施、配备周期性认知任务的平板电脑,供参与者在家中自行完成,以及通过手机评估用药提醒短信系统有效性的自动化短信系统。

为了处理ORCATECH Life Lab产生的多样化数据,采用了一套定制化的信息与数据系统,用于收集、标注、维护和分析大量的活动与健康数据。ORCATECH开发了一套专用系统,用于受试者管理、自报告数据的采集与处理,以及来自所有系统设备和传感器的连续数据采集。该系统依托分布式NoSQL Cassandra服务器集群来存储传感器数据,并采用基于Kafka和Spark的Lambda架构,使我们的数据处理能力更接近实时处理。通过REST API,数据被传输至标准的数据分析平台和统计软件中进行分析。

访问受限。请登录或开始试用以查看此内容。

方案

所有参与者均签署了书面知情同意书。要求“生命实验室”(Life Laboratory)的参与者按照其正常生活方式生活,以便对其余生中的生活活动和行为模式进行纵向观察研究。参与者可随时选择退出。本研究方案已获得俄勒冈健康 & 科学大学 (OHSU) 机构审查委员会(生命实验室 OHSU IRB #2765)

1. 准备

  1. 部署前,在线将所有设备添加到 Console 库存系统中。为每个设备或传感器分配名称,并记录其序列号和 MAC 地址,以便将其信息存储在 Console 库存系统内。
  2. 在每件设备上粘贴二维码标签,以便在家庭内部署时为传感器和设备指定其所属的固定位置。
  3. 部署前,通过扫描传感器或设备上的二维码,将所有待安装的传感器和设备分配至相应家庭。扫描后将跳转至一个网站,用于将该传感器或设备指派给特定家庭。
  4. 安装带有 SD 卡的中心枢纽计算机,该 SD 卡包含枢纽配置管理工具。
  5. 将已完成登记的所有传感器和设备,以及装有 SD 卡的枢纽计算机,打包组成一个用于家庭部署的安装套件(箱)。
  6. 确认参与者家中已接入互联网服务提供商。

2. 家庭部署

  1. 将无线适配器和主ZigBee协调器适配器插入集线器计算机。将网线插入集线器计算机。最后,将集线器计算机的电源线插入位于房屋中心位置房间的电源插座,并将网线连接至家庭互联网连接。
    注意:配置管理工具将确保使用软件的最新版本。
  2. 将支持互联网的设备(笔记本电脑、平板电脑、手机)连接至中心计算机的无线网络,以访问本地控制面板网站。控制面板网站将显示中心计算机的状态,以及安装在家庭中的所有传感器状态。图3).
  3. 运行软件配置工具,确保已安装适当的软件。具体操作为进入控制面板并运行 更新.
  4. 进入控制面板,检查集线器计算机是否与主服务器通信。确保允许从每个已安装设备和传感器收集数据的服务已启动并正常运行。
  5. 从运动传感器开始,将传感器添加到家庭环境中。首先从控制面板打开传感器放置网站。
    注意:如果家庭需要安装超过 16 个运动传感器,请将路由器加密狗连接到集线器计算机,并将其添加到家庭或个人局域网,也称为 "PAN" 一旦将扩展加密狗(如需要)添加到 PAN 后,将其从集线器计算机上移除,并插入家中各处的电源插座,从而在家庭周围建立一个网络,将运动传感器数据发送到集线器计算机。
  6. 在传感器布置网站中,创建房屋的虚拟平面图,包括所有房间和出口门。确保将传感器线路选为平面图中添加的区域之一。在平面图上添加传感器的虚拟表示。最后,按照房屋的实际布局,将各个房屋区域的虚拟表示相互连接,并与传感器的虚拟表示相连接。
  7. 通过使用传感器放置工具并实际按下传感器电池附近的按钮,将每个后续传感器添加到个人局域网(Personal Area Network,PAN)中。然后,开始将每个传感器连接到家庭中虚拟平面图所对应的房间或区域。
  8. 继续将物理传感器安装在房屋的墙壁上。每个墙壁传感器应安装在各个房间(厨房、卧室、卫生间、客厅)的头部高度位置,确保传感器仅捕捉该房间内的活动,不会接收来自其他区域的活动信号(例如,避免走廊中有人走动时被邻近房间的传感器捕捉到)。
    注意:传感器放置工具可用于识别房间之间的路径并创建连接。
  9. 在走廊(或其他参与者必须以恒定步速通过全部四个传感器的直线通道)的天花板上,安装一排四个限域式(天花板)传感器,用于采集行走速度。
    1. 将这些步行速度传感器的间距设置为61厘米(2英尺)。
    2. 在传感器放置网站上记录受限区域传感器之间的精确距离。
  10. 在每个出口门上安装门传感器,并再次使用传感器布置网站上的平面图标注其物理位置。
  11. 将药盒添加到PAN中,确认该设备已分配至家庭库存。然后通过打开其中一个盖子来激活设备。由于药盒需与集线器计算机通信,请确保其与集线器计算机的距离足够近,以便信号能够被检测到。
    注意:药盒通常根据参与者的偏好放置在厨房或浴室。
  12. 要设置量表,请进入位于其中的量表页面 设备 控制面板中的选项卡
    1. 在秤上,按住侧面的电源按钮10秒,秤应显示确认信息。
    2. 当秤出现在设备列表中后,点击控制面板右侧的“Setup”按钮以启动设置过程。
    3. 在控制面板提示时输入参与者的身高和体重。
    4. 如果受试者没有安装起搏器,则切换 起搏器 控制面板上的按钮,用于通知秤可以开始采集生物阻抗数据。
    5. 将体重秤放置在平坦、稳固且受试者易于接触的位置(通常为浴室)。
    6. 让受试者称量自身体重,确认体重秤已记录其初始体重,并将该数值输入控制面板。
  13. 通过打开可穿戴设备控制面板设置页面,并按住设备背面的重置按钮十次,来设置腕戴式可穿戴设备。
    1. 当设备出现在控制面板的设备列表中后,单击 设置 控制面板右侧的按钮以启动设置过程。
    2. 账户设置完成后,使用设置页面上的轮盘工具校准时间。
    3. 通过将可穿戴设备与集线计算机同步来完成设置。单击 同步 单击控制面板上的按钮,以确认设备连接正常,并且时间已设置为与集线器计算机相同的时间。
    4. 在控制台中指明参与者应将可穿戴设备佩戴在哪只手腕上。
      注意:不同设备可能需要根据制造商的不同采用不同的操作步骤。也可部署其他传感器和设备,并将其集成到数据流中,例如计算机使用软件和驾驶传感器。添加这些设备的步骤如下所述。
  14. 在参与者的计算机上安装商用计算机使用监控软件,并记录其电子邮件地址。这些电子邮件地址将用于发送和接收每周的在线健康与活动调查问卷。
    1. 确认参与者的计算机操作系统与商用计算机使用监控软件兼容。
    2. 使用存储在U盘上的安装程序在参与者的计算机上安装软件。
    3. 通过打开任务管理器并检查该软件是否列在应用程序列表中,确认其在计算机上正常运行。
    4. 在控制台库存系统中,将软件程序与参与者的个人资料关联。
      注意:参见 材料表 用于特定计算机的软件(可使用其他市售的监控软件替代)。
  15. 为参与者设置驾驶传感器
    1. 确认参与者的汽车为1996年以后生产,且该车型受驾驶传感器设备软件支持。
    2. 在移动设备上安装驾驶监控装置的应用程序,并使用该应用程序设置适配器。
    3. 汽车熄火后,将适配器插入汽车的车载诊断(ODB)端口。
    4. 等待应用程序识别并连接适配器。此过程应需要 2 - 4 min。
    5. 将车钥匙插入点火开关。(如果汽车配备无钥匙点火系统,请按下车辆的启动按钮。)将钥匙转至通电但不启动发动机的位置。
    6. 等待应用程序完成适配器的设置。
    7. 在 Console 库存系统中,添加参与者的应用程序账户信息,以便通过商用软件的应用编程接口(API)将适配器的数据传输至 ORCATECH 服务器。
      注意:参见 材料表 针对所使用的特定驾驶监控设备。

3. 系统确认

  1. 当所有设备均已安装到住宅中的最终位置后,通过访问控制面板确认中心计算机工作正常。检查中心计算机是否能够与主服务器通信以传输数据,并确认用于收集各类设备数据的服务均已正常运行。
  2. 通过进入控制面板上的数据采集页面,查看各设备是否正在实时传输数据。
  3. 在住宅各个房间的运动传感器附近走动,以确认每个传感器均能正常采集近期活动数据。通过查看控制面板中运动传感器数据的实时图表,验证走动时传感器是否被激活并记录数据。
  4. 通过多次打开和关闭药盒的各个分隔舱门来检查药盒功能。随后查看控制面板上的数据采集页面,确认该操作是否被正确记录和采集。
  5. 通过称量自己或受试者的体重来检查体重秤功能。进入控制面板中体重秤的设备页面,查看已同步列,确认该数据是否已正确同步并传输。
  6. 进入控制面板中可穿戴设备的设备页面,查看已同步列,检查可穿戴设备是否已正确同步并传输数据。

访问受限。请登录或开始试用以查看此内容。

结果

ORCATECH 技术套件能够收集人们在进行日常活动时生活模式的极为丰富的数据集。该传感器系统可在志愿者自家居所内实现无干扰、连续性的监测。该系统已应用于数十项研究,涉及数百名志愿者,研究领域涵盖健康与功能的关键方面,如步行速度与活动能力、服药行为、情绪状态、居家或外出时间、睡眠以及计算机使用情况8,9,10,11,12,13,14,15,16,

访问受限。请登录或开始试用以查看此内容。

讨论

我们介绍了一种基本系统或平台,可实现对重要健康与福祉指标进行基于家庭和社区的连续远程感知与报告。该系统目前主要旨在用于科研。

在可行的情况下,该系统采用开源工具以及传感器或设备,并利用现有的应用程序编程接口(API)和软件开发工具包(SDK)。该系统旨在实现技术的开放性与兼容性 "无偏向的" 使得多种传感器或设备能够 "已连接电源" 或根据需要进行整合。所选择的感应结构域(例如运动-活动能力评估、服药行为、计算机使用 等等。) 将取决于临床上可能对特定适应证最具信息价值的功能区域。因此,可部署传感器和设备的稀疏阵列或更完整的阵列。所产生的数据持续增长,因此数据系统需要进行修改以满足这一需求。为此,我们已转向更加分布式的数据架构,以提供更强的处理能力和可扩展性。该系统设计为可在社区中运行,并对家庭系统的远程技术健康状况进行每日评估。 尽管系统具备自主性和低干预运行的特点,但仍需偶尔进行上门维护,因为传感器或设备可能出现故障,需要维修或更换。 

访问受限。请登录或开始试用以查看此内容。

披露

作者无任何利益冲突需要披露。

致谢

本研究得到了美国国立卫生研究院、国家衰老研究所(U2CAG054397、P30 AG024978、P30 AG008017、R01 AG042191、R01 AG024059)、英特尔公司、国立卫生研究院基金会以及罗伯特·伍德·约翰逊基金会资助项目的资助。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
Raspberry Pi 3 Model BRaspberry Pi FoundationRaspberry Pi 3 Model B
运动传感器NYCE Sensors IncNCZ-3041-HA
门窗传感器NYCE Sensors IncNCZ-3011-HA
窗帘运动传感器NYCE Sensors IncNCZ-3045-HA
iSortTimerCapiSort
Home Stealth USB 电话录音器FihoFi3001B
Automatic ProAutomaticAUT-350C
Body Cardio 体重秤NokiaWBS04
Activite/Steel 活动监测仪NokiaHWA01 STEEL
Alta 2FitbitFB406
Charge 2FitbitFB407
Flex 2FitbitFB403
Zigbee USB 插件Silicon LabsETRX3USB
WorkTimeNestersoftWorkTime Corporate

参考文献

  1. Peetoom, K. K., Lexis, M. A., Joore, M., Dirksen, C. D., De Witte, L. P. Literature review on monitoring technologies and their outcomes in independently living elderly people. Disabil Rehabil Assist Technol. 10 (4), 271-294 (2015).
  2. Liu, L., Stroulia, E., Nikolaidis, I., Miguel-Cruz, A., Rios Rincon, A. Smart homes and home health monitoring technologies for older adults: A systematic review. Int J Med Inform. 91, 44-59 (2016).
  3. Kim, K. I., Gollamudi, S. S., Steinhubl, S. Digital technology to enable aging in place. Exp Gerontol. 88, 25-31 (2017).
  4. Kaye, J. Making pervasive computing technology pervasive for health & wellness in aging. Public Policy & Aging Report. 27 (2), 53-61 (2017).
  5. Wild, K., Boise, L., Lundell, J., Foucek, A. Unobtrusive in-home monitoring of cognitive and physical health: Reactions and perceptions of older adults. Journal of Applied Gerontology. 27 (2), 181-200 (2008).
  6. Wild, K., Boise, L. In-Home Monitoring Technologies: Perspectives and Priorities of Older Adults. , (2012).
  7. Boise, L., et al. Willingness of older adults to share data and privacy concerns after exposure to unobtrusive in-home monitoring. Gerontechnology: international journal on the fundamental aspects of technology to serve the ageing society. 11 (3), 428(2013).
  8. Hayes, T. L., Hagler, S., Austin, D., Kaye, J., Pavel, M. Engineering in Medicine and Biology Society, 2009. EMBC 2009. Annual International Conference of the IEEE. , 7248-7251 (2009).
  9. Kaye, J., et al. One walk a year to 1000 within a year: Continuous in-home unobtrusive gait assessment of older adults. Gait & posture. 35 (2), 197-202 (2012).
  10. Petersen, J., Austin, D., Mattek, N., Kaye, J. Time out-of-home and cognitive, physical, and emotional wellbeing of older adults: A longitudinal mixed effects model. PloS one. 10 (10), 0139643(2015).
  11. Hayes, T. L., Riley, T., Mattek, N., Pavel, M., Kaye, J. A. Sleep habits in mild cognitive impairment. Alzheimer disease and associated disorders. 28 (2), 145(2014).
  12. Hayes, T. L., Larimer, N., Adami, A., Kaye, J. A. Medication adherence in healthy elders: small cognitive changes make a big difference. Journal of aging and health. , (2009).
  13. Kaye, J., et al. Unobtrusive measurement of daily computer use to detect mild cognitive impairment. Alzheimer's & Dementia. 10 (1), 10-17 (2014).
  14. Seelye, A., et al. Computer mouse movement patterns: A potential marker of mild cognitive impairment. Alzheimer's & Dementia: Diagnosis, Assessment & Disease Monitoring. 1 (4), 472-480 (2015).
  15. Seelye, A., et al. Embedded online questionnaire measures are sensitive to identifying mild cognitive impairment. Alzheimer Dis Assoc Disord. 30 (2), 152-159 (2016).
  16. Dodge, H., Mattek, N., Austin, D., Hayes, T., Kaye, J. In-home walking speeds and variability trajectories associated with mild cognitive impairment. Neurology. 78 (24), 1946-1952 (2012).
  17. Austin, J., Klein, K., Mattek, N., Kaye, J. Variability in medication taking is associated with cognitive performance in nondemented older adults. Alzheimer's & Dementia: Diagnosis, Assessment & Disease Monitoring. 6, 210-213 (2017).
  18. Austin, J., et al. A smart-home system to unobtrusively and continuously assess loneliness in older adults. IEEE Journal of Translational Engineering in Health and Medicine. 4, 1-11 (2016).
  19. Dodge, H. H., Mattek, N. C., Austin, D., Hayes, T. L., Kaye, J. A. In-home walking speeds and variability trajectories associated with Mild Cognitive Impairment. Neurology. 78 (24), 1946-1952 (2012).
  20. Kaye, J. A., et al. Intelligent systems for assessing aging changes: home-based, unobtrusive, and continuous assessment of aging. The Journals of Gerontology Series B: Psychological Sciences and Social Sciences. 66, suppl 1 180-190 (2011).
  21. Wang, Z., Yang, Z., Dong, T. A Review of Wearable Technologies for Elderly Care that Can Accurately Track Indoor Position, Recognize Physical Activities and Monitor Vital Signs in Real Time. Sensors. 17 (341), (2017).
  22. Skubic, M., Alexander, G., Popescu, M., Rantz, M., Keller, J. A smart home application to eldercare: Current status and lessons. Technol. Health Care. 17 (3), 183-201 (2009).
  23. Campbell, I. H., et al. Engineering in Medicine and Biology Society, EMBC, 2011. Annual International Conference of the IEEE. , 6793-6796 (2011).
  24. Austin, D., Cross, R. M., Hayes, T., Kaye, J. Regularity and predictability of human mobility in personal space. PloS one. 9 (2), 90256(2014).
  25. Buysse, D. J., Reynolds, C. F., Monk, T. H., Berman, S. R., Kupfer, D. J. The Pittsburgh Sleep Quality Index: a new instrument for psychiatric practice and research. Psychiatry research. 28 (2), 193-213 (1989).
  26. Cummings, J. L. The Neuropsychiatric Inventory Assessing psychopathology in dementia patients. Neurology. 48, 5 Suppl 6 10-16 (1997).
  27. Teng, E., et al. Utility of the Functional Activities Questionnaire for distinguishing mild cognitive impairment from very mild Alzheimer's disease. Alzheimer disease and associated disorders. 24 (4), 348(2010).
  28. Wild, K. V., Mattek, N., Austin, D., Kaye, J. A. "Are You Sure?" Lapses in Self-Reported Activities Among Healthy Older Adults Reporting Online. Journal of Applied Gerontology. , (2015).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签