Perceptions of In-home Monitoring Technology for Activities of Daily Living: Semistructured Interview Study With Community-Dwelling Older Adults
Notice bibliographique
Résumé
BACKGROUND: Many older adults prefer to remain in their own homes for as long as possible. However, there are still questions surrounding how best to ensure that an individual can cope with autonomous living. Technological monitoring systems are an attractive solution; however, there is disagreement regarding activities of daily living (ADL) and the optimal technologies that should be used to monitor them. OBJECTIVE: This study aimed to understand older adults' perceptions of important ADL and the types of technologies they would be willing to use within their own homes. METHODS: Semistructured interviews were conducted on the web with 32 UK adults, divided equally into a younger group (aged 55-69 years) and an older group (≥70 years). RESULTS: Both groups agreed that ADL related to personal hygiene and feeding were the most important and highlighted the value of socializing. The older group considered several activities to be more important than their younger counterparts, including stair use and foot care. The older group had less existing knowledge of monitoring technology but was more willing to accept wearable sensors than the younger group. The younger group preferred sensors placed within the home but highlighted that they would not have them until they felt that daily life was becoming a struggle. CONCLUSIONS: Overall, technological monitoring systems were perceived as an acceptable method for monitoring ADL. However, developers and carers must be aware that individuals may express differences in their willingness to engage with certain types of technology depending on their age and circumstances.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».