Summary
Sensores discretos e tecnologia de computação pervasiva incorporaram o casa cotidiano de mais velhos adultos permite significativa saúde e a alterações de atividade a ser gravada continuamente por meses a anos, fornecendo ecologicamente válidos, alta frequência, dados de vários domínios para investigação ou para uso clínico.
Abstract
Estabeleceu um conjunto de-to-end de tecnologias para a monitorização contínua e discreta de saúde e atividade mudanças que ocorrem no cotidiano dos adultos mais velhos durante longos períodos de tempo. A tecnologia é agregada em um sistema que incorpora os princípios de ser minimamente intrusivos, ao gerar seguro, privacidade protegida, dados objetivos contínuos no mundo real (baseado em casa) configurações por meses a anos. O sistema inclui sensores de presença infravermelho passivo colocados em toda a casa, sensores de contato de porta instalados em portas exteriores, conectados dispositivos de monitorização fisiológicos (tais como escalas), caixas de medicação e actigraphs wearable. Sensores de condução também são instalados nos carros dos participantes e o uso do computador (PC, tablet ou smartphone) é controlado. Dados são anotados através de frequentes opções online de auto-relato que fornecem informações vitais no que respeita as dados que é difícil de deduzir através de sensores, tais como Estados internos (por exemplo, dor, humor, solidão), bem como dados parte referente ao padrão de atividade interpretação (por exemplo, visitantes, rearranjada móveis). Algoritmos foram desenvolvidos utilizando os dados obtidos para identificar os domínios funcionais chave para atividade de saúde ou doença de monitorização, incluindo mobilidade (por exemplo, transições de sala, passos, velocidade da marcha), a função fisiológica (por exemplo, peso, corpo índice de massa, pulso), dormir de comportamentos (por exemplo, tempo de sono, viagens ao banheiro à noite), adesão de medicação (por exemplo, doses perdidas), engajamento social (p. ex., tempo gasto fora de casa, tempo casais passar juntos) e cognitivo função (por exemplo, o tempo no computador, os movimentos do mouse, características da conclusão do formulário on-line, capacidade de condução). A detecção de alteração dessas funções fornece um marcador sensível para a aplicação em vigilância sanitária de doenças agudas (por exemplo, epidemia viral) para a detecção precoce de síndromes de demência prodrômicos. O sistema é particularmente adequado para monitorar a eficácia das intervenções clínicas em estudos de história natural das síndromes geriátricas e em ensaios clínicos.
Introduction
Pesquisa clínica predominante é repleta de limitações na confiabilidade e validade dos dados capturados por causa de deficiências inerentes da metodologia de avaliação. Entrevistas são restringidas pelo times quando o médico e o paciente podem coordenar cronogramas. Tempo alocado para exames é limitado pelo que o voluntário razoavelmente pode ser instado a fazer em uma única sessão. Estas sessões breves, espaçados - mesmo se agravado por telefonemas ocasionais ou consultas de Internet - limitam severamente o potencial para detectar mudança significativa na função ou bem-estar ao longo do tempo. Sessões de teste atual são em grande parte compostas de pedidos de informação que pode ser difícil de lembrar e verificar (por exemplo, "você se lembra de tomar seu medicamento?") ou o desempenho de tarefas artificiais (por exemplo, "Levante-se e sente-se tão rápido quanto você pode"; "Lembre-se estes dez palavras"). As avaliações são projetadas frequentemente para restringir a variabilidade de teste para testar, quando na verdade a variabilidade no desempenho em si pode ser uma característica fundamental do diagnóstica. Além disso, essas biópsias breves de tempo são conduzidas sob condições artificiais em vez de dentro do fluxo normal da vida cotidiana. Portanto, eles são de limitada validade ecológica. Finalmente, o paradigma atual inerentemente não pode fornecer uma ligação directa de eventos chaves interdependentes ou resultados (por exemplo, sono, socialização, atividade física) porque os dados não são hora que não seja recordado.
Uma abordagem para superar estas deficiências encontra-se no desenvolvimento de sistemas que podem ser incorporados em casa ou comunidade que tiram proveito dos avanços na computação pervasiva e sensoriamento tecnologia, comunicações sem fio e dados de vários domínios de alta frequência Analytics. A tecnologia e experiência nesta área estão crescendo e um número de sistemas têm sido desenvolvido, mas têm sido limitado em implantação, recursos ou experiência longitudinal1,2,3,4. Este manuscrito, descrevemos um protocolo desenvolvido como um meio para fornecer avaliação longitudinal, contínua e em tempo real baseado em casa dos dados relevantes para a saúde melhorar as limitações do paradigma da avaliação de saúde atual. Centro do Oregon para envelhecimento & amp; Tecnologia (ORCATECH) desenvolveu um sistema baseado em casa, baseado em tecnologia para fornecer uma avaliação contínua, em tempo real de atividades relevantes para a saúde e o comportamento de detecção e computação pervasiva. Trazendo a avaliação em repouso para permitir largamente discreto e contínuo monitoramento da atividade do mundo real substancialmente supera limitações atuais. Primeiro, desde o núcleo do sistema é embutido no espaço da vida dos participantes como parte de seu ambiente, é inerentemente conveniente. As avaliações que exigem respostas discretas podem ser coletadas quando uma pessoa está mais à vontade e, no caso dos métodos de coleta passiva, tão frequentemente quanto necessário, sem sobrecarregar um participante. Em segundo lugar, sendo em vida-espaço normal da pessoa oferece a oportunidade para coletar dados que imediatamente são ecologicamente relevantes, não simplesmente testando maquinado medidas de função, mas todos os dias cognição. Por exemplo, em perspectiva memória falha, uma queixa comum difícil de testar naturalistically na clínica, pode ser avaliada em casa ao acompanhamento diário automático de medicação tendo comportamento, batendo assim, cognição todos os dias, bem como uma chave de desempenho métrica, conhecida por ser sensível à alteração cognitiva. Em terceiro lugar, porque os dados são digital e carimbo de tempo, medição de várias medidas inter-relacionadas alinhados em tempo é facilitada. Por exemplo, o tempo no telefone e tempo fora de casa (medidas de engajamento social ou retirada), uso do computador (iniciação, a atividade psicomotora e a função cognitiva de medição) e outras medidas que têm sido mostradas para alterar com declínio funcional ( a sensibilidade do sensor líquido para distinguir mudanças sutis que não podem ser senão aparentes pode adicionar comportamento de sono, peso, velocidade de caminhada). Importante, o efeito dos eventos de saúde e vida na cognição e função (por exemplo, relatórios semanais de dor, mudança de medicação, humor baixo) também pode ser vinculado a este fluxo de dados que ocorrem. Finalmente, testes convencionais e consultas podem ser apresentadas via computador ou relacionados com interfaces (por exemplo, tablet, smartphone), proporcionando oportunidades inigualáveis simultaneamente comparar desempenho herdados teste romance digitalmente derivada de medidas dos mesmos testes, tais como resposta ou tempos de pausa, curvas de aprendizagem e variabilidade intrateste. Assim, esta nova abordagem transforma avaliação atual para ser mais conveniente, discreta, contínua, de vários domínios e naturalista. Em última análise, a plataforma básica de sensor em-repouso com base em avaliação de tecnologias e metodologias, fornece um sistema que pode ser ajustado e dimensionado para o endereço de uma ampla gama de questões de investigação específicos relacionada à saúde e bem-estar com notáveis vantagens sobre o prática atual da clínica pouco frequente ou avaliações baseadas no telefone.
O protocolo seguinte descreve o processo de implantação desta plataforma para coleta de dados comportamentais e relacionadas com a saúde em-repouso discreto. No desenvolvimento desta plataforma, um objetivo-chave tem sido fornecer um conjunto básico de funções de avaliação que pode fornecer os dados necessários para inferir os dois domínios gerais de saúde e bem-estar (físico, cognitivo, social, emocional), bem como mais específico (de comportamentos por exemplo, medicação, levando, caminhando, actividades relacionadas com sono, atividade fisiológica). O desenvolvimento da plataforma tem sido guiado por vários princípios, incluindo usando as abordagens de detecção discretas mais passivas, minimizando a participação direta do usuário com tecnologia, sendo a tecnologia 'agnóstico' (ou seja,, empregando os melhores dispositivos ou soluções técnicas ao invés que exigem uma abordagem específica ou produto), sendo duráveis (para a avaliação a longo prazo) e escalável e minimizando manutenção hands-on.
A plataforma descrita tem evoluído ao longo dos últimos doze anos, importante informado por uma gama de usuários finais, de "digitalmente ingênuo" early adopters. Inquéritos periódicos e grupos de foco tem sido chave para informar este desenvolvimento5,6,7. Centenas de voluntários permitiram que os sistemas a serem implantados continuamente em suas casas até onze anos com iterativas modificações introduzidas com base sobre os avanços em tecnologia, novas capacidades funcionais solicitadas pela comunidade de pesquisa, e a chave entrada constante dos indivíduos que vivem em casa, onde a tecnologia foi implantada. Coletivamente, estes voluntários formaram um laboratório "viver" na Comunidade que chamamos o "laboratório de vida" onde suas casas e a contínua de dados recolhida ao longo do dia fornece um único nível de detalhes sobre saúde, atividade e a curso da vida.
Uma plataforma básica da tecnologia de sensoriamento forma a espinha dorsal do sistema global para captura contínua de dados baseado em casa. Os elementos desta plataforma são descritos posteriormente. A plataforma do núcleo é modificada (elementos podem ser adicionados ou removidos) com base nas informações obtidas durante o processo de coleta de usuário atitudes e crenças e desfechos de interesse para o estudo utilizando a plataforma de pesquisa. Porque os protocolos de comunicação de dados são padronizados, o sistema foi concebido para permitir que qualquer dispositivo que segue esses protocolos deve ser incorporada à rede.
A plataforma básica descrita aqui é baseada no caso do uso de voluntários em laboratório a vida (LL), que consintam em ter a plataforma implantada dentro de suas casas para coletar atividade naturalista e dados de comportamento das suas actividades de vida normal por muitos anos (mais longos corrente contínua implantação = 11 anos).
O computador hub e conexão Ethernet/Wi-Fi permitem a coleta de dados de dispositivos do sistema e transmissão para servidores seguros no ORCATECH sem interferência participante. O computador de hub está configurado para o participante específico e set-up em casa após a instalação do sistema usando um laptop ou tablet e um painel de controle que se conecta a um sistema centralizado de gestão digital de participante. Dispositivos de recolha de dados adicionais (tais como sensores, MedTracker e escala) podem ser configurados através da comunicação com o computador de hub da mesma forma.
O Console de ORCATECH e o sistema remoto de gerenciamento de tecnologia é uma tecnologia digital personalizada e sistema de gestão de dados chamado "Console" o que permite a configuração de participante tecnologia em casa e configuração do sistema, bem como a gestão de tecnologia remota em curso de casas incluindo seguro de coleta de dados e monitoramento. Além disso, para facilitar a implantação do sistema na comunidade onde cada casa pode ter um layout exclusivo, uma ferramenta gráfica baseada em uma interface de tablet é usada para gravar automaticamente onde se encontram vários sensores e suas adjacências físicas válidas para outros sensores (Figura 2). Isto é importante para referência durante a monitorização remota do sistema no nível de casa.
Sensores de movimento infravermelho passivo (PIR) digitalmente são atribuídos a uma determinada casa durante a instalação do sistema, comunicando-se com o computador de hub através de um Dongle USB sem fio. Um sensor é colocado por quarto para sentir o movimento dentro das transições de quarto e participante de sala em sala. Um "Sensor de linha reta" de quatro sensores é colocada no teto de um corredor ou outra área onde o participante regularmente caminha em um ritmo consistente. Esta linha de sensor permite discreta reunião de velocidade muitas vezes por dia de caminhada. Estes sensores de atividade, tais como o tempo de interrupção ou número de transições de quarto podem derivar outras métricas. Sensores de contato de porta são colocados ao redor da casa, portas em todos os exteriores para detectar dos participantes entrando e saindo da casa e na porta da frigorífico para determinar a frequência geral de acesso de alimentos.
On-line semanal de saúde e atividade Self-Reports são necessários para fazer sentido ideal dos dados do sistema passivo de dispositivos de coleta. Estes dados são fundamentais para a análise do relatório de participantes de eventos no repouso relativo para os dados coletado de sensor. A pesquisa de auto-relato semanal on-line pode ser concluída em qualquer dispositivo de computação (por exemplo, laptop, tablet, smartphone) com uma conexão de Internet para os participantes da consulta sobre viagens fora os visitantes em casa, em casa, alterações de saúde, mudanças de espaço dentro do lar, solidão, depressão e nível de dor. Coleta de dados semanal se baseia em uma janela relativamente curta de recolhimento, que fornece uma resolução muito maior de dados e probabilidade de precisão que, por exemplo, check-ups anuais ou semestrais. Além disso, este processo de auto-relato também permite que os investigadores examinar indicadores passivas do impairment cognitive potencial, tais como a variação no tempo para concluir o inquérito, a variação no número de cliques, mais dificuldades relatórios precisos datas, ou marcadores de imparidade em respostas de texto livre. Como parte da plataforma de base, instalamos uma caixa do comprimido eletrônico dia sete que registra ou não foi aberto o compartimento do dia designado e o tempo (s) que foi aberto todos os dias. Isto fornece informações sobre adesão de medicação, bem como uma indicação potencial de declínio cognitivo se consistência de tomada de medicação diminui.
Uma escala de bioimpedence digital sem fios que também recolhe a pulso, métricas de composição do corpo, velocidade de onda de pulso, temperatura ambiente e nível de ambiente de dióxido de carbono é instalada na casa de banho, fornecendo dados sobre peso diário dos participantes. Então, esses dados podem ser correlacionados com outros eventos relatados (por exemplo, estado de saúde, medicamentos), bem como outros indicadores passivos de comportamento, tais como o protocolo de aderência e a frequência de utilização ao longo do tempo.
Em casos onde nossa unidade de participantes, vamos instalar um sensor de condução em seus veículos. Este sensor fornece informações sobre hábitos, tais como frequência, hora, duração e distância das viagens, bem como a frequência de paradas dura ou difícil acelerações de condução.
Um dispositivo wearable desgastadas de pulso coleta dados de atividade física ambos dentro e fora da casa. Várias marcas e modelos de vestuário têm sido usados em casas de laboratório de vida.
Dependendo do projeto, um investigador utilizando a plataforma ORCATECH pode optar por completar o sensor básico com componentes de coleta de dados adicionais. Um sensor de telefone para monitorar a socialização através da atividade de telefone fixo, o desenvolvimento e a implementação de um tabuleiro de equilíbrio digital para equilíbrio de teste, um tablet com tarefas cognitivas periódicas para o participante completar alguns exemplos testados no passado em sua própria casa e um sistema de mensagens automatizadas para avaliar a eficácia de lembretes de medicação via telefone.
Para manipular os diversos dados gerados pelo laboratório de vida ORCATECH, um sistema de dados e informações sob medidas é usada para coletar, anotando, mantendo e analisando dados de saúde e copiosa atividade. ORCATECH desenvolveu um sistema personalizado para gerenciamento de participante, coleta de dados de auto-relato e processamento e coleta de dados contínua de todos os sensores e dispositivos do sistema. O sistema baseia-se em um cluster de servidor distribuído NoSQL Cassandra para armazenar os dados do sensor e uma arquitetura de lambda usando Kafka e faísca, que permite que nossas capacidades de processamento de dados mover mais perto para processamento em tempo real. Usando uma API REST, os dados são transferidos em programas de software estatístico para análise de dados e plataformas de análise de dados padrão.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Todos os participantes fornecido o consentimento informado por escrito. Vida laboratório os participantes são convidados a viver suas vidas como eles normalmente para permitir o estudo observacional longitudinal de suas atividades de vida e padrões para o resto de suas vidas. Eles podem retirar a qualquer momento, se o desejarem. O protocolo de estudo foi aprovado pelo Oregon Health & amp; Science University (OHSU) institucional Review Board (IRB OHSU vida laboratório #2765).
1. preparação
- Antes da implantação, adicione todos os equipamentos para o sistema de inventário do Console on-line. Atribua um nome para cada dispositivo ou sensor junto com seu número de série e endereço MAC, permitindo-lhe ser armazenado dentro do sistema de inventário do Console.
- Coloque uma etiqueta de código QR em cada peça de equipamento, permitindo que as atribuições específicas de localização para os sensores e dispositivos quando implantado em casa.
- Antes da implantação, todos os sensores e dispositivos que estão a ser instalado serão atribuídos ao repouso escaneando o código QR no sensor ou dispositivo. Isso irá abrir um site que permite a atribuição de sensor ou dispositivo para aquela casa específica.
- Instale o computador de hub com um cartão SD que contém a ferramenta de gerenciamento de configuração do cubo.
- Embale todos os sensores agora inventariados e equipamento, computador hub com cartão SD instalado, em um kit de instalação (caixa) para implantação em casa.
- Verifique se a casa do participante tem um provedor de serviços de Internet.
2. casa implantação
- Configura o computador de hub inserindo o dongle sem fio e o dongle de coordenador ZigBee primário no computador hub. Insira o cabo de Ethernet no computador hub. Por último, conecte o cabo de alimentação do computador hub tomada de alimentação de um quarto está centralmente localizado e ligue o cabo Ethernet para conexão de Internet do repouso.
Nota: A ferramenta de gerenciamento de configuração irá garantir que ele está usando a versão mais atual do software. - Conecte um dispositivo de Internet habilitado (laptop, tablet, celular) para a rede de computer'swireless de hub para acessar o site do painel de controle local. O site do painel de controle irá mostrar o status do computador hub, bem como quaisquer sensores instalados no repouso (Figura 3).
- Execute a ferramenta de configuração de software, garantindo que o software apropriado está instalado. Fazer isso, navegando até o painel de controle e executando a atualização.
- Navegue até o painel de controle para verificar que o computador de hub está se comunicando com o servidor principal. Certifique-se de que os serviços que permitem que os dados a serem coletados de cada dispositivo instalado e o sensor estão instalado e funcionando.
- Adicione os sensores para a casa, começando com os sensores de movimento. Comece abrindo o site de colocação do sensor no painel de controle.
Nota: Se a casa requer mais de 16 sensores de movimento, conecte um dongle de roteador no computador hub e adicioná-lo à rede de área pessoal ou em casa, também chamado de "Pan". Uma vez que a extensão dongles (se necessário) são adicionados à panela, retire-os do computador hub e ligá-los em estabelecimentos espalhados por toda a casa, criando uma rede em torno do repouso que enviará os dados do sensor de movimento para o computador de hub. - No site de colocação do sensor, crie uma planta virtual do repouso, incluindo todos os quartos e as portas de saída. Certifique-se de selecionar a linha do Sensor como uma das áreas que é adicionado para a planta. Adicione representações virtuais de sensores para a planta. Por último, vincule as representações virtuais de áreas para casa outros uns aos outros - de uma maneira que reflete o layout físico do repouso - e para as representações virtuais dos sensores.
- Adicione cada sensor sucessiva para o PANconhecido como a rede de área pessoal - usando a ferramenta de colocação de sensor e fisicamente, pressionando um botão perto da bateria do sensor. Então, comece a fixação de cada sensor para a sala ou área em casa que é representada no plano de chão virtual.
- Continue a anexar os sensores físicos nas paredes da casa. Coloque cada sensor de parede na altura da cabeça em cada quarto (cozinha, quartos, banheiros, salas de estar), garantindo que apenas o sensor captura a atividade na sala e não pegar a atividade de outra área (por exemplo, evitar que alguém andando por um corredor sendo captado pelo sensor em um quarto ao lado do corredor).
Nota: A ferramenta de colocação de sensor permite que você identificar e criar caminhos entre quartos. - Instalar uma linha de quatro sensores de campo restrito (teto) em uma passarela em linha reta (corredores ou outras áreas onde os participantes devem passar cada um dos quatro sensores sem uma mudança no ritmo) no teto para capturar a velocidade ambulante.
- Estes ambulantes sensores de velocidade 61 cm (2 pés) de distância do espaço.
- Recorde a distância exata entre os sensores de campo restrito no site de colocação do sensor.
- Instale sensores de porta em cada porta de saída, novamente usando a planta no site de colocação do sensor para indicar sua localização física.
- Adicione a casamata para o PAN, confirmando que o dispositivo tenha sido atribuído ao inventário em casa. Em seguida, ative o dispositivo através da abertura de uma das suas tampas. Porque a casamata se comunica com o computador de hub, certifique-se de é perto o suficiente para o computador de hub para o sinal a ser detectado.
Nota: A casamata é frequentemente mantida na cozinha ou banheiro com base na preferência do participante. - Para configurar a escala, navegue até a página de escala, localizada na guia de dispositivos no painel de controle.
- Na escala, pressione o botão de power do lado por 10 segundos. A escala deve exibir uma mensagem de confirmação.
- Uma vez que a escala aparece na lista de dispositivos, clique no botão de instalação no lado direito do painel de controle para iniciar o processo de instalação.
- Insira a altura e peso quando solicitado no painel de controle do participante.
- Se o participante não tiver um pacemaker, o Pacemaker utilizando o botão no painel de controle, notificando a escala que ele pode coletar dados de bioimpedence.
- Coloque a balança em um local que tem uma superfície plana e sólida, facilmente acessível ao participante (normalmente em uma casa de banho).
- Tenho o participante pesar-se, confirmando que a escala está gravando seu peso inicial, que é inserido no painel de controle.
- Configure o dispositivo wearable desgastadas de pulso abrindo a página de configuração do painel de controle wearable e pressionando o botão reset localizados na parte posterior do dispositivo dez vezes.
- Após o dispositivo aparece na lista de dispositivos no painel de controle e clique no botão do lado direito do painel de controle para iniciar o processo de instalação Setup .
- Assim que a conta estiver configurada, calibre o tempo usando a ferramenta roda na página de configuração.
- Finalize a configuração sincronizando o wearable com computador hub. Clique no botão de sincronização no painel de controle para confirmar que o dispositivo está se conectando corretamente e o tempo é definido como o mesmo tempo que o computador de hub.
- Indica no Console em que pulso a wearable destina-se a ser usado pelo participante.
Nota: Diferentes dispositivos podem exigir procedimentos diferentes dependendo do fabricante. Dispositivos e sensores adicionais também podem ser implantados e integrados no fluxo de dados, tais como o computador usa software e sensores de condução. Procedimentos para adicionar estas são dadas em seguida.
- Instalar o software de monitoramento de uso comercial de computador no computador do participante e gravar seus endereços de email. Esses endereços de e-mail são usados para enviar e receber semanalmente saúde on-line e pesquisas de atividade.
- Verifique se o sistema operacional de computador do participante é compatível com o uso de computador comercial software de monitoramento.
- Instale o software no computador do participante usando o programa de instalação, hospedado em uma unidade flash USB.
- Verificar se o software está funcionando no computador abrindo o Gerenciador de tarefas e verificar que o software está na lista de aplicativos.
- No sistema de inventário do Console, associe o programa de software com o perfil do participante.
Nota: Consulte a Tabela de materiais para o computador específico usar software utilizado (outro software de monitoramento disponível comercialmente pode ser substituído).
- Instalação de um sensor de condução para os participantes
- Verifique se que o carro do participante foi feito depois de 1996 e que o carro é suportado pelo software de dispositivo sensor de condução.
- Instalar o app do dispositivo de monitorização condução em um dispositivo móvel e usar o aplicativo para configurar o adaptador.
- Com o carro desligado, conecte o adaptador de porta de (ODB) diagnóstico on-Board do carro.
- Espere para o app reconhecer e conectar-se ao adaptador. Isso deve levar de 2-4 min.
- Insira a chave do carro na ignição. (Se o carro tem ignição sem chave, pressione o botão de start do carro). Gire a chave para a posição onde acende-se a energia elétrica sem ligar o motor.
- Espere para o app concluir a configuração do adaptador.
- No sistema de inventário do Console, adicione informações da conta do participante do app para permitir que dados do adaptador ser transferido para os servidores ORCATECH usando aplicativo interface de programação do software comercial (API).
Nota: Consulte a Tabela de materiais para o dispositivo de monitoramento condução específico usado.
3. sistema confirmação
- Uma vez que todos os dispositivos estão em seus lugares finais em casa, confirme que o computador de hub está funcionando corretamente, navegando para o painel de controle. Verifica que o computador hub pode se comunicar com os servidores principais para transferir dados e os serviços de coleta de dados para cada tipo de dispositivo estão executando.
- Revisão se dados é streaming a partir de cada dispositivo por navegar para a página de coleta de dados no painel de controle.
- Afasta-te dos sensores instalados em cada quarto em casa para confirmar que cada sensor está a recolher dados sobre os movimentos recentes. Verifique os sensores de movimento, exibindo o gráfico ao vivo dos dados do sensor de movimento ativados por andar pela casa.
- Verifique a casamata abrindo e fechando cada uma das portas do compartimento da casamata algumas vezes. Revise a página de coleção de dados em painel de controle para ver se esta actividade foi medida e recolhida.
- Verificar a escala por pesagem de si mesmo ou o participante. Confirme esses dados devidamente sincronizados e transmitidos navegando para a coluna Synched dentro da escala de página de dispositivos no painel de controle.
- Verifique se o dispositivo wearable é corretamente sincronizados e transmissão de dados navegando para a coluna Synched dentro da página wearable de dispositivos no painel de controle.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
A suite ORCATECH de tecnologia torna possível coletar um excepcionalmente rico conjunto de dados sobre os padrões de vida de pessoas como eles vão sobre suas atividades habituais. O sistema de sensor permite vigilância discreta e contínua dos voluntários em suas próprias casas. O sistema tem sido utilizado em dezenas de estudos envolvendo centenas de voluntários em pesquisas examinando os domínios-chave da saúde e função como caminhar a velocidade e mobilidade, medicação, tendo comportamento, humor, tempo, dentro ou fora de casa, sono e uso de computador8 , 9 , 10 , 11 , 12 , 13 , 14 , 15 , 16 , 17 , 18. resultados representativos são apresentados aqui.
Velocidade de caminhada é um exemplo de uma função que é desafiador para avaliar convencionalmente com frequência ao longo do tempo em ambientes naturais. É bem reconhecido como um importante indicador de saúde geral e um componente útil de testes clínicos observados durante escritório visitas. Na avaliação clínica da marcha a velocidade tem várias desvantagens. As observações são feitas apenas no máximo algumas vezes por ano. O paciente que está sendo observado também pode andar com um ritmo atípico devido a estar ciente da avaliação. Com o suite do sensor ORCATECH, quatro sensores de infravermelho passivo campo restrito são colocados uma distância conhecida separados tipicamente em um corredor da casa. Um algoritmo calcula a velocidade ambulante de uma pessoa caminhando sob os sensores ao longo do tempo8. Este método de vigilância discreto, foi possível coletar 39.474 episódios ambulante durante um único mês da observação9. Andando a velocidades coletados em-repouso foram encontrados para correlacionar bem com motor medidas avaliadas durante um exame presencial, bem como a função cognitiva (Figura 2). Esta técnica permite observar a função em uma base regular durante longos períodos de tempo, meses ou anos. Isto fornece a oportunidade de observar as mudanças na velocidade da marcha que podem ser características de iminente estados patológicos como suave declínio cognitivo ou demência (Figura 4)16.
Os dados de atividade contínua pela localização combinada com auto-relato e outros dados ambientais conhecidos fornecem a oportunidade de observar as mudanças na atividade associada a muitos eventos importantes da vida. Os dados podem ser visualizados ou exibidos em um número de maneiras. Espiral de parcelas foram encontradas para ser útil a este respeito para identificar tendências de longo prazo no fluxo de dados. Um exemplo é fornecido na Figura 5.
Figura 1 . Plataforma ORCATECH. Múltiplos sensores e dispositivos são implantados ao longo de casas, sintonizadas com medidas de resultado específico de interesse. A caixa designado dispositivo/Sensor "X" representa a capacidade do sistema para ligar em qualquer número de novos dispositivos ou tecnologias conforme necessário ao longo do tempo. Os dados gerados segue protocolos de segurança padrão e estão disponíveis com revisão apropriada para uso por muitos interessados (cientistas dados, colaboradores da Universidade, PHARMA, indústria da saúde, etc.). As casas à esquerda representam as coortes matriculou-se em diversos estudos utilizando a plataforma. Laboratório vida - BC é uma pequena coorte localizada na Colúmbia Britânica, Canadá; Transições de objectivos é um estudo do uso de dados de monitoramento remotos por equipes de cuidados para reduzir indesejadas transições de níveis dependentes de cuidados; EVALUATE-AD é o ecologicamente válidos, Ambient, Longitudinal, avaliação imparcial da eficácia do tratamento na doença de Alzheimer; iCONECT é o noivado de conversação como um meio para o início de doença de Alzheimer-atraso estudo realizado em Oregon e Michigan; CARRINHO (Collaborative Research envelhecimento usando tecnologia iniciativa) tem quatro locais (anciãos de baixa renda em Portland, veteranos no noroeste rural, Africano-americanos mais velhos em Chicago e anciãos Latino em Miami); "Estudos XYZ" denota um número de outros estudos (não listados aqui) que também usam essa infra-estrutura ORCATECH. Clique aqui para ver uma versão maior desta figura.
Figura 2 . Cada quarto em uma casa está relacionado com os outros com base em transições de quarto possível. Os sensores estão ligados às salas em que estão situadas. A linha de sensor ambulante num lar consiste de quatro campo restrito passiva sensores ligados entre si pela ordem em que são colocadas. A linha de sensor ambulante liga Assoalhada (s) em que se situam os sensores. Verde (ou pontos vermelhos, não mostrados aqui) sobre os nós sensores indicam se o sensor está relatando atualmente em para a rede de sensores. Clique aqui para ver uma versão maior desta figura.
Figura 3 . O painel de controle exibe o status do computador hub e todos os sensores instalados em casa. Clique aqui para ver uma versão maior desta figura.
Figura 4 . A trama mostra a trajetória de mudança a pouca variabilidade de velocidade definida como o coeficiente de variação (COV) em uma coorte de 93 idosos seguido em suas casas por mais de três anos. Tempo 0 é a primeira semana da velocidade ambulante monitorada para cada participante. Modelos de trajetória latente foram usados para identificar os quatro grupos distintos:: grupo 1, o mais alta da linha de base e COV crescente, seguido por um COV acentuadamente em declínio; Grupos 2 e 3, relativamente estável de COV; e grupo 4, a linha de base mais baixa e decrescentes COV. Participantes com não-amnésico MCI (naMCI) eram mais provável de ser membros do mais alto ou mais baixo da linha de base COV grupos (grupos 1 ou 4), possivelmente representando a trajetória de andar a variabilidade de velocidade para cedo e tarde-estágio MCI, respectivamente. A figura é modificada de Dodge hh, et al. 19. clique aqui para ver uma versão maior desta figura.
Figura 5 . Enredo de espiral de seis meses de dados de atividade em casa para um laboratório de vida voluntário. Os dados são plotados como um relógio de 24 horas, com meia-noite na parte superior e na parte inferior do meio-dia. Cada dia forma um círculo. Os círculos azuis sólidos marcam os limites de um mês. Pontos coloridos indicam atividade sensor pela localização do quarto: vermelho = banheiro, verde = quarto, rosa = cozinha, azul = sala de estar. Observe o período de três semanas em que o voluntário teve um convidado residente que dormiu na sala de estar (atividade durante a noite na sala de estar é aparente; segundo mês). O período de 2 semanas quando o voluntário não deixou o apartamento para as refeições, é devido a uma epidemia de vírus Noro que resultou em uma restrição de Congregação da Comunidade (quarto mês). Finalmente, observe os padrões consistentes do comportamento: hora de dormir às 22:30, por uma vez a maioria das noites entre 02:00 e 04:00, ascensão tempo 06:00, uma visita a dona de casa às 17:00 a cada duas semanas. Clique aqui para ver uma versão maior desta figura.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Descrevemos um sistema básico ou plataforma permitindo e comunidade-baseado em casa remoto sensoriamento e comunicação das medidas de bem-estar e saúde saliente em uma base contínua. O sistema destina-se a ser usado principalmente em investigação neste momento.
Sempre que possível, o sistema utiliza ferramentas open source e sensores ou dispositivos tirando proveito das APIs disponíveis e kits de desenvolvimento de software (SDK). O sistema é projetado para ser tecnologia "agnóstico", tal que uma grande variedade de sensores ou dispositivos pode ser "ligados na tomada" ou incorporada conforme necessário. Senti domínios escolhidos (por exemplo, medidas de movimento-mobilidade, medicação tendo atividade, uso de computador, etc.) dependerá clinicamente relevantes áreas de função que pode ser considerado mais informativo para uma indicação específica. Assim, uma matriz esparsa ou matriz mais inteiramente caracterizado de sensores e dispositivos pode ser implantado. Dados gerados cresce continuamente e, portanto, o sistema de dados exigiu a modificação para atender a essa demanda. Nesse sentido, podemos ter transferida para uma arquitetura mais distribuída de dados para permitir mais escalabilidade e capacidade de processamento. O sistema é projetado para executar na Comunidade com avaliação remota diária da saúde técnico do sistema de trabalho em casa. Embora autónoma, operação de baixa interação tem sido a chave, o sistema requer visitas ocasionais como sensores ou dispositivos podem falhar e precisa ser consertado ou substituído.
Há uma série de passos críticos para implantar com êxito este sistema na pesquisa. A primeira e mais importante não são 'técnico'. É baseado em participante - garantindo que os participantes entendem o protocolo e são confortáveis com a natureza longitudinal da pesquisa. Isso garante a aderência, por exemplo, para responder o questionário semanal ou usando um dispositivo de controle de medicação. Garantir não só a documentação adequada do set-up inicial da casa (por exemplo, onde se situam os sensores), mas também as alterações que podem ser feitas pelo residente ao longo do tempo é também uma chave para a recolha de dados apropriados e gestão. Da mesma forma, em curso vigilância da funcionalidade do sistema depois de instalado garante que os dados longitudinais são coletados com alta fidelidade ao longo do tempo.
A plataforma ORCATECH torna possível contínuo, a longo prazo e coleta de dados discretos com uma base em ambiente doméstico. As populações são heterogêneas no que diz respeito a conforto e aceitação da tecnologia em sua casa. Dados mostram que a principal razão para motivar a aceitação de utilizar esta tecnologia em estudos de investigação é participante percepção que os dados coletados em última análise, será útil (por exemplo, pode abordar maneiras de envelhecer com sucesso no lugar). Adultos mais velhos, aposentados tendem a gastar mais tempo em casa (em média cerca de 21,5 h por dia como avaliados com a plataforma ORCATECH), tornando-o um local ideal para as observações que refletem o verdadeiro estado de saúde de uma pessoa, em oposição o ambiente de clínica20 . Populações mais jovens ou trabalhando podem gastar consideravelmente menos tempo em casa. No entanto, indivíduos mais novos passam pelo menos um terço de seu dia em casa (geralmente durante a noite e a noite). Além disso, o sistema é projetado para sincronizar com as tecnologias wearable e dispositivos móveis (e.g., smartphones) e outros dados de sensoriamento remotos (por exemplo, dados de condução), tantos tipos de comportamentos fora de casa e atividades podem ser capturadas também. Tecnologia muda rapidamente, adicionando um desafio para a tarefa de manter uma plataforma estável dos dispositivos e do software usado para coletar dados e certifique-se de que é comparável em épocas. Além disso, os dados remotos são capturados sem supervisão e, finalmente, requer validação quanto à sua actividade real inferida. Para tal, é necessário validar as observações feitas ou derivadas usando ORCATECH dados com técnicas de "chão de verdade" ou "padrão ouro". Por exemplo, os algoritmos usados para estimar os parâmetros do sono como tempo total dormindo foram verificados usando tapetes de pressão, colocados sob o colchão,11. Ambulante velocidades calculadas a partir as demissões de uma linha de sensores de infravermelhos passivos foram validadas utilizando uma esteira da marcha8. Estas validações não só fornecem conexão observável para os eventos do mundo real que senti, mas um padrão para comparar os novos sensores ou dispositivos que podem ser usados para putativamente medir a mesma função no futuro. No entanto, existem alguns padrões aceitos para validação do mundo real neste momento. Alguns dos instrumentos que têm sido utilizados no sistema de ORCATECH, tais como actigraphs comercial ou rastreadores de aptidão, podem usar especificações proprietárias ou algoritmos que não são compartilhados com os investigadores. A natureza proprietária do tal tecnologia comercial e seus algoritmos relacionados faz o uso de muitos dispositivos de detecção de comerciais ou tecnologias uma limitação relativa atual da pesquisa no campo de biomarcador móvel e digital em geral.
Na introdução, destacamos que a capacidade de coletar dados contínuo, discreto e ecologicamente válido em casa e comunidade configurações pode ser jogo mudando para pesquisa clínica que dependeu principalmente exames esparsos de auto-relato e breves. O sistema descrito neste artigo fornece um caminho para a comunidade de pesquisa atingir esse objetivo. Muitas tecnologias de avaliação individual (wearables, smartphone aplicativos de geração de relatórios, etc) para monitorar pessoas em situ tem sido descrito21. Muito menos, mais sistemas integrados 'casa inteligente' têm sido relatados que têm muitos dos recursos descritos neste papel de22 . Esta continua a ser um domínio incipiente e poucos com êxito tem desenvolvido e implantado essas tecnologias como um sistema to-end para pesquisa, implantado em configurações de comunidade mais amplas. Uma maior adopção dessas abordagens é um foco importante para o futuro trabalho.
Existem muitas aplicações potenciais para esta plataforma. Por exemplo, o sistema pode ser usado para vigilância de saúde pública, tais como monitoramento de comunidades para surtos de doenças infecciosas onde mudanças relativamente agudas em transições de quarto indicam indivíduos que desenvolveram sintomas virais23. Ao mesmo tempo, informações dessa abordagem podem permitir a compreensão quanto à eficácia de uma quarentena ou restrição de atividade ao nível da Comunidade, determinando quantas pessoas permaneceu em suas casas ao longo do tempo.
Em um nível mais básico, o sistema pode ser usado para informar os pesquisadores sobre aspectos fundamentais do comportamento humano no mundo real. Assim, ele foi empregado para examinar a previsibilidade da atividade humana no espaço pessoal, um aspecto importante para a generalização de toda modelagem preditiva de investigação aplicada às pessoas enquanto estava em sua casa ou no interior de ambientes24, 25. os resultados sugeriram que a mobilidade humana no espaço pessoal é altamente estereotipada, e que descontinuidades nos padrões de mobilidade de quarto nível rotina de monitoramento pode proporcionar uma oportunidade para prever saúde humana individual e funcional estatuto ou detectar eventos adversos e tendências.
Outras aplicações mais diretamente podem afetar determinações de progressão de doença e diagnóstico que são altamente relevantes para pacientes, famílias e profissionais de saúde. Neste contexto, o sistema ORCATECH tem sido frequentemente usado para examinar a actividades relevantes e comportamentos que indicam a preservação relativa da cognição e da saúde no envelhecimento das populações. O sistema é particularmente sintonizado com mudanças relacionadas com a idade de endereço no cognitivo e saúde física que é desafiador para avaliar com métodos e ferramentas tradicionais onde o atual paradigma de avaliação e cuidados consiste em breve baseada na clínica visitas algumas vezes uma ano, muitas vezes utilizando inventários qualitativos para avaliar físico, cognitivo e os sintomas Neurocomportamentais. Estes inventários baseiam-se as memórias subjetivas e/ou impressões de um cuidador26,27 ou auto-relato pelo paciente, que pode não ser confiável. Um estudo comparando atividade auto-relatados com dados de atividade objetiva recolheram os sensores ORCATECH em casa encontrou o acordo apenas de 25% no tempo28. Contínua observação objectiva pode melhorar a detecção de alterações na saúde e a avaliação dos tratamentos especialmente para condições crônicas ou progressivas, tais como alterações de humor, transtornos de mobilidade ou demência, onde é um desafio para os indivíduos ou suas famílias a observar e a recordar com precisão lento assim como mudanças de flutuação ao longo do tempo.
Variedade de diversa da plataforma de canais de dados de potenciais oferece muitas janelas de observação e avaliação resultante da mudança significativa para interrogar como indivíduo ou múltiplas funções podem mudar através de uma determinada condição. Por exemplo, várias funções da plataforma tem sido usadas para interrogar mudança associada com transtorno cognitivo leve (MCI) ao longo do tempo. Assim, a velocidade ambulante, conforme calculado de demissões de sensor infravermelho passivo, foi encontrada para diminuir com a MCI suave, enquanto a variabilidade em andar a velocidade aumentada ao longo do tempo esta população16. Padrões de descanso e atividade foram inferidos acendimentos de sensor do quarto com a constatação de que o sono torna-se mais perturbado como comprometimento cognitivo progride11. Aderência de medicação diminuída, como se segue usando a casamata de MedTracker, também foi encontrada para ser um marcador para cedo cognitivo mudar12,17. Uso de computador, software de rastreamento foi usado para descobrir que diminui de uso de computador com MCI e padrões no uso de um mouse de computador também pode refletir o declínio cognitivo13,14.
Em resumo, o paradigma ORCATECH de coleta de dados tem muitos pontos fortes em comparação com métodos de aquisição de dados de pesquisa clínica tradicional. Os dados são coletados em grande parte discreta do ambiente familiar em casa. Informações são reunidas em alta frequência, em um minuto ou nível diário, durante um longo período de tempo, possibilitando estudos longitudinais ecologicamente válidos de saúde e bem-estar. O sistema ORCATECH é adequado para uma ampla variedade de domínios de investigação: descoberta básica de atividade e comportamento humana, vigilância em saúde pública e doença ou condição específica rastreamento. Pode ser especialmente útil como aplicado a intervenções e pesquisa de ensaios clínicos para a detecção sensível de mudança significativa do mundo real. Nesta aplicação, existem vários benefícios potenciais incluindo: 1) permitindo que os pesquisadores melhorar a objetividade dos resultados de estudo e confiabilidade; reduzindo os tamanhos de amostra 2) e diminuindo o tempo de resposta devido a alta resolução temporal dos dados; 3) descobrindo ocultos eventos adversos que podem ser detectados de forma sutil, mas podem ter ido não declarada pelo participante; 4) facilitar a avaliação pós-julgamento ou pós-mercada contínua a longo prazo de uma intervenção do destino. Prevê-se que esta metodologia substancialmente avançará investigação clínica, pois torna-se mais amplamente implantada e melhora continuamente com inevitáveis avanços em tecnologia e suas aplicações.
A variedade de canais de dados e domínios produzido pelo sistema oferece uma única janela para a vida quotidiana dos participantes a um número de configurações de pesquisa que pode tirar proveito de alta frequência, a longo prazo e captura de dados ecologicamente válido. Prevê-se que esta abordagem será de valor para muitas equipes de pesquisa. Planos futuros incluem a expansão desta plataforma para permitir uma implantação em larga escala de colaboração para milhares de lares, facilitadas pela recente iniciativa envelhecimento pesquisa usando tecnologia colaborativa (carrinho, www.carthome.org) do NIH e VA. Estes novos dados serão combinados com os mais de dez anos de informações já coletadas para criar um recurso importante para a compreensão de mudança cognitiva e funcional com o envelhecimento em populações diversas.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Os autores não têm nada para divulgar.
Acknowledgments
A pesquisa descrita aqui foi apoiada por concessões do institutos nacionais da saúde, Instituto Nacional sobre o envelhecimento (U2CAG054397, AG024978 de P30, P30 AG008017, R01 AG042191, AG024059 R01), Intel, a Fundação para o National Institutes of Health e o Robert Wood Johnson Foundation.
Materials
| Name | Company | Catalog Number | Comments |
| Raspberry Pi 3 Model B | Raspberry Pi Foundation | Raspberry Pi 3 Model B | |
| Motion Sensor | NYCE Sensors Inc | NCZ-3041-HA | |
| Door/Window Sensor | NYCE Sensors Inc | NCZ-3011-HA | |
| Curtain Motion Sensor | NYCE Sensors Inc | NCZ-3045-HA | |
| iSort | TimerCap | iSort | |
| Home Stealth USB Phone Recorder | Fiho | Fi3001B | |
| Automatic Pro | Automatic | AUT-350C | |
| Body Cardio Scale | Nokia | WBS04 | |
| Activite/Steel Activity Monitor | Nokia | HWA01 STEEL | |
| Alta 2 | Fitbit | FB406 | |
| Charge 2 | Fitbit | FB407 | |
| Flex 2 | Fitbit | FB403 | |
| Zigbee USB Stick | Silicon Labs | ETRX3USB | |
| WorkTime | Nestersoft | WorkTime Corporate |
References
- 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).
- 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).
- Kim, K. I., Gollamudi, S. S., Steinhubl, S. Digital technology to enable aging in place. Exp Gerontol. 88, 25-31 (2017).
- Kaye, J. Making pervasive computing technology pervasive for health & wellness in aging. Public Policy & Aging Report. 27 (2), 53-61 (2017).
- 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).
- Wild, K., Boise, L. In-Home Monitoring Technologies: Perspectives and Priorities of Older Adults. , (2012).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Kaye, J., et al. Unobtrusive measurement of daily computer use to detect mild cognitive impairment. Alzheimer's & Dementia. 10 (1), 10-17 (2014).
- 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).
- Seelye, A., et al. Embedded online questionnaire measures are sensitive to identifying mild cognitive impairment. Alzheimer Dis Assoc Disord. 30 (2), 152-159 (2016).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Campbell, I. H., et al. Engineering in Medicine and Biology Society, EMBC, 2011. Annual International Conference of the IEEE. , 6793-6796 (2011).
- Austin, D., Cross, R. M., Hayes, T., Kaye, J. Regularity and predictability of human mobility in personal space. PloS one. 9 (2), 90256 (2014).
- 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).
- Cummings, J. L. The Neuropsychiatric Inventory Assessing psychopathology in dementia patients. Neurology. 48, 5 Suppl 6 10-16 (1997).
- 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).
- 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).
