Name: Methodik für den Aufbau einer EU-weiten Leben Labor für unauffällig und kontinuierliche Remote-Aktivität und Gesundheitsdaten erfassen (Video) | JoVE Journal
Uploaded: 2018-07-27T12:30:00.000+00:00
Duration: 11 min 21 s
Description: Erfahren Sie Methoden zur kontinuierlichen Erfassung von Gesundheits- und Aktivitätsdaten im häuslichen Umfeld mittels unauffälliger Sensoren. Diese Technologie ermöglicht Langzeitstudien mit minimaler Belastung für Teilnehmer.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Der hier beschriebene Recherchen wurde unterstützt durch Zuschüsse von den National Institutes of Health, National Institute on Aging (U2CAG054397, P30 AG024978, P30 AG008017, R01 AG042191, R01-AG024059), Intel, das Fundament für die National Institutes of Health und der Robert Wood Johnson Foundation.

Allen Teilnehmern zur Verfügung gestellt schriftliche Einwilligungserklärung. Leben-Labor-Teilnehmer werden gebeten, ihr Leben zu leben, wie sie normalerweise um längs Beobachtungsstudie ihrer Lebensaktivitäten und Muster für den Rest ihres Lebens zu ermöglichen. Sie können jederzeit widerrufen, wenn sie es wünschen. Das Studienprotokoll wurde genehmigt von der Oregon Health & Amp; Science University (OHSU) institutionelle Review Board (Leben Labor OHSU IRB #2765).
1. Vorbereitung
<ol><li>Fügen Sie vor der Bereitstellung alle Geräte die Konsole-Inventar-System online hinzu. Vergeben Sie einen Namen für jedes Gerät bzw. Sensor zusammen mit der Seriennummer und die MAC-Adresse, so dass es innerhalb der Konsole-Inventar-System gespeichert werden.</li>
	<li>Legen Sie einen QR-Code-Tags auf jeder Ausrüstungsgegenstand, ermöglichen spezifische Aufgaben der Heimatort für die Sensoren und Geräte, wenn im Haus eingesetzt.</li>
	<li>Vor der Bereitstellung alle Sensoren und Geräte, die installiert werden sollen zu Hause erhält durch Scannen des QR-Codes auf dem Sensor oder Gerät. Dieses holt oben eine Website, die Sensor oder Gerät Zuordnung zu dieser spezifischen Hause ermöglicht.</li>
	<li>Installieren Sie die Hub-Computer mit einer SD-Karte enthält das Hub Konfigurations-Management-Tool.</li>
	<li>Packen Sie alle jetzt inventarisierten Sensoren und Geräte, Hub-Computer mit installierten SD-Karte in einem Installations-Kit (Box) für den Einsatz zu Hause.</li>
	<li>Stellen Sie sicher, dass der Teilnehmer Haus verfügt über einen Internet Service Provider.</li>
</ol>2. home Bereitstellung
<ol><li>Richten Sie den Hub-Computer durch das Einfügen der wireless-Dongle und den primären ZigBee-Koordinator-Dongle in den Hub-Computer. Legen Sie das Ethernet-Kabel an den Hub-Computer. Zu guter Letzt Netzkabel des Computers Hub in einem zentral gelegenen Raum Steckdose und verbinden Sie das Ethernet-Kabel mit der Ausgangs-Internet-Verbindung. Hinweis: Das Konfigurations-Management-Tool wird sichergestellt, dass die aktuellste Version der Software verwendet wird.</li>
	<li>Verbinden Sie ein Internet-fähiges Gerät (Laptop, Tablet, Handy) mit dem Hub computer'swireless Netzwerk Zugriff auf die lokale Kontrolle Panel-Website. Die Control-Panel-Website zeigt den Status des Hub-Computer sowie alle Sensoren in die Heimat (Abbildung 3).</li>
	<li>Führen Sie das Software-Konfigurations-Tool, sicherzustellen, dass die entsprechende Software installiert ist. Dazu in die Systemsteuerung navigieren und Updateausgeführt.</li>
	<li>Navigieren Sie zu der Systemsteuerung zu prüfen, ob der Hub-Computer mit den wichtigsten Servern kommuniziert. Stellen Sie sicher, dass die Dienstleistungen, die zu sammelnden Daten von jedem installierten Gerät und Sensor ermöglichen unternehmungslustig sind.</li>
	<li>Fügen Sie die Sensoren in die Heimat, beginnend mit den Bewegungssensoren. Zunächst öffnen die Sensor-Platzierung-Website aus dem Control Panel. Hinweis: Wenn das Haus mehr als 16 Bewegungssensoren erfordert, verbinden Sie einen Router-Dongle in den Hub-Computer zu und fügen Sie es mit dem Heim- oder persönlichen Netzwerk, auch genannt der "Pan". Sobald die Erweiterung Dongles (falls nötig), in die Pfanne geben, entfernen sie vom Hub-Computer, und schließen sie in Verkaufsstellen im ganzen Haus hinzugefügt werden, ein Netzwerk rund um das Haus zu schaffen, die verbreiten die Motion-Sensor-Daten an den Hub-Computer zu senden.</li>
	<li>Erstellen Sie in der Sensor-Platzierung-Website einen virtuellen Grundriss des Hauses, inklusive aller Zimmer und Egress Türen. Achten Sie darauf, wählen die Fühlerleitung als eines der Gebiete, die den Grundriss hinzugefügt wird. Der Grundriss virtuelle Darstellungen von Sensoren hinzufügen. Zu guter Letzt link die virtuelle Darstellungen der heimischen andere miteinander - in einer Weise, die das physikalische Layout der Homepage - widerspiegelt und die virtuelle Darstellungen der Sensoren.</li>
	<li>Fügen Sie jeder aufeinanderfolgenden Sensor in die Pfanne - bekannt als das Personal Area Network - durch die Verwendung der Sensor-Placement-Tool und physisch per Knopfdruck in der Nähe des Sensors Batterie. Starten Sie anschließend den Raum oder Bereich in der Wohnung, die im virtuellen Grundriss dargestellt wird jeder Sensor zuweisen.</li>
	<li>Fahren Sie fort, die physikalischen Sensoren an den Wänden des Hauses anbringen. Platzieren Sie jede Wand Sensor in Kopfhöhe in jedem Zimmer (Küche, Schlafzimmer, Badezimmer, Wohnzimmer) um sicherzustellen, dass der Sensor nur die Tätigkeit in diesem Raum erfasst und die Aktivität aus einem anderen Bereich nicht abholen (vermeiden Sie beispielsweise jemand ein Flur wird hinunter durch den Sensor in einem Raum neben dem Flur abgeholt). Hinweis: Der Sensor-Placement-Tool können Sie zu erkennen und Wege zwischen den Räumen zu schaffen.</li>
	<li>Installieren Sie eine Reihe von vier beschränkt (Decke) feldsensoren in einen geraden Gang (Flure oder in anderen Bereichen, wo die Teilnehmer zu vorbei an jeder der vier Sensoren ohne eine Änderung Fuß müssen, in Tempo) an der Decke, Gehgeschwindigkeit zu erfassen.<ol>
<li>Raum diese Geschwindigkeitssensoren 61 cm (2 Fuß) auseinander gehen.</li>
		<li>Notieren Sie die genaue Entfernung zwischen den eingeschränkten Bereich Sensoren in der Sensor-Platzierung-Website.</li>
	</ol></li>
	<li>Installieren Sie Türsensoren auf jeder Ausgang Tür, wieder mit dem Grundriss auf der Sensor Platzierung Website um ihre physischen Speicherort anzugeben.</li>
	<li>Fügen Sie den Bunker in die Pfanne, bestätigt, dass das Gerät für das home Verzeichnis zugewiesen wurde. Aktivieren Sie dann das Gerät durch die Eröffnung eines seinen Deckel. Weil der Bunker mit dem Hub-Computer kommuniziert, sicherzustellen Sie, dass es ist nah genug an den Hub-Computer für sein Signal erkannt werden. Hinweis: Der Bunker wird häufig in der Küche oder im Bad Teilnehmer Präferenz gehalten.</li>
	<li>Um die Skala einzustellen, navigieren Sie zu der Seite "Skala" befindet sich in der Registerkarte " Geräte " in der Systemsteuerung.<ol>
<li>Auf der Skala/Austaste Seite für 10 Sekunden. Die Waage sollte eine Bestätigungsmeldung angezeigt.</li>
		<li>Sobald die Waage in der Liste der Geräte wird angezeigt, klicken Sie auf die Setup-Taste auf der rechten Seite der Systemsteuerung, um den Installationsvorgang zu starten.</li>
		<li>Geben Sie die Teilnehmer Körpergröße und -Gewicht, wenn Sie in der Systemsteuerung aufgefordert werden.</li>
		<li>Wenn der Teilnehmer keinen Herzschrittmacher haben, schalten Sie die Schaltfläche " Schrittmacher " in der Systemsteuerung der Waage zu benachrichtigen, dass es Bioimpedence Daten sammeln kann.</li>
		<li>Stellen Sie die Waage an einem Ort, der eine flache, feste Oberfläche, die leicht zugänglich für die Teilnehmer (in der Regel in einem Badezimmer) hat.</li>
		<li>Haben Sie die Teilnehmer wiegen sich, bestätigt, dass das Ausmaß ihres ursprünglichen Gewichts Aufnahme ist in der Systemsteuerung getretenen.</li>
	</ol></li>
	<li>Richten Sie das Handgelenk getragen tragbare Gerät durch Öffnung der tragbare Control Panel Setup-Seite und die Reset-Taste auf der Rückseite des Gerätes befindet sich zehn Mal.<ol>
<li>Nachdem das Gerät zeigt sich in der Liste der Geräte in der Systemsteuerung, und klicken Sie auf die Setup -Taste auf der rechten Seite der Systemsteuerung, um den Installationsvorgang zu starten.</li>
		<li>Sobald das Konto eingerichtet ist, Kalibrieren Sie die Zeit mit dem Rad-Tool auf der Einrichtungsseite.</li>
		<li>Schließen Sie das Setup, indem die tragbar mit der Hub-Computer synchronisieren. Klicken Sie auf die Sync -Taste in der Systemsteuerung zu bestätigen, dass das Gerät ordnungsgemäß verbunden ist und die Zeit wird auf die gleiche Zeit wie der Hub-Computer festgelegt.</li>
		<li>Geben Sie in der Konsole auf dem Handgelenk der Wearable vom Teilnehmer getragen werden soll. Hinweis: Verschiedene Geräte erfordern unterschiedliche Verfahren je nach Hersteller. Zusätzliche Sensoren und Geräte können auch bereitgestellt und in den Datenstrom integriert, wie z. B. Computer Software und treibende Sensoren verwenden. Verfahren zum Hinzufügen von diese sind zunächst gegeben.</li>
	</ol></li>
	<li>Installieren Sie die kommerzielle Computer monitoring Software auf Computer des Teilnehmers und notieren Sie ihre e-Mail-Adresse. Diese e-Mail-Adressen dienen zur wöchentlichen Online-Gesundheit und Aktivität Umfragen senden und empfangen.<ol>
<li>Stellen Sie sicher, dass Computer-Betriebssystem des Teilnehmers mit der kommerziellen Computernutzung monitoring-Software kompatibel ist.</li>
		<li>Installieren Sie die Software auf der Teilnehmer-Computer mit dem Installationsprogramm auf einem USB-Flashlaufwerk gehostet.</li>
		<li>Stellen Sie sicher, dass die Software auf dem Computer durch den Task-Manager öffnen und prüfen, ob die Software in der Liste der Anwendungen ist.</li>
		<li>Ordnen Sie in der Konsole-Inventar-System das Software-Programm mit der Teilnehmer-Profil zu Hinweis: Siehe die Tabelle der Materialien für den bestimmten Computer verwendete Software verwenden (andere handelsübliche Überwachungssoftware ersetzt werden kann).</li>
	</ol></li>
	<li>Richten Sie einen treibenden Sensor für Teilnehmer<ol>
<li>Stellen Sie sicher, dass der Teilnehmer Auto nach 1996 entstand und das Auto durch die treibende Sensor-Gerät-Software unterstützt wird.</li>
		<li>Installieren Sie die Antriebsvorrichtung für monitoring-app auf einem mobilen Gerät zu und verwenden Sie die app den Adapter einrichten.</li>
		<li>Stecken Sie mit dem Auto ausgeschaltet den Adapter in das Auto On-Board-Diagnose (ODB) Anschluss.</li>
		<li>Warten Sie, bis die app zu erkennen und eine Verbindung mit dem Adapter. Dies dauert ca. 2-4 Minuten.</li>
		<li>Stecken Sie den Autoschlüssel ins Zündschloss gesteckt. (Wenn das Auto hat schlüssellose Zündung, die Auto-Start-Taste drücken). Drehen Sie den Schlüssel auf die Position, wo es den Strom einschaltet ohne Starten des Motors.</li>
		<li>Warten Sie, bis die app zur Einrichtung des Adapters abzuschließen.</li>
		<li>Im Lagersystem Konsole hinzufügen der Teilnehmer-Account-Informationen aus der app um den Adapter Daten auf die ORCATECH-Server mit der kommerziellen Software-Anwendungsprogrammierschnittstelle (API) übertragen werden können. Hinweis: Siehe die Tabelle der Materialien für die spezifische Überwachung Antriebsvorrichtung verwendet.</li>
	</ol></li>
</ol>3. System-Bestätigung
<ol><li>Sobald alle Geräte an ihrem endgültigen Platz im Haus sind, bestätigen Sie, dass der Hub-Computer funktionsfähig ist, indem man auf das Control Panel. Überprüfen Sie, dass der Hub-Computer mit den wichtigsten Servern übertragen kommunizieren kann, dass Daten und Dienste zum Sammeln der Daten für jeden Gerätetyp ausgeführt werden.</li>
	<li>Überprüfen Sie, wenn Daten von jedem Gerät gestreamt werden, indem man auf der Datenseite Sammlung auf dem Bedienfeld.</li>
	<li>Zu Fuß in der Nähe der Bewegungs-Sensoren in jedem Raum im Haus installiert, um zu bestätigen, dass jeder Sensor sammelt Daten über die jüngste Bewegungen. Überprüfen Sie die Bewegungssensoren durch Anzeigen der live Graph der Motion Sensordaten aktiviert zu Fuß durch das Haus.</li>
	<li>Überprüfen Sie den Bunker durch Öffnen und Schließen aller die Abteiltüren den Bunker ein paar Mal. Überprüfen Sie die Datenseite der Sammlung auf das Control Panel zu sehen, ob diese neueste Aktivität gemessen und erfasst wurde.</li>
	<li>Überprüfen Sie die Waage durch wiegen sich selbst oder der Teilnehmer. Bestätigen Sie diese Daten ordnungsgemäß synchronisiert und übertragen durch die Navigation zu den Synched Spalte innerhalb der Skala Seite " Geräte " in der Systemsteuerung.</li>
	<li>Überprüfen Sie, ob das tragbare Gerät ordnungsgemäß synchronisiert und übertragen Daten ist durch die Navigation zu den Synched Spalte innerhalb der tragbaren Geräte -Seite in der Systemsteuerung.</li>
</ol>

<ol><li>Peetoom, K. K., Lexis, M. A., Joore, M., Dirksen, C. D., De Witte, L. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Literature+review+on+monitoring+technologies+and+their+outcomes+in+independently+living+elderly+people%5BTitle%5D)+AND+%22Disabil+Rehabil+Assist+Technol%22%5BJournal%5D)">Literature review on monitoring technologies and their outcomes in independently living elderly people.</a> Disabil Rehabil Assist Technol. 10 (4), 271-294 (2015).</li>
<li>Liu, L., Stroulia, E., Nikolaidis, I., Miguel-Cruz, A., Rios Rincon, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Smart+homes+and+home+health+monitoring+technologies+for+older+adults%3A+A+systematic+review%5BTitle%5D)+AND+%22Int+J+Med+Inform%22%5BJournal%5D)">Smart homes and home health monitoring technologies for older adults: A systematic review.</a> Int J Med Inform. 91, 44-59 (2016).</li>
<li>Kim, K. I., Gollamudi, S. S., Steinhubl, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Digital+technology+to+enable+aging+in+place%5BTitle%5D)+AND+%22Exp+Gerontol%22%5BJournal%5D)">Digital technology to enable aging in place.</a> Exp Gerontol. 88, 25-31 (2017).</li>
<li>Kaye, J. <a target="_blank" href="https://academic.oup.com/ppar/article/27/2/53/3865604">Making pervasive computing technology pervasive for health & wellness in aging.</a> Public Policy & Aging Report. 27 (2), 53-61 (2017).</li>
<li>Wild, K., Boise, L., Lundell, J., Foucek, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Unobtrusive+in-home+monitoring+of+cognitive+and+physical+health%3A+Reactions+and+perceptions+of+older+adults%5BTitle%5D)+AND+%22Journal+of+Applied+Gerontology%22%5BJournal%5D)">Unobtrusive in-home monitoring of cognitive and physical health: Reactions and perceptions of older adults.</a> Journal of Applied Gerontology. 27 (2), 181-200 (2008).</li>
<li>Wild, K., Boise, L. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aWild%2C+K+%22In-Home+Monitoring+Technologies%3A+Perspectives+and+Priorities+of+Older+Adults%22">In-Home Monitoring Technologies: Perspectives and Priorities of Older Adults</a>. , (2012).</li>
<li>Boise, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Willingness+of+older+adults+to+share+data+and+privacy+concerns+after+exposure+to+unobtrusive+in-home+monitoring%5BTitle%5D)+AND+%22Gerontechnology%3A+international+journal+on+the+fundamental+aspects+of+technology+to+serve+the+ageing+society%22%5BJournal%5D)">Willingness of older adults to share data and privacy concerns after exposure to unobtrusive in-home monitoring.</a> Gerontechnology: international journal on the fundamental aspects of technology to serve the ageing society. 11 (3), 428(2013).</li>
<li>Hayes, T. L., Hagler, S., Austin, D., Kaye, J., Pavel, M. <a target="_blank" href="http://www.proceedings.com/06582.html">Engineering in Medicine and Biology Society, 2009. EMBC 2009.</a> Annual International Conference of the IEEE. , 7248-7251 (2009).</li>
<li>Kaye, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((One+walk+a+year+to+1000+within+a+year%3A+Continuous+in-home+unobtrusive+gait+assessment+of+older+adults%5BTitle%5D)+AND+%22Gait+%26+posture%22%5BJournal%5D)">One walk a year to 1000 within a year: Continuous in-home unobtrusive gait assessment of older adults.</a> Gait & posture. 35 (2), 197-202 (2012).</li>
<li>Petersen, J., Austin, D., Mattek, N., Kaye, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Time+out-of-home+and+cognitive%2C+physical%2C+and+emotional+wellbeing+of+older+adults%3A+A+longitudinal+mixed+effects+model%5BTitle%5D)+AND+%22PloS+one%22%5BJournal%5D)">Time out-of-home and cognitive, physical, and emotional wellbeing of older adults: A longitudinal mixed effects model.</a> PloS one. 10 (10), 0139643(2015).</li>
<li>Hayes, T. L., Riley, T., Mattek, N., Pavel, M., Kaye, J. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sleep+habits+in+mild+cognitive+impairment%5BTitle%5D)+AND+%22Alzheimer+disease+and+associated+disorders%22%5BJournal%5D)">Sleep habits in mild cognitive impairment.</a> Alzheimer disease and associated disorders. 28 (2), 145(2014).</li>
<li>Hayes, T. L., Larimer, N., Adami, A., Kaye, J. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Medication+adherence+in+healthy+elders%3A+small+cognitive+changes+make+a+big+difference%5BTitle%5D)+AND+%22Journal+of+aging+and+health%22%5BJournal%5D)">Medication adherence in healthy elders: small cognitive changes make a big difference.</a> Journal of aging and health. , (2009).</li>
<li>Kaye, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Unobtrusive+measurement+of+daily+computer+use+to+detect+mild+cognitive+impairment%5BTitle%5D)+AND+%22Alzheimer%27s+%26+Dementia%22%5BJournal%5D)">Unobtrusive measurement of daily computer use to detect mild cognitive impairment.</a> Alzheimer's & Dementia. 10 (1), 10-17 (2014).</li>
<li>Seelye, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Computer+mouse+movement+patterns%3A+A+potential+marker+of+mild+cognitive+impairment%5BTitle%5D)+AND+%22Alzheimer%27s+%26+Dementia%3A+Diagnosis%2C+Assessment+%26+Disease+Monitoring%22%5BJournal%5D)">Computer mouse movement patterns: A potential marker of mild cognitive impairment.</a> Alzheimer's & Dementia: Diagnosis, Assessment & Disease Monitoring. 1 (4), 472-480 (2015).</li>
<li>Seelye, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Embedded+online+questionnaire+measures+are+sensitive+to+identifying+mild+cognitive+impairment%5BTitle%5D)+AND+%22Alzheimer+Dis+Assoc+Disord%22%5BJournal%5D)">Embedded online questionnaire measures are sensitive to identifying mild cognitive impairment.</a> Alzheimer Dis Assoc Disord. 30 (2), 152-159 (2016).</li>
<li>Dodge, H., Mattek, N., Austin, D., Hayes, T., Kaye, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((In-home+walking+speeds+and+variability+trajectories+associated+with+mild+cognitive+impairment%5BTitle%5D)+AND+%22Neurology%22%5BJournal%5D)">In-home walking speeds and variability trajectories associated with mild cognitive impairment.</a> Neurology. 78 (24), 1946-1952 (2012).</li>
<li>Austin, J., Klein, K., Mattek, N., Kaye, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Variability+in+medication+taking+is+associated+with+cognitive+performance+in+nondemented+older+adults%5BTitle%5D)+AND+%22Alzheimer%27s+%26+Dementia%3A+Diagnosis%2C+Assessment+%26+Disease+Monitoring%22%5BJournal%5D)">Variability in medication taking is associated with cognitive performance in nondemented older adults.</a> Alzheimer's & Dementia: Diagnosis, Assessment & Disease Monitoring. 6, 210-213 (2017).</li>
<li>Austin, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+smart-home+system+to+unobtrusively+and+continuously+assess+loneliness+in+older+adults%5BTitle%5D)+AND+%22IEEE+Journal+of+Translational+Engineering+in+Health+and+Medicine%22%5BJournal%5D)">A smart-home system to unobtrusively and continuously assess loneliness in older adults.</a> IEEE Journal of Translational Engineering in Health and Medicine. 4, 1-11 (2016).</li>
<li>Dodge, H. H., Mattek, N. C., Austin, D., Hayes, T. L., Kaye, J. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((In-home+walking+speeds+and+variability+trajectories+associated+with+Mild+Cognitive+Impairment%5BTitle%5D)+AND+%22Neurology%22%5BJournal%5D)">In-home walking speeds and variability trajectories associated with Mild Cognitive Impairment.</a> Neurology. 78 (24), 1946-1952 (2012).</li>
<li>Kaye, J. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Intelligent+systems+for+assessing+aging+changes%3A+home-based%2C+unobtrusive%2C+and+continuous+assessment+of+aging%5BTitle%5D)+AND+%22The+Journals+of+Gerontology+Series+B%3A+Psychological+Sciences+and+Social+Sciences%22%5BJournal%5D)">Intelligent systems for assessing aging changes: home-based, unobtrusive, and continuous assessment of aging.</a> The Journals of Gerontology Series B: Psychological Sciences and Social Sciences. 66, suppl 1 180-190 (2011).</li>
<li>Wang, Z., Yang, Z., Dong, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Review+of+Wearable+Technologies+for+Elderly+Care+that+Can+Accurately+Track+Indoor+Position%2C+Recognize+Physical+Activities+and+Monitor+Vital+Signs+in+Real+Time%5BTitle%5D)+AND+%22Sensors%22%5BJournal%5D)">A Review of Wearable Technologies for Elderly Care that Can Accurately Track Indoor Position, Recognize Physical Activities and Monitor Vital Signs in Real Time.</a> Sensors. 17 (341), (2017).</li>
<li>Skubic, M., Alexander, G., Popescu, M., Rantz, M., Keller, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+smart+home+application+to+eldercare%3A+Current+status+and+lessons%5BTitle%5D)+AND+%22Technol.+Health+Care%22%5BJournal%5D)">A smart home application to eldercare: Current status and lessons.</a> Technol. Health Care. 17 (3), 183-201 (2009).</li>
<li>Campbell, I. H., et al. <a target="_blank" href="http://ieeexplore.ieee.org/xpl/mostRecentIssue.jsp?punumber=6067544">Engineering in Medicine and Biology Society, EMBC, 2011.</a> Annual International Conference of the IEEE. , 6793-6796 (2011).</li>
<li>Austin, D., Cross, R. M., Hayes, T., Kaye, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Regularity+and+predictability+of+human+mobility+in+personal+space%5BTitle%5D)+AND+%22PloS+one%22%5BJournal%5D)">Regularity and predictability of human mobility in personal space.</a> PloS one. 9 (2), 90256(2014).</li>
<li>Buysse, D. J., Reynolds, C. F., Monk, T. H., Berman, S. R., Kupfer, D. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Pittsburgh+Sleep+Quality+Index%3A+a+new+instrument+for+psychiatric+practice+and+research%5BTitle%5D)+AND+%22Psychiatry+research%22%5BJournal%5D)">The Pittsburgh Sleep Quality Index: a new instrument for psychiatric practice and research.</a> Psychiatry research. 28 (2), 193-213 (1989).</li>
<li>Cummings, J. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Neuropsychiatric+Inventory+Assessing+psychopathology+in+dementia+patients%5BTitle%5D)+AND+%22Neurology%22%5BJournal%5D)">The Neuropsychiatric Inventory Assessing psychopathology in dementia patients.</a> Neurology. 48, 5 Suppl 6 10-16 (1997).</li>
<li>Teng, E., et al. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/20592580">Utility of the Functional Activities Questionnaire for distinguishing mild cognitive impairment from very mild Alzheimer's disease.</a> Alzheimer disease and associated disorders. 24 (4), 348(2010).</li>
<li>Wild, K. V., Mattek, N., Austin, D., Kaye, J. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((%22Are+You+Sure%3F%22+Lapses+in+Self-Reported+Activities+Among+Healthy+Older+Adults+Reporting+Online%5BTitle%5D)+AND+%22Journal+of+Applied+Gerontology%22%5BJournal%5D)">"Are You Sure?" Lapses in Self-Reported Activities Among Healthy Older Adults Reporting Online.</a> Journal of Applied Gerontology. , (2015).</li>
</ol>

Die Autoren haben nichts preisgeben.

Wir haben ein grundlegendes System oder Plattform für Heim - und Community-basierte remote sensing und Berichterstattung über auffallende Gesundheit und Wohlbefinden-Maßnahmen auf einer kontinuierlichen Basis beschrieben. Das System soll in erster Linie in der Forschung zu diesem Zeitpunkt verwendet werden.
Wenn möglich, verwendet das System open Source-Tools und Sensoren oder unter Ausnutzung der verfügbaren APIs und Software Development Kits (SDK). Das System soll Technologie "Agnostiker" so...

Vorherrschender klinischer Forschung ist mit Einschränkungen in der Reliabilität und Validität der Daten wegen der inhärenten Unzulänglichkeiten der Bewertungsmethodik behaftet. Interviews werden durch die Zeiten eingeschränkt als Kliniker und Patienten Termine koordinieren können. Zeit für Prüfungen ist begrenzt durch was der/die freiwillige vernünftigerweise gestellt werden kann, in einer einzigen Sitzung zu tun. Diese kurzen, weit auseinander liegende Sitzungen - begrenzen auch wenn gelegentliche Telefonate per Internetabfragen - augmented stark das Potenzial um sinnvolle Änderung in Funktion oder das Wohlbefinden im Laufe der Zeit zu erkennen. Aktuelle Test-Sessions sind größtenteils aus der Auskunftsersuchen kann schwierig sein zu erinnern und zu überprüfen (z.B., "erinnern Sie sich, Ihre Medikamente zu nehmen?") oder künstliche Aufgaben (z. B."aufstehen und setzen Sie sich so schnell wie du kann"; "denken Sie daran, diese zehn Worte"). Die Bewertungen sollen oft zu testen Variabilität zu beschränken, wenn in der Tat Variabilität in der Performance selbst eine wichtige diagnostische Funktion sein kann. Diese kurze Biopsien der Zeit sind weitere, nicht in den normalen Ablauf des täglichen Lebens, sondern unter künstlichen Bedingungen durchgeführt. Daher sind sie von begrenzten ökologische Validität. Schließlich kann nicht das aktuelle Paradigma von Natur aus direkten Verknüpfung von interdependenten Ereignisse oder Ergebnisse (z.B., Schlaf, Sozialisation, körperliche Aktivität) bieten, da die Daten nicht anders als erinnerte Zeitstempel sind.
Ein Ansatz zur Beseitigung dieser Mängel liegt in der Entwicklung von Systemen, die in Haus oder Gemeinschaft eingebettet werden kann, die Fortschritte in der pervasive computing und sensing Technologie, drahtlose Kommunikation und Hochfrequenz-Multi-Domain-Daten nutzen Analytics. Die Technologie und Erfahrung in diesem Bereich wachsen und eine Reihe von Systemen entwickelt worden, aber habe in Bereitstellung, Funktionen oder längs Erfahrung1,2,3,4begrenzt worden. In diesem Manuskript beschreiben wir ein Protokoll entwickelt, als ein Mittel, um in Echtzeit, kontinuierliche und längs hausbasierten Bewertung von gesundheitsrelevanten Daten, auf die Grenzen der aktuellen gesundheitlichen Bewertung Paradigma zu verbessern. Oregon Center for Aging & Amp; Technology (ORCATECH) entwickelte ein Haus-gegründetes System basierend auf pervasive computing und Sensortechnologie, um kontinuierliche, Echtzeit-Bewertung von gesundheitsrelevanten Aktivitäten und Verhalten zu bieten. Die Bewertung in Heim zu ermöglichen, weitgehend unauffällig und kontinuierliche Überwachung der realen Tätigkeit erheblich zu bringen, überwindet aktuelle Beschränkungen. Erstens, da das Kernsystem in der Lebens-Raum der Teilnehmer im Rahmen ihrer Umgebung eingebettet ist, ist es von Natur aus bequem. Bewertungen, diskrete Antworten erfordern können gesammelt werden, wenn eine Person die meisten unbefangen und bei passiven Erhebungsmethoden, so oft wie notwendig, ohne zu belasten einen Teilnehmer. Zweitens wird in der Person des normalen Lebens-Raum bietet die Möglichkeit, Daten zu sammeln, die sofort ökologisch relevant sind, nicht einfach testen Maßnahmen der Funktion, sondern alltägliche Wahrnehmung konstruiert. Z. B. prospektives Gedächtnis scheitern, eine gemeinsame Beschwerde schwierig zu testen naturalistisch in der Klinik zu Hause durch automatische tägliche Verfolgung von Medikamenten Einnahme Verhalten, so tippen auf alltägliche Wahrnehmung sowie eine Key-Performance bewertet werden können Metrik, die empfindlich auf kognitive Veränderungen bekannt. Drittens, weil die Daten digital und einem Zeitstempel versehen sind, Messung von mehreren miteinander verbundenen Maßnahmen rechtzeitig ausgerichtet wird erleichtert. Zum Beispiel Zeit über das Telefon und Auszeit von zuhause (Maßnahmen des sozialen Engagements oder Rücktritt), Computernutzung (Messung Einleitung, psychomotorische Aktivität und kognitive Funktion) und andere Maßnahmen, die nachweislich mit funktionalen Rückgang (ändern Schlafverhalten, Gewicht, Gehgeschwindigkeit) kann hinzufügen, um die Empfindlichkeit des Sensors net, subtile Veränderungen zu unterscheiden, die sonst nicht erkannt werden. Wichtig ist, kann die Wirkung von Gesundheit und Leben Ereignisse auf Kognition und Funktion (z.B.wöchentliche Berichte über Schmerz, Änderung der Medikation, Niedergeschlagenheit) auch mit diesem Datenstrom verknüpft werden, sobald sie auftreten. Schließlich konventionelle Tests und Abfragen können per Computer dargestellt werden oder im Zusammenhang mit Schnittstellen (z.B., Tablet, Smartphone), bietet einmalige Möglichkeiten gleichzeitig ältere Testleistung Roman Digital vergleichen abgeleitete Maßnahmen aus den gleichen Tests, wie z. B. die Antwort oder die Pausenzeiten, Lernkurven und Intra-Test Variabilität. Dieser neue Ansatz verwandelt so aktuelle Bewertung um bequemer, unaufdringlich, kontinuierliche, Multi-Domain und naturalistisch sein. Letztlich bietet die grundlegende Plattform-Home-basierte Bewertung Sensorik und Methodik, eine System, das abgestimmt und auf eine Vielzahl von spezifischen Fragestellungen im Zusammenhang mit Gesundheit und Wohlbefinden mit bekannten Vorteilen über Adresse skaliert werden kann die aktuelle akzeptierte Praxis selten Klinik oder telefonische Bewertungen.
Das folgende Protokoll beschreibt den Prozess der Bereitstellung dieser Plattform für unauffällige in-Home-Verhaltens- und gesundheitsbezogenen Datensammlung. Bei der Entwicklung dieser Plattform, wurde ein zentrales Ziel eine grundlegenden Suite Bewertung Funktionen bieten, die die notwendigen Daten an beiden allgemeinen Domänen von Gesundheit und Wohlbefinden (körperliche, kognitive, soziale, emotionale) sowie spezifische Verhaltensweisen (ableiten können z. B.Medikamente nehmen, gehen, schlafen-Aktivitäten, physiologische Aktivität). Die Entwicklung der Plattform wurden geleitet, durch mehrere Grundsätze, die unter anderem mit den meisten passiven unauffälligen Fernerkundungen Ansätzen, Minimierung der direkten User-Engagement mit Technologie, seiend Technologie "Agnostiker" (d. h., beschäftigt die besten Geräte oder technische Lösungen anstatt erfordern einen besonderen Ansatz oder Produkt), wird dauerhaft (für langfristige Bewertung) und skalierbar und Minimierung praktische Wartung.
Die Plattform beschrieben hat in den vergangenen zwölf Jahren entwickelte sich vor allem durch eine Reihe von Endnutzern, von "Digital naiv", "early adopters" informiert. Regelmäßige Umfragen und Fokusgruppen wurden Schlüssel zu dieser Entwicklung5,6,7zu informieren. Hunderte von Freiwilligen konnten die Systeme kontinuierlich in ihren Häusern bis zu elf Jahre mit iterativen Änderungen bereitgestellt werden eingeführt, auf die Fortschritte in der Technologie, neue funktionelle Kapazitäten von der Forschungsgemeinschaft angefordert basierend und Konstante Tasteneingabe von Personen, die in Haus, wo die Technologie bereitgestellt wurde. Gemeinsam, diese freiwilligen bildeten eine "lebende" Labor in der Gemeinschaft, die wir nennen das "Leben Labor" wo ihre Häuser und die kontinuierliche Daten im Laufe des Tages ein einzigartiges Maß an Informationen über Gesundheit, Aktivität bieten, und die Lebensverlauf.
Eine grundlegende Plattform der Sensor-Technologie bildet das Rückgrat des Gesamtsystems für kontinuierliche hausbasierten Datenerfassung. Die Elemente dieser Plattform sind nachfolgend beschrieben. Die Core-Plattform wird geändert (Elemente können hinzugefügt oder entfernt werden) basierend auf den Informationen, die während des Prozesses des Sammelns von Benutzer-Einstellungen und Überzeugungen und Zielparameter von Interesse für das Studium mit der Forschungsplattform. Weil Daten-Kommunikations-Protokolle genormt sind, das System soll jedem Gerät erlauben, die folgt dieser Protokolle in das Netzwerk integriert werden.
Die grundlegende Plattform hier beschriebenen basiert auf den Anwendungsfall von Freiwilligen im Leben Labor (LL), die Zustimmung zu der Plattform, die in ihren Häusern, naturalistische Aktivität und Verhalten Daten von ihrer normalen Lebensaktivitäten jahrelang (längste sammeln bereitgestellt haben aktuellen kontinuierliche Bereitstellung = 11 Jahre).
Hub-Computer und Ethernet/WLAN-Verbindung ermöglichen Datenerfassung von Systemgeräten und Getriebe wieder auf sicheren Servern bei ORCATECH Teilnehmer störungsfrei. Der Hub-Computer ist konfiguriert, bestimmte Teilnehmer zu Hause Set-up bei der Systeminstallation mit einem Laptop oder Tablet und ein Bedienfeld, das eine zentrale digitale Teilnehmer-Management-System verbindet. Zusätzliche Datenerfassungsgeräte (z. B. Sensoren, MedTracker und Skalierung) können durch die Kommunikation mit dem Hub-Computer in der gleichen Weise konfiguriert werden.
Die ORCATECH Konsole und Remote-Technologie-Management-System ist eine benutzerdefinierte Digitaltechnik und Datenmanagement-System namens "Console", das Teilnehmer-home-Technologie-Konfiguration und Systemkonfiguration sowie laufende remote Technologiemanagement der ermöglicht Häuser, einschließlich sichern Daten erfasst und ausgewertet. Darüber hinaus wird zur Bereitstellung des Systems in der Gemeinschaft zu erleichtern, wo jedes Haus ein einzigartiges Layout haben kann, ein Grafik-Tool basierend auf einem Tablet-Benutzeroberfläche verwendet, um automatisch aufzeichnen, wo verschiedene Sensoren befinden und ihre gültige physikalische Adjacencies zu anderen Sensoren (Abbildung 2). Dies ist wichtig als Referenz während der Fernüberwachung des Systems auf dem Hause Niveau.
Passiv-Infrarot (PIR) Bewegungssensoren sind Digital zu einem bestimmten Haus während der Systeminstallation, zugewiesen Kommunikation mit dem Hub-Computer über einen drahtlosen USB-Dongle. Ein Sensor befindet sich pro Zimmer, Bewegung im Raum und Teilnehmer Übergängen von Raum zu Raum zu spüren. Einer geraden "Sensor-Linie" von vier Sensoren befindet sich an der Decke des einen Flur oder einen anderen Bereich, wo die Teilnehmer regelmäßig an einem konsequenten Schritt geht. Dieser Sensor ermöglicht unauffällige Treffen der Gehgeschwindigkeit viele Male pro Tag. Andere Kennzahlen können diese Bewegungssensoren wie Verweilzeit oder Anzahl der Zimmer Übergänge ableiten. Tür-Kontaktsensoren befinden sich rund um das Haus überhaupt Außentüren um Teilnehmer kommen und gehen von zu Hause und auf dem Kühlschrank allgemeine Lebensmittel Zugang fest zu erkennen.
Online-wöchentliche Gesundheit und Aktivität Self-Reports sind verpflichtet, die Daten aus dem passiven System der Sammlung Geräte optimale Sinn. Diese Daten sind entscheidend für die Analyse der Teilnehmer Bericht über Ereignisse in der Heimat im Verhältnis zu den gesammelten Sensordaten. Die wöchentliche selbstbericht Onlineumfrage abgeschlossen werden kann, auf jedem Computer (z.B.Laptop, Tablet, Smartphone) mit Internet-Anschluss zur Abfrage Teilnehmer über Ausflüge außerhalb der Heimat, Besucher in die Heimat, gesundheitlichen Veränderungen, Raum Veränderungen innerhalb der Haus, Einsamkeit, Depression und Schmerzen. Wöchentliche Datenerfassung stützt sich auf ein relativ kleines Zeitfenster der Erinnerung, die viel höhere Auflösung der Daten und Wahrscheinlichkeit der Genauigkeit als, zum Beispiel, jährliche oder halbjährliche Kontrolluntersuchungen. Darüber hinaus ermöglicht dabei selbst melden auch Ermittler, passive Indikatoren für mögliche kognitive Beeinträchtigung, wie z. B. Variation in der Zeit für die Umfrage, Variation der Anzahl der Klicks, zunehmend schwieriger, die genaue Berichterstattung zu prüfen Termine oder Beeinträchtigung Marker in Freitext-Antworten. Im Rahmen der Basisplattform installieren wir eine siebentägige elektronische Pillenbox, die Datensätze unabhängig davon, ob die vorgesehenen Tag Fach geöffnet war und das Mal, die es jeden Tag geöffnet wurde. Dies informiert über Einhaltung der Medikation sowie eine mögliche Angabe der kognitiven Konsistenz der Medikamenten-Einnahme sinkt.
Eine drahtlose digitale Bioimpedence-Skala, die sammelt auch Puls, Körper Zusammensetzung Metriken, pulswellenlaufzeit, Umgebungstemperatur und ambient Kohlendioxid-Gehalt ist im Badezimmer installiert mit Daten über Teilnehmer täglich Gewicht. Diese Daten können dann mit anderen gemeldeten Ereignisse (z.B.Gesundheitszustand, Medikamente), sowie andere passive Indikatoren des Verhaltens, wie Protokoll festhalten und die Häufigkeit der Verwendung über einen Zeitraum korreliert werden.
In Fällen wo unsere Teilnehmer Fahrt, wir installieren einen treibenden Sensor in ihren Fahrzeugen. Dieser Sensor bietet Informationen über Fahrgewohnheiten wie Frequenz, Timing, Dauer und Entfernung von Reisen sowie Häufigkeit von harten Stopps oder harten Beschleunigungen.
Ein Handgelenk getragen tragbare Gerät sammelt körperliche Aktivitätsdaten in und aus dem Haus. Mehrere Marken und Modelle von Wearables wurden in den Häusern leben Labor eingesetzt.
Je nach Projekt können ein Ermittler mit dem ORCATECH-Plattform, die grundlegenden Sensor set mit zusätzlichen Datenerhebung Komponenten zu ergänzen. Beispiele in der Vergangenheit getestet sind einen Telefon-Sensor zur Überwachung der Sozialisation über Festnetz-Telefon-Aktivität, die Entwicklung und Umsetzung der eine digitale Balance-Board für Gleichgewicht testen, ein Tablet mit periodischen kognitiven Aufgaben für den Teilnehmer in Anspruch in ihrem eigenen Haus, und eine automatische SMS-System zur Bewertung der Wirksamkeit von Medikamenten Erinnerungen per Telefon.
Um die vielfältigen von ORCATECH Life Lab, eine maßgeschneiderte Informationen und Daten-System erzeugten Daten verarbeiten dient zum Sammeln, kommentieren, Aufrechterhaltung und reichlich Aktivität und Gesundheitsdaten analysieren. ORCATECH hat ein maßgeschneidertes System für Teilnehmermanagement, Selbstaussagen Datenerhebung und-Verarbeitung und kontinuierliche Datensammlung aus allen Systemkomponenten und Sensoren entwickelt. Das System basiert auf einem verteilten NoSQL Cassandra Servercluster, die Sensordaten und eine Lambda-Architektur mit Kafka und Funken, wodurch unsere Datenverarbeitungsfunktionen Annäherung an Echtzeit-Verarbeitung zu speichern. Eine REST-API verwenden, werden Daten in standard-Daten-Analyse-Plattformen und statistische Software-Programme für die Datenanalyse übertragen.

<table><tbody><tr><td>Raspberry Pi 3 Modell B</td><td>Raspberry Pi Foundation</td><td>Raspberry Pi 3 Modell B</td><td></td></tr><tr><td>Bewegungsmelder</td><td>NYCE Sensors Inc</td><td>NCZ-3041-HA</td><td></td></tr><tr><td>Tür-/Fenstersensor</td><td>NYCE Sensors Inc</td><td>NCZ-3011-HA</td><td></td></tr><tr><td>Vorhang-Bewegungsmelder</td><td>NYCE Sensors Inc</td><td>NCZ-3045-HA</td><td></td></tr><tr><td>iSort</td><td>TimerCap</td><td>iSort</td><td></td></tr><tr><td>Home Stealth USB Phone Recorder</td><td>Fiho</td><td>Fi3001B</td><td></td></tr><tr><td>Automatic Pro</td><td></td> Automatic <td>AUT-350C</td><td></td></tr><tr><td>Body Cardio Scale</td><td>Nokia</td><td>WBS04</td><td></td></tr><tr><td>Aktivitäts-/Stahl-Aktivitätsmonitor</td><td>Nokia</td><td>HWA01 STEEL</td><td></td></tr><tr><td>Alta 2</td><td>Fitbit</td><td>FB406</td><td></td></tr><tr><td>Charge 2</td><td>Fitbit</td><td>FB407</td><td></td></tr><tr><td>Flex 2</td><td>Fitbit</td><td>FB403</td><td></td></tr><tr><td>Zigbee USB Stick</td><td>Silicon Labs</td><td>ETRX3USB</td><td></td></tr><tr><td>WorkTime</td><td>Nestersoft</td><td>WorkTime Corporate</td><td></td></tr></tbody></table>

methodik für den aufbau einer eu-weiten leben labor für unauffällig und kontinuierliche remote-aktivität und gesundheitsdaten erfassen

Methodology for Establishing a Community-Wide Life Laboratory for Capturing Unobtrusive and Continuous Remote Activity and Health Data

Eine End-to-End-Suite von Technologien ist für die unauffällige und kontinuierliche Überwachung der Gesundheit und Aktivität Veränderungen in den Alltag der älteren Erwachsenen über einen längeren Zeitraum hinweg etabliert. Die Technologie ist in ein System, die die Prinzipien des Seins minimal aufdringlich, beim Erstellen von sicheren beinhaltet aggregiert, Privatsphäre, kontinuierliche objektive Daten in realen (häuslichen) Einstellungen für Monate bis Jahre. Das System umfasst passive Infrarot-Präsenzmelder platziert im ganzen Haus, Tür Kontaktsensoren auf Außentüren, verbundenen physiologischen monitoring-Geräte (z.B. Waagen), medikamentenschachteln und tragbare Actigraphs installiert. Treibende Sensoren sind auch in Autos der Teilnehmer installiert und Computernutzung (PC, Tablet oder Smartphone) verfolgt. Daten ist über häufige Online-Self-report-Optionen versehen, die wichtige Informationen in Bezug auf die Daten, die schwierig ist bereitstellen, über Sensoren wie interne Zustände (z.B.Schmerzen, Stimmung, Einsamkeit), sowie Daten-Referent, Aktivitätsmuster schließen Auslegung (z.B. Besucher, neu Möbel). Algorithmen sind entwickelt worden, mit den Daten erhalten, um funktionelle Domänen Schlüssel zu Gesundheit oder Krankheit Aktivitätsüberwachung, einschließlich Mobilität (z.B.Zimmer Übergänge, Schritte, Gang Geschwindigkeit), physiologische Funktion(z. B.Gewicht, Körper identifizieren Mass-Index, Puls), schlafen Verhaltensweisen (z.B., Schlafzeit, Ausflüge auf die Toilette in der Nacht), Einhaltung von Medikamenten (z.B. verpassten Dosen), Soziales Engagement (z.B.Zeitaufwand aus nach Hause, Zeit Paare verbringen gemeinsam), und kognitive Funktion (z.B. Zeit am Computer, Mausbewegungen, Eigenschaften der Online-Ausfüllen von Formularen, Fahrtüchtigkeit). Erkennung von Änderungen dieser Funktionen bietet einen sensitiver Marker für die Anwendung in Gesundheitsüberwachung von akuten Erkrankungen (z.B. Virusepidemie) zur Früherkennung von prodromal Demenz Syndrome. Das System eignet sich besonders für die Überwachung der Wirksamkeit klinischer Interventionen in Naturhistorischen Studien von geriatrischen Syndromen und in klinischen Studien.

Die ORCATECH Suite Technologie macht es möglich, einen reichen und mannigfaltigen Datensatz über die Lebensmuster von Menschen zu sammeln, während sie ihren gewohnten Aktivitäten nachgehen. Das Sensorsystem ermöglicht es, unaufdringlich und kontinuierliche Überwachung der Freiwilligen in ihren eigenen Häusern. Das System wurde in Dutzenden von Studien, an denen hunderte von Freiwilligen in der Forschung untersuchen wichtige Bereiche der Gesundheit und Funktion wie walking, Geschwindigkeit...

Unauffällige Sensoren und pervasive computing-Technologie integriert in die täglichen Leben zu Hause ältere Erwachsene ermöglicht sinnvolle Gesundheit und Aktivität Änderungen für Monate bis Jahre, Bereitstellung ökologisch gültig, kontinuierlich aufgezeichnet werden Hochfrequenz, Multi-Domain-Daten für Forschung und klinische Anwendung.

Methodik für den Aufbau einer EU-weiten Leben Labor für unauffällig und kontinuierliche Remote-Aktivität und Gesundheitsdaten erfassen

An end-to-end suite of technologies has been established for the unobtrusive and continuous monitoring of health and activity changes occurring in the ...

Diese Methodik kann objektive, kontinuierliche und ökologisch valide Echtzeitdaten für Forscher liefern, die an longitudinalen Gesundheitsstudien und klinischen Studien beteiligt sind. Die Vorteile dieses Ansatzes bestehen darin, dass er zwar wenig bis gar keinen Aufwand seitens der Forschungsteilnehmer erfordert, aber die Erfassung von akuten Daten sowie subtilen sich im Laufe der Zeit ändernden Ereignissen ermöglicht. Es ist für mehrere Anwendungsfälle anpassbar.Diese Methodik wurde im Wesentlichen eingesetzt, um Ergebnisse zu erhalten, die am meisten mit funktionellen Veränderungen zusammenhängen, die für die Forschung bei chronischen Erkrankungen mit hoher Belastung wie Mobilitätsstörungen oder Demenz wichtig sind. Die Protokolle sollen in der Anwendung der Forschung erweiterbar sein, um digitale, Aktivitäts- und Gesundheitsdaten in vielen verschiedenen Forschungsbereichen zu sammeln. Fügen Sie vor der Bereitstellung alle Geräte online zum Inventarsystem der Konsole hinzu.Weisen Sie jedem Gerät oder Sensor einen Namen zu, zusammen mit seiner Seriennummer und MAC-Adresse, damit es im Inventarsystem der Konsole gespeichert werden kann. Platzieren Sie ein QR- oder Quick-Response-C

methodology-for-establishing-community-wide-life-laboratory-for

Research

Forschung

JoVE Journal

Behavior

Verhalten

Stress ist eine unvermeidbare und persistente Komponente des Lebens und ganzheitliche Ansätze für das Management in Erwägung gezogen. Eine standardisierte Methodik wurde geschaffen, um die Machbarkeit der Atem-basierten Stress-Management-Protokoll zeigen, die mit im Handel erhältlichen tragbaren Technologien verwendet werden können.

Eine Community-basierte Stress-Management-Programm: Mit tragbaren Geräten zu beurteilen, ganz Körper physiologische Reaktionen in nicht-Labor-Einstellungen

Dieses Protokoll beschreibt eine randomisierte kontrollierte Studie als eine Methode, um die Auswirkungen der eine video-Demonstration auf der intra-individuelle Unterschied zwischen Selbstauskünften und Beschleunigungsmesser-basierte mäßig-starke körperliche Aktivität testen.

Visualisierung der Intensitätsstufen Verringerung des Abstands zwischen selber gemeldet und körperlichen Aktivität nicht direkt gemessen

Das Ziel ist die Förderung einen neuen Ansatz für kardiologische Rehabilitation (CR), mit einer einzigartigen remote-Patienten-monitoring-System, die es Gesundheitsdienstleistern ermöglichen, CR-Patienten zu Hause zu niedrigen Kosten, mit der Absicht, CR Dienstleistungen zugänglicher zu überwachen und Verbesserung der Compliance. Die Studie ist derzeit im Gange.

Eine neuartige digitale Plattform für einen überwachten häuslichen kardiologische Rehabilitation-Programm

Schlafverlust und zirkadiane Fehlausrichtung tragen zu zahlreichen Betriebsunfällen und -vorfällen bei. Die Wirksamkeit von Gegenmaßnahmen und Arbeitsplanungsentwürfen zur Minderung von Ermüdungserscheinungen kann in betrieblichen Umgebungen schwierig zu bewerten sein. Dieses Manuskript fasst einen Ansatz zum Sammeln von Schlaf-, Zirkadianen-, Ermüdungs- und Leistungsdaten in komplexen Betriebsumgebungen zusammen.

Sammeln von Schlaf-, Circadian-, Ermüdungs- und Leistungsdaten in komplexen Betriebsumgebungen

Ein experimentelles Design wurde entwickelt, um die Echtzeiteinflüsse einer Prüfungserfahrung zu untersuchen, um die emotionalen Realitäten zu bewerten, die Studenten in hochschulischen Umgebungen und Aufgaben erleben. Dieses Design ist das Ergebnis eines fachübergreifenden (z.B. pädagogischePsychologie, Biologie, Physiologie, Ingenieurwesen) und multimodalen (z.B. Speicheldrüsenmarker, Vermessungen, Elektroder-Sensor)-Ansatz.

Ein fachübergreifendes und multimodales Experimentelles Design zum Studium authentischer Prüfungserfahrungen in naher Echtzeitzeit

Wir schlagen eine Methodik vor, die es ermöglicht, das Engagement der Zuschauer in einem sozialen digitalen Spiel zu messen, indem physiologische und selbstberichtete Daten kombiniert werden. Da dieses digitale Spiel eine Gruppe von sich frei bewegenden Menschen umfasst, wird die Erfahrung mit einer Synchronisationstechnik gefilmt, die physiologische Daten mit Ereignissen im Spiel verknüpft.

Messung des Engagements der Zuschauer von Social Digital Games

Das vorliegende Protokoll führt eine nichtkommerzielle, selbst entwickelte Anwendung zur Erfassung von Echtzeitdaten vor Ort ein, einschließlich psychologischer Skalen, GPS-Standort, Herzfrequenz und Blutsauerstoffsättigung sowie der Betriebsverfahren der Anwendung. Als Anwendungsbeispiel diente eine empirische Studie, die 2020 in Taiwan durchgeführt wurde.

Eine Anwendung zur Kopplung mit tragbaren Geräten zur Überwachung des persönlichen Gesundheitszustands

Kommerzielle Smartwatches, die mit tragbaren Sensoren ausgestattet sind, werden zunehmend in Bevölkerungsstudien eingesetzt. Ihr Nutzen wird jedoch oft durch ihre begrenzte Akkulaufzeit, Speicherkapazität und Datenqualität eingeschränkt. Dieser Bericht enthält Beispiele für kostengünstige Lösungen für reale technische Herausforderungen, die bei Studien mit asthmatischen Kindern und älteren Herzpatienten aufgetreten sind.

Einrichtung von Consumer Wearable Devices zur Expositions- und Gesundheitsüberwachung in Bevölkerungsstudien

Das Protokoll zeigt einen Prototyp der multimodalen Datenerfassungsplattform für zu Hause, die die Forschung zur Optimierung der adaptiven tiefen Hirnstimulation (aDBS) für Menschen mit neurologischen Bewegungsstörungen unterstützt. Wir präsentieren auch wichtige Erkenntnisse aus der Bereitstellung der Plattform für über ein Jahr bei einer Person mit Parkinson-Krankheit.

Die Klinik nach Hause bringen: Ein multimodales Ökosystem für die Datenerfassung zu Hause zur Unterstützung der adaptiven tiefen Hirnstimulation

M3-BREATHE ist ein mobiles Gesundheitssystem (mHealth), das tragbare Sensoren integriert, um Atmung, Verhalten und Umweltbelastungen für eine personalisierte Behandlung und Gesundheitsbewertung in der realen Welt zu überwachen.

Real-World M3-BREATHE: Auf dem Weg zur multimodalen mobilen Überwachung von Verhalten, Atmung und Expositionen zur Behandlung und Gesundheitsbewertung

Erfahren Sie Methoden zur kontinuierlichen Erfassung von Gesundheits- und Aktivitätsdaten im häuslichen Umfeld mittels unauffälliger Sensoren. Diese Technologie ermöglicht Langzeitstudien mit minimaler Belastung für Teilnehmer.

Methodik für den Aufbau einer EU-weiten Leben Labor für unauffällig und kontinuierliche Remote-Aktivität und Gesundheitsdaten erfassen (Video) | JoVE Journal

Methodik für den Aufbau einer EU-weiten Leben Labor für unauffällig und kontinuierliche Remote-Aktivität und Gesundheitsdaten erfassen

Weitere Videos entdecken