Methodik für den Aufbau einer EU-weiten Leben Labor für unauffällig und kontinuierliche Remote-Aktivität und Gesundheitsdaten erfassen
Summary
Unauffällige Sensoren und pervasive computing-Technologie integriert in die täglichen Leben zu Hause ältere Erwachsene ermöglicht sinnvolle Gesundheit und Aktivität Änderungen für Monate bis Jahre, Bereitstellung ökologisch gültig, kontinuierlich aufgezeichnet werden Hochfrequenz, Multi-Domain-Daten für Forschung und klinische Anwendung.
Abstract
Eine End-to-End-Suite von Technologien ist für die unauffällige und kontinuierliche Überwachung der Gesundheit und Aktivität Veränderungen in den Alltag der älteren Erwachsenen über einen längeren Zeitraum hinweg etabliert. Die Technologie ist in ein System, die die Prinzipien des Seins minimal aufdringlich, beim Erstellen von sicheren beinhaltet aggregiert, Privatsphäre, kontinuierliche objektive Daten in realen (häuslichen) Einstellungen für Monate bis Jahre. Das System umfasst passive Infrarot-Präsenzmelder platziert im ganzen Haus, Tür Kontaktsensoren auf Außentüren, verbundenen physiologischen monitoring-Geräte (z.B. Waagen), medikamentenschachteln und tragbare Actigraphs installiert. Treibende Sensoren sind auch in Autos der Teilnehmer installiert und Computernutzung (PC, Tablet oder Smartphone) verfolgt. Daten ist über häufige Online-Self-report-Optionen versehen, die wichtige Informationen in Bezug auf die Daten, die schwierig ist bereitstellen, über Sensoren wie interne Zustände (z.B.Schmerzen, Stimmung, Einsamkeit), sowie Daten-Referent, Aktivitätsmuster schließen Auslegung (z.B. Besucher, neu Möbel). Algorithmen sind entwickelt worden, mit den Daten erhalten, um funktionelle Domänen Schlüssel zu Gesundheit oder Krankheit Aktivitätsüberwachung, einschließlich Mobilität (z.B.Zimmer Übergänge, Schritte, Gang Geschwindigkeit), physiologische Funktion(z. B.Gewicht, Körper identifizieren Mass-Index, Puls), schlafen Verhaltensweisen (z.B., Schlafzeit, Ausflüge auf die Toilette in der Nacht), Einhaltung von Medikamenten (z.B. verpassten Dosen), Soziales Engagement (z.B.Zeitaufwand aus nach Hause, Zeit Paare verbringen gemeinsam), und kognitive Funktion (z.B. Zeit am Computer, Mausbewegungen, Eigenschaften der Online-Ausfüllen von Formularen, Fahrtüchtigkeit). Erkennung von Änderungen dieser Funktionen bietet einen sensitiver Marker für die Anwendung in Gesundheitsüberwachung von akuten Erkrankungen (z.B. Virusepidemie) zur Früherkennung von prodromal Demenz Syndrome. Das System eignet sich besonders für die Überwachung der Wirksamkeit klinischer Interventionen in Naturhistorischen Studien von geriatrischen Syndromen und in klinischen Studien.
Introduction
Vorherrschender klinischer Forschung ist mit Einschränkungen in der Reliabilität und Validität der Daten wegen der inhärenten Unzulänglichkeiten der Bewertungsmethodik behaftet. Interviews werden durch die Zeiten eingeschränkt als Kliniker und Patienten Termine koordinieren können. Zeit für Prüfungen ist begrenzt durch was der/die freiwillige vernünftigerweise gestellt werden kann, in einer einzigen Sitzung zu tun. Diese kurzen, weit auseinander liegende Sitzungen – begrenzen auch wenn gelegentliche Telefonate per Internetabfragen – augmented stark das Potenzial um sinnvolle Änderung in Funktion oder das Wohlbefinden im Laufe der Zeit zu erkennen. Aktuelle Test-Sessions sind größtenteils aus der Auskunftsersuchen kann schwierig sein zu erinnern und zu überprüfen (z.B., “erinnern Sie sich, Ihre Medikamente zu nehmen?”) oder künstliche Aufgaben (z. B.“aufstehen und setzen Sie sich so schnell wie du kann”; “denken Sie daran, diese zehn Worte”). Die Bewertungen sollen oft zu testen Variabilität zu beschränken, wenn in der Tat Variabilität in der Performance selbst eine wichtige diagnostische Funktion sein kann. Diese kurze Biopsien der Zeit sind weitere, nicht in den normalen Ablauf des täglichen Lebens, sondern unter künstlichen Bedingungen durchgeführt. Daher sind sie von begrenzten ökologische Validität. Schließlich kann nicht das aktuelle Paradigma von Natur aus direkten Verknüpfung von interdependenten Ereignisse oder Ergebnisse (z.B., Schlaf, Sozialisation, körperliche Aktivität) bieten, da die Daten nicht anders als erinnerte Zeitstempel sind.
Ein Ansatz zur Beseitigung dieser Mängel liegt in der Entwicklung von Systemen, die in Haus oder Gemeinschaft eingebettet werden kann, die Fortschritte in der pervasive computing und sensing Technologie, drahtlose Kommunikation und Hochfrequenz-Multi-Domain-Daten nutzen Analytics. Die Technologie und Erfahrung in diesem Bereich wachsen und eine Reihe von Systemen entwickelt worden, aber habe in Bereitstellung, Funktionen oder längs Erfahrung1,2,3,4begrenzt worden. In diesem Manuskript beschreiben wir ein Protokoll entwickelt, als ein Mittel, um in Echtzeit, kontinuierliche und längs hausbasierten Bewertung von gesundheitsrelevanten Daten, auf die Grenzen der aktuellen gesundheitlichen Bewertung Paradigma zu verbessern. Oregon Center for Aging & Amp; Technology (ORCATECH) entwickelte ein Haus-gegründetes System basierend auf pervasive computing und Sensortechnologie, um kontinuierliche, Echtzeit-Bewertung von gesundheitsrelevanten Aktivitäten und Verhalten zu bieten. Die Bewertung in Heim zu ermöglichen, weitgehend unauffällig und kontinuierliche Überwachung der realen Tätigkeit erheblich zu bringen, überwindet aktuelle Beschränkungen. Erstens, da das Kernsystem in der Lebens-Raum der Teilnehmer im Rahmen ihrer Umgebung eingebettet ist, ist es von Natur aus bequem. Bewertungen, diskrete Antworten erfordern können gesammelt werden, wenn eine Person die meisten unbefangen und bei passiven Erhebungsmethoden, so oft wie notwendig, ohne zu belasten einen Teilnehmer. Zweitens wird in der Person des normalen Lebens-Raum bietet die Möglichkeit, Daten zu sammeln, die sofort ökologisch relevant sind, nicht einfach testen Maßnahmen der Funktion, sondern alltägliche Wahrnehmung konstruiert. Z. B. prospektives Gedächtnis scheitern, eine gemeinsame Beschwerde schwierig zu testen naturalistisch in der Klinik zu Hause durch automatische tägliche Verfolgung von Medikamenten Einnahme Verhalten, so tippen auf alltägliche Wahrnehmung sowie eine Key-Performance bewertet werden können Metrik, die empfindlich auf kognitive Veränderungen bekannt. Drittens, weil die Daten digital und einem Zeitstempel versehen sind, Messung von mehreren miteinander verbundenen Maßnahmen rechtzeitig ausgerichtet wird erleichtert. Zum Beispiel Zeit über das Telefon und Auszeit von zuhause (Maßnahmen des sozialen Engagements oder Rücktritt), Computernutzung (Messung Einleitung, psychomotorische Aktivität und kognitive Funktion) und andere Maßnahmen, die nachweislich mit funktionalen Rückgang (ändern Schlafverhalten, Gewicht, Gehgeschwindigkeit) kann hinzufügen, um die Empfindlichkeit des Sensors net, subtile Veränderungen zu unterscheiden, die sonst nicht erkannt werden. Wichtig ist, kann die Wirkung von Gesundheit und Leben Ereignisse auf Kognition und Funktion (z.B.wöchentliche Berichte über Schmerz, Änderung der Medikation, Niedergeschlagenheit) auch mit diesem Datenstrom verknüpft werden, sobald sie auftreten. Schließlich konventionelle Tests und Abfragen können per Computer dargestellt werden oder im Zusammenhang mit Schnittstellen (z.B., Tablet, Smartphone), bietet einmalige Möglichkeiten gleichzeitig ältere Testleistung Roman Digital vergleichen abgeleitete Maßnahmen aus den gleichen Tests, wie z. B. die Antwort oder die Pausenzeiten, Lernkurven und Intra-Test Variabilität. Dieser neue Ansatz verwandelt so aktuelle Bewertung um bequemer, unaufdringlich, kontinuierliche, Multi-Domain und naturalistisch sein. Letztlich bietet die grundlegende Plattform-Home-basierte Bewertung Sensorik und Methodik, eine System, das abgestimmt und auf eine Vielzahl von spezifischen Fragestellungen im Zusammenhang mit Gesundheit und Wohlbefinden mit bekannten Vorteilen über Adresse skaliert werden kann die aktuelle akzeptierte Praxis selten Klinik oder telefonische Bewertungen.
Das folgende Protokoll beschreibt den Prozess der Bereitstellung dieser Plattform für unauffällige in-Home-Verhaltens- und gesundheitsbezogenen Datensammlung. Bei der Entwicklung dieser Plattform, wurde ein zentrales Ziel eine grundlegenden Suite Bewertung Funktionen bieten, die die notwendigen Daten an beiden allgemeinen Domänen von Gesundheit und Wohlbefinden (körperliche, kognitive, soziale, emotionale) sowie spezifische Verhaltensweisen (ableiten können z. B.Medikamente nehmen, gehen, schlafen-Aktivitäten, physiologische Aktivität). Die Entwicklung der Plattform wurden geleitet, durch mehrere Grundsätze, die unter anderem mit den meisten passiven unauffälligen Fernerkundungen Ansätzen, Minimierung der direkten User-Engagement mit Technologie, seiend Technologie “Agnostiker” (d. h., beschäftigt die besten Geräte oder technische Lösungen anstatt erfordern einen besonderen Ansatz oder Produkt), wird dauerhaft (für langfristige Bewertung) und skalierbar und Minimierung praktische Wartung.
Die Plattform beschrieben hat in den vergangenen zwölf Jahren entwickelte sich vor allem durch eine Reihe von Endnutzern, von “Digital naiv”, “early adopters” informiert. Regelmäßige Umfragen und Fokusgruppen wurden Schlüssel zu dieser Entwicklung5,6,7zu informieren. Hunderte von Freiwilligen konnten die Systeme kontinuierlich in ihren Häusern bis zu elf Jahre mit iterativen Änderungen bereitgestellt werden eingeführt, auf die Fortschritte in der Technologie, neue funktionelle Kapazitäten von der Forschungsgemeinschaft angefordert basierend und Konstante Tasteneingabe von Personen, die in Haus, wo die Technologie bereitgestellt wurde. Gemeinsam, diese freiwilligen bildeten eine “lebende” Labor in der Gemeinschaft, die wir nennen das “Leben Labor” wo ihre Häuser und die kontinuierliche Daten im Laufe des Tages ein einzigartiges Maß an Informationen über Gesundheit, Aktivität bieten, und die Lebensverlauf.
Eine grundlegende Plattform der Sensor-Technologie bildet das Rückgrat des Gesamtsystems für kontinuierliche hausbasierten Datenerfassung. Die Elemente dieser Plattform sind nachfolgend beschrieben. Die Core-Plattform wird geändert (Elemente können hinzugefügt oder entfernt werden) basierend auf den Informationen, die während des Prozesses des Sammelns von Benutzer-Einstellungen und Überzeugungen und Zielparameter von Interesse für das Studium mit der Forschungsplattform. Weil Daten-Kommunikations-Protokolle genormt sind, das System soll jedem Gerät erlauben, die folgt dieser Protokolle in das Netzwerk integriert werden.
Die grundlegende Plattform hier beschriebenen basiert auf den Anwendungsfall von Freiwilligen im Leben Labor (LL), die Zustimmung zu der Plattform, die in ihren Häusern, naturalistische Aktivität und Verhalten Daten von ihrer normalen Lebensaktivitäten jahrelang (längste sammeln bereitgestellt haben aktuellen kontinuierliche Bereitstellung = 11 Jahre).
Hub-Computer und Ethernet/WLAN-Verbindung ermöglichen Datenerfassung von Systemgeräten und Getriebe wieder auf sicheren Servern bei ORCATECH Teilnehmer störungsfrei. Der Hub-Computer ist konfiguriert, bestimmte Teilnehmer zu Hause Set-up bei der Systeminstallation mit einem Laptop oder Tablet und ein Bedienfeld, das eine zentrale digitale Teilnehmer-Management-System verbindet. Zusätzliche Datenerfassungsgeräte (z. B. Sensoren, MedTracker und Skalierung) können durch die Kommunikation mit dem Hub-Computer in der gleichen Weise konfiguriert werden.
Die ORCATECH Konsole und Remote-Technologie-Management-System ist eine benutzerdefinierte Digitaltechnik und Datenmanagement-System namens “Console”, das Teilnehmer-home-Technologie-Konfiguration und Systemkonfiguration sowie laufende remote Technologiemanagement der ermöglicht Häuser, einschließlich sichern Daten erfasst und ausgewertet. Darüber hinaus wird zur Bereitstellung des Systems in der Gemeinschaft zu erleichtern, wo jedes Haus ein einzigartiges Layout haben kann, ein Grafik-Tool basierend auf einem Tablet-Benutzeroberfläche verwendet, um automatisch aufzeichnen, wo verschiedene Sensoren befinden und ihre gültige physikalische Adjacencies zu anderen Sensoren (Abbildung 2). Dies ist wichtig als Referenz während der Fernüberwachung des Systems auf dem Hause Niveau.
Passiv-Infrarot (PIR) Bewegungssensoren sind Digital zu einem bestimmten Haus während der Systeminstallation, zugewiesen Kommunikation mit dem Hub-Computer über einen drahtlosen USB-Dongle. Ein Sensor befindet sich pro Zimmer, Bewegung im Raum und Teilnehmer Übergängen von Raum zu Raum zu spüren. Einer geraden “Sensor-Linie” von vier Sensoren befindet sich an der Decke des einen Flur oder einen anderen Bereich, wo die Teilnehmer regelmäßig an einem konsequenten Schritt geht. Dieser Sensor ermöglicht unauffällige Treffen der Gehgeschwindigkeit viele Male pro Tag. Andere Kennzahlen können diese Bewegungssensoren wie Verweilzeit oder Anzahl der Zimmer Übergänge ableiten. Tür-Kontaktsensoren befinden sich rund um das Haus überhaupt Außentüren um Teilnehmer kommen und gehen von zu Hause und auf dem Kühlschrank allgemeine Lebensmittel Zugang fest zu erkennen.
Online-wöchentliche Gesundheit und Aktivität Self-Reports sind verpflichtet, die Daten aus dem passiven System der Sammlung Geräte optimale Sinn. Diese Daten sind entscheidend für die Analyse der Teilnehmer Bericht über Ereignisse in der Heimat im Verhältnis zu den gesammelten Sensordaten. Die wöchentliche selbstbericht Onlineumfrage abgeschlossen werden kann, auf jedem Computer (z.B.Laptop, Tablet, Smartphone) mit Internet-Anschluss zur Abfrage Teilnehmer über Ausflüge außerhalb der Heimat, Besucher in die Heimat, gesundheitlichen Veränderungen, Raum Veränderungen innerhalb der Haus, Einsamkeit, Depression und Schmerzen. Wöchentliche Datenerfassung stützt sich auf ein relativ kleines Zeitfenster der Erinnerung, die viel höhere Auflösung der Daten und Wahrscheinlichkeit der Genauigkeit als, zum Beispiel, jährliche oder halbjährliche Kontrolluntersuchungen. Darüber hinaus ermöglicht dabei selbst melden auch Ermittler, passive Indikatoren für mögliche kognitive Beeinträchtigung, wie z. B. Variation in der Zeit für die Umfrage, Variation der Anzahl der Klicks, zunehmend schwieriger, die genaue Berichterstattung zu prüfen Termine oder Beeinträchtigung Marker in Freitext-Antworten. Im Rahmen der Basisplattform installieren wir eine siebentägige elektronische Pillenbox, die Datensätze unabhängig davon, ob die vorgesehenen Tag Fach geöffnet war und das Mal, die es jeden Tag geöffnet wurde. Dies informiert über Einhaltung der Medikation sowie eine mögliche Angabe der kognitiven Konsistenz der Medikamenten-Einnahme sinkt.
Eine drahtlose digitale Bioimpedence-Skala, die sammelt auch Puls, Körper Zusammensetzung Metriken, pulswellenlaufzeit, Umgebungstemperatur und ambient Kohlendioxid-Gehalt ist im Badezimmer installiert mit Daten über Teilnehmer täglich Gewicht. Diese Daten können dann mit anderen gemeldeten Ereignisse (z.B.Gesundheitszustand, Medikamente), sowie andere passive Indikatoren des Verhaltens, wie Protokoll festhalten und die Häufigkeit der Verwendung über einen Zeitraum korreliert werden.
In Fällen wo unsere Teilnehmer Fahrt, wir installieren einen treibenden Sensor in ihren Fahrzeugen. Dieser Sensor bietet Informationen über Fahrgewohnheiten wie Frequenz, Timing, Dauer und Entfernung von Reisen sowie Häufigkeit von harten Stopps oder harten Beschleunigungen.
Ein Handgelenk getragen tragbare Gerät sammelt körperliche Aktivitätsdaten in und aus dem Haus. Mehrere Marken und Modelle von Wearables wurden in den Häusern leben Labor eingesetzt.
Je nach Projekt können ein Ermittler mit dem ORCATECH-Plattform, die grundlegenden Sensor set mit zusätzlichen Datenerhebung Komponenten zu ergänzen. Beispiele in der Vergangenheit getestet sind einen Telefon-Sensor zur Überwachung der Sozialisation über Festnetz-Telefon-Aktivität, die Entwicklung und Umsetzung der eine digitale Balance-Board für Gleichgewicht testen, ein Tablet mit periodischen kognitiven Aufgaben für den Teilnehmer in Anspruch in ihrem eigenen Haus, und eine automatische SMS-System zur Bewertung der Wirksamkeit von Medikamenten Erinnerungen per Telefon.
Um die vielfältigen von ORCATECH Life Lab, eine maßgeschneiderte Informationen und Daten-System erzeugten Daten verarbeiten dient zum Sammeln, kommentieren, Aufrechterhaltung und reichlich Aktivität und Gesundheitsdaten analysieren. ORCATECH hat ein maßgeschneidertes System für Teilnehmermanagement, Selbstaussagen Datenerhebung und-Verarbeitung und kontinuierliche Datensammlung aus allen Systemkomponenten und Sensoren entwickelt. Das System basiert auf einem verteilten NoSQL Cassandra Servercluster, die Sensordaten und eine Lambda-Architektur mit Kafka und Funken, wodurch unsere Datenverarbeitungsfunktionen Annäherung an Echtzeit-Verarbeitung zu speichern. Eine REST-API verwenden, werden Daten in standard-Daten-Analyse-Plattformen und statistische Software-Programme für die Datenanalyse übertragen.
Protocol
Representative Results
Discussion
Wir haben ein grundlegendes System oder Plattform für Heim – und Community-basierte remote sensing und Berichterstattung über auffallende Gesundheit und Wohlbefinden-Maßnahmen auf einer kontinuierlichen Basis beschrieben. Das System soll in erster Linie in der Forschung zu diesem Zeitpunkt verwendet werden.
Wenn möglich, verwendet das System open Source-Tools und Sensoren oder unter Ausnutzung der verfügbaren APIs und Software Development Kits (SDK). Das System soll Technologie “Agnostike…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Der hier beschriebene Recherchen wurde unterstützt durch Zuschüsse von den National Institutes of Health, National Institute on Aging (U2CAG054397, P30 AG024978, P30 AG008017, R01 AG042191, R01-AG024059), Intel, das Fundament für die National Institutes of Health und der 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 |
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).
