Summary

Metodología para el establecimiento de un laboratorio de vida de toda la comunidad de captación discreta y continua actividad remota y datos de salud

Published: July 27, 2018
doi:

Summary

Sensores discretos y tecnología informática omnipresente incorporados a la vida cotidiana inicio de más viejos adultos permite significativo salud y cambios de actividad a registrar continuamente por meses o años, proporcionando ecológicamente válido, alta frecuencia, datos de varios dominios para uso clínico o de investigación.

Abstract

Un conjunto de end-to-end de tecnologías se ha establecido para el control discreto y continuo de la salud y la actividad de cambios que ocurren en la vida cotidiana de los adultos mayores durante largos períodos de tiempo. La tecnología es agregada en un sistema que incorpora los principios de ser mínimamente molesto, mientras que la generación segura, privacidad protegida, continuados datos objetivos en el mundo real (domicilio) ajustes por meses o años. El sistema incluye sensores de presencia infrarrojos pasivos colocados en toda la casa, sensores de contacto de puerta instalados en puertas exteriores, dispositivos de monitoreo fisiológicos conectados (como escamas), cajas de medicamentos y actigraphs usable. Manejo sensores también se instalan en los coches de los participantes y se realiza un seguimiento el uso de la computadora (PC, tablet o smartphone). Datos se anotan por medio de frecuentes opciones en línea uno mismo-informe que proporcionan información vital respecto a los datos que es difíciles de inferir a través de sensores tales como los Estados internos (p. ej., dolor, humor, soledad), así como referente de datos al patrón de actividad interpretación (por ejemplo, visitantes, muebles cambiados). Algoritmos se han desarrollado usando los datos obtenidos para identificar dominios funcionales clave para salud o enfermedad actividad función de supervisión, incluyendo la movilidad (p. ej., las transiciones de la habitación, pasos, velocidad de la marcha), fisiológica (p. ej., peso, cuerpo Índice de masa, pulso), dormir comportamientos (p. ej., tiempo de sueño, viajes al baño por la noche), cumplimiento con la medicación (p. ej., dosis perdidas), compromiso social (p. ej., tiempo de inicio, hora de parejas pasar juntos) y cognitivo función (p. ej., tiempo en el equipo, movimientos del ratón, las características de la terminación del formulario en línea, capacidad de conducción). Detección de cambio de estas funciones ofrece un marcador sensible para la aplicación en la vigilancia de la salud de enfermedades agudas (por ejemplo, epidemia viral) para la detección precoz de los síndromes de demencia fase prodrómica. El sistema es idóneo para la monitorización de la eficacia de intervenciones clínicas en estudios de historia natural de los síndromes geriátricos y en los ensayos clínicos.

Introduction

Investigación clínica predominante está plagado de limitaciones en la confiabilidad y validez de los datos capturados debido a limitaciones inherentes de la metodología de evaluación. Entrevistas están limitadas por los tiempos cuando el médico y el paciente pueden coordinar horarios. Tiempo asignado para el examen es limitado por lo que el voluntario puede razonablemente pedir para hacer en una sola sesión. Estas sesiones breves, muy espaciadas – aunque aumentada por ocasionales llamadas telefónicas o consultas de Internet – limitan severamente el potencial de detectar un cambio significativo en la función o el bienestar en el tiempo. Sesiones de prueba actuales se compone en gran parte de las solicitudes de información que puede ser difícil de recordar y comprobar (por ejemplo, “¿Recuerdas a tomar los medicamentos?”) o la realización de tareas artificiales (e.g., “levántese y siéntese tan rápido como usted puede”; “recordar las diez palabras”). Las evaluaciones se diseñan a menudo para limitar la variabilidad de la prueba cuando en realidad la variabilidad en el rendimiento se puede ser un rasgo diagnóstico clave. Además, estas biopsias breve de tiempo se llevan a cabo bajo condiciones artificiales, en lugar de en el flujo normal de la vida cotidiana. Por lo tanto, son de limitada validez ecológica. Finalmente, el paradigma actual intrínsecamente no puede proporcionar vínculo directo de los eventos clave interdependientes o resultados (p. ej., sueño, socialización, actividad física) porque los datos no son-sello de tiempo que como lo recuerda.

Un enfoque para la superación de estas deficiencias radica en el desarrollo de sistemas que pueden ser empotrados en el hogar o comunidad que se aprovechan de los avances en informática y tecnología de detección, comunicaciones inalámbricas, datos de dominios múltiples de alta frecuencia penetrante Analytics. La tecnología y experiencia en esta área están creciendo y un número de sistemas ha sido desarrollado, pero ha sido limitado en despliegue, características o experiencia longitudinal1,2,3,4. En este manuscrito, se describe un protocolo desarrollado como un medio para proporcionar evaluación longitudinal, continuo y en tiempo real basado en el hogar de los datos pertinentes a la salud para mejorar las limitaciones del actual paradigma de evaluación de salud. Oregon centro de envejecimiento & amp; Tecnología (ORCATECH) ha desarrollado un sistema basado en el hogar basado en computación penetrante y tecnología para proporcionar la evaluación continua, en tiempo real de actividad relevante a la salud y el comportamiento de detección. Incorporar la evaluación de inicio para permitir en gran medida discreta y continua monitorización de la actividad del mundo real substancialmente supera las limitaciones actuales. En primer lugar, ya que el sistema está integrado en el espacio de la vida de los participantes como parte de su ambiente, es intrínsecamente conveniente. Evaluaciones que requieren respuestas discretas pueden recogerse cuando una persona está más a gusto y, en el caso de los métodos de recopilación pasiva, tan frecuentemente como sea necesario sin sobrecargar a un participante. En segundo lugar, en el espacio de vida normal de la persona brinda la oportunidad de recopilar datos que inmediatamente son ecológicamente relevantes, no sólo pruebas ideado medidas de función, sino la cognición cotidiana. Por ejemplo, futuros memoria falla, una queja común difícil sino prueba en la clínica, podrá evaluarse en casa seguimiento diario automático de medicación teniendo el comportamiento, aprovechando así tanto la cognición cotidiana, así como una clave de rendimiento métricas a ser sensible a los cambios cognitivos. En tercer lugar, porque los datos son digitales y el sello de tiempo, se facilita la medición de múltiples medidas relacionadas entre sí en tiempo. Por ejemplo, tiempo en el teléfono y el tiempo fuera del hogar (medidas de compromiso social o retiro), uso de la computadora (medición de psicomotricidad, iniciación y función cognitiva) y otras medidas que se han demostrado para cambiar con deterioro funcional ( comportamiento del sueño, peso, velocidad que camina) puede añadir a la sensibilidad del sensor net para distinguir cambios sutiles que pueden ser de otro modo evidentes. Lo importante es el efecto de los eventos de salud y la vida sobre la cognición y función (p. ej., informes semanales de dolor, cambio de medicación, bajo estado de ánimo) puede también vincularse con este flujo de datos que se producen. Por último, pruebas convencionales y las consultas pueden presentarse vía la computadora o relacionadas con interfaces (e.g., tableta, smartphone), ofrece oportunidades sin precedentes para comparar simultáneamente legado prueba de rendimiento a novela digital derivan de las medidas de las mismas pruebas, como respuesta o tiempos de pausa, las curvas de aprendizaje y la variabilidad intra-test. Este nuevo enfoque transforma así evaluación actual para ser más conveniente, discreta, continua, múltiples dominios y naturalista. En definitiva, la plataforma básica del sensor en el hogar basado en tecnología de evaluación y metodología, ofrece un sistema que puede ser sintonizado y escala para abordar una amplia gama de preguntas de investigación específicas relacionados con salud y bienestar con ventajas notables sobre la actual práctica aceptada de clínica infrecuente o evaluaciones basadas en el teléfono.

El siguiente protocolo describe el proceso de la implementación de esta plataforma de recogida de datos a domicilio discreta del comportamiento y la salud. En el desarrollo de esta plataforma, ha sido un objetivo clave proporcionar un conjunto básico de funciones de evaluación que pueden proporcionar los datos necesarios para deducir ambos dominios generales de salud y bienestar (físico, cognitivo, social, emocional), así como más específica (comportamientos por ejemplo, medicamentos que toma, caminando, en actividades relacionadas con el sueño, actividad fisiológica). El desarrollo de la plataforma se ha guiado por varios principios, incluyendo el uso de los métodos de detección discretos más pasivos, minimizando la participación directa del usuario con la tecnología, que tecnología ‘agnóstico’ (es decir,, empleando los mejores dispositivos o soluciones técnicas en lugar de que requieren un enfoque particular o producto), ser durable (para evaluación a largo plazo) y escalable y reducir al mínimo mantenimiento práctico.

La plataforma descrita ha evolucionado en los últimos doce años, lo importante es informado por una variedad de usuarios finales, de “digital ingenuo” early adopters. Encuestas periódicas y grupos de enfoque han sido clave para el informando este desarrollo5,6,7. Cientos de voluntarios han permitido que los sistemas a implementarse continuamente en sus casas hasta por once años con modificaciones iterativas introducen basado en los avances tecnológicos, nuevas capacidades funcionales solicitadas por la comunidad de investigación, y la entrada constante de personas que viven en la casa donde la tecnología se ha desplegado. Colectivamente, estos voluntarios han formado un laboratorio «vivir» en la comunidad que llamamos el “laboratorio de vida” en sus hogares y los datos continuos durante todo el día proporcionan un único nivel de información sobre salud, actividad y la curso de la vida.

Una plataforma básica de tecnología de detección constituye la columna vertebral de todo el sistema de captura de datos continuos en el hogar. Posteriormente se describen los elementos de esta plataforma. La plataforma central se modifica (elementos pueden añadir o quitar) basado en la información obtenida durante el proceso de usuario actitudes y creencias y las medidas de resultado de interés para el estudio mediante la plataforma de investigación. Ya que están estandarizados los protocolos de comunicación de datos, el sistema ha sido diseñado para permitir que cualquier dispositivo que sigue a estos protocolos se incorporen a la red.

La plataforma básica descrita aquí se basa en el caso de uso de voluntarios en el laboratorio de la vida (LL) que consienten que la plataforma desplegada dentro de sus hogares para recoger actividad naturalista y datos de comportamiento de sus actividades de la vida normal durante muchos años (más largos implementación continua actual = 11 años).

El eje ordenador y conexión a Ethernet/WiFi permiten recopilación de datos de dispositivos del sistema y la transmisión a servidores en ORCATECH sin interferencia participante. El equipo de eje está configurado a la participante específico e inicio configuración tras la instalación del sistema utilizando un ordenador portátil o tablet y un panel de control que se conecta a un sistema de gestión centralizado de participante digital. Dispositivos de recolección de datos adicionales (tales como sensores, MedTracker y escala) pueden configurarse mediante la comunicación con el equipo del centro de la misma manera.

La consola de ORCATECH y sistema de gestión de la tecnología remota es una tecnología digital personalizada y sistema de gestión de datos llamado “Consola” que permite la tecnología hogar participante configuración y configuración del sistema, así como gestión de la tecnología remota permanente de casas incluyendo aseguran recolección de datos y control. Además, para facilitar la implementación del sistema en la comunidad donde cada casa puede tener un diseño único, una herramienta gráfica basada en una interfaz de tableta se utiliza para registrar automáticamente donde se encuentran varios sensores y sus adyacencias físicos válidos a otro sensores (figura 2). Esto es importante para la referencia durante el monitoreo remoto del sistema a nivel de hogar.

Sensores de movimiento de infrarrojo pasivo (PIR) digitalmente son asignados a una casa determinada durante la instalación del sistema, comunicarse con la computadora hub por un Dongle USB inalámbrico. Se coloca un sensor para detectar movimiento dentro de las transiciones de la habitación y participante de una habitación a otra habitación. “Sensor de línea recta” de cuatro sensores se coloca en el techo de un pasillo u otra área donde el participante camina regularmente a un ritmo constante. Esta línea de sensor permite discreta reunión de poca velocidad muchas veces al día. Otros indicadores pueden derivarse de estos sensores de actividad tales como tiempo de permanencia o número de transiciones de la habitación. Sensores de contacto de puerta se colocan alrededor de la casa puertas externas en todo para detectar los participantes yendo y viniendo de la casa y en el refrigerador para determinar la frecuencia general de acceso a los alimentos.

On-line salud semanales y Self-Reports de actividad necesarios para hacer sentido óptimo de los datos desde el sistema pasivo de dispositivos de captación. Estos datos son críticos para el análisis de participante informe de eventos en el hogar en relación con los datos del sensor recogido. El estudio de uno mismo-informe semanal online se puede completar en cualquier dispositivo informático (p. ej., portátil, tablet, smartphone) con conexión a Internet a los participantes de la consulta sobre viajes de los visitantes domiciliarios, en el hogar, cambios de salud, cambios de espacio dentro de la hogar, soledad, depresión y nivel del dolor. Recogida semanal de datos basa en una ventana relativamente corto de recuerdo, que ofrece una resolución mucho mayor de datos y probabilidad de exactitud que, por ejemplo, revisiones anuales o semestrales. Además, este proceso uno mismo-informe también permite a los investigadores examinar pasivos indicadores de posible deterioro cognitivo, como la variación en el tiempo para completar la encuesta, variación en el número de clics, dificultades mayores informes precisos las fechas, o marcadores de deterioro en las respuestas de texto libre. Como parte de la plataforma básica, instalamos un pastillero electrónico de siete días que registra o no abrió el compartimiento del día señalado y la hora que se ha abierto cada día. Esto proporciona información sobre cumplimiento con la medicación, así como un potencial indicador de deterioro cognitivo si disminuye la consistencia de la toma de medicación.

Una escala de bioimpedence digital inalámbrica que también recoge el pulso, mediciones de composición corporal, velocidad de la onda de pulso, temperatura ambiente y nivel de dióxido de carbono ambiental se instala en el baño, proporcionando datos sobre peso diario de los participantes. Estos datos se pueden correlacionarse con otros eventos informados (por ejemplo, estado de salud, medicamentos), así como otros indicadores pasivos de comportamiento, como cumplimiento de protocolo y la frecuencia de uso en el tiempo.

En los casos donde el disco de los participantes, instalamos un sensor de conducción en sus vehículos. Este sensor proporciona información sobre hábitos tales como frecuencia, tiempo, duración y distancia de viajes, así como frecuencia de paradas duras o aceleraciones de conducción.

Un dispositivo wearable desgastadas muñeca recoge datos de la actividad física dentro y fuera de la casa. Se han utilizado varias marcas y modelos de accesorios personales en los hogares de vida laboratorio.

Según el proyecto, un investigador utilizando la plataforma ORCATECH puede optar por complementar el sensor básico con componentes adicionales de recolección de datos. Probado en el pasado por ejemplo un sensor de teléfono para controlar la socialización a través de la actividad de teléfono fijo, el desarrollo e implementación de una digital-tabla de equilibrio para el balance de prueba, una tableta con periódicas tareas cognitivas para la participante que llene en su propia casa y un sistema automatizado de mensajes de texto para evaluar la eficacia de los recordatorios de medicamentos vía telefónica.

Para manejar los diversos datos generados por el laboratorio de la vida de ORCATECH, un sistema de datos e información a medida que se utiliza para recoger, anotar, mantener y analizar datos de salud y abundante actividad. ORCATECH ha desarrollado un sistema personalizado para la gestión de participantes, recogida de datos de autoinforme y procesamiento y recogida continua de datos de todos los sensores y dispositivos del sistema. El sistema se basa en un clúster de servidores NoSQL Cassandra distribuido para almacenar los datos del sensor y una arquitectura de lambda con Kafka y chispa que permite nuestra capacidad de procesamiento de datos para acercarse al procesamiento en tiempo real. Usando una API REST, los datos se transfieren en plataformas de análisis de datos y programas de software estadístico para análisis de datos.

Protocol

Todos los participantes proporcionaron consentimiento informado por escrito. Los participantes del laboratorio vida piden a vivir sus vidas como harían normalmente para permitir el estudio de observación longitudinal de sus actividades de la vida y los patrones para el resto de sus vidas. Puede retirar en cualquier momento si así lo desean. El protocolo de estudio fue aprobado por la Oregon Health & amp; Science University (OHSU) Junta de revisión institucional (IRB de OHSU de laboratorio de la vida #2765). <p cl…

Representative Results

La suite ORCATECH de la tecnología hace posible reunir un conjunto de datos excepcionalmente Rico acerca de los patrones de vida de las personas como van sus actividades habituales. El sistema de sensor permite discreta y continua supervisión de los voluntarios en sus propios hogares. El sistema se ha utilizado en docenas de estudios con cientos de voluntarios en investigación examinar dominios claves de la salud y función como a poca velocidad y movilidad, comportamiento de toma de m…

Discussion

Hemos descrito un sistema básico o plataforma que permite el inicio y comunidad-basado en remoto de detección y notificación de medidas de bienestar y salud saliente sobre una base continua. El sistema está diseñado para ser utilizado principalmente en la investigación en este momento.

Siempre que sea posible, el sistema utiliza herramientas de código abierto y los sensores o dispositivos de API disponibles y kits de desarrollo de software (SDK). El sistema está diseñado para ser “agn…

Disclosures

The authors have nothing to disclose.

Acknowledgements

La investigación aquí descrita fue apoyada por subvenciones de los institutos nacionales de salud, Instituto Nacional sobre el envejecimiento (U2CAG054397, AG024978 P30, AG008017 P30, AG042191 R01, R01 AG024059), Intel, la Fundación para los institutos nacionales de salud y la 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

  1. 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).
  2. 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).
  3. Kim, K. I., Gollamudi, S. S., Steinhubl, S. Digital technology to enable aging in place. Exp Gerontol. 88, 25-31 (2017).
  4. Kaye, J. Making pervasive computing technology pervasive for health & wellness in aging. Public Policy & Aging Report. 27 (2), 53-61 (2017).
  5. 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).
  6. Wild, K., Boise, L. . In-Home Monitoring Technologies: Perspectives and Priorities of Older Adults. , (2012).
  7. 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).
  8. 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).
  9. 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).
  10. 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).
  11. 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).
  12. 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).
  13. Kaye, J., et al. Unobtrusive measurement of daily computer use to detect mild cognitive impairment. Alzheimer’s & Dementia. 10 (1), 10-17 (2014).
  14. 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).
  15. Seelye, A., et al. Embedded online questionnaire measures are sensitive to identifying mild cognitive impairment. Alzheimer Dis Assoc Disord. 30 (2), 152-159 (2016).
  16. 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).
  17. 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).
  18. 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).
  19. 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).
  20. 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).
  21. 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).
  22. 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).
  23. Campbell, I. H., et al. Engineering in Medicine and Biology Society, EMBC, 2011. Annual International Conference of the IEEE. , 6793-6796 (2011).
  24. Austin, D., Cross, R. M., Hayes, T., Kaye, J. Regularity and predictability of human mobility in personal space. PloS one. 9 (2), 90256 (2014).
  25. 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).
  26. Cummings, J. L. The Neuropsychiatric Inventory Assessing psychopathology in dementia patients. Neurology. 48, 10-16 (1997).
  27. 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).
  28. 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).

Play Video

Cite This Article
Kaye, J., Reynolds, C., Bowman, M., Sharma, N., Riley, T., Golonka, O., Lee, J., Quinn, C., Beattie, Z., Austin, J., Seelye, A., Wild, K., Mattek, N. Methodology for Establishing a Community-Wide Life Laboratory for Capturing Unobtrusive and Continuous Remote Activity and Health Data. J. Vis. Exp. (137), e56942, doi:10.3791/56942 (2018).

View Video