The Collaborative Aging Research Using Technology Initiative: An Open, Sharable, Technology-Agnostic Platform for the Research Community
Notice bibliographique
Résumé
INTRODUCTION: Future digital health research hinges on methodologies to conduct remote clinical assessments and in-home monitoring. The Collaborative Aging Research Using Technology (CART) initiative was introduced to establish a digital technology research platform that could widely assess activity in the homes of diverse cohorts of older adults and detect meaningful change longitudinally. This paper reports on the built end-to-end design of the CART platform, its functionality, and the resulting research capabilities. METHODS: CART platform development followed a principled design process aiming for scalability, use case flexibility, longevity, and data privacy protection while allowing sharability. The platform, comprising ambient technology, wearables, and other sensors, was deployed in participants' homes to provide continuous, long-term (months to years), and ecologically valid data. Data gathered from CART homes were sent securely to a research server for analysis and future data sharing. RESULTS: = 301) across the USA. Multiple measurements of wellness such as cognition (e.g., mean daily computer use time = 160-169 min), physical mobility (e.g., mean daily transitions between rooms = 96-155), sleep (e.g., mean nightly sleep duration = 6.3-7.4 h), and level of social engagement (e.g., reports of overnight visitors = 15-45%) were collected across cohorts. CONCLUSION: The CART initiative resulted in a minimally obtrusive digital health-enabled system that met the design principles while allowing for data capture over extended periods and can be widely used by the research community. The ability to monitor and manage health digitally within the homes of older adults is an important alternative to in-person assessments in many research contexts. Further advances will come with wider, shared use of the CART system in additional settings, within different disease contexts, and by diverse research teams.
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 | 0,054 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,012 |
| Science ouverte | 0,005 | 0,021 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,007 |
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 ».