MétaCan
Menu
Retour à la cohorte
Enregistrement W4322493868 · doi:10.1186/s12938-023-01080-4

Sensor-based assessment of social isolation in community-dwelling older adults: a scoping review

2023· review· en· W4322493868 sur OpenAlexaff
Shehroz S. Khan, Tiancheng Gu, Lauren Spinelli, Rosalie H. Wang

Notice bibliographique

RevueBioMedical Engineering OnLine · 2023
Typereview
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésCLARITYWearable computerApplied psychologyData scienceRecall biasComputer scienceSocial isolationRecallWearable technologyField (mathematics)PsychologyCognitive psychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Social isolation (SI) is a state of low social interaction with peers associated with various adverse health consequences in older adults living in the community. SI is most often assessed through retrospective self-reports, which can be prone to recall or self-report biases and influenced by stigma. Ambient and wearable sensors have been explored to objectively assess SI based on interactions of a person within the environment and physiological data. However, because this field is in its infancy, there is a lack of clarity regarding the application of sensors and their data in assessing SI and the methods to develop these assessments. To understand the current state of research in sensor-based assessment of SI in older adults living in the community and to make recommendations for the field moving forward, we conducted a scoping review. The aims of the scoping review were to (i) map the types of sensors (and their associated data) that have been used for objective SI assessment, and (ii) identify the methodological approaches used to develop the SI assessment. Using an established scoping review methodology, we identified eight relevant articles. Data from motion sensors and actigraph were commonly applied and compared and correlated with self-report measures in developing objective SI assessments. Variability exists in defining SI, feature extraction and the use of sensors and self-report assessments. Inconsistent definitions and use of various self-report scales for measuring SI create barriers to studying the concept and extracting features to build predictive models. Recommendations include establishing a consistent definition of SI for sensor-based assessment research and development and consider capturing its complexity through innovative domain-specific features.

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)0,014
score de la tête « metaresearch » (Gemma)0,081
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,081
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0060,008
Bibliométrie0,0170,013
Études des sciences et des technologies0,0010,001
Communication savante0,0050,004
Science ouverte0,0030,003
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,085
Tête enseignante GPT0,463
Écart entre enseignants0,378 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioMedical Engineering OnLineMême sujetHealth disparities and outcomesTravaux en français237 207