MétaCan
Menu
Retour à la cohorte
Enregistrement W2294295275 · doi:10.2196/iproc.4700

Assistive Dressing System: A Capabilities Study for Personalized Support of Dressing Activities for People Living with Dementia

2015· article· en· W2294295275 sur OpenAlexvenueno aff
Winslow Burleson, Cecil Lozano, Vijay Ravishankar, Jeremy Rowe, Edward Mahoney, D. F. Mahoney

Notice bibliographique

RevueIproceedings · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClothingProcess (computing)Wearable computerInternet privacyHuman–computer interactionPsychologyComputer scienceEmbedded system

Résumé

récupéré en direct d'OpenAlex

People living with advanced stages of dementia (PWD) or other cognitive disorders do not have the luxury of remembering how to perform basic day-to-day activities, making them increasingly dependent on the assistance of caregivers. Dressing is one of the most common activities provided by caregivers. It is also one of the most stressful for both parties due to its complexity and privacy challenges posed during the process. In this paper, we present the first of its kind system (DRESS) that aims to provide much needed independence and privacy to individuals with PWDs, and afford additional freedom to their caregivers. The DRESS system is designed to deliver continuous, automated, personally tailored feedback to support PWD’s during the process of dressing. The core of DRESS consists of a computer vision based detection system that continuously monitors the dressing state of the user, identifies and prompts correct and incorrect dressing states, and provides corresponding cues to help complete the dressing process adequately with minimal, or ideally no, caregiver intervention. The DRESS system detects clothing location and orientation and status with respect to the dressing process by identifying and tracking fiducial markers (visual icons) attached to clothes. In preparation for in-home trials with PWDs, we evaluated the system’s ability to detect dressing events by asking 11 healthy participants to simulate common correct and incorrect dressing scenarios, such as donning shirt and pants inside out, back in front, and partial dressing, in a laboratory setting. We found that although the fiducial tracking system missed a few expected detections, it was generally capable of detecting dressing phases for both pants and shirt. Our study suggests that the use of a fiducial tracking system in the context of detecting dressing processes has the potential to automatically recognize, and generate prompts and feedback to assist PWDs or related cognitive disorders to correctly dress themselves with little or, ideally no assistance from their caregivers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,330
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIproceedingsMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207