Ethical considerations in home monitoring technologies for persons living with cognitive impairment: a scoping review
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: As the global population of people living with cognitive impairment grows, Home Monitoring Technologies (HMTs), such as cameras, motion sensors, wearable trackers, and artificial intelligence enabled ones are increasingly used to enhance safety and support aging in place. However, these technologies raise ethical concerns, particularly regarding privacy, autonomy, trust, and transparency. This scoping review explores these ethical implications and identifies key themes to inform future research, practice, and policy development. RESEARCH DESIGN AND METHODS: Following Arksey and O'Malley's scoping review framework, systematic searches were conducted in PubMed, EMBASE, CINAHL, and PsycINFO (Arksey & O'Malley (2005). Scoping studies: Towards a methodological framework. International Journal of Social Research Methodology, 8, 19-32). Studies were included if they examined HMTs for people living with cognitive impairment and addressed ethical concerns. Our eight central themes were derived inductively during data synthesis, and the Rubeis' 4D Risks Framework offered a valuable conceptual scaffold to organize and interpret the broader patterns of ethical risk. RESULTS: A total of 110 publications from 30 countries were reviewed. Ethical concerns were identified in each of the 4 areas of the framework, including privacy violations, loss of autonomy, erosion of trust, and unintended consequences such as social isolation and reduced human interaction. Person-centered design approaches, which engage both people with cognitive impairment and caregivers, were identified as crucial for mitigating risks and fostering ethical implementation. DISCUSSION AND IMPLICATIONS: Findings underscore the need for evidence-informed guidelines that explicitly incorporate ethical frameworks to ensure consideration of the balance of health and safety with autonomy and dignity.
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 | 0,069 | 0,247 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,016 | 0,013 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,009 | 0,009 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».