Fitbits for Monitoring Depressive Symptoms in Older Aged Persons: Qualitative Feasibility Study
Notice bibliographique
Résumé
BACKGROUND: In 2022, an estimated 1.105 billion people used smart wearables and 31 million used Fitbit devices worldwide. Although there is growing evidence for the use of smart wearables to benefit physical health, more research is required on the feasibility of using these devices for mental health and well-being. In studies focusing on emotion recognition, emotions are often inferred and dependent on external cues, which may not be representative of true emotional states. OBJECTIVE: The aim of this study was to evaluate the feasibility and acceptability of using consumer-grade activity trackers for apps in the remote mental health monitoring of older aged people. METHODS: Older adults were recruited using criterion sampling. Participants were provided an activity tracker (Fitbit Alta HR) and completed weekly online questionnaires, including the Geriatric Depression Scale, for 4 weeks. Before and after the study period, semistructured qualitative interviews were conducted to provide insight into the acceptance and feasibility of performing the protocol over a 4-week period. Interview transcripts were analyzed using a hybrid inductive-deductive thematic analysis. RESULTS: In total, 12 participants enrolled in the study, and 9 returned for interviews after the study period. Participants had positive attitudes toward being remotely monitored, with 78% (7/9) of participants experiencing no inconvenience throughout the study period. Moreover, 67% (6/9) were interested in trialing our prototype when it is implemented. Participants stated they would feel more comfortable if mental well-being was being monitored by carers remotely. CONCLUSIONS: Fitbit-like devices were an unobtrusive and convenient tool to collect physiological user data. Future research should integrate physiological user inputs to differentiate and predict depressive tendencies in users.
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 | 0,024 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».