Summary

Methode voor de vaststelling van een communautair leven laboratorium voor het vastleggen van discrete en continue externe activiteit en gezondheidsgegevens

Published: July 27, 2018
doi:

Summary

Onopvallende sensoren en doordringende gegevensverwerkingstechnologie opgenomen in het dagelijkse gezinsleven van oudere volwassenen maakt het mogelijk zinvolle gezondheid en activiteit veranderingen worden continu geregistreerd voor maanden tot jaar, verstrekken van ecologisch geldig, hoge frequentie, meerdere domeinen gegevens voor onderzoeks- of klinische gebruik.

Abstract

Een end-to-end-suite van technologieën is opgezet voor de onopvallend en doorlopende bewaking van de gezondheid en activiteit veranderingen in het dagelijks leven van de oudere volwassenen over langere tijd. De technologie is samengevoegd in een systeem waarin de beginselen van opdringerig minimaal, tijdens het genereren van veilige, privacy beschermd, continu objectieve gegevens in real-world (huis-gebaseerde) instellingen voor maanden tot jaren. Het systeem omvat passieve infrarood aanwezigheidssensoren geplaatst door het hele huis, deur contact sensoren op buitendeuren, aangesloten apparaten, fysiologische monitoring (zoals schalen), medicatie vakken en draagbare actigraphs geïnstalleerd. Drijvende sensoren zijn ook geïnstalleerd in deelnemers auto’s en gebruik van de computer (PC, tablet of smartphone) wordt bijgehouden. Gegevens van aantekeningen is voorzien via frequente online zelfrapportage opties waarmee belangrijke informatie met betrekking tot de gegevens die moeilijk te concluderen via sensoren zoals interne Staten (bijvoorbeeldpijn, stemming, eenzaamheid), evenals gegevens referent naar het patroon van de activiteit interpretatie (b.v., bezoekers, herschikt meubilair). Algoritmen zijn ontwikkeld met behulp van de gegevens ter identificatie van functionele domeinen sleutel tot gezondheid of ziekte activiteit monitoring, met inbegrip van mobiliteit (b.v., kamer overgangen, stappen, gait snelheid), fysiologische functie (bijvoorbeeld, gewicht, body index van de lichaamsmassa, puls), slapen gedrag (b.v., de tijd van de slaap, reizen naar de badkamer in de nacht), de naleving van de medicatie (bijvoorbeeld, gemiste doses), MBO (bijvoorbeeldtijd uit paren van huis, tijd samen doorbrengen), en cognitieve functie (bijvoorbeeld, tijd op de computer, de bewegingen van de muis, de kenmerken van onlineformulier voltooiing, rijvaardigheid). Veranderingsdetectie van deze functies biedt een gevoelige marker voor de toepassing in gezondheidstoezicht van acute ziekten (b.v., virale epidemie) voor de vroegtijdige opsporing van prodromal dementie syndromen. Het systeem is uitermate geschikt voor het toezicht op de effectiviteit van klinische interventies in natuurlijke historie studies van geriatrische syndromen en in klinische proeven.

Introduction

Heersende klinisch onderzoek is beladen met beperkingen in de betrouwbaarheid en validiteit van de gegevens die zijn vastgelegd door inherente tekortkomingen van evaluatiemethode. Interviews zijn beperkt door de tijden wanneer de behandelaar en patiënt planningen kunnen coördineren. Tijd voor het vragenuur voor examens wordt beperkt door wat de vrijwilliger kan redelijkerwijs worden gevraagd om te doen in een enkele sessie. Deze korte, wijd gespreide sessies – beperken zelfs als opgedreven door de occasionele telefoongesprekken of Internet-query’s – ernstig de mogelijkheden voor de opsporing van zinvolle verandering in de functie of het welzijn na verloop van tijd. Huidige test sessies zijn grotendeels samengesteld van verzoeken om inlichtingen dat kan moeilijk te herinneren en te verifiëren (bijv, “herinnert u aan uw medicijnen nemen?”) of de prestaties van kunstmatige taken (bijvoorbeeld“opstaan en zo snel als u zitten kan”; “remember deze tien woorden”). De evaluaties zijn vaak ontworpen om te beperken-testen-variabiliteit wanneer in feite variabiliteit in prestaties zelf een belangrijk diagnostisch kenmerk kan worden. Verder, deze korte Biopten van tijd worden uitgevoerd onder kunstmatige omstandigheden in plaats van binnen de normale stroom van het dagelijkse leven. Daarom zijn zij beperkt ecologische geldigheidsduur. Tot slot, de huidige paradigma inherent kan geen directe koppeling van onderling afhankelijke belangrijke gebeurtenissen of resultaten (b.v., slaap, socialisatie, lichamelijke activiteit) omdat de gegevens zijn niet tijdstempel anders dan zoals teruggeroepen.

Een benadering van het overwinnen van deze tekortkomingen ligt in de ontwikkeling van systemen die kunnen worden ingesloten in huis of Gemeenschap die van de vooruitgang profiteren in pervasive computing en sensing technologie, draadloze communicatie en hoge frequentie meerdere domeinen gegevens Analytics. De technologie en ervaring op dit gebied groeien en een aantal systemen hebben ontwikkeld, maar zijn beperkt in implementatie, functies of longitudinale ervaring1,,2,,3,4. In dit manuscript beschrijven we een protocol ontwikkeld als een middel om te voorzien van real-time, continue en longitudinale huis gebaseerde beoordeling van de gezondheid-relevante gegevens te verbeteren op de beperkingen van het huidige paradigma van de gezondheid beoordeling. Oregon Center for Aging & amp; Technologie (ORCATECH) heeft een huis-gebaseerde systeem gebaseerd op pervasive computing en sensing technologie om continu, real-time beoordeling van gezondheid-activiteit en gedrag ontwikkeld. De beoordeling te brengen in huis om grotendeels onopvallend en doorlopende bewaking van de reële activiteit aanzienlijk overwint huidige beperkingen. Ten eerste omdat de core system is ingesloten in de leven-ruimte van de deelnemers als onderdeel van hun omgevingstemperatuur milieu, is het inherent handig. Evaluaties die vereisen aparte reacties kunnen worden verzameld wanneer een persoon de meeste op hun gemak en, in het geval van passieve vergaringsmethoden, zo vaak als nodig zonder te belasten van een deelnemer. Ten tweede, wordt in de persoon van normale leven-ruimte biedt de gelegenheid voor het verzamelen van gegevens die onmiddellijk ecologisch relevant zijn, niet alleen testen gekunsteld maatregelen van functie, maar dagelijks cognitie. Bijvoorbeeld potentiële geheugen mislukking, een veelgehoorde klacht moeilijk mens testen in de kliniek, kan thuis worden beoordeeld door automatische dagelijkse opvolging van medicijnen nemen gedrag, dus te tikken zowel alledaagse cognitie, evenals een belangrijke prestatie metrisch bekend te zijn gevoelig voor cognitieve verandering. Ten derde, omdat de gegevens digitale en tijdstempel zijn, meting van meerdere onderling verbonden maatregelen tijdig uitgelijnd wordt vergemakkelijkt. Bijvoorbeeld, de tijd op de telefoon en time-out van huis (maatregelen van sociaal engagement of intrekking), gebruik van de computer (meting van de inleiding, psychomotorische activiteit en cognitief functioneren), en andere maatregelen die is gebleken om te veranderen met de daling van de functionele ( slaap gedrag, gewicht, snelheid lopen) kunt toevoegen aan de gevoeligheid van de sensor net te onderscheiden van de subtiele veranderingen die niet mag anders blijkt. Nog belangrijker is, kan het effect van de gezondheid en het leven gebeurtenissen op cognitie en functie (bijvoorbeeldwekelijkse rapporten van pijn, medicatie wijzigen, lage stemming) ook worden gekoppeld aan deze gegevensstroom als zij zich voordoen. Tot slot, conventionele testen en query’s kunnen worden gepresenteerd via computer of gerelateerde interfaces (bv, tablet, smartphone), bieden ongekende mogelijkheden gelijktijdig vergelijken de prestaties van de oudere test roman digitaal afgeleid maatregelen uit de dezelfde testen zoals respons of pauzetijden, leercurve en intra-test variabiliteit. Deze nieuwe aanpak transformeert aldus huidige beoordeling te handiger, onopvallend, continu, meerdere domeinen en naturalistische. Uiteindelijk, het fundamentele platform van in-home sensor gebaseerd beoordeling technologie en methodologie, biedt een systeem dat kan worden afgestemd en geschaald naar adres een breed scala van specifieke onderzoeksvragen betrekking tot gezondheid en welzijn met bekende voordelen over de huidige aanvaarde praktijk van zeldzaam kliniek of telefonische evaluaties.

Het volgende protocol overzicht van het proces voor het implementeren van dit platform voor onopvallende in-home gedrags- en gezondheidsgerelateerde gegevensverzameling. Bij het ontwikkelen van dit platform, is een belangrijk doel geweest om een fundamentele suite van beoordeling functies waarmee de gegevens die nodig zijn om te concluderen beide algemene domeinen van gezondheid en welzijn (fysieke, cognitieve, sociale, emotionele), evenals de meer specifieke gedrag (kan bijvoorbeeldmedicijnen nemen, wandelen, slaap-gerelateerde activiteiten, fysiologische activiteit). De ontwikkeling van het platform heeft laten leiden door verschillende beginselen, waaronder het gebruik van de meest passieve onopvallend sensing benaderingen, minimaliseren van directe gebruiker betrokkenheid met technologie, is een technologie ‘agnost’ (dwz, de beste apparaten in dienst of technische oplossingen in plaats van vereist een specifieke aanpak of product), duurzaam (voor op de lange termijn evaluatie) en schaalbare en minimaliseren hands-on onderhoud.

Het platform beschreven is geëvolueerd in de afgelopen twaalf jaar, vooral door een scala aan eindgebruikers, van “digitaal naïef” te vroege adopters in kennis gesteld. Periodieke enquêtes en focusgroepen zijn de sleutel tot het informeren van deze ontwikkeling5,6,7. Honderden vrijwilligers hebben toegestaan de systemen in hun huizen voor maximaal elf jaar met iteratieve wijzigingen wordt ingevoerd op basis van de vooruitgang in technologie, nieuwe functionele capaciteit gevraagd door de onderzoekgemeenschap, voortdurend worden geïmplementeerd en de belangrijkste constante input van personen die wonen in huis waar de technologie is geïmplementeerd. Collectief, deze vrijwilligers hebben gevormd van een laboratorium “living” in de Gemeenschap die wij noemen het “leven laboratorium” waar hun huizen en de continu gegevens verzameld over de hele dag zorgen voor een unieke niveau van details over gezondheid, activiteit, en de levensloop.

Een fundamentele platform van sensing technologie vormt de ruggengraat van het gehele systeem voor het vastleggen van continue huis-gebaseerde gegevens. De elementen van dit platform worden vervolgens beschreven. De core-platform wordt gewijzigd (elementen kunnen worden toegevoegd of verwijderd) op basis van de informatie verworven tijdens het proces van het verzamelen van de gebruiker de attitudes, en overtuigingen en resultaat maatregelen van belang voor de studie met behulp van het onderzoeksplatform. Omdat gegevens communicatieprotocollen zijn gestandaardiseerd, is het systeem ontworpen om elk apparaat dat deze protocollen volgt moeten worden opgenomen in het netwerk.

Het fundamentele platform hier beschreven is gebaseerd op de use-case voor vrijwilligers in het leven laboratorium (LL) die toestemming te hebben van het platform geïmplementeerd binnen hun huizen om te verzamelen naturalistische activiteit en gedrag gegevens van hun normale bezigheden voor vele jaren (langste huidige continu distributie = 11 jaar).

De hub-computer en Ethernet/WiFi-verbinding kunt verzamelen van de gegevens van de systeemapparaten en transmissie terug naar beveiligde servers op ORCATECH zonder de inmenging van de deelnemer. De hub-computer is geconfigureerd voor de specifieke deelnemer en thuis set-up op de installatie van het systeem met behulp van een laptop of tablet en een bedieningspaneel die verbinding met een gecentraliseerd beheersysteem voor digitale deelnemer maakt. Aanvullende gegevens stroomafname-inrichtingen (zoals sensoren, MedTracker, en de schaal) kunnen worden geconfigureerd door te communiceren met de hub-computer op dezelfde manier.

De ORCATECH Console en Remote technologie managementsysteem is een aangepaste digitale technologie en data managementsysteem genaamd “Console” waarmee de configuratie van de deelnemer technologie voor thuis en systeeminstallatie, evenals lopende technologie voor externe systemen beheer van huizen met inbegrip van veilige gegevensverzameling en monitoring. Bovendien om te vergemakkelijken de stationering van het systeem in de Gemeenschap waar elk huis een unieke lay-out hebben kan, wordt een grafische tool gebaseerd op een tablet-interface gebruikt voor het automatisch opnemen waar diverse sensoren zich bevinden en hun geldige fysieke belendingen naar andere sensoren (Figuur 2). Dit is belangrijk voor referentie tijdens externe bewaking van het systeem op het eigen niveau.

Passieve infrarood (PIR) bewegingssensoren zijn digitaal toegewezen aan een bepaald huis tijdens de installatie van het systeem, communiceren met de hub-computer via een draadloze USB-Dongle. Een sensor wordt geplaatst per kamer te voelen beweging binnen de kamer en deelnemer overgangen van kamer naar kamer. Een rechte “Sensor lijn” van vier sensoren wordt geplaatst op het plafond van een hal of andere ruimte waar de deelnemer regelmatig een consistente tempo loopt. Deze sensor regel kunnen onopvallend verzamelen van wandelen snelheid vele malen per dag. Andere statistieken kan worden afgeleid uit deze activiteit sensoren zoals Nadruktijd of aantal kamer overgangen. Deur contact sensoren worden geplaatst rond het huis helemaal buitendeuren op te sporen van de deelnemers komen en gaan van het huis, en op de koelkast om te bepalen van algemene frequentie van voedsel toegang.

On-Line per gezondheid en activiteit Self-Reports vereist zijn voor het maken van optimale gevoel van de gegevens uit het passieve systeem van stroomafname-inrichtingen. Deze gegevens zijn noodzakelijk voor de analyse van deelnemer verslag van gebeurtenissen in het huis ten opzichte van de sensorgegevens verzameld. De online per zelfrapportage vragenlijst kan worden voltooid op elk computerapparaat (bv, laptop, tablet, smartphone) met een internetverbinding aan query deelnemers over reizen uit het huis, bezoekers in het huis, de gezondheid veranderingen, de ruimte veranderingen binnen de huis, eenzaamheid, depressie en pijn niveau. Per verzameling van de gegevens is afhankelijk van een relatief korte venster van herinnering, waarin veel hogere resolutie voor data en kans op juistheid dan, bijvoorbeeld, jaarlijks of halfjaarlijks check-ups. Voorts staat dit proces van zelf-rapport ook onderzoekers te passieve indicatoren van mogelijke cognitieve stoornissen, zoals variatie in de tijd in beslag van de enquête, variatie in aantal klikken, grotere moeilijkheden rapportage nauwkeurig onderzoeken datums of bijzondere waardevermindering markeringen in vrije-tekstrespons. Als onderdeel van het fundamentele platform installeren we een doos van de elektronische pil zeven dagen dat records al dan niet de aangewezen dag compartiment werd geopend en de tijd(en) dat het is elke dag geopend. Dit levert informatie op over de naleving van de medicatie, alsmede een mogelijke indicatie van cognitieve achteruitgang als de consistentie van het nemen van medicatie vermindert.

Een draadloze digitale bioimpedence-schaal die tevens puls, lichaam samenstelling statistieken pulse wave snelheid, omgevingstemperatuur en ambient kooldioxide niveau verzamelt wordt geïnstalleerd in de badkamer, met gegevens over de deelnemers dagelijkse gewichtstoename. Deze gegevens kan dan worden gecorreleerd met andere gerapporteerde gebeurtenissen (bijvoorbeeld, gezondheidstoestand, medicijnen), evenals andere passieve indicatoren van gedrag, zoals de naleving van het protocol en de frequentie van gebruik na verloop van tijd.

In gevallen waar onze deelnemers rijden, wij installeren een drijvende sensor in hun voertuigen. Deze sensor biedt informatie over het rijden gewoonten zoals frequentie, tijdstip, duur en afstand van reizen, evenals de frequentie van harde reageert of harde versnellingen.

Een pols gedragen wearable apparaat verzamelt lichaamsbeweging gegevens, zowel binnen en buiten het huis. Diverse merken en modellen van wearables zijn gebruikt in leven laboratorium huizen.

Afhankelijk van het project kunt een onderzoeker met behulp van het ORCATECH platform ter aanvulling van de fundamentele sensor set met extra gegevensverzameling onderdelen. Voorbeelden getest in het verleden zijn een telefoon-sensor voor het controleren van socialisatie via vaste telefoon activiteit, de ontwikkeling en uitvoering van een digitale-sportmat voor evenwicht testen, een tablet met periodieke cognitieve taken voor de deelnemer om te voltooien in hun eigen huis, en het systeem van een geautomatiseerde texting om te evalueren van de werkzaamheid van medicatie herinneringen via telefoon.

Voor het afhandelen van de diverse gegevens gegenereerd door het ORCATECH Life Lab, een op maat gesneden informatie en gegevenssysteem wordt gebruikt voor het verzamelen, aantekeningen maken, onderhouden en analyseren van overvloedige activiteit en gezondheidsgegevens. ORCATECH heeft een aangepast systeem voor beheer van de deelnemer, zelfrapportage gegevensverzameling en verwerking en continue gegevensverzameling van alle systeemapparaten en sensoren ontwikkeld. Het systeem is gebaseerd op een gedistribueerde NoSQL Cassandra servercluster voor het opslaan van de sensorgegevens en een lambda-architectuur met behulp van Kafka en Spark waarmee onze gegevens verwerkingsmogelijkheden toenadering tot real-time verwerking. Met een REST API wordt data omgezet in de standaard data analyse platformen en statistische software voor gegevensanalyse.

Protocol

Alle deelnemers verstrekt schriftelijke geïnformeerde toestemming. Leven laboratorium deelnemers worden verzocht om hun leven zoals ze dat gewend zodat longitudinale Observationele studie van hun bezigheden en patronen voor de rest van hun leven. Ze kunnen te allen tijde intrekken, indien zij dit wensen. Het studie-protocol is goedgekeurd door de Oregon Health & amp; Wetenschap (Universiteit) (OHSU) institutionele Review Board (leven laboratorium OHSU IRB #2765). 1. voorbereiding To…

Representative Results

De ORCATECH suite van technologie maakt het mogelijk om een unieke rijke gegevensverzameling over de levenspatronen van mensen te verzamelen als ze gaan over hun gebruikelijke activiteiten. De sensorsysteem kunt onopvallend en doorlopende bewaking van de vrijwilligers in hun eigen huizen. Het systeem is gebruikt in tientallen studies waarbij honderden vrijwilligers in onderzoek behandeling sleutelgebieden van de gezondheid en functie zoals wandelen snelheid en mobiliteit, medicatie nemen …

Discussion

Wij hebben beschreven een basic system of het platform waarmee thuis en gemeenschap gebaseerde remote sensing en rapportage van saillante gezondheid en welzijn maatregelen op een continue basis. Het systeem is bedoeld om te worden voornamelijk gebruikt in onderzoek op dit moment.

Waar mogelijk, het systeem maakt gebruik van opensource tools en sensoren of apparaten profiteren van beschikbare API’s en software development kits (SDK). Het systeem is ontworpen om technologie “agnostic” zodanig zi…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Het hier beschreven onderzoek werd gesteund door subsidies van de National Institutes of Health, National Institute on Aging (U2CAG054397 P30 AG024978 P30 AG008017, R01 AG042191, R01 AG024059), Intel, de Stichting voor de National Institutes of Health en de 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