Measuring lifespace in older adults with mild Alzheimer's disease using smartphone GPS
Notice bibliographique
Résumé
Withdrawal from activity can be challenging to assess due to the nature of amnesia associated with Alzheimer's disease (AD). GPS can capture the geographical area a person covers in daily life, or lifespace, as a proxy measure of voluntary and social activity. The purpose of the study was to examine the utility of GPS to measure lifespace in older adults with mild AD. We hypothesized that lifespace parameters (time and distance away from home, area covered) would be reduced in AD compared to healthy older adults. Nineteen community-dwelling older adults with mild AD (MMSE=14-28, age=70.7±2.2y) and 35 controls (CTL, age=74.0±1.2 y) wore a GPS-enabled smartphone during the day for 3 days. Time away from home was calculated as the percentage of time spent outside a 25m radius of their home coordinates. Mean distance was measured as the average distance from home. Area covered was determined by computing the area of the convex hull of the GPS data for each participant. All measures were log 10 transformed to produce a parametric distribution and tested for group effect using 2-sample t-tests. We found that lifespace size is smaller in the AD group, indicated by lower mean distance from home and area covered. However, we did not find significant group difference in time away from home. Our preliminary findings suggest that GPS data can provide insight into spatial and temporal patterns of activity, and can potentially be used as an outcome measure of treatment intervention. Acknowledgments: We acknowledge the contributions to Alicia Capobianco and Teresa Wu in collecting data. This work was funded by a grant from the Alzheimer's Association. J. Tung was funded by the Alzheimer's Association of Canada.
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 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 | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».