MétaCan
Menu
Retour à la cohorte
Enregistrement W4312087026 · doi:10.1002/alz.067365

Smart Home Tech: an interface to provide feedback to caregivers of persons living with cognitive impairment

2022· article· en· W4312087026 sur OpenAlexaffabout
Neil Thomas, Divya Kanwar Bhati, Laura Ault, Julien Larivière-Chartier, Mihaela D Petriu, Bruce Wallace, Frank Knoefel, Jeffrey Kaye, Rafik Goubran

Notice bibliographique

RevueAlzheimer s & Dementia · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueContext-Aware Activity Recognition Systems
Établissements canadiensCarleton UniversityBruyèreUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésInterface (matter)Activities of daily livingCognitionFocus (optics)Focus groupHuman–computer interactionComputer scienceCognitive impairmentMotion sensorsTracking (education)Sleep (system call)Applied psychologyPsychologyMultimediaArtificial intelligencePsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract Background Home‐based sensor technologies can detect information on daily activities, such as sleep, activity level, and time spent together. This is relevant information for care partners of individuals with cognitive impairment as it can detect early changes in daily activities and cognition. The challenge is how to present thousands of data points to care partners in real‐time, allowing them to make adjustments in their daily routine to help reduce burden. Method The Collaborative Aging Research using Technology (CART) sensor platform was installed in 4 Ottawa homes of persons with cognitive impairment and their care partner. This system includes contact and motion sensors to assess home activity, a smart watch to record steps and sleep patterns, a bed sensor, and medication tracking pillboxes. Questions regarding areas of stress, the types of information that caregivers would like to receive, and how to receive their data were posed in focus group discussions involving caregivers with and without the sensor platform. An interface was designed based on participant input. Result Eight care partners (75% female) aged 30 to 81 participated in focus groups that obtained their opinions on the usefulness of a feedback system, its content, layout, and frequency in which care partners would like to receive their sensor information. The majority of participants wished to be sent their sensor information on a weekly basis in easy to interpret graphical formats that summarized information for them. An algorithm that collects sensor data, parses appropriate measures; steps, sleep, time together in a room, and displays it in graphical representation, was developed. The user interface displays the daily summary compared to the weekly average, with the ability to navigate between day and weekly views. Conclusion Sensor‐based data needs to be displayed in an efficient and convenient manner if it is going to be used by care partners to help guide changes in behavior to reduce stress. This project designed an interface, based on user feedback. This system also has the potential to be used by clinicians to evaluate longitudinal cognitive decline. Next, we will provide participants with the CART system with sample visual reports and gather their feedback.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,124

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0370,006

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 Opus0,027
Tête enseignante GPT0,261
Écart entre enseignants0,234 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & DementiaMême sujetContext-Aware Activity Recognition SystemsTravaux en français237 207