EXISTING KNOWLEDGE ASSOCIATED WITH SMART HOME HEALTH TECHNOLOGIES IN THE CARE OF OLDER PERSONS: A SYSTEMATIC REVIEW
Notice bibliographique
Résumé
Abstract As a greater part of the global population reaches the golden age, smart home technologies are said to allow older persons to remain independent at a place of residence, or “home”, of their own choice. Though their development has been making their way to the market, there has not been a systematic review of the empirical literature on the knowledge associated with their use for persons who are 65 years or older. Hence, we conducted a systematic review of empirical peer-reviewed English, German, and French articles in ten electronic databases. Data was textually described, separated into key characteristics, logged into a customized data extraction document, and analysed using narrative synthesis. The search across ten databases revealed 144 empirical papers that were admissible to our inclusion criteria. Of which, we discovered 5 first-order categories of benefits and 5 of barriers of smart home health technologies with further sub-themes that together form the concurrent array of existing knowledge. These categories included, for example, allows older persons to live independently at home, reminds older persons to promote self-care, and alternatively, concerns about usability, cost, and social acceptance. These systematically-derived categories of benefits and barriers could be a starting point for researchers interested in caregiving for older persons to conduct further empirical and reflective research. Furthermore, having this understanding of existing challenges and opportunities associated with smart home health technologies then allows the research and technical communities to collaborate upon a joint foundation to inform policy and improve caregiving for the global aging population.
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 | 0,006 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,013 |
| Études des sciences et des technologies | 0,000 | 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 ».