LUDO: AN INTERVENTION SYSTEM TO DETER PERSONS WITH MILD DEMENTIA FROM INACTIVITY AND RESTLESSNESS
Notice bibliographique
Résumé
The prevalence of dementia is on the rise worldwide. As symptoms of dementia progress, many will experience increased bouts of physical inactivity and restlessness, which will inevitably impair their ability to remain independent in their homes. Existing interventions have incorporated home-based monitoring and/or stimulating activities, however standalone they remain insufficient. In this work, we present ‘LuDo’, which integrates home-based monitoring and stimulating activities in a single working system. LuDo is equipped with two components: (i) A wearable device, and (ii) An interactive stimulating suite. Using advanced machine learning algorithms, LuDo senses an extended period of inactivity or restlessness in persons with dementia (PWD), which triggers the computer to play a familiar sound. Users respond by approaching the periphery of the Kinect camera, activating the TV screen. The screen provides a voice/touch interface for PWD to interact with LuDo. Options include interactive activities and music. LuDo is capable of learning the habits of PWD over time which will recommend content based on user preference, and provides alerts to the carer if the PWD does/ doesn’t respond or engage with the auditory cue. LuDo operates automatically, without user or carer intervention, works passively, activates only when necessary and can be deactivated at any time. An Initial prototype of LuDo is tested on healthy adults and was found to be able to reroute them from their inactive state and engage them in mentally stimulating activities. In future, we plan to conduct similar experiments with PWD and test their level of interaction with LuDo.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 ».