Health Monitoring Using Smart Home Technologies: Scoping Review
Notice bibliographique
Résumé
BACKGROUND: The Internet of Things (IoT) has become integrated into everyday life, with devices becoming permanent fixtures in many homes. As countries face increasing pressure on their health care systems, smart home technologies have the potential to support population health through continuous behavioral monitoring. OBJECTIVE: This scoping review aims to provide insight into this evolving field of research by surveying the current technologies and applications for in-home health monitoring. METHODS: Peer-reviewed papers from 2008 to 2021 related to smart home technologies for health care were extracted from 4 databases (PubMed, Scopus, ScienceDirect, and CINAHL); 49 papers met the inclusion criteria and were analyzed. RESULTS: Most of the studies were from Europe and North America. The largest proportion of the studies were proof of concept or pilot studies. Approximately 78% (38/49) of the studies used real human participants, most of whom were older females. Demographic data were often missing. Nearly 60% (29/49) of the studies reported on the health status of the participants. Results were primarily reported in engineering and technology journals. Almost 62% (30/49) of the studies used passive infrared sensors to report on motion detection where data were primarily binary. There were numerous data analysis, management, and machine learning techniques employed. The primary challenges reported by authors were differentiating between multiple participants in a single space, technology interoperability, and data security and privacy. CONCLUSIONS: This scoping review synthesizes the current state of research on smart home technologies for health care. We were able to identify multiple trends and knowledge gaps-in particular, the lack of collaboration across disciplines. Technological development dominates over the human-centric part of the equation. During the preparation of this scoping review, we noted that the health care research papers lacked a concrete definition of a smart home, and based on the available evidence and the identified gaps, we propose a new definition for a smart home for health care. Smart home technology is growing rapidly, and interdisciplinary approaches will be needed to ensure integration into the health sector.
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 | 0,012 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,023 | 0,023 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».