The development of a novel complex medication adherence and monitoring technology
Notice bibliographique
Résumé
In recent years the field of gerontechnology has expanded rapidly, bringing about the development of new technologies to facilitate ageing-in-place [1][2][3][4] . Alongside this technological development, there is a need to consider the broader impacts of the application of this technology on the end user, to explore the role of technology as a data collection tool, and to identify the potential benefits of industry-academic collaboration in technology design. Content Contributing to each of these key themes, this symposium discusses findings emerging from gerontechnology research conducted in the USA and Canada. Structure There will be four oral presentations. Dr. Berridge will present results from qualitative research undertaken with older adults, healthcare professionals, and family members to examine the social and ethical considerations of using remote monitoring (RM) technologies, focussing on issues of self-determination, autonomy, privacy, and power. Dr. Sixsmith will present information on the development of an Experiential Sampling Methodology to capture mood, behaviorial, and contextual data among older adults living with bipolar disorder. Dr. Woolrych will discuss the use of video surveillance data to investigate falls among older adults in long-term care, demonstrating the potential of video data for generating in-depth understanding of how and why falls occur in long-term care and reflecting on video as a potential tool for education and knowledge transfer. Dr. Sterns will present findings from an ongoing industry/academic collaboration to develop innovative products and applications that support older adults to age-in-place, including a medication dispensing system and mobile application to monitor health status. Conclusion The symposium will highlight innovative themes emerging from gerontechnology research conducted in North America. This will be followed by discussion with symposium participants to identify opportunities and challenges from other regional contexts.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».