Alzheimer’s Dementia and Care: Legal aspects of the use of technology
Notice bibliographique
Résumé
Abstract Background Modern technology promises many improvements for the lives of persons suffering from Alzheimer’s dementia and their caregivers. For example, technology can help with the assessment and measurement of symptoms, monitoring of disease progression, supporting decision‐making to alleviate symptoms and foster well‐being, facilitating training, physical activity and remote care. For example, wearable, clothing, or ambient sensors can be used to closely monitor physiological functions and detect any falls or accidents, automatically alert physicians or caregivers, and warn about slightest changes in biological function. Wandering can be tracked, and assistive technology can help in case of disorientation. It can assist with cognitive training and physical activity. Above all, the algorithmic analysis of large sets of patient data can, e.g., point to potential indicators for disease risk or progress, allowing for the development or personalization of possible treatments, or for algorithmically assisted care decision‐making. Method In an international prospect of existing rules and regulations regarding the use of technology for AD care, challenges, divergencies and possible gaps have been identified, highlighting pitfalls and hindrances for medical care as technology evolves. Result In spite of major advantages brought about by technology, there are also challenges from legal and ethical perspectives. They include questions of liability for technology by developers and medical practitioners, of equity and access to assistive technology in statutory and private health care, of information and consent regarding the use of complex technology, as well as of privacy, autonomy and the internationally diverging levels of data protection regulation. Conclusion Given challenges and hindrances must be considered in order to protect the interests of the affected persons and to ensure the responsible use of technology to benefit patients and caregivers. We will present some of these, and point to solutions for health policy makers in order to both foster emerging technology and ensure its safe use for patients as well as regulatory reliability for medical practitioners.
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 | 0,071 | 0,125 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,051 |
| Communication savante | 0,016 | 0,016 |
| Science ouverte | 0,003 | 0,012 |
| Intégrité de la recherche | 0,021 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».