Summary
Diskret sensorer og pervasive computing-teknologi er indarbejdet i det daglige hjemme liv i ældre voksne gør det muligt for meningsfuld sundhed og aktivitet ændringer skal registreres løbende i måneder til år, at levere økologisk gyldig, høj frekvens, multi-domæne data for forskning eller klinisk brug.
Abstract
En ende til suite af teknologier er blevet etableret for diskret og kontinuerlig overvågning af sundhed og aktivitet ændringer i det daglige liv i ældre voksne over længere perioder. Teknologien er samlet i et system, der omfatter principper for at være minimalt påtrængende, samtidig med at generere sikre, privatliv beskyttes, kontinuerlig objektive data i real-verden (hjemme-baseret) indstillinger i måneder til år. Systemet omfatter passiv infrarød tilstedeværelse sensorer placeret i hele hjemmet, døren kontakt sensorer installeret på udvendige døre, tilsluttede fysiologiske overvågning enheder (såsom skalaer), medicin kasser og bærbare actigraphs. Drivende sensorer er også installeret i deltagernes biler og brug af computer (PC, tablet eller smartphone) registreres. Data er kommenteret via hyppige online selvrapportering optioner at giver vigtige oplysninger om de data, der er vanskeligt at udlede via sensorer som interne stater (f.eks., smerte, humør, ensomhed), samt data referent til aktivitet mønster fortolkning (fx, besøgende, omarrangeret møbler). Algoritmer er blevet udviklet ved hjælp af oplysninger indhentet for at identificere funktionelle domæner nøglen til sundhed eller sygdom aktivitet overvågning, herunder mobilitet (f.eks., værelse overgange, trin, gangart hastighed), fysiologisk funktion (fx, vægt, krop mass index, puls), sove adfærd (fx, søvn tid, ture på toilettet om natten), medicin overholdelse (f.eks., glemte doser), socialt engagement (f.eks.tid brugt ud af hjem, tid par tilbringer sammen), kognitiv funktion (fx, tid på computeren, musebevægelser, Karakteristik af online-formularen fuldførelse, kørsel evne). Ændre påvisning af disse funktioner giver en følsom markør for anvendelsen i helbredskontrollen af akutte sygdomme (fx, viral epidemi) til tidlig påvisning af prodromale demens syndromer. Systemet er specielt velegnet til at overvåge effektiviteten af kliniske tiltag i naturhistoriske undersøgelser af geriatriske syndromer og i kliniske forsøg.
Introduction
Fremherskende klinisk forskning er behæftet med begrænsninger i pålidelighed og gyldighed af data fanget på grund af iboende svagheder af vurderingsmetode. Interviews er begrænset af de gange, når klinikeren og patienten kan koordinere tidsplaner. Taletid for undersøgelser er begrænset af hvad frivilligt kan rimelighed blive bedt om at gøre i en enkelt session. Disse kort, bredt fordelte sessioner - begrænser selvom augmented ved lejlighedsvis telefonopkald eller Internet forespørgsler - alvorligt potentialet til at opdage meningsfuld forandring i funktion eller velbefindende over tid. Nuværende test sessioner er hovedsageligt sammensat af anmodninger om oplysninger, som kan være svært at huske og kontrollere (f.eks., "kan du huske at tage din medicin?") eller kunstige opgaver (f.eks., "stå op og sidde så hurtigt som du kan"; "Husk disse ti ord"). Vurderingerne er ofte designet til at begrænse test til at teste variabilitet, når i virkeligheden variabilitet i ydeevne, selv kan være en diagnostisk nøglefunktion. Yderligere, disse kort biopsier tid foregår under kunstige forhold og ikke inden for den normale strøm af daglige liv. Derfor, de er af begrænset økologiske gyldighed. Endelig, det nuværende paradigme i sagens natur ikke kan give direkte kobling af gensidigt afhængige vigtige begivenheder eller resultater (fx, søvn, socialisering, fysisk aktivitet) fordi dataene ikke er tidsstemplet bortset fra som mindede om.
En tilgang til at overvinde disse mangler ligger i udviklingen af systemer, der kan være indlejret i hjem eller samfund, at drage fordel af fremskridt inden for pervasive computing og sensing teknologi, trådløs kommunikation og høj frekvens multi-domæne data Analytics. Den teknologi og erfaring på dette område vokser og en række systemer er blevet udviklet, men har været begrænset i installation, funktioner eller langsgående erfaring1,2,3,4. I dette manuskript, vi beskriver en protokol udviklet som et middel til at levere real-time, vedvarende og langsgående hjem-baseret vurdering af sundhed-relevante data til at forbedre begrænsningerne i den nuværende sundhed vurdering paradigme. Oregon Center for Aging & amp; Teknologi (ORCATECH) har udviklet en hjemme-baseret system baseret på pervasive computing og sensing teknologi for at give kontinuerlig, real-time vurdering af sundhed-relevante aktivitet og adfærd. Overbringe vurderingen i hjem hen til muliggøre, i vid udstrækning diskret og kontinuerlig overvågning af virkelige verden aktivitet betydeligt overvinder nuværende begrænsninger. Først, da det centrale system er integreret i livet-rum af deltagerne som en del af deres omgivende miljø, det er i sagens natur bekvemt. Vurderinger, der kræver diskrete svar kan indsamles, når en person er mest tryg og passive samling metoder, så ofte som nødvendigt uden at belaste en deltager. For det andet, i personens normale liv-plads giver mulighed for at indsamle data, der er umiddelbart økologisk relevante, ikke blot testning forceret foranstaltninger af funktion, men hverdagens kognition. For eksempel, potentielle hukommelse fiasko, en fælles klage vanskeligt at naturalistisk test i klinikken, kan vurderes hjemme ved automatisk daglig sporing af medicin tager adfærd, således at trykke både hverdagens kognition, såvel som en KPI metriske kendt for at være følsomme over for kognitive forandringer. For det tredje fordi data er digitale og tidsstemplet, er måling af flere indbyrdes forbundne foranstaltninger tilpasset i tid lettet. For eksempel, tid på telefon og tid ud af hjemmet (foranstaltninger af social engagement eller tilbagetrækning), brug af computeren (måling af indledningen, psykomotoriske aktivitet og kognitiv funktion) og andre foranstaltninger, der har vist sig at ændre med funktionelle tilbagegang ( søvn adfærd, vægt, walking hastighed) kan tilføje at følsomheden af sensoren net at skelne diskrete ændringer, der ikke kan være ellers tilsyneladende. Vigtigere, kan effekten af sundhed og liv begivenheder på kognition og funktion (fx, ugentlige rapporter om smerter, medicin forandring, lave humør) også være knyttet til denne datastream som de opstår. Endelig vil konventionelle test og forespørgsler kan præsenteres via computer eller relaterede grænseflader (fx, tablet, smartphone), giver enestående muligheder for at samtidig sammenligne ældre test resultater til romanen digitalt afledt foranstaltninger fra de samme test, såsom svar eller pause gange, læring kurver og intra-test variabilitet. Denne nye fremgangsmåde omdanner dermed aktuelle vurdering for at være mere praktisk, diskret, kontinuerlig, multi-domæne og naturalistisk. I sidste ende, den grundlæggende platform af in-home sensor baseret vurdering af teknologi og metoder, giver et system, der kan være tunet og skaleres til at tage en lang række specifikke forskningsspørgsmål relation til sundhed og velvære med bemærkede fordele over den nuværende accepteret praksis af sjældne klinik eller telefoniske vurderinger.
Følgende protokol beskriver processen for installation af denne platform for indsamling af diskret in-home adfærdsmæssige og sundheds-relaterede data. I udviklingen af denne platform, har et centralt mål været at give en grundlæggende pakke af vurdering funktioner, der kan levere de data, der er nødvendige for at udlede både almindelige domæner af sundhed og velvære (fysiske, kognitive, sociale, følelsesmæssige), samt mere specifikke adfærd ( f.eks.medicin tager, walking, søvn-relaterede aktiviteter, fysiologisk aktivitet). Udvikling af platformen har været styret af flere principper, herunder ved hjælp af de mest passive diskret sensing tilgange, minimere direkte bruger engagement med teknologi, bliver teknologi 'agnostiker' (dvs., ansætte de bedste enheder eller tekniske løsninger i stedet for at kræve en bestemt fremgangsmåde eller produkt), er holdbare (for langsigtet vurdering) og skalerbar, og minimere hands-on vedligeholdelse.
Platformen beskrevet har udviklet sig i de sidste tolv år, vigtigere informeret af en vifte af slutbrugere, fra "digitalt naive" til early adopters. Periodiske undersøgelser og fokusgrupper har været nøglen til at informere denne udvikling5,6,7. Hundredvis af frivillige har tilladt systemer implementeres løbende i deres hjem i op til 11 år med iterativ ændringer indføres baseret på fremskridt inden for teknologi, nye funktionelle kapacitet af Fællesskabets forskning og den centrale konstant input af personer, der bor i hjem, hvor teknologien er blevet installeret. Kollektivt, disse frivillige har dannet en "levende" laboratorium i Fællesskabet, som vi kalder den "liv laboratorium" hvor deres hjem og de løbende data indsamlet hele dagen giver et unikt niveau af detaljer om sundhed, aktivitet, og den livsforløb.
En grundlæggende platform af sensing teknologi danner rygraden i det samlede system til at indfange kontinuerlig hjem-baseret data. Elementer af denne platform er beskrevet efterfølgende. Core-platform er ændret (elementer kan tilføjes eller fjernes) baseret på oplysninger indhentet i forbindelse med indsamling af bruger holdninger, og overbevisninger og resultatet foranstaltninger af interesse for studiet ved hjælp af forskning platform. Fordi datakommunikationsprotokoller er standardiserede, er systemet udviklet til at tillade enhver enhed, der følger disse protokoller skal indgå i nettet.
Den grundlæggende platform beskrevet her er baseret på brugstilfældet frivillige i livet laboratorium (LL), der accepterer at have platform indsat i deres hjem for at indsamle naturalistiske aktivitet og adfærd data af deres normale liv aktiviteter i mange år (længste aktuelle løbende installation = 11 år).
Hub computer og Ethernet/WiFi-forbindelse tillade dataindsamling fra systemenheder og transmission tilbage til sikre servere i ORCATECH uden deltager indblanding. Hub computeren er konfigureret til specifikke deltager og hjem set-up efter installation af systemet ved hjælp af en bærbar computer eller tavle-pc og en Kontrolpanel, der forbinder til en centraliseret digital deltager management system. Yderligere dataindsamlingsenhederne (såsom sensorer, MedTracker og skala) kan konfigureres ved at kommunikere med computeren, hub på samme måde.
ORCATECH konsol og Remote Technology Management System er en brugerdefineret digital teknologi og data management system kaldet "Trøste", der tillader deltager hjem teknologi konfiguration samt systemopsætning og løbende remote teknologi forvaltning af hjem herunder sikre dataindsamling og overvågning. Derudover for at lette implementeringen af systemet i det samfund, hvor hvert hjem kan have et unikt layout, bruges en graftegning værktøj baseret på en tablet grænseflade til automatisk registrere hvor forskellige sensorer er placeret og deres gyldige fysiske linktilstand til andre sensorer (figur 2). Dette er vigtigt for reference under Fjernovervågning af ordningen på det indre plan.
Passiv infrarød (PIR) bevægelsessensorer er digitalt tildeles til en given hjem under systeminstallation, kommunikere med hub computer via en trådløs USB-Dongle. En sensor er placeret pr. værelse fornemme bevægelse i rummet og deltager overgange fra rum til rum. En lige "Sensor linje" af fire sensorer placeres på loftet i en entre eller andet område, hvor deltageren går regelmæssigt på en konsekvent pace. Denne sensor linje giver mulighed for diskret indsamling af walking hastighed mange gange om dagen. Andre målinger kan udledes af disse aktivitet sensorer som hviletid eller antallet af værelse overgange. Døren kontakt sensorer er placeret rundt om i hjemmet på alle udvendige døre for at opdage deltagernes kommer og går fra hjemmet, og køleskabet til at bestemme generelle hyppigheden af fødevarer adgang.
On-Line ugentlige sundhed og aktivitet Self-Reports er forpligtet til at give optimal mening af data fra det passive system af strømaftagere. Disse data er kritisk analyse af deltager betænkning af begivenheder i hjemmet i forhold til indsamlet sensordata. Den online ugentlige selvrapportering undersøgelse kan afsluttes på en computerenhed (fx, laptop, tablet, smartphone) med en internetforbindelse til forespørgsel deltagerne om ture ud af de hjemme, besøgende i hjemmet, sundhed ændringer, space ændringer inden for den hjem, ensomhed, depression og smerte niveau. Ugentlige dataindsamling er baseret på et relativt kort vindue af erindring, hvilket giver meget højere opløsning af data og sandsynlighed for nøjagtighed end, for eksempel, årlige eller halvårlige check-ups. Desuden, denne selvrapportering processen også giver efterforskerne at undersøge passiv indikatorer for potentielle kognitiv svækkelse, som variation i tid til at gennemføre undersøgelsen, variation i antallet af klik, stigende vanskeligheder rapportering nøjagtig datoer, eller værdiforringelse markører i fritekst svar. Som en del af den grundlæggende platform installerer vi en syv dages elektronisk pille kasse der optager eller ej de udpegede dag rum blev åbnet og den tid, som det blev åbnet hver dag. Dette indeholder oplysninger om overholdelse af medicin samt en potentiel angivelse af kognitiv tilbagegang, hvis konsistens af medicin-tager falder.
En trådløs digital bioimpedence skala, der indsamler også pulse, krop sammensætning metrics, pulse wave hastighed, miljømæssige temperatur og luftens kuldioxid niveau er installeret i badeværelset, med data om deltagernes daglige vægt. Disse data kan derefter være korreleret med andre rapporterede hændelser (f.eks., sundhedstilstand, medicin), samt andre passive indikatorer for adfærd, såsom overholdelse af protokollen og frekvens af brug over tid.
I tilfælde hvor vores deltagere drev, vi installerer en drivende sensor i deres køretøjer. Denne sensor giver oplysninger om kørevaner frekvens, timing, varighed og afstand af ture samt hyppigheden af hårde stopper eller hårde accelerationer.
Et armbåndsur slidt wearable enhed indsamler fysisk aktivitetsdata fra både ind og ud af hjemmet. Flere mærker og modeller af wearables har været brugt i livet laboratorium hjem.
Afhængigt af projektets kan efterforsker bruger ORCATECH-platformen vælge at supplere den grundlæggende sensor sæt med ekstra dataindsamling komponenter. Eksempler er testet i fortiden en telefon sensor for at overvåge socialisering gennem fastnet telefon aktivitet, udvikling og gennemførelse af en digital balance-board for balance test, en tablet med periodiske kognitive opgaver for deltageren at fuldføre i deres eget hjem, og en automatiseret sms'e system til at vurdere effekten af medicin påmindelser via telefon.
For at håndtere de forskelligartede data genereret af ORCATECH liv Lab, en skræddersyet information og datasystem bruges til indsamling, anmærke, opretholde og analysere rigelige aktivitet og sundhedsdata. ORCATECH har udviklet en brugerdefineret system for deltager management, selvrapportering dataindsamling og forarbejdning og kontinuerlig dataindsamling fra alle systemenheder og sensorer. Systemet bygger på en distribueret NoSQL Cassandra serverklynge til at gemme sensor dataene og en lambda arkitektur ved hjælp af Kafka og gnist, som giver vores databehandling kapaciteter til at nærme sig real-time behandling. Bruge en REST API, overføres dataene til standard data analyse platforme og statistiske softwareprogrammer til dataanalyse.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Alle deltagerne givet skriftlig informeret samtykke. Liv laboratorium deltagere opfordres til at leve deres liv som de normalt ville gøre for at tillade langsgående observationsstudie af deres liv aktiviteter og mønstre for resten af deres liv. De kan trække sig tilbage til enhver tid, hvis de ønsker. Undersøgelse-protokollen blev godkendt af Oregon Health & amp; Science University (OHSU) institutionelle Review Board (liv laboratorium OHSU IRB #2765).
1. forberedelse
- Før installation, skal du tilføje alle udstyr konsol opgørelsessystem online. Angiv et navn til hver enhed eller sensor sammen med dens serienummer og MAC adresse, så den kan opbevares i konsollen lagersystemet.
- Placer en QR kode tag på hvert stykke udstyr, gør det muligt for bestemte tildelinger af hjemstedet for sensorer og udstyr når indsat i hjemmet.
- Før installation, der alle sensorer og enheder, der skal installeres tildeles hjem ved at scanne QR-koden på sensor eller enhed. Dette vil opdrage en hjemmeside, der giver mulighed for sensor eller enhed tildeling til den specifikke hjem.
- Installere hub-computer med et SD-kort, som indeholder hub konfiguration management værktøj.
- Pack alle nu fortegnelserne sensorer og udstyr, hub computer med installeret SD-kortet i en installation kit (boks) til home installation.
- Kontroller, at deltagerens hjem har en Internet-udbyder.
2. home installation
- Indstille hub computer ved at indsætte den trådløse dongle og den primære ZigBee koordinator dongle i hub computeren. Indsæt Ethernet-kabel i hub computeren. Endelig sæt hub computerens netledning i en centralt beliggende rum stikkontakten og Tilslut Ethernet-kablet til hjemmets internetforbindelse.
Bemærk: Værktøjet Konfiguration management sikrer, at det bruger den nyeste version af softwaren. - Tilslut en Internet aktiveret enhed (laptop, tablet, mobiltelefon) til hubben computer'swireless netværk adgang til lokal Kontrolpanel hjemmeside. Kontrolpanel hjemmeside vil vise status for hub computeren samt følere installeret i hjemmet (figur 3).
- Køre værktøjet til konfiguration af software, er sikrer den relevante software installeret. Gøre dette ved at navigere til kontrolpanelet og køre opdateringen.
- Gå til Kontrolpanel for at kontrollere, at hub computeren kommunikerer med de primære servere. Sørg for, at de tjenester, der giver mulighed for data skal indsamles fra hver installeret enhed og sensor er oppe og køre.
- Føje sensorer til hjemmet, begyndende med bevægelsessensorer. Start med at åbne webstedet sensor placering fra kontrolpanelet.
Bemærk: Hvis hjemmet kræver mere end 16 bevægelsessensorer, tilslutte en router dongle i hub computeren og tilføje det til hjem eller personlige område netværk, også kaldet "Pan" Når udvidelsen dongles (hvis nødvendigt) er føjet til PAN, fjerne dem fra hub computer og stik dem i forretninger spredt i hele hjemmet, at skabe et netværk i hjemmet, der vil sende sensor køredata til hub computer. - Opret en virtuel plantegning i hjemmet, herunder alle værelser og egress døre i webstedet sensor placering. Sørg for at vælge linjen Sensor som et af de områder, der er føjet til plantegningen. Tilføje virtuelle repræsentationer af sensorer til grundplan. Endelig link de virtuelle repræsentationer af hjem områder til andre hinanden - på en måde, der afspejler den fysiske udformning af hjem - og til de virtuelle repræsentationer af sensorer.
- Tilføje hver successive sensor til PAN - kendt som det personlige netværk - ved hjælp af placeringsværktøjet sensor og fysisk ved at trykke på en knap i nærheden af sensorens batteri. Så, begynde at knytte hver sensor til rum eller område i hjemmet, der er repræsenteret i den virtuelle plantegning.
- Fortsat knytte de fysiske sensorer til væggene i hjemmet. Placer hver væg sensor i hoved højde i hvert værelse (køkken, soveværelser, badeværelser, stuer) at sikre at sensoren kun fanger aktivitet i dette rum og ikke afhente aktivitet fra et andet område (eksempelvis undgå nogen gå ned ad en entre bliver afhentet af sensoren i et værelse ved siden af gangen).
Bemærk: Sensoren placeringsværktøjet kan du identificere og oprette veje mellem værelser. - Installere en række af fire begrænset felt (loft) sensorer i en straight gangbro (gangene eller andre områder, hvor deltagerne skal gå forbi hver af de fire sensorer uden en ændring i tempoet) på loftet for at fange walking hastighed.
- Space disse walking hastighedssensorer 61 cm (2 feet) fra hinanden.
- Optage den nøjagtige afstand mellem begrænset felt sensorer i sensor placering hjemmeside.
- Installere dør sensorer på hver udgang dør, igen med grundplan på webstedet sensor placering til at angive deres fysiske placering.
- Tilføje bunkeren på panden, bekræfter, at enheden har fået tildelt en indbofortegnelse. Derefter aktivere enheden ved at åbne en af dens låg. Fordi bunkeren kommunikerer med hub computer, sikre, at det er tæt nok til hub computeren og dens signal at blive opdaget.
Bemærk: Bunkeren er ofte holdt i køkkenet eller badeværelset baseret på deltager præference. - For at sætte skalaen, navigere til siden skala under fanen enheder i Kontrolpanel.
- Tryk på side power-knappen i 10 sekunder på skalaen. Skalaen skal vise en bekræftelsesmeddelelse.
- Når vægten viser på listen over enheder, skal du klikke på knappen Opsætning i højre side af kontrolpanelet for at starte installationen.
- Angiv deltagerens højde og vægt når du bliver spurgt i kontrolpanelet.
- Hvis deltageren ikke har en pacemaker, Skift knappen Pacemaker i kontrolpanelet anmeldende omfang at det kan indsamle bioimpedence data.
- Anbring vægten på et sted, der er en flad solid overflade let tilgængelig for deltageren (typisk i et badeværelse).
- Har deltageren vejer selv, bekræfter skalaen er optagelse af deres oprindelige vægt, som er trådt ind i kontrolpanelet.
- Angive den armbåndsur slidte wearable enhed ved åbningen siden wearable Kontrolpanel setup og tryk på reset-knappen placeret på bagsiden af enheden ti gange.
- Efter enheden vises i listen over enheder i Kontrolpanel og klikke på knappen Opsætning i højre side af kontrolpanelet for at starte installationen.
- Når kontoen er oprettet, skal du kalibrere tid ved hjælp af hjulet på opsætningsside.
- Færdiggøre opsætningen ved at synkronisere bærbare med hub computer. Klik på knappen Synkroniser i Kontrolpanel for at bekræfte, at enheden opretter forbindelse korrekt og tid er indstillet til samme tid som hub computeren.
- Angive i konsollen på hvilke håndled bærbar er beregnet til at bæres af deltageren.
Bemærk: Forskellige enheder kan kræve forskellige procedurer afhængigt af producenten. Ekstra sensorer og enheder kan også installeres og integreret i data-streamen, som computeren bruger software og drivende sensorer. Procedurer for tilføjelse af disse får næste.
- Installere kommerciel anvendelse overvågning software på deltagerens computer og optage deres e-mail-adresse. Disse e-mail-adresser, der bruges til at sende og modtage ugentlige online sundhed og aktivitet undersøgelser.
- Kontroller, at deltagerens computer operativsystem er kompatibel med kommercielle computerforbrug overvågning software.
- Installere softwaren på en deltagers computer ved hjælp af installationsprogrammet hostet på et USB-flashdrev.
- Kontrollere, at softwaren er operationelle på computeren ved at åbne Jobliste og kontrollere, at softwaren er på listen over programmer.
- Knytte programmet til deltagerens profil i lagersystemet konsol.
Bemærk: Se Tabel af materialer til den pågældende computer bruger software, der anvendes (andre kommercielt tilgængelige overvågning software kan erstattes).
- Setup en drivende sensor for deltagerne
- Kontroller, at deltagerens bil blev foretaget efter 1996 og at bilen er støttet af den drivende sensor enhedens software.
- Installere den drivende overvågningsenhed app på en mobil enhed og bruge app hen til setup adapteren.
- Med bilen slukket, sæt adapteren i bilens on-board diagnostic (ODB) port.
- Afvente app til at genkende og forbinde adapteren. Dette bør tage 2-4 min.
- Indsæt bil nøglen i tændingen. (Hvis bilen har Nøglefri tænding, tryk på den bil opståen knap). Drej nøglen til position hvor det skifter på den elektriske strøm uden at starte motoren.
- Afvente app til at færdiggøre indstillingen af adapteren.
- Tilføj deltagerens kontooplysninger fra app for at tillade kortets data skal overføres til ORCATECH-servere ved hjælp af den kommercielle software programmeringsgrænseflade (API) i lagersystemet konsol.
Bemærk: Se Tabel af materialer til specifikke drivende overvågning enheden bruges.
3. system bekræftelse
- Når alle enheder er deres endelige steder i hjemmet, bekræfte, hub computeren fungerer korrekt ved at navigere til kontrolpanelet. Kontrollere, at hub computer kan kommunikere med de primære servere til at overføre data og tjenester til at indsamle data for hver enhedstype kører.
- Anmeld hvis data streaming fra hver enhed ved at navigere til siden data indsamling på kontrolpanelet.
- Gå i nærheden af bevægelsesfølere installeret i hvert rum i hjemmet for at bekræfte hver sensor indsamling af data om de seneste bevægelser. Tjekke de bevægelse sensor ved at se den live graf af sensor køredata aktiveret ved at gå gennem hjemmet.
- Kontrollere bunkeren af åbning og lukning hver af rum døre af bunkeren et par gange. Gennemse siden data indsamling på kontrolpanelet for at se, om dette seneste aktivitet blev målt og indsamlet.
- Kontrollere omfanget af vejer dig selv eller deltageren. Bekræfte denne data er ordentligt synkroniseret og fremsendes af navigering til kolonnen Synched inden for skalaen enheder side i kontrolpanelet.
- Kontrollere, om den bærbare enhed er korrekt synched og sender data ved at navigere til kolonnen Synched inden for bærbare enheder siden i kontrolpanelet.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
ORCATECH suiten af teknologi gør det muligt at indsamle et entydigt rige datasæt om livsmønstre af folk, som de går om deres sædvanlige aktiviteter. Sensorsystem giver mulighed for diskret og løbende overvågning af frivillige i deres eget hjem. Systemet har været brugt i snesevis af undersøgelser, hvor hundredvis af frivillige i forskning undersøger centrale domæner af sundhed og funktion som walking hastighed og mobilitet, medicin-tager opførsel, humør, tid i eller ud af hjemmet, søvn og computer Brug8 , 9 , 10 , 11 , 12 , 13 , 14 , 15 , 16 , 17 , 18. repræsentative resultater præsenteres her.
Walking hastighed er et eksempel på en funktion, der er udfordrende at konventionelt vurdere ofte over tid i naturlige omgivelser. Det er almindeligt anerkendt som en vigtig indikator for generelle sundhed og et nyttigt led i klinisk afprøvning observeret under kontor besøg. I klinikken vurdering af gangart har hastighed flere ulemper. Observationer foretages kun på højst et par gange om året. Patienten overholdes kan også gå med en atypisk tempo på grund af at være bevidst om vurderingen. Med ORCATECH sensor suite, er fire begrænset felt passive infrarøde sensorer placeret en kendt distance apart typisk i en entre af hjemmet. En algoritme anslår den omvandrende hastighed af en person gå under sensorerne over tid8. Denne diskret overvågning metode gjorde det muligt at indsamle 39,474 omvandrende episoder i løbet af en enkelt måned for observation9. Walking hastigheder indsamlet in-home fandtes for at korrelere godt med motor foranstaltninger vurderet i en i-person undersøgelse samt kognitiv funktion (figur 2). Denne teknik gør det muligt at observere gå funktion regelmæssigt over lang tid, måneder eller år. Dette giver derefter mulighed for at observere ændringer i gangart hastighed, der kan være karakteristisk for forestående patologiske stater som mild kognitiv tilbagegang og demens (figur 4)16.
Kontinuerlig aktivitetsdata af beliggenhed kombineret med selvrapportering og andre kendte miljømæssige data giver mulighed for at observere ændringer i aktivitet forbundet med mange fremtrædende livsbegivenheder. Dataene kan visualiseres eller vises i en række forskellige måder. Spiral grunde har vist sig for at være nyttige i denne henseende for at identificere langsigtede tendenser i datastrømmen. Et eksempel er fastsat i figur 5.
Figur 1 . ORCATECH platform. Flere sensorer og udstyr er implementeret overalt i boligen, tunet til bestemt udfald foranstaltninger af interesse. Boksen udpeget enhed/Sensor "X" repræsenterer systemets evne til at sætte i et vilkårligt antal nye enheder eller teknologier efter behov over tid. Data genereret følger standard sikkerhedsprotokoller og fås med passende review for brug af mange interesserede parter (Data forskere, Universitet samarbejdspartnere, PHARMA, sundhedsindustrien, osv.). Hjem til venstre repræsenterer kohorter indskrevet i forskellige undersøgelser ved hjælp af platformen. Liv laboratorium - BC er en lille kohorte beliggende i British Columbia, Canada; MÅL overgange er en undersøgelse af brugen af remote overvågningsdata af care teams til at reducere uønsket overgange til afhængige niveauer af pleje; EVALUER-AD er økologisk gyldig, Ambient, Longitudinal, uvildig vurdering af behandling effektivitet i Alzheimers sygdom; iCONECT er den Conversational Engagement som et middel til forsinkelse Alzheimers sygdom udbrud undersøgelse foretaget i Oregon og Michigan; Indkøbskurv (Aging forskningssamarbejde med teknologiinitiativ) har fire lokaliteter (lav indkomst ældster i Portland, veteraner i landdistrikterne nordvest, African American ældster i Chicago og Latino ældster i Miami); "Undersøgelser XYZ" betegner en række andre undersøgelser (ikke vist her), der også bruger denne ORCATECH infrastruktur. Venligst klik her for at se en større version af dette tal.
Figur 2 . Hvert værelse i et hjem er knyttet til de andre baseret på mulige værelse overgange. Sensorer er knyttet til værelser, hvor de er placeret. Den omvandrende sensor linje i et hjem består af fire begrænset felt passive infrarøde sensorer er kædet sammen i den rækkefølge, hvori de er anbragt. Walking sensor linjen links værelser hvor sensorerne er placeret. Grøn (eller røde prikker, ikke vist her) på sensoren noder angiver, hvis sensoren er i øjeblikket rapportering i sensor netværk. Venligst klik her for at se en større version af dette tal.
Figur 3 . Kontrolpanelet viser status for hub computer og alle sensorer installeret i hjemmet. Venligst klik her for at se en større version af dette tal.
Figur 4 . Plottet viser bane af ændring i walking hastighed variation defineret som koefficienten Variation (COV) i en kohorte af 93 ældre voksne fulgt i deres hjem i over tre år. Tid 0 er den første uge af overvågede walking hastighed for hver deltager. Latent bane modeller blev brugt til at identificere fire særskilte grupper:: gruppe 1, det højeste baseline og stigende COV efterfulgt af en kraftigt faldende COV; Gruppe 2 og 3, stabile relativt COV; Gruppe 4, den laveste baseline og faldende COV. Deltagere med ikke-amnestic MCI (naMCI) blev mere sandsynligt at være medlem af enten højeste eller laveste baseline COV grupper (grupper 1 eller 4), der eventuelt repræsenterer bane af walking hastighed variation for tidlige - og sene MCI, henholdsvis. Tallet er ændret fra Dodge H.H., mfl. 19. venligst klik her for at se en større version af dette tal.
Figur 5 . Spiral plot i hjem aktivitetsdata for et liv laboratorium frivillige seks måneder. Dataene afbildes som en 24-timers ur, med midnat på toppen og middag i bunden. Hver dag danner en cirkel. Solid blå cirkler markerer en måned grænser. Farvede punkter angiver sensor aktivitet af værelset beliggenhed: rød = badeværelse, grøn = soveværelse, pink = køkken, blå = stue. Bemærk de tre-ugers periode, hvor volontøren havde en live-in gæst, der sov i stuen (nat-time aktivitet i stuen er tilsyneladende; anden måned). 2-ugers periode når frivillige ikke forlade lejligheden for måltider, er på grund af en Noro virus epidemi resulterede der i en menighed begrænsning i EF (fjerde måned). Endelig, Bemærk de konsekvente mønstre af adfærd: sengetid kl 22:30, op engang de fleste aftener mellem kl og 4 am, rise time 06:00, besøg af husholdersken kl 5 hver 2 uge. Venligst klik her for at se en større version af dette tal.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Vi har beskrevet et grundlæggende system eller platform gør det muligt for hjem - og community-baseret remote sensing og rapportering af iøjnefaldende sundhed og velvære foranstaltninger på et kontinuerligt grundlag. Systemet er bestemt til at anvendes primært i forskning på dette tidspunkt.
Hvor det er muligt, bruger systemet open source-værktøjer og sensorer eller enheder at drage fordel af tilgængelige API'er og software udvikling kits (SDK). Systemet er designet til at være teknologi "agnostiker" sådan, at en bred vifte af sensorer eller enheder kan være "sat i" eller indarbejdes efter behov. Overvågede domæner valgt (fx, motion-mobilitetsforanstaltninger, medicin tager aktivitet, computer, osv.) vil afhænge af de klinisk relevante områder af funktion, der kan betragtes som mest informative til en bestemt indikation. Således, en sparsom array eller mere fuldt fremhævede vifte af sensorer og enheder kan implementeres. Data genereret vokser kontinuerligt og dermed datasystem har krævet ændring at imødekomme denne efterspørgsel. Derfor har vi skiftet til en mere distribuerede data arkitektur til at tillade flere forarbejdningskapacitet og skalerbarhed. Systemet er designet til at køre i Fællesskabet med daglige remote vurdering af den tekniske sundhed af ordningen med hjem. Selvom autonome, lav-touch betjening har været afgørende, systemet kræver lejlighedsvis hjemmebesøg som sensorer eller enheder kan ikke og skal være fast eller erstattet.
Der er en række vigtige skridt til korrekt installation af dette system i forskning. Den første og vigtigste er ikke «tekniske. «» Det er deltager-baseret - at sikre, at deltagerne forstår protokollen og er komfortable med langsgående arten af forskningen. Dette sikrer overholdelse, for eksempel, at besvare de ugentlige spørgeskema eller ved hjælp af en medicin-tracking-enhed. At sikre ikke kun ordentlig dokumentation af den indledende opsætning af hjemmet (f.eks., hvor sensorerne er placeret), men også eventuelle ændringer, der foretages af beboeren over tid er også en nøgle til korrekt dataindsamling og -forvaltning. Løbende overvågning af funktionaliteten i systemet når de er installeret sikrer ligeledes, at de langsgående data er indsamlet med high fidelity over tid.
ORCATECH platform gør det muligt sammenhængende, langsigtet og diskret dataindsamling med en base i de hjemlige omgivelser. Populationer er heterogen med hensyn til deres komfort og accept af teknologi i deres hjem. Data viser, at en væsentlig årsag til motivere accept af at bruge denne teknologi i forskningsundersøgelser deltager opfattelse at de indsamlede data i sidste ende vil være nyttigt (f.eks.kan løse måder at korrekt alder på plads). Ældre, pensionerede voksne har tendens til at tilbringe det meste af deres tid på hjem (i gennemsnit omkring 21,5 h en dag som vurderes med ORCATECH platform), hvilket gør det ideelt for observationer, der afspejler en persons sande sundhedstilstand i modsætning til klinikken miljø20 . Yngre eller arbejder populationer kan bruge betydeligt mindre tid derhjemme. Dog tilbringe endnu yngre individer mindst en tredjedel af deres dag i hjemmet (normalt i om aftenen og om natten). Derudover systemet er designet til at synkronisere med bærbare teknologier og mobile enheder (fx, smartphones) og andre fjerntliggende overvågede data (f.eks.kørsel data), så mange typer af ud-af-home opførsel og aktiviteter kan blive fanget så godt. Teknologien ændrer sig hurtigt, tilføjer en udfordring til opgaven at opretholde en stabil platform af enheder og software, der bruges til at indsamle data og sikre, at det er sammenlignelige på tværs af epoker. Yderligere, remote data er fanget uden opsyn og i sidste ende kræver validering, dens afledt reale aktivitet. Med henblik herpå, det er nødvendigt at validere observationer foretaget eller fremstillet ved hjælp af ORCATECH data med "gold standard" eller "ground truth" teknikker. For eksempel, blev algoritmerne der bruges til at anslå søvn parametre som samlede tid i søvn kontrolleret ved hjælp af pres måtter lagt under madrassen11. Walking hastigheder beregnes fra firings af en linje af passive infrarøde sensorer blev valideret ved hjælp af en gangart mat8. Disse godkendelser giver ikke kun observerbare forbindelse til de virkelige verden fornemmede begivenheder, men en standard for at sammenligne nye sensorer eller enheder, der kan bruges til at måle derfor samme funktion i fremtiden. Alligevel er der få accepterede standarder for virkelige verden validering på dette tidspunkt. Nogle af de instrumenter, der har været brugt i ORCATECH, såsom kommerciel actigraphs eller fitness trackers, kan bruge proprietære specifikationer eller algoritmer, der ikke deles med forskere. Den proprietære karakter af sådanne kommercielle teknologi og deres relaterede algoritmer gør brug af mange kommercielle sensing enheder eller teknologier aktuelle relative begrænsning af forskning i feltet mobil og digital biomarkør i almindelighed.
I indledningen understregede vi, at evnen til at indsamle kontinuerlig, diskret og økologisk gyldige data i indstillingerne for hjem og samfund kan være vildt skiftende for klinisk forskning, der primært har påberåbt sparsomme selvrapportering og korte eksamener. Beskrevet i denne hvidbog giver et springbræt for forskersamfundet til at nå dette mål. Mange individuelle vurdering teknologier (wearables, smartphone rapportering apps, osv.)til at overvåge mennesker i situ har været beskrevet21. Langt færre, mere integreret 'smart home' systemer er blevet rapporteret at have mange af funktionerne beskrevet i dette papir22 . Dette forbliver et spirende felt og få har med held udviklet og implementeret disse teknologier som en end-to-end system til forskning, indsat i bredere samfund indstillinger. Større udbredelse af disse tilgange er et vigtigt mål for det fremtidige arbejde.
Der er mange potentielle anvendelser for denne platform. Systemet kan eksempelvis anvendes til folkesundheden overvågning såsom overvågning Fællesskaber for smitsomme sygdomsudbrud hvor relativt akutte ændringer i værelse overgange angive enkeltpersoner, der udviklede virale symptomerne23. På samme tid, oplysninger fra denne tilgang kan tillade forståelse med hensyn til effektiviteten af en karantæne eller aktivitet begrænsning på fællesskabsplan ved at bestemme hvor mange folk forblev i deres hjem over tid.
På et mere grundlæggende plan, kan systemet bruges til at informere forskere om grundlæggende aspekter af menneskelig adfærd i den virkelige verden. Således, det har været ansat til at undersøge forudsigeligheden af menneskelig aktivitet i personlige rum, et vigtigt aspekt for generalizability af alle prædiktiv modellering af forskning anvendes til folk i deres hjem eller indendørs miljøer24, 25. resultaterne foreslog at menneskers mobilitet i personlige rum meget stereotype, og at overvåge afbrydelser i rutinemæssige værelse-niveau mobilitetsmønstre kan give mulighed for at forudsige individuelle menneskers sundhed og funktionelle status eller opdage utilsigtede hændelser og tendenser.
Andre programmer kan mere direkte påvirke diagnostiske og sygdom progression bestemmelser, der er yderst relevant for patienter, familier og sundhedssektoren. I denne sammenhæng, er ORCATECH systemet ofte bruges til at undersøge relevante aktiviteter og adfærd, der angiver den relative bevarelse af kognition og sundhed i aldrende befolkninger. Systemet er specielt tilpasset adresse Aldersrelaterede forandringer i kognitiv og fysisk helbred, som er udfordrende at vurdere med traditionelle værktøjer og metoder, hvor den nuværende vurdering og pleje paradigme består af korte klinik-baserede besøg et par gange en år, ofte ved hjælp af kvalitative varebeholdninger til vurdering af fysiske, kognitive, og neurobehavioral symptomer. Disse opgørelser er baseret på subjektive erindringer og/eller indtryk af en omsorgsperson26,27 eller selvrapportering af patienten, der kan være upålidelige. En undersøgelse sammenligne Selvrapporteret aktivitet med objektive aktivitetsdata indsamlet fra ORCATECH sensorer hjemme fandt aftale kun på 25% på tid28. Kontinuerlig objektiv observation kan forbedre påvisning af ændringer i sundhed og vurderingen af behandlinger især for progressiv eller kroniske sygdomme såsom humørsvingninger, mobilitet lidelser eller demens, hvor det er udfordrende for enkeltpersoner eller deres familier til præcist at iagttage og husker slow og svingende ændringer over tid.
Platformens varieret vifte af potentielle datakanaler tilbyder mange vinduer af observation og deraf følgende vurderinger af meningsfulde forandringer afhøre hvor enkelte eller flere funktioner kan ændre på tværs af en bestemt betingelse. For eksempel, har flere platform funktioner været brugt til at afhøre ændring forbundet med mild kognitiv svækkelse (MCI) over tid. Således blev gå hastighed, der beregnes fra passiv infrarød sensor brændinger, anset for at mindske med mild MCI, mens variationen i walking hastighed øges over tid i denne befolkning16. Resten og aktivitet mønstre var udledes fra soveværelse sensor brændinger med den konstatering, at søvn bliver mere forstyrret kognitiv svækkelse skrider11. Formindsket medicin overholdelse, fandtes som følges ved hjælp af MedTracker-bunkeren, også for at være en markør for tidligt kognitive ændre12,17. Brug af computeren tracking software blev brugt til at opdage, at computeren mindskes med MCI og mønstre i brugen af en computermus kan også afspejle kognitiv tilbagegang13,14.
Sammenfattende har ORCATECH paradigme for dataindsamling mange stærke sider i forhold til traditionelle kliniske forskning data anskaffelsesmetoder. Data indsamles i vid udstrækning stilfærdigt i det velkendte hjemme miljø. Oplysningerne indsamles på høj frekvens, på et minut eller daglige niveau, over en lang periode, muliggjort økologisk gyldig longitudinelle studier af sundhed og velvære. ORCATECH systemet er velegnet til en bred vifte af forskningsområder: grundlæggende menneskelig aktivitet og opførsel opdagelse, Folkesundhed overvågning, og sygdom eller tilstand-specifik sporing. Det kan især være nyttigt anvendt interventioner og kliniske forskning til følsomme påvisning af meningsfulde virkelige forandringer. I denne ansøgning, der er flere fordele, herunder: 1) giver forskerne til at forbedre undersøgelse resultater objektivitet og pålidelighed; 2) reducerer stikprøvestørrelser og reducere tid til et svar på grund af den høje tidsmæssige opløsning af data; 3) afdække skjulte utilsigtede hændelser, der kan påvises subtilt, men kunne have gået urapporteret af deltager; 4) lette langsigtede kontinuerlige post-forsøg eller efter markedsføringen vurdering af en målrette intervention. Det forventes, at denne metode væsentligt vil fremme klinisk forskning, som det bliver mere himmelvidt udfoldet og hele tiden forbedrer med uundgåelige fremskridt inden for teknologi og dens anvendelsesmuligheder.
Forskellige datakanaler og domæner produceret af systemet tilbyder et enestående vindue ind i hverdagen for deltagerne til en række forskningsmiljøer, som kan drage fordel af høj frekvens, langsigtet, og økologisk gyldig datafangst. Det forventes, at denne tilgang vil være af værdi for mange forskerhold. Fremtidige planer omfatter udvidelse af denne platform til at aktivere en storstilet collaborative indsættelse i tusinder af hjem lettes ved det nylige Collaborative Aging bruger teknologi af forskning (vogn, www.carthome.org) initiativ af NIH og VA. Denne nye data vil blive kombineret med de mere end ti år værd af oplysninger allerede indsamlede til at skabe en stor ressource for at forstå kognitive og funktionelle forandringer med aldring på tværs af forskellige befolkningsgrupper.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Forfatterne har ikke noget at oplyse.
Acknowledgments
Den forskning, der er beskrevet her blev støttet af tilskud fra de nationale kontorer i sundhed, National Institute on Aging (U2CAG054397, P30 AG024978, P30 AG008017, R01 AG042191, R01 AG024059), Intel, instituttet for National Institutes of Health og den 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).
