建立社区范围的生命实验室以捕获不显眼和持续的远程活动和健康数据的方法
Summary
不显眼的传感器和普适计算技术纳入老年人的日常生活中, 使有意义的健康和活动变化连续数月持续记录, 提供生态上有效的、高频率的、用于研究或临床使用的多领域数据。
Abstract
已经建立了一个端到端的技术套件, 用于不显眼和持续地监测老年人在较长时间内日常生活中发生的健康和活动变化。该技术被整合到一个系统中, 其中包含了最低限度的干扰原则, 同时在现实世界 (基于家庭的) 设置中生成安全、隐私保护、连续的客观数据, 数月到数年。该系统包括在整个家庭中放置的被动式红外线传感器、门接触传感器安装在外部门上、连接的生理监测设备 (如刻度)、药物盒和可穿戴 actigraphs。驾驶传感器也安装在参与者的汽车和计算机 (PC, 平板电脑或智能手机) 的使用被跟踪。数据是通过频繁的在线自报告选项进行标注的, 这些选择提供了关于难以通过传感器 (如疼痛、情绪、孤独) 以及数据引用到活动模式的数据的重要信息。口译 (如访客, 重新布置家具)。算法是利用获得的数据来确定功能领域的关键健康或疾病活动监测, 包括流动性 (例如, 房间过渡, 步骤, 步态速度), 生理功能 (如体重, 身体质量指数, 脉搏), 睡眠行为 (例如, 睡眠时间, 夜间上厕所), 服药依从性 (例如, 错过剂量), 社会参与 (例如, 时间花在家里, 时间情侣一起度过), 和认知功能 (例如, 计算机上的时间, 鼠标移动, 在线形式完成的特点, 驾驶能力)。这些功能的变化检测提供了一个敏感的标志, 用于健康监测的急性疾病 (如病毒流行), 以及早发现前驱痴呆综合症。该系统特别适合于监测临床干预在老年综合征的自然史研究和临床试验中的有效性。
Introduction
由于评估方法的内在缺陷, 目前的临床研究充满了对数据的可靠性和有效性的限制。面试受到临床医生和病人能够协调时间表的时间的限制。为考试分配的时间受志愿人员在一届会议上合理要求做的限制。这些简短的、间距很大的会话-即使通过偶尔的电话或 Internet 查询增加–严重限制了在一段时间内检测功能或福祉有意义变化的可能性。当前的测试会话主要由要求提供难以召回和验证的信息组成 (例如, “您是否记得服药？”) 或人工任务的性能 (例如, “站起来, 坐得和你一样快”能 “;”记住这十个字”)。评估通常是为了限制测试到测试的可变性, 而实际上性能本身的可变性可能是关键的诊断功能。此外, 这些短暂的时间活检是在人工条件下进行的, 而不是在日常生活的正常流动中进行的。因此, 它们的生态有效性是有限的。最后, 目前的范式内在不能提供相互依存的关键事件或结果 (例如睡眠、社会化、体力活动) 的直接联系, 因为这些数据没有被召回的时间戳过。
克服这些缺点的方法是开发可嵌入在家庭或社区中的系统, 利用普适计算和传感技术、无线通信和高频多域数据的进步。分析。这一领域的技术和经验正在增长, 许多系统已经开发出来, 但在部署、特点或纵向经验方面有1、2、3、4的限制。在这篇手稿中, 我们描述了一项协议, 作为一种手段, 提供实时、连续和纵向的基于家庭的健康相关数据评估, 以改进目前健康评估范式的局限性。俄勒冈老龄 & 中心;技术 (ORCATECH) 开发了一个基于普适计算和传感技术的基于家庭的系统, 以提供对健康相关活动和行为的连续、实时的评估。将评估纳入国内, 以使对实际活动的主要不显眼和持续监测大大克服当前的限制。首先, 由于核心系统被嵌入到参与者的生命空间中, 作为其环境环境的一部分, 它本来就很方便。当一个人最安心时, 在被动收集方法的情况下, 如有必要, 在不负担参与者的情况下, 可以收集需要离散反应的评估。第二, 在人的正常生命空间中, 提供了收集与生态相关的即时数据的机会, 而不是简单地测试功能的做作措施, 而是日常认知。例如, 潜在的记忆衰竭, 一个常见的抱怨难以在临床 naturalistically 测试, 可以在家里评估的日常药物服用行为的自动跟踪, 从而窃听日常认知, 以及关键的表现已知对认知变化敏感的度量。第三, 由于数据是数字和时间戳的, 因此, 对多个相互关联的度量方法进行时间调整是很方便的。例如, 时间在电话和时间外面 (社会参与或撤退措施), 计算机使用 (测量开始, 精神运动活动和认知作用) 和其他措施, 已经显示改变与功能下降 (睡眠行为、体重、行走速度) 可以增加传感器网络的灵敏度, 以区分可能不明显的细微变化。重要的是, 健康和生命事件对认知和功能的影响 (例如, 每周报告的疼痛, 药物变化, 低情绪) 也可以链接到这个数据流, 因为它们发生。最后, 传统的测试和查询可以通过计算机或相关接口 (例如, 平板电脑, 智能手机) 来呈现, 提供无与伦比的机会, 同时将旧式测试性能与新的数字派生度量值进行比较来自相同的测试, 如响应或暂停时间、学习曲线和测试内的可变性。这种新的方法将当前的评估转化为更方便、不显眼、连续、多域和自然主义。最终, 基于家庭传感器的评估技术和方法的基本平台, 提供了一个系统, 可以调整和缩放, 以解决与健康和福祉有关的广泛的具体研究问题, 并指出优势超过目前接受的罕见诊所或电话评估的做法。
下面的协议概述了部署此平台以进行不显眼的家庭行为和与健康相关的数据收集的过程。在开发这一平台时, 一个关键目标是提供一套基本的评估功能, 提供必要的数据, 以推断健康和福祉的一般领域 (物理、认知、社会、情感) 以及更具体的行为 (例如服药、走路、与睡眠有关的活动、生理活动)。该平台的发展已经遵循了几个原则, 包括使用最被动的不引人注意的传感方法, 尽量减少直接用户与技术的接触, 是技术的 “不可知性” (即使用最好的设备或技术解决方案, 而不是要求特定的方法或产品), 耐用 (长期评估) 和可伸缩性, 并尽量减少实际的维护。
所描述的平台在过去十二年中发展了, 重要的是从 “数字幼稚” 到早期使用者的一系列最终用户的了解。定期调查和重点小组是通知这一发展5、6、7的关键。数以百计的志愿人员允许这些系统在其家中持续部署长达十一年, 并根据技术的进步、研究界要求的新功能能力来实施迭代修改, 并在技术已部署的家庭中, 个人的关键恒定输入。总的来说, 这些志愿者在社区中形成了一个 “生活” 实验室, 我们称之为 “生命实验室” , 在那里他们的家园和每天收集的连续数据提供了关于健康、活动和人生历程。
传感技术的一个基本平台构成了整个系统的主干, 用于捕获连续的基于家庭的数据。随后对该平台的元素进行了描述。对核心平台进行修改 (可以添加或删除元素), 其基础是收集用户态度的过程中获得的信息, 以及使用研究平台对研究感兴趣的信念和结果度量。由于数据通信协议是标准化的, 因此系统设计为允许将这些协议遵循的任何设备合并到网络中。
这里描述的基本平台是基于生命实验室中志愿者的使用案例, 他们同意在自己的家中部署平台, 以收集自然活动和他们正常生活活动的行为数据多年 (最长当前连续部署 = 11 年)。
集线器计算机和以太网/WiFi 连接允许从系统设备中收集数据并将其传输回 ORCATECH 的安全服务器, 而不受参与者的干扰。在系统安装时, 集线器计算机配置为特定参与者和家庭设置, 使用便携式计算机或 tablet 以及连接到集中式数字参与者管理系统的控制面板。其他数据收集设备 (如传感器、MedTracker 和刻度) 可以通过与集线器计算机的通信方式进行配置。
ORCATECH 控制台和远程技术管理系统是一个称为 “控制台” 的自定义数字技术和数据管理系统, 它允许参与者在家技术配置和系统设置, 以及远程技术管理家庭, 包括安全的数据收集和监测。此外, 为了便于在每个家庭都有独特布局的社区中部署系统, 使用基于 tablet 接口的图形工具自动记录各种传感器的位置, 并将其有效的物理周边到其他传感器 (图 2)。在对系统进行远程监视的过程中, 这一点很重要。
被动红外 (红外) 运动传感器在系统安装过程中被数字分配给给定的家庭, 通过无线 USB 转换器与中心计算机通信。每个房间都有一个传感器, 可以感觉到房间内的运动, 参与者从房间到房间的过渡。一个直 “传感器线” 的四传感器是放置在天花板上的走廊或其他地区的参与者步行定期以一致的速度。这种传感器线允许不显眼地收集步行速度每天很多次。其他度量可以从这些活动传感器 (如驻留时间或房间转换数) 派生。门接触传感器被放置在所有外部门周围的家庭, 以检测参与者的进出从家里, 并在冰箱, 以确定一般频率的食物进入。
为了从收集设备的被动系统中获得最佳的数据, 需要在线每周健康和活动自报告。这些数据对于分析与传感器收集的数据有关的家庭事件的参与者报告至关重要。网上每周自我报告调查可以完成任何计算设备 (例如, 笔记本电脑, 片剂, 智能手机) 与互联网连接, 以查询参加者的家庭出游, 访客在家里, 健康变化, 空间变化在家庭, 孤独, 抑郁和疼痛水平。每周的数据收集依赖于相对较短的记忆窗口, 它提供了更高的数据分辨率和准确性的可能性, 例如每年或半年的检查。此外, 这种自我报告过程还允许调查人员检查潜在认知障碍的被动指标, 如完成调查的时间变化、点击次数变化、报告准确性增加的困难。在自由文本响应中的日期或减值标记。作为基本平台的一部分, 我们安装了一个七天的电子药丸盒, 记录了指定的一天的车厢是否打开, 以及每天打开的时间。这提供了药物依从性的信息, 以及如果药物服用的一致性下降, 可能表明认知下降。
浴室还安装了一个无线数字 bioimpedence 秤, 它还收集脉冲、身体成分测量、脉搏波速度、环境温度和环境二氧化碳水平, 提供了参与者每日体重的数据。这些数据可以与其他报告的事件 (例如, 健康状况、药物) 以及其他被动的行为指标 (如协议依从性和时间使用频率) 相关。
在我们的参与者驾驶的情况下, 我们在他们的车辆上安装一个驱动传感器。此传感器提供有关驾驶习惯的信息, 如频率、定时、持续时间和行程距离, 以及硬停止或硬加速度的频率。
腕部佩戴的可穿戴设备收集进出家庭的物理活动数据。一些品牌和型号的 “服饰” 已被用于生活实验室的房子。
根据项目的不同, 使用 ORCATECH 平台的调查人员可以选择用其他数据收集组件补充基本传感器集。过去测试过的例子包括一个电话传感器, 通过固定电话活动来监控社会化, 开发和实施平衡测试数字平衡板, 为参与者提供周期性认知任务的平板电脑, 以完成在自己的家里, 和一个自动短信系统, 以评估药物提醒的功效通过电话。
为了处理 ORCATECH 生命实验室生成的各种数据, 定制的信息和数据系统用于收集、注释、维护和分析丰富的活动和健康数据。ORCATECH 开发了一个自定义系统, 用于参与者管理、自报告数据收集和处理, 以及从所有系统设备和传感器连续收集数据。该系统依靠分布式 NoSQL 卡珊德拉服务器群集存储传感器数据和 lambda 体系结构, 使用卡夫卡和火花, 使我们的数据处理能力更接近实时处理。使用 REST API, 数据被转移到标准数据分析平台和统计软件程序中进行数据分析。
Protocol
Representative Results
Discussion
我们已经描述了一个基本的系统或平台, 能够持续地进行基于家庭和社区的遥感和报告显著的健康和福祉措施。该系统主要用于目前的研究。
在可能的情况下, 系统使用开放源码工具和传感器或设备, 利用可用的 api 和软件开发工具包 (SDK)。该系统的设计是技术 “不可知性”, 使各种各样的传感器或设备可以 “插入” 或纳入必要的。所选择的感知域 (例如, 运动移动性测量, 药…
Disclosures
The authors have nothing to disclose.
Acknowledgements
这里所述的研究得到了国家卫生研究院、国家老龄研究所 (U2CAG054397、P30 AG024978、P30 AG008017、R01 AG042191、R01 AG024059)、英特尔、国家卫生研究院基金会的资助和罗伯特伍德约翰逊基金会。
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 |
References
- 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).
- 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).
- Kim, K. I., Gollamudi, S. S., Steinhubl, S. Digital technology to enable aging in place. Exp Gerontol. 88, 25-31 (2017).
- Kaye, J. Making pervasive computing technology pervasive for health & wellness in aging. Public Policy & Aging Report. 27 (2), 53-61 (2017).
- 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).
- Wild, K., Boise, L. . In-Home Monitoring Technologies: Perspectives and Priorities of Older Adults. , (2012).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Kaye, J., et al. Unobtrusive measurement of daily computer use to detect mild cognitive impairment. Alzheimer’s & Dementia. 10 (1), 10-17 (2014).
- 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).
- Seelye, A., et al. Embedded online questionnaire measures are sensitive to identifying mild cognitive impairment. Alzheimer Dis Assoc Disord. 30 (2), 152-159 (2016).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Campbell, I. H., et al. Engineering in Medicine and Biology Society, EMBC, 2011. Annual International Conference of the IEEE. , 6793-6796 (2011).
- Austin, D., Cross, R. M., Hayes, T., Kaye, J. Regularity and predictability of human mobility in personal space. PloS one. 9 (2), 90256 (2014).
- 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).
- Cummings, J. L. The Neuropsychiatric Inventory Assessing psychopathology in dementia patients. Neurology. 48, 10-16 (1997).
- 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).
- 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).
