Summary
Diskreta sensorer och pervasive computing-teknik införlivas med det dagliga hem livet för äldre vuxna möjliggör meningsfull hälsa och aktivitetsändringar registreras kontinuerligt under månader till år, ger ekologiskt giltig, hög frekvens, multi-domän data för forskning eller klinisk användning.
Abstract
En end-to-end uppsättning tekniker som har fastställts för diskret och kontinuerlig övervakning av hälsa och aktivitet förändringar som sker i det dagliga livet för äldre vuxna över längre tidsperioder. Tekniken är samlad i ett system som omfattar principer för att vara minimalt påträngande, samtidigt som de skapar säkert, sekretess skyddas, kontinuerlig objektiva data i verkliga (hem-baserade) inställningar för månader och år. Systemet inkluderar passiv infraröd närvaro sensorer placerade i hela hemmet, kontakta dörrsensorer installerad på ytterdörrar, anslutna fysiologiska övervakning enheter (såsom skalor), medicinering lådor och bärbara actigraphs. Drivande sensorer installeras också i deltagarnas bilar och datoranvändning (dator, surfplatta eller smartphone) spåras. Data är kommenterad via frekventa online själv rapportera alternativ som ger viktig information avseende data som är svårt att utläsa via sensorer som inre staterna (t.ex.smärta, humör, ensamhet), samt data referent till aktivitet mönster tolkning (t.ex., besökare, ordnas möbler). Algoritmer har utvecklats med hjälp av uppgifterna för att identifiera funktionella domäner nyckeln till hälsa eller sjukdom aktivitet övervakning, inklusive rörlighet (t.ex., rum övergångar, steg, gång hastighet), fysiologiska funktion (t.ex., vikt, kropp kroppsmasseindex, puls), sova beteenden (t.ex., sömntid, resor till badrummet på natten), medicinering följsamhet (t.ex., missade doser), sociala engagemang (t.ex., tid av hem, tid par tillbringar tillsammans), och kognitiva funktion (t.ex., tid på dator, musrörelser, kännetecken för online-formuläret slutförande, körförmåga). Förändring upptäckt av dessa funktioner ger en känslig markör för tillämpning i hälsokontroll av akuta sjukdomar (t.ex., viral epidemin) till tidig upptäckt av prodromala demens syndrom. Systemet lämpar sig särskilt för att övervaka effekten av kliniska interventioner i naturhistoria studier av geriatrisk syndrom och i kliniska prövningar.
Introduction
Rådande klinisk forskning är fylld med begränsningar i reliabiliteten och validiteten av data fångas på grund av inneboende bristerna i bedömningsmetod. Intervjuer är begränsade av de tider när de klinikern och patienten kan koordinera scheman. Tid som avsatts för undersökningar begränsas av vad volontären kan rimligen bli ombedd att göra i en enda session. Dessa kort, brett placerade sessioner - begränsa även om förstärkt av enstaka telefonsamtal eller Internet-frågor - kraftigt potential att upptäcka betydelsefull förändring i funktion eller välbefinnande över tid. Aktuella testet sessioner är till stor del av förfrågningar om information som kan vara svåra att minnas och verifierar (t.ex., ”kommer du ihåg att ta dina mediciner”?) eller konstgjorda uppgifter (t.ex., ”stå upp och sitta ner så fort du kan ”; ”Kom ihåg dessa tio ord”). Bedömningar är ofta utformade för att begränsa test-till-test variabilitet när i själva verket variationer i prestanda själv kan vara en viktig diagnostisk funktion. Ytterligare, dessa kort biopsier tid bedrivs under konstgjorda förhållanden snarare än inom det normala flödet av det dagliga livet. Därför är de begränsade ekologiska giltighetstid. Slutligen, den nuvarande paradigmen inneboende kan inte ge direkt koppling av ömsesidigt beroende viktiga händelser eller resultat (t.ex., sömn, socialisering, fysisk aktivitet) eftersom data inte är tidsstämplade annat än som påminde om.
En strategi för att övervinna dessa brister ligger i utvecklingen av system som kan bäddas i hem eller gemenskapen som drar nytta av framstegen inom pervasive computing och sensing teknik, trådlös kommunikation och hög frekvens multi-domän data Analytics. Teknik och erfarenhet på detta område växer och ett antal system har utvecklats, men har varit begränsat i distribution, funktioner eller längsgående erfarenhet1,2,3,4. I detta manuskript beskriver vi ett protokoll som utvecklats som ett medel att ge realtid, kontinuerlig och longitudinella hem-baserade bedömning av hälso-relevanta data för att förbättra på begränsningarna av den nuvarande hälsa bedömning paradigmen. Oregon centrum för åldrande & amp; Technology (ORCATECH) har utvecklat en hem-baserade system baserat på pervasive computing och sensing teknik för att ge kontinuerlig, realtid bedömning av hälso-verksamhet och beteende. Ikraftsättande hem till möjliggöra till stor del diskret och kontinuerlig övervakning av verkliga verksamhet väsentligen bedömningen övervinner nuvarande begränsningar. Först, eftersom kärnsystemet är inbäddad i livet-utrymmet av deltagarna som en del av deras omgivande miljö, det är till sin natur bekvämt. Bedömningar som kräver diskret Svaren kan samlas när en person är mest tillfreds och, när det gäller passiv insamlingsmetoder, så ofta som nödvändigt utan att belasta en deltagare. Andra i personens normala liv-utrymme ger möjlighet att samla in data som är omedelbart ekologiskt relevanta, inte helt enkelt testa krystat åtgärder av funktion, men vardagliga kognition. Till exempel prospektivt minne misslyckande, ett vanligt klagomål svårt naturalistiskt testa i kliniken, kan bedömas i hemmet genom automatisk dagliga spårning av medicinering tar beteende, alltså trycka vardagliga kognition, såväl som ett nyckeltal metriska kända för att vara känslig för kognitiv förändring. Eftersom data är digitala och tidsstämplad, underlättas det tredje mätning av flera inbördes relaterade åtgärder anpassas i tid. Till exempel tid på telefon och tid ur hem (åtgärder för social engagement eller återkallande), datoranvändning (mäta initiering, psykomotorisk aktivitet och kognitiva funktioner) och andra åtgärder som har visat att ändra med funktionella nedgång ( sömnen beteende, vikt, gånghastighet) kan lägga till känsligheten på sensorn netto att skilja subtila förändringar som kan annars vara uppenbar. Ännu viktigare, kan effekten av hälsa och liv händelser på kognition och funktion (t.ex., veckorapporter av smärta, medicinering förändring, nedstämdhet) också kopplas till denna dataström som förekommer. Slutligen, konventionella tester och frågor kan presenteras via dator eller relaterade gränssnitt (t.ex., surfplatta, smartphone), som ger enastående möjligheter att samtidigt jämföra äldre testa prestanda till romanen digitalt härledda åtgärder från samma tester, såsom svar eller paus gånger, inlärningskurvor och intra-test variabilitet. Detta nya synsätt förvandlar således nuvarande bedömning för att bli mer bekväm, diskret, kontinuerlig, multi-domän och naturalistiska. Slutändan, grundläggande plattformen av hemmet sensor baserad bedömning teknik och metodik, ger ett system som kan vara trimmad och skalas till adress ett brett utbud av specifika frågeställningar relaterade till hälsa och välbefinnande med noterade fördelar över den nuvarande accepterade praxis sällan klinik eller telefon-baserade bedömningar.
Följande protokoll beskriver processen för att distribuera denna plattform för diskreta in-home beteendemässiga och hälsorelaterad datainsamling. Utveckla denna plattform, har ett viktigt mål varit att ge en grundläggande uppsättning bedömning funktioner som kan tillhandahålla uppgifter som är nödvändiga att utläsa både allmänna domäner av hälsa och välbefinnande (fysiska, kognitiva, sociala, känslomässiga), samt mer specifika beteenden ( t.ex., medicinering tar, promenader, sömn-relaterade aktiviteter, fysiologisk aktivitet). Utvecklingen av plattformen har styrts av flera principer som bland annat använder de mest passiva diskret fjärranalys strategier, minimera direkt användarengagemang med teknik, att vara teknik 'agnostiker' (dvs., anställa de bästa enheterna eller tekniska lösningar snarare än att kräva en viss strategi eller produkt), att vara tålig (för långsiktig bedömning) och skalbar och minimera hands-on underhåll.
Den plattform som beskrivs har utvecklats under de senaste tolv åren, huvudsakligen informeras av en rad slutanvändare, från ”digitalt naiva” early adopters. Periodiska undersökningar och fokusgrupper har varit nyckeln till att informera denna utveckling5,6,7. Hundratals frivilliga har tillåtit att systemen ska distribueras kontinuerligt i sina hem för upp till elva år med iterativ ändringar införs baserat på tekniska utvecklingen, nya funktionella kapacitet efterfrågades av forskarvärlden, och viktiga konstant tillförsel av individer som lever i hem där tekniken har distribuerats. Sammantaget dessa volontärer har bildat ett ”levande” laboratorium i gemenskapen som vi kallar den ”Life Laboratory” där deras hem och de kontinuerliga insamlade under hela dagen innehålla en unik nivå av information om hälsa, aktivitet, och den livslopp.
En grundläggande plattform av sensing teknik utgör ryggraden i det övergripande systemet för att fånga kontinuerlig hem-baserade data. Delar av denna plattform beskrivs senare. Den core plattformen ändras (element kan läggas till eller tas bort) baserat på den information som erhålls under processen med att samla in användaren attityder, och övertygelser och resultatåtgärder av intresse för studien med hjälp av forskningsplattformen. Eftersom data kommunikationsprotokoll är standardiserade, har systemet utformats för att tillåta någon enhet som följer dessa protokoll för att ingå i nätverket.
Den grundläggande plattformen som beskrivs här baseras på användningsfallet av volontärer i den liv laboratorium (LL) som samtycker till har den plattform som distribueras inom deras hem att samla naturalistiska verksamhet och beteende data av verksamheten normalt liv under många år (längsta nuvarande kontinuerlig distribution = 11 år).
Hub datorn och Ethernet/WiFi-anslutning låter datainsamling från systemenheter och överföring tillbaka till säkra servrar på ORCATECH utan deltagare störningar. Hub datorn är konfigurerad till specifika deltagare och hem set-up på systeminstallation med hjälp av en bärbar dator eller surfplatta och en kontrollpanel som ansluter till en centraliserad digital deltagare ledningssystem. Ytterligare Datainsamlingsenheter (t.ex. sensorer, MedTracker och skala) kan konfigureras genom att kommunicera med hub datorn på samma sätt.
ORCATECH konsolen och Remote Technology Management System är en anpassad digital teknik och data management system kallas ”Console” som tillåter deltagare husteknik konfiguration och systeminställning, samt pågående remote teknik förvaltning av bostäder inklusive secure datainsamling och övervakning. Dessutom, för att underlätta distribution av systemet i gemenskapen där varje hem kan ha en unik layout, används en grafritande verktyg baserat på en Tablet PC-gränssnitt för att automatiskt registrera där olika sensorer finns och deras giltiga fysiska sammanlänkningar till andra sensorer (figur 2). Detta är viktigt för referens under fjärrövervakning av systemet på nivån hem.
Passiv infraröd (PIR) rörelsesensorer tilldelas digitalt ett visst hem under systeminstallation, kommunicerar med hub datorn via en trådlös USB-Dongle. En sensor är placerad per rum att känna rörelse inom rummet och deltagaren övergångarna från rum till rum. En rak ”Sensor linje” fyra givare placeras i taket i en Hall eller annat område där deltagaren går regelbundet i en konsekvent takt. Denna sensor linje tillåter diskret insamling av gånghastighet många gånger per dag. Andra mått kan härledas från dessa aktivitetssensorer dröjtiden t.ex antal rum övergångar. Kontakt dörrsensorer placeras i hemmet på alla ytterdörrar för att upptäcka deltagarnas kommer och går från hemmet, och på kylskåpet att fastställa allmänna frekvens av mat tillgång.
On-Line Weekly hälsa och aktivitet Self-Reports krävs optimal vettigt av data från det passiva systemet samling enheter. Dessa uppgifter är kritiska till analysen av deltagare rapport av händelser i hemmet i förhållande till den samlade sensordata. Den veckovisa själv rapportera webbenkät kan slutföras på varje datorenhet (t.ex., laptop, surfplatta, smartphone) med en Internet-anslutning att fråga deltagarna om resor av hem, besökarna i hemmet, hälso-förändringar, utrymme förändringar inom den hem, ensamhet, depression och smärtnivå. Veckovisa datainsamling bygger på ett relativt kort fönster av hågkomst, som ger mycket högre upplösning av data och sannolikheten för noggrannhet än, till exempel, års- eller halvårsvis hälsokontroller. Dessutom kan själv rapportera processen också utredarna att undersöka passiva indikatorer av potentiella kognitiv svikt, såsom variation i tid att slutföra undersökningen, variation i antalet klick, ökade svårigheter rapportering korrekt datum eller leverfunktion markörer i fri text svaren. Som en del av den grundläggande plattformen installerar vi en sjudagars elektronisk pillerdosa som spelar in om huruvida de utsedda dagens fack öppnades och den gånger som det öppnades varje dag. Detta ger information om medicinering följsamhet samt en potentiell indikation på kognitiv nedgång om konsekvens av medicinering-ta minskar.
En trådlös digital bioimpedence skala som samlar även in puls, måtten kroppssammansättning, pulse wave velocity, omgivningstemperatur och omgivande koldioxidhalten är installerad i badrummet, med uppgifter om deltagarnas dagliga vikt. Dessa data kan sedan korreleras med andra rapporterade händelser (t.ex., hälsostatus, mediciner), samt andra passiva indikatorer på beteende, till exempel protokollet vidhäftning och frekvensen av användning över tiden.
I fall där våra deltagare drive, vi installerar en drivande sensor i sina fordon. Denna sensor ger information om körvanor såsom frekvens, tidpunkt, varaktighet och avstånd av resor, liksom frekvensen av hårda stopp eller hårda accelerationer.
En handled slitna bärbar enhet samlar in fysisk aktivitet både in och ut ur hemmet. Flera märken och modeller av wearables har använts i Life Laboratory hem.
Beroende på projektet, kan en utredare med hjälp av ORCATECH-plattformen välja att komplettera grundläggande sensorn med ytterligare insamling av data komponenter. Testade tidigare till exempel en telefon sensor för att övervaka socialisation genom fasta telefonaktivitet, utvecklingen och genomförandet av en digital balans-board för balans test, en tablett med periodiska kognitiva uppgifter för deltagaren att slutföra i sitt eget hem, och ett automatiserat SMS-system för att utvärdera effekten av medicinering påminnelser via telefon.
För att hantera de olika data som genereras av den ORCATECH liv Lab, en skräddarsydd information och datasystem används för att samla in, kommentera, underhålla och analysera kopiösa aktivitet och hälsodata. ORCATECH har utvecklat ett anpassat system för hantering av deltagare, själv rapportera datainsamling och bearbetning och fortlöpande uppgiftsinsamling från alla systemenheter och sensorer. Systemet bygger på en distribuerad NoSQL-Cassandra serverkluster att lagra sensordata och en lambda arkitektur med Kafka och gnista som tillåter vår databehandling kapacitet att närma sig realtidsbearbetning. Använder ett REST API, överförs data till standard data analys-plattformar och statistiska programvaror för dataanalys.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Alla deltagare som skriftligt informerat samtycke. Livet laboratorium deltagarna ombeds att leva sina liv som de normalt skulle för att tillåta longitudinell observationsstudie av deras aktiviteter och mönster för resten av sina liv. De får dra tillbaka när som helst om de önskar. Studieprotokollet godkändes av Oregon Health & amp; Science University (OHSU) institutionella Review Board (Life laboratorium OHSU IRB #2765).
1. beredning
- Innan utbyggnaden, lägga all utrustning till konsolen lagersystemet online. Tilldela ett namn till varje enhet eller sensor tillsammans med dess serienummer och MAC-adress, så att den kan lagras inom konsolen lagersystemet.
- Placera en QR kod tagg på varje del av utrustningen, aktivera specifika tilldelningar av hemposition för sensorer och enheter när de distribueras i hemmet.
- Före distributionen, ska alla sensorer och enheter som ska installeras tilldelas till hemmet genom att skanna QR-koden på sensorn eller enhet. Detta kommer att ta upp en webbplats som gör sensorn eller enhet tilldelning till det specifika hem.
- Installera den nav-datorn med ett SD-kort som innehåller verktyget hub configuration management.
- Packa alla nu inventerats sensorer och utrustning, nav dator med installerat SD-kortet i en monteringssats (box) för hem-distribution.
- Kontrollera att deltagarens hemma har en Internet-leverantör.
2. hem distribution
- Ställa in navet datorn genom att infoga den trådlösa dongeln och primära ZigBee samordnare dongeln i navet datorn. Infoga Ethernetkabeln in i nav-datorn. Slutligen, Anslut hub datorns nätsladd till ett centralt rummets eluttag och Anslut Ethernet-kabeln till hemmets Internetanslutning.
Obs: Verktyget configuration management säkerställer att det använder den mest aktuella versionen av programvaran. - Anslut en Internetaktiverade enhet (laptop, surfplatta, mobiltelefon) till nätverkets nav computer'swireless tillgång till den lokala kontrollpanel hemsidan. Den kontrollpanel hemsidan visar status för hub datorn samt eventuella sensorer installerade i hemmet (figur 3).
- Kör verktyget för konfiguration av programvara, installeras att säkerställa lämplig programvara. Gör detta genom att navigera till Kontrollpanelen och kör uppdateringen.
- Navigera till Kontrollpanelen för att kontrollera att navet datorn kommunicerar med de viktigaste servrarna. Kontrollera att de tjänster som gör att data ska samlas in från varje enhet som är installerad och sensor är igång.
- Lägga till sensorer i hemmet, börjar med rörelsesensorer. Börja med att öppna webbplatsen sensor placering från Kontrollpanelen.
Obs: Om hemmet kräver mer än 16 rörelsesensorer, ansluta en router-dongel i datorn för nav och lägga till i hemmet eller personligt nätverk, även kallad den ”PAN.” När de förlängning donglar (vid behov) läggs i grytan, ta bort dem från nav dator och sedan koppla dem till butiker spridda över hela hemmet, att skapa ett nätverk i hemmet som kommer att skicka motion sensordata hub datorn. - I sensorn placering webbplats, skapa en virtuell planritning av hemmet, inklusive alla rum och avstigning dörrar. Se till att välja raden Sensor som ett av de områden som läggs till planritningen. Lägga till virtuella representationer av sensorer i planlösningen. Slutligen, länka de virtuella representationerna av hem områden till andra varandra - på ett sätt som återspeglar den fysiska layouten av hemmet - och virtuella representationer av sensorer.
- Lägg varje successiva sensor i grytan - känd som det personliga nätverket - genom att använda verktyget sensor placering och fysiskt en knapptryckning nära sensorns batteri. Starta sedan koppla varje sensor till det rum eller område i hemmet som representeras i virtuella planritningen.
- Fortsätta att fästa de fysiska sensorerna till väggarna i hemmet. Placera varje vägg sensor i huvudhöjd varje rum (kök, sovrum, badrum, vardagsrum) att säkerställa att sensorn endast fångar aktiviteten i rummet och inte plocka upp aktiviteten från ett annat område (exempelvis undvika någon gå ner en Hall är plockas upp av sensorn i ett rum bredvid hallen).
Obs: Sensor placering verktyget kan du identifiera och skapa vägar mellan rum. - Installera en rad med fyra begränsat fält (taket) sensorer i en rak gångväg (korridorer eller andra områden där deltagarna måste gå förbi varje av de fyra sensorerna utan en förändring i takt) i taket att fånga gånghastighet.
- Utrymme dessa promenader hastighetssensorer 61 cm (2 fot) ifrån varandra.
- Spela in det exakta avståndet mellan begränsade fältet sensorerna i sensorn placering webbplats.
- Installera dörrsensorer på varje utgång dörr, igen med planlösningen på webbplatsen sensor placering för att indikera deras fysiska plats.
- Lägg pillerdosan i grytan, bekräfta att enheten har tilldelats Heminventering. Sedan aktivera enheten genom att öppna en av dess lock. Eftersom pillerdosan kommunicerar med hub datorn, se till det nära nog till hub datorn dess signal att upptäckas.
Obs: Pillerdosan hålls ofta i köket eller badrummet utifrån deltagarnas önskemål. - För att ställa in skalan, navigera till sidan skala, ligger inom fliken enheter i Kontrollpanelen.
- På skalan, tryck knappen side power i 10 sekunder. Skalan visas ett bekräftelsemeddelande.
- När skalan visar upp i listan över enheter, klicka på knappen Inställningar till höger på Kontrollpanelen för att starta installationen.
- Ange deltagarens längd och vikt när du uppmanas i Kontrollpanelen.
- Om deltagaren inte har pacemaker, växla knappen Pacemaker i Kontrollpanelen anmälande skalan att det kan samla in bioimpedence data.
- Placera vågen på en plats som har en platt, solid yta som är lätt åtkomliga för deltagaren (vanligtvis i badrum).
- Har deltagaren väga sig, bekräftar skalan är att registrera sin ursprungliga vikt som anges i Kontrollpanelen.
- Ställa in handleden slitna bärbara enheten genom att öppna wearable kontroll panel installationssidan och trycka på återställningsknappen ligger på baksidan av enheten tio gånger.
- Efter att enheten visas i listan över enheter i Kontrollpanelen och klicka på knappen Inställningar till höger på Kontrollpanelen för att starta installationen.
- När kontot är konfigurerat, kalibrera tiden med hjälp av hjulet på installationssidan.
- Slutför installationen genom att synkronisera bärbara med nav-datorn. Klicka på knappen Synkronisera i Kontrollpanelen för att bekräfta att enheten ansluter ordentligt och tiden är inställd på samtidigt som datorn som hub.
- I konsolen ange på vilken handled bärbara är avsedd att bäras av deltagaren.
Obs: Olika enheter kan kräva olika procedurer beroende på tillverkaren. Ytterligare sensorer och enheter kan också distribueras och integreras i dataströmmen som datorn använder programvara och drivande sensorer. Procedurer för att lägga till dessa ges nästa.
- Installera den kommersiell användning övervakning programvaran på deltagarens dator och spela in sin e-postadress. Dessa e-postadresser används för att skicka och ta emot veckovisa online hälsa och aktivitet undersökningar.
- Kontrollera att deltagarens datoroperativsystem är kompatibla med kommersiell användning övervakning programvara.
- Installera programvaran på deltagarens dator använder installationsprogrammet värd på ett USB-flashminne.
- Kontrollera att programvaran fungerar på datorn genom att öppna Aktivitetshanteraren och kontrollera att programvaran är i listan över program.
- I konsolen lagersystemet, associera programmet med deltagarens profil.
Obs: Se Tabell av material för den specifika datorn använder programvara som används (andra kommersiellt tillgängliga övervakning programvara kan ersättas).
- Setup en drivande sensor för deltagare
- Kontrollera att deltagarens bil gjordes efter 1996 och att bilen stöds av drivande sensor enhetens programvara.
- Installera övervakning köranordningens-appen på en mobil enhet och använda appen för att konfigurera kortet.
- Med bilen avstängd, Anslut adaptern till bilens on-board diagnostic (ODB) port.
- Vänta tills appen att känna igen och ansluta till adaptern. Detta bör ta 2-4 min.
- Sätt in bilnyckeln i tändningen. (Om bilen har keyless tändningen, tryck på bilens start-knappen). Vrid nyckeln till läge där den växlar på elkraft utan att starta motorn.
- Vänta tills appen för att slutföra konfigurationen av adaptern.
- I konsolen lagersystemet, lägga till deltagarens kontoinformation från appen så att kortets data överförs till ORCATECH servrar via kommersiella programvarans application programming interface (API).
Obs: Se Tabell av material för specifik övervakning köranordningen används.
3. systemet bekräftelse
- När alla enheter är i sin slutliga plats i hemmet, bekräfta att hub datorn fungerar korrekt genom att navigera till Kontrollpanelen. Kontrollera att hub datorn kan kommunicera med de viktigaste servrarna för att överföra data och tjänster att samla in data för varje enhetstyp kör.
- Recension om data direktuppspelas från varje enhet genom att navigera till sidan samling på Kontrollpanelen.
- Gå nära rörelsesensorer installerade i varje rum i hemmet för att bekräfta varje sensor att samla in data om senaste rörelser. Kontrollera rörelsesensorer genom att Visa live grafen av motion sensordata aktiveras av promenader genom hem.
- Kontrollera pillerdosan genom att öppna och stänga varje fack dörrarna till pillerdosan några gånger. Granska sidan samling på Kontrollpanelen för att se om det senaste aktiviteten var mätas och samlas in.
- Kontrollera skalan genom vägning själv eller deltagaren. Bekräfta informationen är korrekt synkroniseras och överförs genom att navigera till kolumnen Synched inom skalan i Kontrollpanelen sidan på enheter .
- Kontrollera om den bärbara enheten är ordentligt synkroniserade och överföra data genom att navigera till kolumnen Synched inom wearable sidan enheter på Kontrollpanelen.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
ORCATECH sviten teknik gör det möjligt att samla en unikt rik uppsättning data om livet mönster av människor som de går om sina vanliga aktiviteter. Sensorsystem tillåter diskret och kontinuerlig övervakning av frivilliga i sina egna hem. Systemet har använts i ett tiotal studier som inbegriper hundratals frivilliga i forskning att undersöka viktiga domäner av hälsa och funktion såsom promenader hastighet och rörlighet, medicinering med beteende, humör, tid i eller utanför hemmet, sömn och dator användning8 , 9 , 10 , 11 , 12 , 13 , 14 , 15 , 16 , 17 , 18. representativa resultat presenteras här.
Gånghastighet är ett exempel på en funktion som är utmanande att konventionellt bedöma ofta över tid i naturmiljöer. Det är välkänd som en viktig indikator med allmänhälsa och en användbar komponent i kliniska prövningar observerades under office besök. I kliniken bedömning av gångart har hastighet flera nackdelar. Observationer görs endast på de flesta några gånger per år. Patienten observeras kan också gå med en atypiska takt på grund av att vara medveten om bedömningen. Med ORCATECH sensor suite placeras fyra begränsade fältet passiva infraröda sensorer en känd sträcka apart vanligtvis i en Hall i hemmet. En algoritm beräknar gånghastighet av en person som går under sensorerna över tid8. Diskret övervakning metoden gjorde det möjligt att samla in 39,474 promenader episoder under en enda månad av observation9. Walking hastigheter samlas in hemmet befanns korrelera väl med motor åtgärder bedömas under en personlig undersökning, samt kognitiv funktion (figur 2). Denna teknik gör det möjligt att observera promenader funktion regelbundet under lång tid, månader eller år. Detta ger då möjlighet att följa förändringar i gångarten hastighet som kan vara utmärkande för förestående patologiska stater såsom mild kognitiv försämring eller demens (figur 4)16.
Kontinuerlig aktivitetsdata av läge kombinerat med egna uppgifter och andra kända miljödata ger möjlighet att följa förändringar i samband med många salient livshändelser. Data kan visualiseras eller visas i ett antal sätt. Spiral tomter har befunnits vara användbara i detta avseende för att identifiera långsiktiga trender i dataströmmen. Ett exempel ges i figur 5.
Figur 1 . ORCATECH plattform. Flera sensorer och enheter distribueras i hela hem, inställd på visst resultatåtgärder av intresse. Rutan designerat enhet/Sensor ”X” representerar systemets förmåga att koppla in ett antal nya enheter eller tekniker vid behov över tid. De data som genereras följer standard säkerhetsprotokoll och finns med lämplig översyn för användning av många berörda parter (dataforskare, universitet kollaboratörer, PHARMA, hälsa industri, etc.). Hem till vänster representerar kohorterna inskrivna i olika studier med hjälp av plattformen. Life Laboratory - BC är en liten kohort som ligger i British Columbia, Kanada. MÅL övergångar är en studie av användningen av remote övervakningsdata vård lag att minska oönskade övergångar till beroende nivåer av vård; UTVÄRDERA-AD är ekologiskt giltig, Ambient, longitudinell, opartisk bedömning av behandlingseffekt i Alzheimers sjukdom; iCONECT är Conversational engagemanget som ett medel till dröjsmål Alzheimers sjukdom debut studie i Oregon och Michigan; VARUKORG (Aging forskningssamarbete med teknikinitiativet) har fyra platser (låg inkomst äldste i Portland, veteraner i landsbygdens nordväst, African American äldste i Chicago och Latino äldste i Miami); ”Studier XYZ” betecknar ett antal andra studier (inte anges här) som också använder denna ORCATECH infrastruktur. Klicka här för att se en större version av denna siffra.
Figur 2 . Varje rum i ett hem är kopplad till de andra baserat på möjligt rum övergångar. Sensorer är kopplade till de rum där de är belägna. Gångavstånd sensor linjen i ett hem består av fyra begränsade fältet passiva infraröda sensorer kopplas samman i den ordning i vilken de placeras. Gångavstånd sensor linjen länkar rum där sensorerna är belägna. Grön (eller röda prickar, visas inte här) på sensornoder indikerar om sensorn för närvarande rapportering i till nätverkets sensor. Klicka här för att se en större version av denna siffra.
Figur 3 . Kontrollpanelen visar status för hub datorn och alla sensorer installerade i hemmet. Klicka här för att se en större version av denna siffra.
Figur 4 . Handlingen visar banan för förändring i walking hastighet variabilitet definieras som den koefficient av Variation (COV) i en kohort av 93 äldre vuxna följt i sina hem i över tre år. Tid 0 är den första veckan av övervakade gånghastighet för varje deltagare. Latent bana modeller användes för att identifiera fyra distinkta grupper:: grupp 1, högsta baslinjen och ökande COV följt av en kraftigt vikande COV; Grupperna 2 och 3, stabila relativt COV; och Group 4, lägsta baslinjen och minskar COV. Deltagare med icke-amnestic MCI (naMCI) var mer benägna att vara medlemmar i antingen högsta eller lägsta baslinjen COV grupper (grupper 1 eller 4), som möjligen representerar banan för walking hastighet variabilitet för tidigt - och sent stadium MCI, respektive. Figuren är modifierad från Dodge H.H., et al. 19. vänligen klicka här för att visa en större version av denna siffra.
Figur 5 . Spiral tomt på sex månader hem aktivitetsdata för ett Life Laboratory volontär. Data ritas som en 24 h-klocka, med midnatt upptill och lunchtid på botten. Varje dag bildar en cirkel. De heldragna blå cirklarna Markera en månad gränser. Färgade punkter ange sensor aktivitet av rummet: röd = badrum, grön = sovrum, rosa = kök, blå = vardagsrum. Observera den treveckorsperiod som volontären hade en inneboende gäst som sov i vardagsrummet (nattetid aktivitet i vardagsrummet är uppenbara, andra månaden). 2-veckors perioden när volontären inte lämna lägenheten för måltider, är på grund av en Noro virus epidemi som resulterade i en församling begränsning i gemenskapen (fjärde månad). Slutligen, notera de konsekventa mönster av beteende: läggdags vid 22:30, upp en gång de flesta nätter mellan 2 och 4 am, upphov tid 06:00, ett besök från hushållerskan på 5 pm varannan vecka. Klicka här för att se en större version av denna siffra.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Vi har beskrivit ett grundläggande system eller en plattform som gör det möjligt för hem - och community-baserade remote sensing och rapportering av salient hälsa och välbefinnande åtgärder på en kontinuerlig basis. Systemet är avsett att användas främst i forskning vid denna tid.
Om möjligt, använder systemet öppen källkod-verktyg och sensorer och enheter som utnyttjar tillgängliga API: er och software development kit (SDK). Systemet är utformat för att vara teknik ”agnostiker” så att ett brett utbud av sensorer och enheter kan ”ansluten till” eller införlivas som behövs. Avkända domäner valt (t.ex., motion-rörlighetsåtgärder, medicin tar aktivitet, datoranvändning, etc.) kommer att bero på de kliniskt relevanta områdena av funktion som kan anses mest informativa för en viss indikation. Således kan en gles matris eller mer fullfjädrad matris med sensorer och enheter distribueras. Data som genereras växer kontinuerligt och därmed datasystem har krävs modifiering för att möta denna efterfrågan. Därför har vi övergått till en mer distribuerade dataarkitektur för att mer kapacitet för hantering och skalbarhet. Systemet är utformat för att köras i gemenskapen med dagliga remote bedömning av hem systemet tekniska hälsa. Även om autonoma, smidig drift har varit nyckeln, systemet kräver enstaka hembesök som sensorer eller enheter kan misslyckas och måste vara fast eller bytas ut.
Det finns ett antal kritiska steg för att framgångsrikt distribuera detta system i forskning. Den första och viktigaste är inte 'teknisk'. Det är deltagarbaserade - att deltagarna förstår protokollet och är bekväma med längsgående karaktär av forskningen. Detta säkerställer följsamhet, till exempel, att besvara frågeformuläret veckovis eller använder en medicinering-tracking enhet. Säkerställer inte bara god dokumentation av den första installationen av hemmet (t.ex., där sensorerna finns), men även eventuella ändringar som kan göras av invånare över tid är också en nyckel till korrekt datainsamling och förvaltning. Likaså säkerställer pågår övervakning av funktionaliteten i systemet en gång installerat att den longitudinella data samlas in med HiFi över tid.
ORCATECH plattformen gör det möjligt kontinuerlig, långsiktig och diskret datainsamling med en bas i hemmiljö. Populationer är heterogen i fråga om komfort och acceptans för teknik i deras hem. Data visar att en stor anledning motivera godkännande av användningen av denna teknik i forskningsstudier är deltagarnas uppfattning att insamlade data i slutändan kommer att vara användbar (t.ex., kan adress sätt att framgångsrikt ålder på plats). Äldre, pensionerad vuxna tenderar att spendera merparten av sin tid på hem (i genomsnitt ca 21,5 h en dag bedömdes med ORCATECH plattformen), vilket gör det idealiskt för observationer som återspeglar de Sant tillståndet av en persons hälsa i motsats till kliniken miljön20 . Yngre eller arbetar populationer kan avsevärt mindre tid hemma. Dock spendera ännu yngre individer minst en tredjedel av sin dag hemma (oftast på kvällarna och på kvällen). Dessutom systemet är utformat för att synkronisera med bärbar teknik och mobila enheter (t.ex., smartphones) och andra remote avkända data (t.ex., köra data), så många typer av out-of-home beteenden och aktiviteter kan fångas också. Tekniken förändras snabbt, att lägga till en utmaning att upprätthålla en stabil plattform av enheter och programvara som används för att samla in data och säkerställa att det är jämförbart över epoker. Ytterligare, fjärrdata fångas utan uppsikt och i slutändan kräver validering om dess antagna reala aktiviteten. I detta syfte är det nödvändigt att validera observationer gjorts eller härleds med hjälp av ORCATECH data med ”gold standard” eller ”ground sanningen” tekniker. Exempelvis kontrollerades algoritmer används för att uppskatta sömn parametrar såsom total tid sover med hjälp av trycket mats placeras under madrassen11. Gångavstånd hastigheter beräknas från skottlossningar av en rad passiva infraröda sensorer validerades använder en gång matta8. Dessa valideringar ger inte bara observerbara anslutning till händelserna verkliga världen kände, men en standard för att jämföra nya sensorer eller enheter som kan användas för att förment mäta samma funktion i framtiden. Det finns dock några vedertagna normer för verkliga validering vid denna tid. Några av de instrument som har använts i det ORCATECH systemet, exempelvis kommersiella actigraphs eller aktivitetsmätare, kan använda egenutvecklade specifikationer eller algoritmer som inte delas med forskare. Proprietära natur sådan kommersiell teknik och deras relaterade algoritmer gör att många kommersiella avkänningsanordningar eller teknik en nuvarande relativa begränsning av forskning i fältet mobila och digitala biomarkör i allmänhet.
I inledningen betonade vi att möjligheten att samla in kontinuerlig, diskret och ekologiskt giltiga data i hemmet och samhället inställningar kan vara spelet förändras för klinisk forskning som primärt har förlitat sig på glesa själv rapportera och kort tentor. Systemet beskrivs i detta dokument ger en väg för forskarsamhället att uppnå detta mål. Många individuell bedömning-teknik (wearables, smartphone rapportering apps, etc.) för övervakning av personer i situ varit beskrivs21. Betydligt färre, mer integrerad ”smarta hem” system har rapporterats att ha många av funktionerna som beskrivs i detta papper22 . Detta är fortfarande ett begynnande fält och få har framgångsrikt utvecklat och distribuerat dessa tekniker som en end-to-end system för forskning, distribueras i bredare samhället inställningar. Bredare antagandet av dessa synsätt är ett viktigt fokus för framtida arbete.
Det finns många potentiella tillämpningar för den här plattformen. Systemet kan till exempel användas för folkhälsoövervakning såsom övervakning samhällen för smittsam sjukdomsutbrott där relativt akut förändringar i rummet övergångar tyder individer som utvecklat viral symtom23. Samtidigt, information från denna strategi får tillåta förståelse om effektiviteten av en karantän eller aktivitet begränsning på gemenskapsnivå genom att bestämma hur många människor kvar i sina hem över tid.
På en mer grundläggande nivå, kan systemet användas för att informera forskare om grundläggande aspekter av mänskligt beteende i den verkliga världen. Alltså, det har varit anställd att undersöka förutsägbarheten av mänsklig aktivitet i personliga utrymme, en viktig aspekt för generaliserbarhet av alla förutsägande modellering av forskning tillämpas på personer i deras hem eller inomhus miljöer24, 25. resultaten föreslås att människors rörlighet i personliga utrymme är mycket stereotypa och att övervakning diskontinuiteter i rutinmässiga rumsnivå rörlighetsmönster kan ge en möjlighet att förutsäga enskilda människors hälsa och funktionell status eller upptäcka negativa händelser och trender.
Andra program kan mer direkt påverka diagnostik och sjukdom progression bestämningar som är mycket relevanta för patienter, familjer och hälsa leverantörer. I detta sammanhang har ORCATECH systemet ofta använts för att undersöka relevanta aktiviteter och beteenden som indikerar det relativa bevarandet av kognition och hälsa i åldrande befolkningar. Systemet är särskilt anpassade till adress åldersrelaterade förändringar i kognitiv och fysisk hälsa som är utmanande att bedöma med traditionella verktyg och metoder där nuvarande bedömning och vård paradigm består av kort klinik-baserade besök några gånger en år, ofta med hjälp av kvalitativa varulager för att bedöma fysiska, kognitiva, och neurologiskt betingade symtom. Dessa inventeringar är baserade på subjektiva minnen eller intryck av en vårdgivare26,27 eller själv rapportera av patienten, som kan vara opålitliga. En studie jämförde självrapporterad aktivitet med objektiva aktivitetsdata samlades från ORCATECH sensorer hemma fann avtalet endast på 25% på tiden28. Kontinuerlig objektiv observation kan förbättra upptäckt av förändringar i hälsa och bedömningen av behandlingar speciellt för progressiva eller kroniska tillstånd såsom humörsvängningar, rörlighet störningar eller demens där det är utmanande för individer eller deras familjer att noggrant iaktta och minns långsam samt fluktuerande förändringar över tid.
Plattformens olika mängd potentiella datakanaler erbjuder många windows för observation och resulterande bedömningar av meningsfull förändring att förhöra hur enskilda eller flera funktioner kan ändras över ett särskilt tillstånd. Exempelvis har flera plattformsfunktioner använts för att förhöra ändra associerade med mild kognitiv svikt (MCI) över tid. Således, gånghastighet, beräknat från passiv infraröd sensor skottlossningar, befanns minska med mild MCI, medan variabiliteten i gånghastighet ökade över tid i denna befolkning16. Vila och aktivitet mönster var utläsas sovrum sensor skottlossningar med konstaterandet att sömnen blir mer störs som kognitiv svikt fortskrider11. Minskad medicinering följsamhet, konstaterades som följde med MedTracker pillerdosan, också vara en markör för tidigt kognitiva ändra12,17. Datoranvändning spårning programvara användes för att upptäcka att dator användning minskar med MCI och mönster i användningen av en datormus kan också återspegla kognitiva13,14.
Sammanfattningsvis har ett ORCATECH paradigm för datainsamling många styrkor jämfört med traditionella kliniska forskning data förvärvsmetoder. Uppgifterna samlas i huvudsak diskret i bekant hemmiljö. Information har samlats på hög frekvens, på en minut eller daglig nivå, över en lång tidsperiod, möjliggör ekologiskt giltig longitudinella studier av hälsa och välbefinnande. Systemets ORCATECH är väl anpassade till ett brett utbud av forskningsområden: grundläggande mänsklig aktivitet och beteende upptäckten, folkhälsoövervakning, och sjukdom eller tillstånd-specifik spårning. Det kan vara särskilt användbar som tillämpas för ingripanden och kliniska forskning för känslig detektion av verkliga förändring. I det här programmet finns det flera potentiella fördelar inklusive: 1) så att forskare att förbättra studieresultat objektivitet och tillförlitlighet. (2) minska urvalsstorlekar och minskar tiden till ett svar på grund av den höga temporal upplösningen av data; (3) avslöja dolda biverkningar som kan upptäckas subtilt, men kan ha gått orapporterat av deltagaren. (4) att underlätta långsiktig fortlöpande efter rättegången eller eftermarknaden bedömning av en target intervention. Det förväntas att denna metod väsentligen kommer förväg klinisk forskning som det blir mer allmänt distribueras och kontinuerligt förbättrar med oundvikliga framsteg inom teknik och dess tillämpningar.
Olika datakanaler och domäner producerad av systemet erbjuder ett unikt fönster i vardagen för deltagare till ett antal forskning inställningar som kan dra nytta av hög frekvens, långsiktiga, och ekologiskt giltiga data capture. Det förväntas att denna strategi kommer att vara av värde för många forskargrupper. Framtida planer omfattar utbyggnad av denna plattform för att möjliggöra en storskalig collaborative distribution till tusentals hem underlättas av initiativet senaste Collaborative åldrande med teknik för forskning (vagn, www.carthome.org) av NIH och VA. Denna nya data kommer att kombineras med den mer än tio års värde av redan insamlade att skapa en större resurs för förstå kognitiva och funktionella förändring med åldrande i olika befolkningsgrupper.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Författarna har något att avslöja.
Acknowledgments
Forskningen beskrivs här stöddes av bidrag från de nationella instituten av hälsa, National Institute on Aging (U2CAG054397, P30 AG024978, P30 AG008017, R01 AG042191, R01 AG024059), Intel, Stiftelsen för National Institutes of Health och 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).
