Metode til oprettelse af en EU-dækkende liv laboratorium til at indfange diskret og kontinuerlig Remote aktivitet og sundhedsdata
Summary
Diskret sensorer og pervasive computing-teknologi er indarbejdet i det daglige hjemme liv i ældre voksne gør det muligt for meningsfuld sundhed og aktivitet ændringer skal registreres løbende i måneder til år, at levere økologisk gyldig, høj frekvens, multi-domæne data for forskning eller klinisk brug.
Abstract
En ende til suite af teknologier er blevet etableret for diskret og kontinuerlig overvågning af sundhed og aktivitet ændringer i det daglige liv i ældre voksne over længere perioder. Teknologien er samlet i et system, der omfatter principper for at være minimalt påtrængende, samtidig med at generere sikre, privatliv beskyttes, kontinuerlig objektive data i real-verden (hjemme-baseret) indstillinger i måneder til år. Systemet omfatter passiv infrarød tilstedeværelse sensorer placeret i hele hjemmet, døren kontakt sensorer installeret på udvendige døre, tilsluttede fysiologiske overvågning enheder (såsom skalaer), medicin kasser og bærbare actigraphs. Drivende sensorer er også installeret i deltagernes biler og brug af computer (PC, tablet eller smartphone) registreres. Data er kommenteret via hyppige online selvrapportering optioner at giver vigtige oplysninger om de data, der er vanskeligt at udlede via sensorer som interne stater (f.eks., smerte, humør, ensomhed), samt data referent til aktivitet mønster fortolkning (fx, besøgende, omarrangeret møbler). Algoritmer er blevet udviklet ved hjælp af oplysninger indhentet for at identificere funktionelle domæner nøglen til sundhed eller sygdom aktivitet overvågning, herunder mobilitet (f.eks., værelse overgange, trin, gangart hastighed), fysiologisk funktion (fx, vægt, krop mass index, puls), sove adfærd (fx, søvn tid, ture på toilettet om natten), medicin overholdelse (f.eks., glemte doser), socialt engagement (f.eks.tid brugt ud af hjem, tid par tilbringer sammen), kognitiv funktion (fx, tid på computeren, musebevægelser, Karakteristik af online-formularen fuldførelse, kørsel evne). Ændre påvisning af disse funktioner giver en følsom markør for anvendelsen i helbredskontrollen af akutte sygdomme (fx, viral epidemi) til tidlig påvisning af prodromale demens syndromer. Systemet er specielt velegnet til at overvåge effektiviteten af kliniske tiltag i naturhistoriske undersøgelser af geriatriske syndromer og i kliniske forsøg.
Introduction
Fremherskende klinisk forskning er behæftet med begrænsninger i pålidelighed og gyldighed af data fanget på grund af iboende svagheder af vurderingsmetode. Interviews er begrænset af de gange, når klinikeren og patienten kan koordinere tidsplaner. Taletid for undersøgelser er begrænset af hvad frivilligt kan rimelighed blive bedt om at gøre i en enkelt session. Disse kort, bredt fordelte sessioner – begrænser selvom augmented ved lejlighedsvis telefonopkald eller Internet forespørgsler – alvorligt potentialet til at opdage meningsfuld forandring i funktion eller velbefindende over tid. Nuværende test sessioner er hovedsageligt sammensat af anmodninger om oplysninger, som kan være svært at huske og kontrollere (f.eks., “kan du huske at tage din medicin?”) eller kunstige opgaver (f.eks., “stå op og sidde så hurtigt som du kan”; “Husk disse ti ord”). Vurderingerne er ofte designet til at begrænse test til at teste variabilitet, når i virkeligheden variabilitet i ydeevne, selv kan være en diagnostisk nøglefunktion. Yderligere, disse kort biopsier tid foregår under kunstige forhold og ikke inden for den normale strøm af daglige liv. Derfor, de er af begrænset økologiske gyldighed. Endelig, det nuværende paradigme i sagens natur ikke kan give direkte kobling af gensidigt afhængige vigtige begivenheder eller resultater (fx, søvn, socialisering, fysisk aktivitet) fordi dataene ikke er tidsstemplet bortset fra som mindede om.
En tilgang til at overvinde disse mangler ligger i udviklingen af systemer, der kan være indlejret i hjem eller samfund, at drage fordel af fremskridt inden for pervasive computing og sensing teknologi, trådløs kommunikation og høj frekvens multi-domæne data Analytics. Den teknologi og erfaring på dette område vokser og en række systemer er blevet udviklet, men har været begrænset i installation, funktioner eller langsgående erfaring1,2,3,4. I dette manuskript, vi beskriver en protokol udviklet som et middel til at levere real-time, vedvarende og langsgående hjem-baseret vurdering af sundhed-relevante data til at forbedre begrænsningerne i den nuværende sundhed vurdering paradigme. Oregon Center for Aging & amp; Teknologi (ORCATECH) har udviklet en hjemme-baseret system baseret på pervasive computing og sensing teknologi for at give kontinuerlig, real-time vurdering af sundhed-relevante aktivitet og adfærd. Overbringe vurderingen i hjem hen til muliggøre, i vid udstrækning diskret og kontinuerlig overvågning af virkelige verden aktivitet betydeligt overvinder nuværende begrænsninger. Først, da det centrale system er integreret i livet-rum af deltagerne som en del af deres omgivende miljø, det er i sagens natur bekvemt. Vurderinger, der kræver diskrete svar kan indsamles, når en person er mest tryg og passive samling metoder, så ofte som nødvendigt uden at belaste en deltager. For det andet, i personens normale liv-plads giver mulighed for at indsamle data, der er umiddelbart økologisk relevante, ikke blot testning forceret foranstaltninger af funktion, men hverdagens kognition. For eksempel, potentielle hukommelse fiasko, en fælles klage vanskeligt at naturalistisk test i klinikken, kan vurderes hjemme ved automatisk daglig sporing af medicin tager adfærd, således at trykke både hverdagens kognition, såvel som en KPI metriske kendt for at være følsomme over for kognitive forandringer. For det tredje fordi data er digitale og tidsstemplet, er måling af flere indbyrdes forbundne foranstaltninger tilpasset i tid lettet. For eksempel, tid på telefon og tid ud af hjemmet (foranstaltninger af social engagement eller tilbagetrækning), brug af computeren (måling af indledningen, psykomotoriske aktivitet og kognitiv funktion) og andre foranstaltninger, der har vist sig at ændre med funktionelle tilbagegang ( søvn adfærd, vægt, walking hastighed) kan tilføje at følsomheden af sensoren net at skelne diskrete ændringer, der ikke kan være ellers tilsyneladende. Vigtigere, kan effekten af sundhed og liv begivenheder på kognition og funktion (fx, ugentlige rapporter om smerter, medicin forandring, lave humør) også være knyttet til denne datastream som de opstår. Endelig vil konventionelle test og forespørgsler kan præsenteres via computer eller relaterede grænseflader (fx, tablet, smartphone), giver enestående muligheder for at samtidig sammenligne ældre test resultater til romanen digitalt afledt foranstaltninger fra de samme test, såsom svar eller pause gange, læring kurver og intra-test variabilitet. Denne nye fremgangsmåde omdanner dermed aktuelle vurdering for at være mere praktisk, diskret, kontinuerlig, multi-domæne og naturalistisk. I sidste ende, den grundlæggende platform af in-home sensor baseret vurdering af teknologi og metoder, giver et system, der kan være tunet og skaleres til at tage en lang række specifikke forskningsspørgsmål relation til sundhed og velvære med bemærkede fordele over den nuværende accepteret praksis af sjældne klinik eller telefoniske vurderinger.
Følgende protokol beskriver processen for installation af denne platform for indsamling af diskret in-home adfærdsmæssige og sundheds-relaterede data. I udviklingen af denne platform, har et centralt mål været at give en grundlæggende pakke af vurdering funktioner, der kan levere de data, der er nødvendige for at udlede både almindelige domæner af sundhed og velvære (fysiske, kognitive, sociale, følelsesmæssige), samt mere specifikke adfærd ( f.eks.medicin tager, walking, søvn-relaterede aktiviteter, fysiologisk aktivitet). Udvikling af platformen har været styret af flere principper, herunder ved hjælp af de mest passive diskret sensing tilgange, minimere direkte bruger engagement med teknologi, bliver teknologi ‘agnostiker’ (dvs., ansætte de bedste enheder eller tekniske løsninger i stedet for at kræve en bestemt fremgangsmåde eller produkt), er holdbare (for langsigtet vurdering) og skalerbar, og minimere hands-on vedligeholdelse.
Platformen beskrevet har udviklet sig i de sidste tolv år, vigtigere informeret af en vifte af slutbrugere, fra “digitalt naive” til early adopters. Periodiske undersøgelser og fokusgrupper har været nøglen til at informere denne udvikling5,6,7. Hundredvis af frivillige har tilladt systemer implementeres løbende i deres hjem i op til 11 år med iterativ ændringer indføres baseret på fremskridt inden for teknologi, nye funktionelle kapacitet af Fællesskabets forskning og den centrale konstant input af personer, der bor i hjem, hvor teknologien er blevet installeret. Kollektivt, disse frivillige har dannet en “levende” laboratorium i Fællesskabet, som vi kalder den “liv laboratorium” hvor deres hjem og de løbende data indsamlet hele dagen giver et unikt niveau af detaljer om sundhed, aktivitet, og den livsforløb.
En grundlæggende platform af sensing teknologi danner rygraden i det samlede system til at indfange kontinuerlig hjem-baseret data. Elementer af denne platform er beskrevet efterfølgende. Core-platform er ændret (elementer kan tilføjes eller fjernes) baseret på oplysninger indhentet i forbindelse med indsamling af bruger holdninger, og overbevisninger og resultatet foranstaltninger af interesse for studiet ved hjælp af forskning platform. Fordi datakommunikationsprotokoller er standardiserede, er systemet udviklet til at tillade enhver enhed, der følger disse protokoller skal indgå i nettet.
Den grundlæggende platform beskrevet her er baseret på brugstilfældet frivillige i livet laboratorium (LL), der accepterer at have platform indsat i deres hjem for at indsamle naturalistiske aktivitet og adfærd data af deres normale liv aktiviteter i mange år (længste aktuelle løbende installation = 11 år).
Hub computer og Ethernet/WiFi-forbindelse tillade dataindsamling fra systemenheder og transmission tilbage til sikre servere i ORCATECH uden deltager indblanding. Hub computeren er konfigureret til specifikke deltager og hjem set-up efter installation af systemet ved hjælp af en bærbar computer eller tavle-pc og en Kontrolpanel, der forbinder til en centraliseret digital deltager management system. Yderligere dataindsamlingsenhederne (såsom sensorer, MedTracker og skala) kan konfigureres ved at kommunikere med computeren, hub på samme måde.
ORCATECH konsol og Remote Technology Management System er en brugerdefineret digital teknologi og data management system kaldet “Trøste”, der tillader deltager hjem teknologi konfiguration samt systemopsætning og løbende remote teknologi forvaltning af hjem herunder sikre dataindsamling og overvågning. Derudover for at lette implementeringen af systemet i det samfund, hvor hvert hjem kan have et unikt layout, bruges en graftegning værktøj baseret på en tablet grænseflade til automatisk registrere hvor forskellige sensorer er placeret og deres gyldige fysiske linktilstand til andre sensorer (figur 2). Dette er vigtigt for reference under Fjernovervågning af ordningen på det indre plan.
Passiv infrarød (PIR) bevægelsessensorer er digitalt tildeles til en given hjem under systeminstallation, kommunikere med hub computer via en trådløs USB-Dongle. En sensor er placeret pr. værelse fornemme bevægelse i rummet og deltager overgange fra rum til rum. En lige “Sensor linje” af fire sensorer placeres på loftet i en entre eller andet område, hvor deltageren går regelmæssigt på en konsekvent pace. Denne sensor linje giver mulighed for diskret indsamling af walking hastighed mange gange om dagen. Andre målinger kan udledes af disse aktivitet sensorer som hviletid eller antallet af værelse overgange. Døren kontakt sensorer er placeret rundt om i hjemmet på alle udvendige døre for at opdage deltagernes kommer og går fra hjemmet, og køleskabet til at bestemme generelle hyppigheden af fødevarer adgang.
On-Line ugentlige sundhed og aktivitet Self-Reports er forpligtet til at give optimal mening af data fra det passive system af strømaftagere. Disse data er kritisk analyse af deltager betænkning af begivenheder i hjemmet i forhold til indsamlet sensordata. Den online ugentlige selvrapportering undersøgelse kan afsluttes på en computerenhed (fx, laptop, tablet, smartphone) med en internetforbindelse til forespørgsel deltagerne om ture ud af de hjemme, besøgende i hjemmet, sundhed ændringer, space ændringer inden for den hjem, ensomhed, depression og smerte niveau. Ugentlige dataindsamling er baseret på et relativt kort vindue af erindring, hvilket giver meget højere opløsning af data og sandsynlighed for nøjagtighed end, for eksempel, årlige eller halvårlige check-ups. Desuden, denne selvrapportering processen også giver efterforskerne at undersøge passiv indikatorer for potentielle kognitiv svækkelse, som variation i tid til at gennemføre undersøgelsen, variation i antallet af klik, stigende vanskeligheder rapportering nøjagtig datoer, eller værdiforringelse markører i fritekst svar. Som en del af den grundlæggende platform installerer vi en syv dages elektronisk pille kasse der optager eller ej de udpegede dag rum blev åbnet og den tid, som det blev åbnet hver dag. Dette indeholder oplysninger om overholdelse af medicin samt en potentiel angivelse af kognitiv tilbagegang, hvis konsistens af medicin-tager falder.
En trådløs digital bioimpedence skala, der indsamler også pulse, krop sammensætning metrics, pulse wave hastighed, miljømæssige temperatur og luftens kuldioxid niveau er installeret i badeværelset, med data om deltagernes daglige vægt. Disse data kan derefter være korreleret med andre rapporterede hændelser (f.eks., sundhedstilstand, medicin), samt andre passive indikatorer for adfærd, såsom overholdelse af protokollen og frekvens af brug over tid.
I tilfælde hvor vores deltagere drev, vi installerer en drivende sensor i deres køretøjer. Denne sensor giver oplysninger om kørevaner frekvens, timing, varighed og afstand af ture samt hyppigheden af hårde stopper eller hårde accelerationer.
Et armbåndsur slidt wearable enhed indsamler fysisk aktivitetsdata fra både ind og ud af hjemmet. Flere mærker og modeller af wearables har været brugt i livet laboratorium hjem.
Afhængigt af projektets kan efterforsker bruger ORCATECH-platformen vælge at supplere den grundlæggende sensor sæt med ekstra dataindsamling komponenter. Eksempler er testet i fortiden en telefon sensor for at overvåge socialisering gennem fastnet telefon aktivitet, udvikling og gennemførelse af en digital balance-board for balance test, en tablet med periodiske kognitive opgaver for deltageren at fuldføre i deres eget hjem, og en automatiseret sms’e system til at vurdere effekten af medicin påmindelser via telefon.
For at håndtere de forskelligartede data genereret af ORCATECH liv Lab, en skræddersyet information og datasystem bruges til indsamling, anmærke, opretholde og analysere rigelige aktivitet og sundhedsdata. ORCATECH har udviklet en brugerdefineret system for deltager management, selvrapportering dataindsamling og forarbejdning og kontinuerlig dataindsamling fra alle systemenheder og sensorer. Systemet bygger på en distribueret NoSQL Cassandra serverklynge til at gemme sensor dataene og en lambda arkitektur ved hjælp af Kafka og gnist, som giver vores databehandling kapaciteter til at nærme sig real-time behandling. Bruge en REST API, overføres dataene til standard data analyse platforme og statistiske softwareprogrammer til dataanalyse.
Protocol
Representative Results
Discussion
Vi har beskrevet et grundlæggende system eller platform gør det muligt for hjem – og community-baseret remote sensing og rapportering af iøjnefaldende sundhed og velvære foranstaltninger på et kontinuerligt grundlag. Systemet er bestemt til at anvendes primært i forskning på dette tidspunkt.
Hvor det er muligt, bruger systemet open source-værktøjer og sensorer eller enheder at drage fordel af tilgængelige API’er og software udvikling kits (SDK). Systemet er designet til at være tekn…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Den forskning, der er beskrevet her blev støttet af tilskud fra de nationale kontorer i sundhed, National Institute on Aging (U2CAG054397, P30 AG024978, P30 AG008017, R01 AG042191, R01 AG024059), Intel, instituttet for National Institutes of Health og den 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).
