Designing calm and non-intrusive ambient assisted living system for monitoring nighttime wanderings
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
Purpose Assistive living technologies provide support for specific activities, transforming a home into a smart home. The purpose of this paper is to present how to design, implement, deploy and install a personalized ambient support system for the elderly suffering from Alzheimer’s disease (AD) and nighttime wandering. Design/methodology/approach The intervention presented in this paper proceeds in two phases. During the monitoring phase, the system determines the profile of the person with AD, based on nighttime routines. Data are gathered from sensors dispatched in the smart home, coupled with physiological data obtained from sensors worn by the person. Data are then classified to determine engine rules that will provide assistance to the resident to satisfy their needs. During the second phase, smart assistance is provided to the person via environmental cues by triggering rules based on the person’s habits and the activities occurring during night. Findings The paper develops the architecture of a non-intrusive system that integrates heterogeneous technologies to provide a calm environment during night and limit wandering periods. Practical implications The goal is to help people age well at home as long as possible and recover a regular circadian cycle while providing more comfort to the caregiver. Originality/value The system presented in this paper offers a calm and personalized environment with music and visual icons to soothe persons with AD and encourage them to go back to bed. It is installed at the patient’s home using wireless technologies.
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 | 0,001 | 0,001 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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