MétaCan
Menu
Retour à la cohorte
Enregistrement W2963388717 · doi:10.2196/12346

Adapting Mobile and Wearable Technology to Provide Support and Monitoring in Rehabilitation for Dementia: Feasibility Case Series

2019· article· en· W2963388717 sur OpenAlex

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Formative Research · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesRigshospitalet
Mots-clésWearable computerWearable technologyDementiaContext (archaeology)SmartwatchApplied psychologyRehabilitationActivities of daily livingPsychosocialMobile phoneQuality of life (healthcare)PsychologyComputer scienceHuman–computer interactionMedicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Mobile and wearable devices are increasingly being used to support our everyday lives and track our behavior. Since daily support and behavior tracking are two core components of cognitive rehabilitation, such personal devices could be employed in rehabilitation approaches aimed at improving independence and engagement among people with dementia. OBJECTIVE: The aim of this work was to investigate the feasibility of using smartphones and smartwatches to augment rehabilitation by providing adaptable, personalized support and objective, continuous measures of mobility and activity behavior. METHODS: A feasibility study comprising 6 in-depth case studies was carried out among people with early-stage dementia and their caregivers. Participants used a smartphone and smartwatch for 8 weeks for personalized support and followed goals for quality of life. Data were collected from device sensors and logs, mobile self-reports, assessments, weekly phone calls, and interviews. This data were analyzed to evaluate the utility of sensor data generated by devices used by people with dementia in an everyday life context; this was done to compare objective measures with subjective reports of mobility and activity and to examine technology acceptance focusing on usefulness and health efficacy. RESULTS: Adequate sensor data was generated to reveal behavioral patterns, even for minimal device use. Objective mobility and activity measures reflecting fluctuations in participants' self-reported behavior, especially when combined, may be advantageous in revealing gradual trends and could provide detailed insights regarding goal attainment ratings. Personalized support benefited all participants to varying degrees by addressing functional, memory, safety, and psychosocial needs. A total of 4 of 6 (67%) participants felt motivated to be active by tracking their step count. One participant described a highly positive impact on mobility, anxiety, mood, and caregiver burden, mainly as a result of navigation support and location-tracking tools. CONCLUSIONS: Smartphones and wearables could provide beneficial and pervasive support and monitoring for rehabilitation among people with dementia. These results substantiate the need for further investigation on a larger scale, especially considering the inevitable presence of mobile and wearable technology in our everyday lives for years to come.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,206
Score d'incertitude au seuil0,409

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,428
Écart entre enseignants0,390 · 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