REAL-TIME LOCATION SYSTEMS FACILITATE INDEPENDENCE IN LONG-TERM AND SPECIALIZED CARE SETTINGS
Notice bibliographique
Résumé
In this symposium, speakers will discuss clinical and research initiatives utilizing real-time location systems (RTLS) to promote functional independence of vulnerable adults in home and clinical environments. The intended use of RTLS to inform clinical decision-making will be described. Session one will focus on RTLS to monitor older residents’ movements in an assisted living environment; data reduction and analysis techniques that map resident ambulation patterns around the facility and reveal intra-individual pattern changes in order to predict falls in this vulnerable population will be presented. Session two presents a unique integration of RTLS with bed monitors to support a nurse-driven clinical initiative promoting early and progressive ambulation in hospitalized Veterans. The validity, sensitivity and specificity of system-generated reports of patient time in motion, out of bed but sedentary, and at bed rest and the challenges of differentiating various modes of Veteran movement will be discussed. In the final session, ongoing work on model “Smart Home” integrated systems to support Veterans with traumatic brain injury in various environments will be presented. The session will describe a system that prompts a patient to perform specific functional tasks, the data integration strategies used to detect the behavior sequences in the task, and planned enhancements to the system that will reengage a Veteran to resume interrupted behavior sequences at the point in the sequence where the requisite behaviors have been omitted.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».