Wireless telesurveillance system for detecting dementia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objective We hypothesized path tortuosity (an index of casual locomotor variability) measured by a movement telesurveillance system would be suitable for assisted living facility residents clinically diagnosed with dementia. Background We examined the relationship of dementia to path tortuosity and to movement speed and path length variability, both of which increase in dementia. Methods Daytime movements of 25 elders (19 female; 14 with dementia; average age 80.6) were monitored for 30 days using radio transponders measuring location with a maximum accuracy of 20 cm. After 30 days, the Mini Mental State Exam (MMSE) and Revised Algase Wandering Scale-Community Version (RAWS-CV) were administered. Results Fractal Dimension (Fractal D), a measure of path tortuosity, correctly classified all but 2 residents with dementia; sensitivity 0.857, specificity 0.818 while the MMSE had 6 misclassifications, a sensitivity of 0.857 and a specificity of 0.727. Individual logistic regressions of dementia diagnosis on predictors MMSE and Fractal D were significant, but a logistic regression using both predictors found Fractal D marginally predictive of dementia (p=0.055) while the MMSE was not (p=0.168). Although significantly correlated with Fractal D, rate of travel and mean path distance were not predictive of dementia. Fractal D correlated negatively with overall MMSE (r= -0.44, n=25, p < 0.05) but the relationship was mediated by MMSE Geographical Orientation items. Fractal D was unrelated to the RAWS-CV. Conclusions Telesurveillance-measured path tortuosity is greater in persons diagnosed with dementia. Persons with dementia have relatively more impaired spatial memory which is required for successful navigation. Application Automatic monitoring of direction, length and speed of unconstrained movements.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle