MétaCan
Menu
← Retour à la cohorte
Enregistrement W7117308640 · doi:10.1002/alz70858_102458

A FASTER Approach to Developing and Evaluating a Smart Insole Technology for Persons Living with Early‐Stage Dementia to Sustain Out‐Of‐Home Participation

2025· article· en· W7117308640 sur OpenAlexaffabout
Nikki Meng Qi Zhang, Parnian Safaraifard, Amy Hwang, Thomas Tannou, Rosalie H. Wang

Notice bibliographique

RevueAlzheimer s & Dementia · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalInstitut Universitaire de Gériatrie de MontréalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDementiaPresentation (obstetrics)Value (mathematics)Activities of daily livingCitizen journalismAging in place

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Persons living with dementia or cognitive impairment (PLWD/CI) often experience barriers to out-of-home participation (i.e., places outside home or in public) due to cognitive inaccessibility, risks or anxieties related to wandering, and care partners' safety concerns - which can impede health and quality of life. Technology offers the potential to support PLWD/CI in sustaining out-of-home participation, but real-world evaluations within complex, dynamic care ecosystems are necessary to ensure safety and effectiveness. The "Framework for Accelerated and Systematic Technology-based intervention development and Evaluation Research" (FASTER) was created to support the development and evaluation of interventions from conception to real-world use. The aim is to illustrate how FASTER was applied to a novel intervention encompassing a smart shoe insole technology designed to support out-of-home participation for PLWD/CI by enabling tracking, safety alerts, and care collaboration with care partners. METHOD: The FASTER approach includes the following phases: (1) Development, (2) Progressive Usability and Feasibility Evaluation, and (3) Phased Evaluation and Implementation. FASTER was applied to developing and evaluating the smart insole technology for PLWD/CI in real-world use contexts. RESULT: Phase 1 collaborated with the commercial partner to conceptualize the intervention design vis à vis technology design features and use cases, and model theoretically- and evidence-driven processes and outcomes. Six researchers conducted mixed-method pilot usability testing by completing structured use cases in real-world settings. Technical and design issues were identified and evaluation methods were refined to optimize usability, reliability, and mitigate safety risks, for subsequent evaluation with PLWD/CI and care partners. Phase 2 employed a small-scale, mixed-method multiple case study design to evaluate technology usability and feasibility, and primary outcomes (i.e., PLWD/CI's out-of-home participation, dyadic care collaboration) with 3 care ecosystems. Future research will adapt and scale the evaluation methodology for Phase 3, involving implementation and evaluation in a larger cross-Canadian study in Quebec, Ontario, and British Columbia. CONCLUSION: FASTER is a systematic, iterative, and participatory approach to developing, evaluating, refining, and integrating technology-based interventions. This presentation highlights the application of FASTER using a real-world example, showcasing its value for both technological and health/social outcomes, including out-of-home participation and collaborative caring for PLWD/CI.

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)0,054
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,283

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0540,045
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0030,001
Études des sciences et des technologies0,0020,002
Communication savante0,0030,004
Science ouverte0,0030,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,053
Tête enseignante GPT0,365
Écart entre enseignants0,312 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetDementia and Cognitive Impairment Research→Travaux en français237 207→