Summary

Metodologia per l'istituzione di un laboratorio di vita comunitaria per l'acquisizione di attività remota discreto e continuo e dati sulla salute

Published: July 27, 2018
doi:

Summary

Sensori non invadente e tecnologia di calcolo pervasiva integrate nella vita domestica quotidiana di anziani adulti consente significativi salute e cambiamenti di attività da registrare continuamente per mesi o anni, fornendo ecologicamente valida, ad alta frequenza, dati multi-dominio per ricerca e uso clinico.

Abstract

È stato stabilito un end-to-end suite di tecnologie per il monitoraggio discreto e continuo dei cambiamenti di salute e attività che accadono nella vita quotidiana degli adulti più anziani per lunghi periodi di tempo. La tecnologia è aggregata a un sistema che incorpora i principi dell’essere minimamente invasivi, durante la generazione di sicuro, privacy protetta, continui dati oggettivi nel mondo reale (domicilio) impostazioni per mesi o anni. Il sistema include sensori di presenza ad infrarossi passivi posizionati in tutta la casa, sensori di contatto porta installati su porte esterne, dispositivi di monitoraggio fisiologici collegati (ad esempio bilance), caselle di farmaco e indossabile actigraphs. Guida sensori vengono installati anche in automobili dei partecipanti e l’uso del computer (PC, tablet o smartphone) viene tenuta traccia. Dati viene annotati tramite frequenti opzioni online self-report che forniscono informazioni vitali per quanto riguarda i dati che è difficili da dedurre tramite sensori come stati interni (ad es., dolore, umore, solitudine), così come referente di dati al modello di attività interpretazione (ad es., visitatori, riorganizzate mobili). Gli algoritmi sono stati sviluppati utilizzando i dati ottenuti per identificare domini funzionali chiave di salute o malattia attività Monitoraggio, compreso la mobilità (ad es., camera transizioni, passaggi, velocità di andatura), funzione fisiologica(ad esempio, peso, corpo Indice di massa, impulso), dormire comportamenti (ad es., tempo di sonno, viaggi al bagno di notte), aderenza (ad es., dosi dimenticate), impegno sociale (ad es., tempo trascorso fuori casa, tempo coppie trascorrere insieme) e cognitive funzione (per esempio, ora il computer, i movimenti del mouse, caratteristiche del completamento del modulo online, capacità di guida). Rilevamento delle modifiche di queste funzioni fornisce un indicatore sensibile per l’applicazione nella sorveglianza sanitaria delle malattie acute (ad es., epidemia virale) per l’individuazione precoce delle sindromi di demenza prodromal. Il sistema è particolarmente adatto per il monitoraggio dell’efficacia degli interventi clinici negli studi di storia naturale di sindromi geriatriche e nei test clinici.

Introduction

Ricerca clinica prevalente è irta di limitazioni nell’affidabilità e validità dei dati acquisiti a causa di mancanze intrinseche della metodologia di valutazione. Interviste sono vincolati dai tempi quando il clinico ed il paziente può coordinare gli orari. Tempo assegnato per gli esami è limitato da quello che ragionevolmente può essere chiesto il volontario da fare in una singola sessione. Queste sessioni brevi, ampiamente distanziate – anche se aumentata di telefonate occasionali o query Internet – limitano fortemente il potenziale per rilevare cambiamenti significativi in funzione o benessere nel tempo. Sessioni di test attuale sono in gran parte composte da richieste di informazioni che possono essere difficili da ricordare e verificare (ad esempio, “ricordi di prendere i vostri farmaci?”) o l’esecuzione di compiti artificiali (ad es., “alzarsi e sedersi veloce come si può”; “Ricordate queste dieci parole”). Le valutazioni sono spesso progettate per limitare la variabilità per testare quando in realtà variabilità nella performance in sé può essere una caratteristica diagnostica chiave. Ulteriormente, queste biopsie breve di tempo sono condotte in condizioni artificiali, piuttosto che all’interno del flusso normale della vita quotidiana. Pertanto, essi sono di limitata validità ecologica. Infine, il paradigma corrente intrinsecamente non può fornire il collegamento diretto di eventi chiavi interdipendenti o esiti (ad es., sonno, socializzazione, attività fisica) perché i dati non sono timestamp diverso da come ha ricordato.

Un approccio per superare queste carenze si trova nello sviluppo di sistemi che possono essere incorporati nella casa o comunità che si avvalgono dei progressi nella pervasive computing e tecnologia, comunicazioni wireless e ad alta frequenza multi-dominio dati di rilevamento analitica. La tecnologia e l’esperienza in questo settore sono in crescita e un numero di sistemi è stato sviluppato, ma è stato limitato in distribuzione, caratteristiche o esperienza longitudinale1,2,3,4. In questo manoscritto, descriviamo un protocollo sviluppato come un mezzo per fornire in tempo reale, continuo e longitudinale basato casa valutazione di dati rilevanti per la salute per migliorare sui limiti del paradigma di valutazione di salute attuale. Oregon Center per invecchiamento & amp; Tecnologia (ORCATECH) ha sviluppato un sistema basato su casa basato su pervasive computing e tecnologia per fornire una valutazione continua, in tempo reale di attività rilevanti per la salute e il comportamento di rilevamento. Introducendo la valutazione nella casa per abilitare in gran parte discreto e continuo monitoraggio delle attività reali sostanzialmente supera i limiti attuali. In primo luogo, poiché il sistema base è incorporato nello spazio di vita dei partecipanti come parte del loro ambiente circostante, è intrinsecamente conveniente. Le valutazioni che richiede risposte discrete possono essere raccolti quando una persona è più a suo agio e, nel caso di metodi di raccolta passiva, frequentemente come necessarie senza gravare un partecipante. In secondo luogo, essendo in vita-spazio normale della persona offre l’opportunità di raccogliere dati che immediatamente sono ecologicamente rilevanti, non semplicemente test artificiosa misure di funzione, ma la cognizione di tutti i giorni. Ad esempio, memoria prospettica guasto, una lamentela comune difficile testare naturalisticamente in clinica, può essere valutato a casa da inseguimento automatico giornaliero del farmaco tenendo comportamento, toccando così la cognizione di tutti i giorni, nonché una chiave di performance metrica nota sensibili al cambiamento conoscitivo. In terzo luogo, perché i dati sono digitali e timestamp, misurazione di più misure tra loro correlate allineate nel tempo è facilitata. Ad esempio, tempo sul telefono e il tempo fuori di casa (misure di impegno sociale o ritiro), uso del computer (iniziazione, attività psicomotoria e funzione conoscitiva di misura) e altre misure che hanno dimostrati di modificare con declino funzionale ( comportamento di sonno, peso, velocità ambulante) può aggiungere la sensibilità del sensore netto per distinguere i cambiamenti sottili che non potrebbero essere altrimenti evidenti. D’importanza, l’effetto di eventi sulla salute e la vita sulla cognizione e funzione (ad es., rapporti settimanali del dolore, cambiamento di farmaco, umore basso) anche può essere collegato a questo flusso di dati in cui si verificano. Infine, prova convenzionale e le query possono essere presentate tramite computer o relative interfacce (ad es., tablet, smartphone), fornendo opportunità senza precedenti per confrontare simultaneamente le prestazioni del test legacy al romanzo digitalmente derivato misure dalle stesse prove, come risposta o tempi di pausa, le curve di apprendimento e variabilità intra-test. Questo nuovo approccio trasforma così attuale valutazione per essere più comodo, discreto, continuo, multi-dominio e naturalistico. In definitiva, la piattaforma di base del sensore in casa basato su valutazione tecnologie e metodologie, fornisce un sistema che può essere sintonizzato e scalato all’indirizzo di una vasta gamma di domande di ricerca specifici relativi alla salute e al benessere con i noti vantaggi sopra il prassi corrente della clinica rara o valutazioni basate su telefono.

Il seguente protocollo descrive il processo di distribuzione di questa piattaforma per la raccolta non invadente in casa dati comportamentali e relativi alla salute. Nello sviluppo di questa piattaforma, degli obiettivi principali è stato quello di fornire una suite di base delle funzioni di valutazione che può fornire i dati necessari per entrambi i domini generali di salute e benessere (fisico, cognitivo, sociale, emotivo), come pure più specifici comportamenti (di dedurre ad esempio, farmaco prendere, passeggiate, attività legate al sonno, attività fisiologica). Lo sviluppo della piattaforma è stato guidato dai principi diversi tra cui utilizzando gli approcci di rilevamento non invadente più passivi, minimizzando il coinvolgimento diretto degli utenti con tecnologia, essendo tecnologia ‘agnostico’ (cioè, impiegando i migliori dispositivi o soluzioni tecniche piuttosto che richiedere un approccio particolare o un prodotto), essere scalabile e riducendo al minimo la manutenzione hands-on e durevole (per la valutazione a lungo termine).

La piattaforma descritta si è evoluto negli ultimi dodici anni, cosa importante informato da una gamma di utilizzatori finali, da “digitalmente ingenuo” early adopters. Periodici sondaggi e focus group sono stati la chiave per informare questo sviluppo5,6,7. Centinaia di volontari hanno permesso i sistemi continuamente da distribuire nelle loro case fino a undici anni con iterative modifiche introdotte basate sui progressi della tecnologia, nuove capacità funzionali richieste dalla comunità di ricerca, e l’input chiave costante degli individui che vivono nella casa dove la tecnologia è stata implementata. Collettivamente, questi volontari hanno costituito un laboratorio di “vivere” nella comunità che noi chiamiamo il “Life Laboratory” dove le loro case e la continua dei dati raccolta durante tutta la giornata fornisce un livello unico di dettagli circa la salute, attività e la corso della vita.

Una piattaforma di base della tecnologia di rilevamento costituisce la spina dorsale dell’intero sistema per l’acquisizione di dati continuo basato casa. Gli elementi di questa piattaforma sono descritti successivamente. La piattaforma di base viene modificata (gli elementi possono essere aggiunti o rimossi) sulla base delle informazioni ottenute durante il processo di raccolta utente atteggiamenti e credenze e misure di risultato di interesse per lo studio utilizzando la piattaforma di ricerca. Poiché i protocolli di comunicazione dati sono standardizzati, il sistema è stato progettato per consentire a qualsiasi dispositivo che segue questi protocolli per essere incorporate nella rete.

La piattaforma di base qui descritta si basa sul caso di utilizzo di volontari nel laboratorio di vita (LL) che acconsentono ad avere la piattaforma distribuito all’interno delle loro case per raccogliere dati di comportamento delle loro attività di vita normale e attività naturalistiche per molti anni (la più lunga distribuzione di corrente continua = 11 anni).

Il computer di hub e connessione Ethernet/Wi-Fi permettono raccolta dati da periferiche di sistema e la trasmissione al server sicuro a ORCATECH senza interferenze partecipante. Il computer di hub è configurato per il partecipante specifico e casa set-up al momento dell’installazione di sistema utilizzando un computer portatile o tablet e un pannello di controllo che si connette a un sistema di gestione centralizzata di partecipante digitale. Dispositivi di raccolta di dati aggiuntivi (ad esempio sensori, MedTracker e scala) possono essere configurati per comunicare con il computer di hub nello stesso modo.

La ORCATECH Console e tecnologia Remote Management System è una tecnologia digitale personalizzata e sistema di gestione di dati chiamato “Console” che permette la configurazione partecipante tecnologia domestica e confi gurazione di sistema, nonché gestione di tecnologia remota in corso di case tra cui garantire la raccolta dei dati e monitoraggio. Inoltre, per facilitare la distribuzione del sistema nella comunità dove ogni casa può avere un unico layout, uno strumento grafico basato su un’interfaccia tablet viene utilizzato per registrare automaticamente dove si trovano vari sensori e loro adiacenze fisici validi per altri sensori (Figura 2). Questo è importante per riferimento durante il monitoraggio remoto del sistema a livello domestico.

Sensori di movimento ad infrarossi passivi (PIR) digitalmente sono assegnati a una determinata casa durante l’installazione del sistema, comunica con il computer di hub tramite un Dongle USB wireless. Un sensore è posizionato per camera al senso di movimento all’interno le transizioni camera e partecipante da stanza a stanza. Una “linea retta sensore” di quattro sensori è collocata sul soffitto di un corridoio o altra area dove il partecipante cammina regolarmente ad un ritmo costante. Questa linea sensore permette discreto raduno di camminare velocità molte volte al giorno. Altri parametri possono essere derivate da questi sensori di attività come tempo di sosta o il numero di transizioni di camera. Sensori a contatto porta sono collocati intorno alla casa a tutti esterne porte per rilevare dei partecipanti entravano e uscivano dalla casa e il frigorifero per determinare la frequenza generale di accesso al cibo.

On-line settimanale salute e attività Self-Reports sono tenuti a dare un senso ottima dei dati dal sistema passivo di dispositivi di raccolta. Questi dati sono fondamentali per l’analisi della relazione partecipante di eventi in casa rispetto ai dati del sensore raccolto. Il questionario self-report settimanale online può essere completato in qualsiasi dispositivo di elaborazione (ad esempio, computer portatile, tablet, smartphone) con una connessione Internet per i partecipanti di query sui viaggi fuori i visitatori a casa, in casa, salute spazio cambiamenti all’interno del casa, solitudine, la depressione e il livello di dolore. Download raccolta di dati si basa su una finestra relativamente breve di raccoglimento, che fornisce una risoluzione molto più elevata dei dati e probabilità di accuratezza rispetto, per esempio, check-up annuale o semestrale. Inoltre, questo processo di auto-rapporto permette anche ai ricercatori di esaminare passivi indicatori di potenziale cognitivo, come la variazione nel tempo per completare il sondaggio, variazione nel numero di clicks, maggiori difficoltà segnalazione accurata date, o marcatori di danno nelle risposte di testo libero. Come parte della piattaforma di base, installiamo una casella elettronica pillola di sette giorni che registra o meno è stato aperto il vano del giorno designato e il time (s) che è stato aperto ogni giorno. Questo fornisce informazioni sull’aderenza, nonché una potenziale indicazione del declino conoscitivo se coerenza di assunzione farmaco diminuisce.

Una scala di bioimpedenza digitale wireless che raccoglie anche impulso, corpo composizione metriche, velocità di onda di impulso, temperatura ambientale e ambiente anidride carbonica livello è installata in bagno, il conferimento dei dati il peso giornaliero dei partecipanti. Questi dati possono quindi essere correlati con altri eventi segnalati (ad es., lo stato di salute, farmaci), così come altri indicatori passive del comportamento, quali l’aderenza di protocollo e la frequenza di utilizzo nel tempo.

In casi dove la nostra unità partecipanti, abbiamo installato un sensore di marcia in loro veicoli. Questo sensore fornisce informazioni sulle abitudini quali frequenza, tempi, durata e distanza dei viaggi, così come la frequenza di hard ferma o brusche accelerazioni di guida.

Un dispositivo indossabile indossato al polso raccoglie i dati di attività fisica sia dentro e fuori la casa. Diverse marche e modelli di capi d’abbigliamento sono stati utilizzati in case di laboratorio di vita.

A seconda del progetto, un investigatore utilizzando la piattaforma ORCATECH può decidere di integrare la base del sensore impostato con componenti aggiuntivi di raccolta di dati. Testato in passato alcuni esempi un sensore del telefono per monitorare la socializzazione attraverso attività di telefono di rete fissa, lo sviluppo e l’implementazione di un’equilibrio-scheda digitale per equilibrio test, una tavoletta con compiti cognitivi periodiche per il partecipante a completare in casa propria e un sistema di SMS automatizzato per valutare l’efficacia di ricordi del farmaco via telefono.

Per gestire i diversi dati generati da ORCATECH vita laboratorio, informazioni personalizzate e sistema di dati è utilizzato per raccogliere, annotazione, mantenere e analizzare copiosa attività e dati relativi alla salute. ORCATECH ha sviluppato un sistema personalizzato per partecipante gestione, raccolta dati self-report ed elaborazione e raccolta continua di dati da tutti i sensori e le periferiche di sistema. Il sistema si basa su un cluster di server distribuito NoSQL Cassandra per memorizzare i dati dei sensori e un’architettura di lambda tramite Kafka e scintilla che permette la nostra funzionalità di elaborazione dati di avvicinarsi all’elaborazione in tempo reale. Utilizzando un’API REST, i dati vengono trasferiti in piattaforme di analisi di dati standard e programmi di software statistici per l’analisi dei dati.

Protocol

Tutti i partecipanti fornito il consenso informato scritto. Vita laboratorio partecipanti viene chiesto di vivere la loro vita come farebbero normalmente per consentire studio d’osservazione longitudinale della loro attività di vita e i modelli per il resto della loro vita. Essi possono ritirare in qualsiasi momento, se lo desiderano. Il protocollo di studio è stato approvato dalla Oregon Health & amp; Università di scienza (OHSU) Comitato d’esame istituzionale (vita laboratorio OHSU IRB #2765). <p class="jove_tit…

Representative Results

La suite ORCATECH della tecnologia permette di raccogliere un insieme di dati unica e ricco riguardanti i modelli di vita di persone come vanno circa la loro attività abituale. Il sistema di sensori permette di discreto e continuo monitoraggio dei volontari nelle loro case. Il sistema è stato utilizzato in decine di studi che coinvolgono centinaia di volontari nella ricerca esaminando settori chiave della salute e della funzione come camminare velocità e mobilità, assunzione di farmac…

Discussion

Abbiamo descritto un sistema di base o piattaforma consentendo a casa – e basati sulla comunità remote sensing e la comunicazione delle misure di benessere e salute salienti su base continuativa. Il sistema è destinato a essere utilizzato principalmente nella ricerca in questo momento.

Ove possibile, il sistema utilizza strumenti open source e sensori o dispositivi approfittando delle API disponibili e software development kit (SDK). Il sistema è progettato per essere la tecnologia “agnosti…

Divulgations

The authors have nothing to disclose.

Acknowledgements

Ricerca qui descritta è stata sostenuta da sovvenzioni da parte del National Institutes of Health, National Institute on Aging (U2CAG054397, AG024978 P30, P30 AG008017, R01 AG042191 AG024059 R01), Intel, la Fondazione per il National Institutes of Health e il 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

Citer Cet 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