Feasibility of community‐based remote, biometric data collection in persons with Alzheimer’s disease and behavioral symptoms
Notice bibliographique
Résumé
Abstract Background Aging at home with Alzheimer’s disease (AD) is progressively difficult due to cognitive dysfunction interfering with persons’ functional activity and behavioral regulation. Community‐based collection of biometric data via wearable devices provide an innovative approach as a measure of behavioral symptomology. This study analyzes feasibility of remote, biometric data collection during a non‐pharmacological, home‐based randomized controlled trial of older adults with AD. Methods Individuals, aged 65 or older, with diagnosis of AD as primary dementia type and behavioral symptoms who resided in the community were included in this prospective study. ActiGraphs were mailed to care partners who implemented device use and management. Feasibility was assessed via accepting and wearing of the device by the person with AD through care partner facilitation at baseline and post‐intervention (continuous wear for 6 days at both time points). Baseline actigraphy data (mean motor activity; MMA) were assessed to determine utility of acceptance/wearing the device as means to collect biometric data. Secondary analyses assessed Pearson correlation of demographic information including cognition measured by the Montreal Cognitive Assessment and the Neuropsychiatric Inventory‐Questionnaire (NPI‐Q). Results Twenty‐one participants with AD engaged in the study. Eighteen participants completed baseline data collection (three caregivers refused the device on behalf of person with AD). Fourteen participants or 66.7% (95% CI: 46.6% to 86.8%) also completed post‐intervention data collection (one dropout in mid‐study and three care partners refused the device at second time point). Baseline MMA data were measured: 24‐hour MMA = 608,913; daytime MMA = 253,534; evening MMA = 308,113; nighttime MMA = 47,079. Age (x̄ = 77.8±1.7; r = ‐.56, p‐value = 0.038) was negatively correlated and cognitive impairment (x̄ = 11.13±2.3; r = .789, p‐value = 0.002) was positively correlated with 24‐hour MMA. NPI‐Q total and emotional items (agitation, anxiety, liability) were not correlated in this sample. Conclusion Community‐based biometric data collection for older adults with AD and behavioral symptoms is feasible. Behavioral disturbance and care burden likely lowered acceptability of the device. Future power calculations anticipating 66% compliance maybe sufficient for primary outcome analyses in community‐based data collection. Additional studies are needed to validate wearable devices as a primary outcome measure for behavioral symptoms in community‐based participants as this study was not sufficiently powered for such analyses.
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».