Metoder för att fastställa ett gemenskapsomfattande liv laboratorium för att fånga diskreta och kontinuerliga Remote aktivitet och hälsodata
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.
Protocol
Representative Results
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 ”agnos…
Disclosures
The authors have nothing to disclose.
Acknowledgements
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
| 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, 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, 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).
