CO-DESIGNING A HIGH-ACCURACY HOME MONITORING SYSTEM FOR MANAGING FRAILTY IN OLDER ADULTS
Notice bibliographique
Résumé
Abstract Background Frailty, a condition often affecting older adults, increases vulnerability and diminishes physical abilities across bodily systems. Current non-routine frailty screening in primary care or clinical settings fails to detect “hidden health vulnerabilities” in a timely manner. Smart home technologies offer an affordable and effective solution for continuous frailty tracking and prevention. However, existing home monitoring technologies typically require users to acquire new skills or are invasive, such as camera-based systems. Objective: Our goal is to create a high-accuracy home monitoring system coupled with Internet of Things devices to identify potential frailty indicators. Methods This qualitative description study involves 4 to 8 participants, including older adults with and without Mild Cognitive Impairments/frailty, caregivers, and clinicians, in a group interview. Using card sorting and task mapping, the interview seeks to identify and define the features and challenges of a smart home system to monitor frailty in older adults. Results The study is registered in clinical trials, with data collection commencing soon. At the conference, we will present the research protocol and the findings from the analysis of the interviews. Conclusion Through the early engagement of older adults and caregivers, we strive to design a valuable and meaningful system that (1) uses zero-effort technologies so frail older adults do not need to develop new skills in order to use the system; (2) is a non-camera-based tracking technology preserving autonomy and privacy; (3) generates the frailty data meaningful for older adults, caregivers and the health system.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».