Summary

Méthodologie pour l’établissement d’un laboratoire de la vie à l’échelle communautaire pour capturer l’activité à distance discret et continue et données sur la santé

Published: July 27, 2018
doi:

Summary

Capteurs discrètes et omniprésente informatique incorporé dans la vie familiale quotidienne d’âgées adultes permet significative la santé et des changements d’activité à être enregistrées en continu pendant des mois aux années, fournissant écologiquement valides, haute fréquence, multi-domaine données pour la recherche ou l’utilisation clinique.

Abstract

Une suite de bout à bout des technologies a été établie pour la surveillance discrète et continue de la santé et l’activité des changements qui se produisent dans la vie quotidienne des personnes âgées sur de longues périodes de temps. La technologie est regroupée dans un système qui intègre les principes d’être minimalement envahissant, lors de la génération sécurisé, vie privée protégée, continue des données objectives dans les paramètres de réels (domicile) pendant des mois aux années. Le système comprend des capteurs de présence infrarouge passif placés dans toute la maison, les capteurs de contact porte installées sur les portes extérieures, des dispositifs de surveillance physiologiques connectés (par exemple les écailles), boîtes de médicaments et actigraphs portable. Capteurs de conduite sont également installés dans les voitures des participants et utilisation de l’ordinateur (PC, tablette ou smartphone) est suivie. Données sont annotées par l’intermédiaire de fréquentes options auto-évaluation en ligne qui fournissent des informations essentielles en ce qui concerne les données qu’il est difficiles d’en déduire par l’intermédiaire de capteurs tels que des États internes (p. ex., douleur, humeur, solitude), ainsi que de référent des données au modèle de l’activité interprétation (p. ex., visiteurs, meubles réarrangés). Des algorithmes ont été développés en utilisant les données obtenues pour identifier des domaines fonctionnels clés à l’activité de santé ou de maladie suivi, y compris de la mobilité (par exemple, chambre transitions, étapes, démarche vitesse), une fonction physiologique (p. ex., poids, corps indice de masse, impulsion), dormir les comportements (p. ex., temps de sommeil, voyages aux toilettes pendant la nuit), adhérence de médicaments (p. ex., les doses manquées), engagement social (p. ex., temps passé sur les couples maison, temps passer ensemble) et cognitifs fonction (p. ex., temps sur ordinateur, les mouvements de la souris, les caractéristiques d’achèvement du formulaire en ligne, possibilité de conduite). Détection de modification de ces fonctions fournit un marqueur sensible de l’application dans la surveillance de la santé des maladies aiguës (p. ex., épidémie virale), à la détection précoce des syndromes de démence prodromique. Le système est particulièrement adapté pour la surveillance de l’efficacité des interventions cliniques dans des études d’histoire naturelle de syndromes gériatriques et dans les essais cliniques.

Introduction

Recherche clinique dominante pose des limites dans la fiabilité et la validité des données saisies en raison de défauts inhérents de la méthodologie d’évaluation. Des interviews sont limités par les temps lorsque le clinicien et le patient peuvent coordonner les horaires. Temps alloué aux examens est limité par ce que le volontaire peut raisonnablement demander de faire en une seule séance. Ces séances courtes, largement espacées – même si augmentée par des appels téléphoniques occasionnelles ou requêtes Internet – limitent sérieusement la possibilité de détecter des changements significatifs dans la fonction ou le bien-être au fil du temps. Les sessions de test actuelles sont largement composées de demandes de renseignements qui peuvent être difficiles à rappeler et à vérifier (par exemple, « te souviens-tu de prendre vos médicaments ? ») ou l’exécution de tâches artificiels (par exemple, « se lever et s’asseoir aussi vite que vous peut » ; « Rappelez-vous ces dix mots »). Les évaluations sont souvent conçues pour restreindre, variabilité d’essai qu’en fait la variabilité des performances lui-même peut être un élément clé du diagnostic. En outre, ces biopsies brèves de temps sont effectués dans des conditions artificielles, plutôt que dans le flux normal de la vie quotidienne. Par conséquent, ils sont de durée de validité limitée écologique. Enfin, le paradigme actuel intrinsèquement ne peut pas fournir une liaison directe d’événements interdépendants de clés ou de résultats (p. ex., sommeil, socialisation, activité physique) parce que les données ne sont pas horodaté autre que comme l’a rappelé.

Une approche pour surmonter ces lacunes réside dans le développement de systèmes qui peuvent être incorporés dans la maison ou une communauté qui profitent des progrès de l’informatique omniprésente et la haute fréquence multi-domaine données, communications sans fil et la technologie de détection analytique. La technologie et l’expérience dans ce domaine sont de plus en plus et un certain nombre de systèmes ont été développé, mais ont été limité en déploiement, des éléments ou des expérience longitudinale1,2,3,4. Dans ce manuscrit, les auteurs décrivent un protocole élaboré comme un moyen d’assurer l’évaluation domicile longitudinale, continue et en temps réel des données de santé pertinents afin d’améliorer les limites de l’actuel paradigme santé de l’évaluation. Centre de l’Oregon pour vieillissement & amp ; Technologie (ORCATECH) a développé un système domicile basé sur l’informatique omniprésente et la technologie pour fournir une évaluation continue et en temps réel des activités pertinentes à la santé et le comportement de détection. Intégrant l’évaluation accueil pour permettre la surveillance largement discrète et continue de réelle activité sensiblement surmonte les limites actuelles. Tout d’abord, étant donné que le cœur du système est intégré dans l’espace de vie des participants dans le cadre de leur milieu ambiant, il est fondamentalement pratique. Quotes-parts qui exige des réponses discrètes peuvent être recueillis lorsqu’une personne est le plus à l’aise et, dans le cas de méthodes de collecte passive, aussi souvent que nécessaire sans surcharger un participant. Deuxièmement, étant dans l’espace vie normale de la personne offre la possibilité de recueillir des données qui sont immédiatement écologiques pertinentes, pas simplement tester artificiel mesures de fonction, mais de cognition tous les jours. Par exemple, mémoire prospective échec, une plainte commune difficile à tester gracieuses dans la clinique, peut être évaluée à la maison par suivi quotidien automatique de médicaments en comportement, donc taper cognition tous les jours, tant qu’un clés de la performance métrique, connu pour être sensibles aux changements cognitifs. En troisième lieu, parce que les données sont numériques et horodatées, mesure de multiples mesures interdépendantes alignés dans le temps est facilitée. Par exemple, une fois sur le téléphone et le temps hors de la maison (mesures d’engagement social ou retrait), utilisation de l’ordinateur (initiation, l’activité psychomotrice et la fonction cognitive de mesure) et d’autres mesures qui auraient dû être divulgués pour changer avec déclin fonctionnel ( le comportement de sommeil, poids, vitesse de marche) peut ajouter à la sensibilité du capteur nette pour distinguer les changements subtils qui peuvent ne pas être autrement apparents. Ce qui est important, l’effet des événements de santé et de la vie sur la cognition et de la fonction (par exemple, des rapports hebdomadaires de douleurs, changement de médication, sautes d’humeur) aussi peut être lié à ce flux de données lorsqu’ils se produisent. Enfin, les essais conventionnels et les requêtes peuvent être présentées par ordinateur ou des interfaces (p. ex., tablette, smartphone), fournissant des occasions sans précédent de simultanément comparer les performances de test héritage roman numériquement provenant de mesures depuis les mêmes tests, tels que la réponse ou temps de pause, courbes d’apprentissage et de la variabilité intra-essai. Cette nouvelle approche transforme donc l’évaluation actuelle pour être plus pratique, discrète, continue, multi-domaines et naturaliste. En fin de compte, la plate-forme de base de la technologie du capteur à domicile en fonction d’évaluation et de la méthodologie, fournit un système pouvant être à l’écoute et mise à l’échelle d’adresse à un large éventail de questions de recherche spécifiques lié à la santé et le bien-être avec avantages notés sur le cours pratique acceptée de clinique peu fréquent ou évaluations basées sur le téléphone.

Le protocole suivant décrit la procédure de déploiement de cette plate-forme pour la collection discrète de données comportementales et liés à la santé à domicile. Dans le développement de cette plateforme, des principaux objectifs a été de fournir une suite de base des fonctions d’évaluation qui peut fournir les données nécessaires pour déduire que les deux domaines généraux de santé et bien-être (physique, émotionnel, social et cognitif), ainsi que (plus précis) des comportements par exemple, les médicaments pris, randonnées, activités liées au sommeil, l’activité physiologique). Le développement de la plate-forme a été guidé par plusieurs principes, notamment en utilisant les approches de détection discrètes plus passives, réduisant au minimum la participation directe de l’utilisateur grâce à la technologie, technologie « agnostique » (c’est-à-dire, employant les meilleurs dispositifs de ou solutions techniques plutôt que nécessitant une approche particulière ou un produit), être durable (pour évaluation à long terme) et maintenance pratique évolutive et minimisant.

La plate-forme décrite a évolué au cours des douze dernières années, surtout informé par un éventail d’utilisateurs finaux, de « numériquement naïve » d’adopteurs précoces. Des enquêtes périodiques et des groupes de discussion ont été la clé pour informer ce développement5,6,7. Les systèmes qui seront déployés en permanence dans leurs maisons jusqu’à onze ans avec itératives modifications introduites basée sur les progrès en technologie, nouvelles capacités fonctionnelles demandées par la communauté des chercheurs, ont permis à des centaines de bénévoles et l’entrée constante d’individus vivant dans la maison où la technologie a été déployée. Collectivement, ces volontaires ont formé un laboratoire « vivant » dans la communauté que nous appelons la «laboratoire de vie » lorsque leurs maisons et les continue des données recueillies tout au long de la journée prévoient un niveau de détails sur la santé, activité, unique et la parcours de vie.

Une plate-forme de technologie de télédétection constitue l’épine dorsale du système global pour capturer des données continues de domicile. Les éléments de cette plateforme sont décrits par la suite. La plate-forme de base est modifiée (les éléments peuvent être ajoutés ou retirés) basé sur les renseignements obtenus pendant le processus de collecte des indicateurs d’intérêt pour l’étude en utilisant la plate-forme de recherche, les croyances et les attitudes de l’utilisateur et. Parce que les protocoles de communication de données sont normalisées, le système a été conçu pour permettre à n’importe quel dispositif qui suit ces protocoles à être intégré dans le réseau.

La plate-forme de base décrite ici est basée sur le cas d’utilisation de bénévoles dans le laboratoire de la vie (LL) consentir à ce que la plate-forme déployée au sein de leur foyer pour recueillir des données de comportement de leurs activités de vie normale et les activité naturaliste depuis de nombreuses années (la plus longues un déploiement continu actuel = 11 ans).

L’ordinateur de supervision et de la connexion Ethernet/WiFi permettent la collecte de données de périphériques système et transmission aux serveurs sécurisés à ORCATECH sans interférence participant. L’ordinateur de supervision est configuré à l’intervenant et la maison configuration lors de l’installation de système à l’aide d’un ordinateur portable ou tablette et un panneau de contrôle qui se connecte à un système de gestion centralisée de participants numérique. Dispositifs de prélèvement de données supplémentaires (tels que capteurs, MedTracker et échelle) peuvent être configurés en communiquant avec l’ordinateur de supervision de la même manière.

La Console ORCATECH et distance système de gestion de la technologie est une technologie numérique personnalisée et le système de gestion données appelé « Console » qui permet la configuration de technologies domestiques participant et paramétrage du système, ainsi que gestion de la technologie à distance en cours de maisons y compris garantir la collecte de données et de surveillance. En outre, pour faciliter le déploiement du système dans la communauté où chaque maison peut avoir un schéma unique, un outil graphique basé sur une interface tablette sert à enregistrer automatiquement où se trouvent les différents capteurs et leur contiguïté physique valable aux autres capteurs (Figure 2). C’est important pour la référence au cours de la surveillance à distance du système au niveau de l’accueil.

Détecteurs de mouvement infrarouge passif (PIR) sont numériquement assignés à un foyer donné au cours de l’installation du système, communiquer avec l’ordinateur de supervision via un Dongle USB sans fil. Un capteur est placé par chambre pour sentir le mouvement dans les transitions salle et participant d’une pièce à l’autre. Une ligne droite de « capteur » de quatre capteurs est placée sur le plafond d’un couloir ou un autre endroit où le participant se promène régulièrement à un rythme cohérent. Cette ligne de capteur permet une rencontre discrète de vitesse plusieurs fois par jour de marche. Autres mesures peut être dérivé de ces capteurs d’activité tels que les temps d’arrêt ou le nombre de transitions de la salle. Capteurs de contact de porte sont placés autour de la maison des portes extérieures à tous afin de détecter des participants venant et allant de la maison et sur le réfrigérateur pour déterminer la fréquence générale d’accès à la nourriture.

Hebdomadaire santé et activité Self-Reports en ligne sont tenus de donner un sens optimal des données du système passif des dispositifs de prélèvement. Ces données sont essentielles à l’analyse du rapport participant d’événements à la maison par rapport aux données de capteur recueillie. L’enquête en ligne de self-report hebdomadaire peut être effectuée sur n’importe quel périphérique informatique (par exemple, ordinateur portable, tablette, smartphone) avec une connexion Internet pour les participants de la requête sur les voyages sur les visites à domicile, à la maison, les changements de la santé, les modifications d’espace au sein de la maison, la solitude, la dépression et niveau douleur. Collecte hebdomadaire des données repose sur une fenêtre relativement courte de recueillement, qui fournit une résolution beaucoup plus élevée des données et probabilité d’exactitude que, par exemple, des bilans annuels ou semestriels. En outre, ce processus d’auto-évaluation permet également aux chercheurs d’examiner les indicateurs passives d’éventuels troubles cognitifs, tels que la variation dans le temps de remplir le sondage, la variation du nombre de clics, des difficultés accrues reporting précis des dates ou des marqueurs de dépréciation dans les réponses de texte libre. Dans le cadre de la plate-forme de base, nous installons un pilulier électronique de sept jours qui enregistre si oui ou non le compartiment de la journée désignée a été ouverte et les fois qu’elle est ouverte tous les jours. Cela fournit des informations sur l’adhésion de médicaments, mais aussi une indication potentielle du déclin cognitif si la cohérence de la prise de médicaments diminue.

Une échelle de bioimpedence numérique sans fil qui recueille également des impulsions, paramètres de composition de corps, vitesse d’onde de pouls, température ambiante et niveau de dioxyde de carbone ambiant est installée dans la salle de bain, fournissant des données sur le poids quotidien des participants. Ces données peuvent ensuite être corrélées avec d’autres événements signalés (par exemple, l’état de santé, médicaments), ainsi que d’autres indicateurs passives du comportement, tels que le respect du protocole et de la fréquence d’utilisation au fil du temps.

Dans les cas où notre voiture de participants, nous installons un capteur conduite dans leurs véhicules. Ce capteur fournit des informations sur la conduite des habitudes telles que la fréquence, le calendrier, durée et distance de voyages, ainsi que la fréquence des arrêts ou des accélérations dures.

Un dispositif portable porté poignet recueille des données de l’activité physique à la fois dans et hors de la maison. Plusieurs marques et modèles de vêtements ont été utilisés dans les maisons de la vie de laboratoire.

Selon le projet, un enquêteur à l’aide de la plateforme ORCATECH peut choisir de compléter la base capteur sertie d’éléments de collecte de données supplémentaires. Testé par le passé des exemples comprennent un capteur de téléphone pour surveiller la socialisation grâce à l’activité de téléphone fixe, l’élaboration et la mise en place d’un équilibre numérique-Conseil d’équilibre stable, une tablette avec des tâches cognitives périodiques pour le participant de remplir dans leur propre maison et un système de SMS automatisé pour évaluer l’efficacité des rappels de médicaments via téléphone.

Pour gérer les diverses données générées par le laboratoire de vie ORCATECH, une information personnalisée et un système de données est utilisé pour la collecte, annoter, maintenir et l’analyse des activité copieuse et données sur la santé. ORCATECH a développé un système personnalisé pour la gestion des participante, collecte de données auto-déclarées et traitement et collecte continue de données de tous les périphériques système et capteurs. Le système repose sur un cluster de serveurs distribué NoSQL Cassandra pour stocker les données des capteurs et une architecture de lambda à l’aide de Kafka et l’étincelle qui permet à nos capacités de traitement des données pour se rapprocher de traitement en temps réel. À l’aide d’une API REST, les données sont transférées dans les plates-formes d’analyse de données standard et des logiciels statistiques pour l’analyse des données.

Protocol

Tous les participants eu consentement éclairé. Vie laboratoire participants sont invités à vivre leur vie comme ils le feraient normalement pour permettre une étude d’observation longitudinale de leurs activités de la vie et les modèles pour le reste de leur vie. Ils peuvent retirer en tout temps s’ils le souhaitent. Le protocole de l’étude a été approuvé par l’Oregon Health & amp ; Sciences de l’Université (OHSU) Institutional Review Board (vie laboratoire OHSU IRB #2765). <p class="jove_title…

Representative Results

La suite ORCATECH de technologie permet de recueillir un unique riche ensemble de données sur les habitudes de vie des personnes qu’ils vont au sujet de leurs activités habituelles. Le système de capteur permet de surveillance discrète et continue des volontaires dans leurs propres maisons. Le système a été utilisé dans des dizaines d’études impliquant des centaines de volontaires dans les recherches portant sur des domaines clés de la santé et de la fonction comme la march…

Discussion

Nous avons décrit un système de base ou la plate-forme permettant l’accueil et communautaire / télédétection et déclaration des principales mesures d’hygiène et bien-être en permanence. Le système est destiné à être utilisé principalement dans la recherche en ce moment.

Si possible, le système utilise des outils open source et des capteurs ou des dispositifs en profitant des API disponibles et kits de développement logiciel (SDK). Le système est conçu pour être technologi…

Divulgaciones

The authors have nothing to disclose.

Acknowledgements

La recherche présentée ici a été appuyée par les subventions accordées par les National Institutes of Health, National Institute on Aging (U2CAG054397, AG024978 P30, P30 AG008017, R01 AG042191, AG024059 R01), Intel, la Fondation pour les National Institutes of Health et le Robert Wood Johnson Foundation.

Materials

Raspberry Pi 3 Model B Raspberry Pi Foundation Raspberry Pi 3 Model B
Motion Sensor NYCE Sensors Inc NCZ-3041-HA
Door/Window Sensor NYCE Sensors Inc NCZ-3011-HA
Curtain Motion Sensor NYCE Sensors Inc NCZ-3045-HA
iSort TimerCap iSort
Home Stealth USB Phone Recorder Fiho Fi3001B
Automatic Pro Automatic AUT-350C
Body Cardio Scale Nokia WBS04
Activite/Steel Activity Monitor Nokia HWA01 STEEL
Alta 2 Fitbit FB406
Charge 2 Fitbit FB407
Flex 2 Fitbit FB403
Zigbee USB Stick Silicon Labs ETRX3USB
WorkTime Nestersoft WorkTime Corporate

Referencias

  1. Peetoom, K. K., Lexis, M. A., Joore, M., Dirksen, C. D., De Witte, L. P. Literature review on monitoring technologies and their outcomes in independently living elderly people. Disabil Rehabil Assist Technol. 10 (4), 271-294 (2015).
  2. Liu, L., Stroulia, E., Nikolaidis, I., Miguel-Cruz, A., Rios Rincon, A. Smart homes and home health monitoring technologies for older adults: A systematic review. Int J Med Inform. 91, 44-59 (2016).
  3. Kim, K. I., Gollamudi, S. S., Steinhubl, S. Digital technology to enable aging in place. Exp Gerontol. 88, 25-31 (2017).
  4. Kaye, J. Making pervasive computing technology pervasive for health & wellness in aging. Public Policy & Aging Report. 27 (2), 53-61 (2017).
  5. Wild, K., Boise, L., Lundell, J., Foucek, A. Unobtrusive in-home monitoring of cognitive and physical health: Reactions and perceptions of older adults. Journal of Applied Gerontology. 27 (2), 181-200 (2008).
  6. Wild, K., Boise, L. . In-Home Monitoring Technologies: Perspectives and Priorities of Older Adults. , (2012).
  7. Boise, L., et al. Willingness of older adults to share data and privacy concerns after exposure to unobtrusive in-home monitoring. Gerontechnology: international journal on the fundamental aspects of technology to serve the ageing society. 11 (3), 428 (2013).
  8. Hayes, T. L., Hagler, S., Austin, D., Kaye, J., Pavel, M. Engineering in Medicine and Biology Society, 2009. EMBC 2009. Annual International Conference of the IEEE. , 7248-7251 (2009).
  9. Kaye, J., et al. One walk a year to 1000 within a year: Continuous in-home unobtrusive gait assessment of older adults. Gait & posture. 35 (2), 197-202 (2012).
  10. Petersen, J., Austin, D., Mattek, N., Kaye, J. Time out-of-home and cognitive, physical, and emotional wellbeing of older adults: A longitudinal mixed effects model. PloS one. 10 (10), 0139643 (2015).
  11. Hayes, T. L., Riley, T., Mattek, N., Pavel, M., Kaye, J. A. Sleep habits in mild cognitive impairment. Alzheimer disease and associated disorders. 28 (2), 145 (2014).
  12. Hayes, T. L., Larimer, N., Adami, A., Kaye, J. A. Medication adherence in healthy elders: small cognitive changes make a big difference. Journal of aging and health. , (2009).
  13. Kaye, J., et al. Unobtrusive measurement of daily computer use to detect mild cognitive impairment. Alzheimer’s & Dementia. 10 (1), 10-17 (2014).
  14. Seelye, A., et al. Computer mouse movement patterns: A potential marker of mild cognitive impairment. Alzheimer’s & Dementia: Diagnosis, Assessment & Disease Monitoring. 1 (4), 472-480 (2015).
  15. Seelye, A., et al. Embedded online questionnaire measures are sensitive to identifying mild cognitive impairment. Alzheimer Dis Assoc Disord. 30 (2), 152-159 (2016).
  16. Dodge, H., Mattek, N., Austin, D., Hayes, T., Kaye, J. In-home walking speeds and variability trajectories associated with mild cognitive impairment. Neurology. 78 (24), 1946-1952 (2012).
  17. Austin, J., Klein, K., Mattek, N., Kaye, J. Variability in medication taking is associated with cognitive performance in nondemented older adults. Alzheimer’s & Dementia: Diagnosis, Assessment & Disease Monitoring. 6, 210-213 (2017).
  18. Austin, J., et al. A smart-home system to unobtrusively and continuously assess loneliness in older adults. IEEE Journal of Translational Engineering in Health and Medicine. 4, 1-11 (2016).
  19. Dodge, H. H., Mattek, N. C., Austin, D., Hayes, T. L., Kaye, J. A. In-home walking speeds and variability trajectories associated with Mild Cognitive Impairment. Neurology. 78 (24), 1946-1952 (2012).
  20. Kaye, J. A., et al. Intelligent systems for assessing aging changes: home-based, unobtrusive, and continuous assessment of aging. The Journals of Gerontology Series B: Psychological Sciences and Social Sciences. 66, 180-190 (2011).
  21. Wang, Z., Yang, Z., Dong, T. A Review of Wearable Technologies for Elderly Care that Can Accurately Track Indoor Position, Recognize Physical Activities and Monitor Vital Signs in Real Time. Sensors. 17 (341), (2017).
  22. Skubic, M., Alexander, G., Popescu, M., Rantz, M., Keller, J. A smart home application to eldercare: Current status and lessons. Technol. Health Care. 17 (3), 183-201 (2009).
  23. Campbell, I. H., et al. Engineering in Medicine and Biology Society, EMBC, 2011. Annual International Conference of the IEEE. , 6793-6796 (2011).
  24. Austin, D., Cross, R. M., Hayes, T., Kaye, J. Regularity and predictability of human mobility in personal space. PloS one. 9 (2), 90256 (2014).
  25. Buysse, D. J., Reynolds, C. F., Monk, T. H., Berman, S. R., Kupfer, D. J. The Pittsburgh Sleep Quality Index: a new instrument for psychiatric practice and research. Psychiatry research. 28 (2), 193-213 (1989).
  26. Cummings, J. L. The Neuropsychiatric Inventory Assessing psychopathology in dementia patients. Neurology. 48, 10-16 (1997).
  27. Teng, E., et al. Utility of the Functional Activities Questionnaire for distinguishing mild cognitive impairment from very mild Alzheimer’s disease. Alzheimer disease and associated disorders. 24 (4), 348 (2010).
  28. Wild, K. V., Mattek, N., Austin, D., Kaye, J. A. “Are You Sure?” Lapses in Self-Reported Activities Among Healthy Older Adults Reporting Online. Journal of Applied Gerontology. , (2015).
check_url/es/56942?article_type=t

Play Video

Citar este artículo
Kaye, J., Reynolds, C., Bowman, M., Sharma, N., Riley, T., Golonka, O., Lee, J., Quinn, C., Beattie, Z., Austin, J., Seelye, A., Wild, K., Mattek, N. Methodology for Establishing a Community-Wide Life Laboratory for Capturing Unobtrusive and Continuous Remote Activity and Health Data. J. Vis. Exp. (137), e56942, doi:10.3791/56942 (2018).

View Video