Using Indoor Movement Complexity in Smart Homes to Detect Frailty in Older Adults: Multiple-Methods Case Series Study
Notice bibliographique
Résumé
Background: The theory of complexity in aging indicates that the complexity of sensor-derived physiological and behavioral signals reflects an older adult's adaptive capacity and, in turn, their frailty. Smart homes with ambient sensors offer a unique opportunity to longitudinally explore the complexity of older adults' indoor movement in a real-world setting. Here, we introduce a computational method to estimate behavior complexity from sensor data. We further conduct a multiple-methods case series to explore the relationship between entropy-measured smart home data complexity and older adult frailty. Objective: This study aims to explore the relationship between entropy-measured ambient sensor data complexity and frailty in independent community-dwelling older adults. Methods: The nature of older adults' indoor movement complexity is measured by quantifying the entropy of smart home data. Overall, 11 cases with persons aged 65 years and older were drawn from an ongoing smart home study to illustrate the method. We assessed weekly frailty for these cases using the Clinical Frailty Scale. For corresponding time ranges, we measured the complexity of smart home data using a fixed-width sliding window and an entropy-based complexity index (Rényi Complexity Index) built on a Universal Sequence Map (USM-Rényi). Descriptive statistics and graphical analysis were used to describe intraindividual frailty and sensor complexity change. Results: The complexity of sensor-observed indoor movement does change over time in older adults as quantified by the computational method. In some individuals, these changes track with health transitions and frailty progression. The trends and monotonicity of complexity trajectories varied between cases. Overall, 3 of the cases demonstrated a negative association between frailty and complexity, while the association was not as clear for the other cases. Conclusions: The complexity of older adults' smart home data is highly diverse. Changes in health and frailty influence indoor movement complexity. Although the findings suggest a relationship between frailty and complexity, confounding factors, such as home layout, visitors, external events, and technology disruptions, may influence sensor signals.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».