MétaCan
Menu
Retour à la cohorte
Enregistrement W3014206001 · doi:10.4017/gt.2020.19.1.004.00

An intelligent video-monitoring system to detect responsive behaviours associated with Alzheimer’s disease and related disorders

2020· article· en· W3014206001 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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueGerontechnology · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueContext-Aware Activity Recognition Systems
Établissements canadiensCegep Edouard MontpetitInstitut Universitaire de Gériatrie de MontréalCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésDiseaseAlzheimer's diseaseVideo monitoringDisease monitoringPsychologyNeuroscienceMedicineComputer scienceReal-time computingInternal medicine

Résumé

récupéré en direct d'OpenAlex

Responsive behaviours affect 90% of older adults with Alzheimer's disease and related disorders. They have significant consequences including decreased functional independence and quality of life for older adults living in long-term care facilities. An intelligent video-monitoring system (IVS) is being developed to detect responsive behaviours, document their causes and alert health-care professionals to ensure immediate intervention. Purpose To test the IVS's efficacy for responsive behaviour detection. Methods Two occupational therapy students completed a simulation study in an apartment-laboratory under the supervision of experts in gerontology (clinicians, researchers). Four responsive behaviours (aggressiveness, apathy, motor behaviours, vocal behaviours) were realistically replicated across six scenarios, and five were repeated under three different luminosity conditions (total: 16 scenarios). The IVS detects responsive behaviours based on unusual movements or screaming in a specific location. To assess its detection capacity, the scenarios were divided into actions to record true and false positives (TP, FP), and true and false negatives (TN, FN). Sensitivity and specificity were then calculated. The quality of sound, images, and alerts was also analysed. Findings Seventeen TP, two FP, 42 TN, and three FN were recorded, generating an overall sensitivity of 85% and specificity of 95%. Sensitivity and specificity of 100% were obtained for apathy and aggressiveness scenarios. Motor behaviour scenarios achieved a sensitivity of 75% and specificity of 84%, and verbal behaviour scenarios obtained a sensitivity of 50% and specificity of 100%. With this IVS, the quality of the images was satisfactory, but the sound recording was poor. Alerts were received on average 32.4 seconds after detection. Discussion The IVS is an innovative technology that can contribute to responsive behaviour management by immediately detecting such behaviours and helping identify their causes (by recording the previous 30 seconds). These results validate the IVS's potential for responsive behaviour detection before its use is explored in real contexts.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,898
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,031
Tête enseignante GPT0,268
Écart entre enseignants0,237 · 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