COVID-19-virukseen liittyvän vamman vähentäminen maaseudulla asuvilla ikääntyneillä aikuisilla älykkäällä teknologialla
torstai 23. heinäkuuta 2026 päivittänyt: Rachel Proffitt, University of Missouri-Columbia
COVID-19:n aiheuttamat sosiaalisen etäisyyden vaatimukset yhdistettynä sosiaalisen eristäytymisen haitallisiin terveysvaikutuksiin ja heikentyneeseen terveydenhuoltoon maaseutualueilla asettavat ikääntyneet vammaiset aikuiset vaikeaan tilanteeseen.
Tässä hankkeessa käyttöön otettava ja tutkittava älykäs anturijärjestelmä pyrkii vähentämään maaseudulla asuvien iäkkäiden aikuisten vammaisuutta ja parantamaan terveyteen liittyvää elämänlaatua, mukaan lukien masennus ja ahdistus.
Tulevien laajennusarviointien onnistumisen lisäämiseksi kehitetään täytäntöönpanoopas.
Tutkimuksen yleiskatsaus
Tila
Valmis
Ehdot
Interventio / Hoito
Yksityiskohtainen kuvaus
Yli 85 % Missourista on maaseutua, ja näillä maaseutualueilla asuvat ihmiset ovat vanhempia ja heillä on heikommat mahdollisuudet saada säännöllistä terveydenhuoltoa Missourin kaupunkialueilla asuviin henkilöihin verrattuna.
Vammaisilla, erityisesti vanhemmilla aikuisilla, on suurempi riski saada COVID-19.
On kriittinen tarve vähentää vammaisuutta ja parantaa yhteisössä asuvien ikääntyneiden vammaisten elämänlaatua, jotta he voivat ikääntyä onnistuneesti paikalla COVID-19-pandemian aikana.
Olemme kehittäneet yhdessä kumppaniyrityksemme Foresite Healthcaren kanssa todistetusti anturipohjaisen teknologiaratkaisun terveyteen liittyvän käyttäytymisen seurantaan kotona.
Monitoimipisteessä satunnaistetussa kontrolloidussa tutkimuksessa osoitimme, että hoitotyön koordinointiin perustuva anturijärjestelmä estää avusteisissa asumislaitoksissa asuvien ikääntyneiden toiminnan heikkenemistä.
Tämän tutkimuksen pitkän aikavälin tavoitteena on tukea ikääntyneiden vammaisten aikuisten itsenäistä elämää mahdollisimman pitkään.
Hankkeen tarkoituksena on ottaa käyttöön anturijärjestelmä maaseudulla asuvien ikääntyneiden vammaisten koteihin ja arvioida anturijärjestelmän vaikutusta vammaisuuden vähentämiseen ja terveyteen liittyvän elämänlaadun parantamiseen.
Kaksihaaraisen, satunnaistetun kontrolloidun kokeen avulla anturijärjestelmä asennetaan 64 ikääntyneen koteihin.
Tutkimusryhmään 1 satunnaistetut osallistujat saavat monialaisen (sairaanhoito, toimintaterapia ja sosiaalityö) itsehallinnollisen intervention yhdistettynä anturijärjestelmään.
Tämä interventio perustuu 5As-itsehallinnon lähestymistapaan ja on suora käännös aiemmassa tutkimuksessamme tehdystä hoitotyön koordinoinnista.
Tutkimusryhmään 2 satunnaistetuilla osallistujilla on normaali terveyskoulutus yhdistettynä anturijärjestelmään.
Tavoitteista 1, 2 ja 3 RE-AIM-kehyksen avulla kerättyjen yksilö- ja asetustason tietojen pohjalta kehitetään käyttöönottoopas tulevaa käyttöä varten eri kumppanitoimistojen kanssa.
Hanke toteutetaan kolmella tavoitteella.
Tavoitteessa 1 arvioimme monitieteisen itsehallinnollisen interventioon yhdistetyn anturijärjestelmän vaikutusta vammaisuuteen ja terveyteen liittyvään elämänlaatuun vuoden kuluttua verrattuna tavanomaiseen terveydenhuoltoon yhdistettyyn anturijärjestelmään.
Tavoitteessa 2 arvioimme anturijärjestelmän vaikutusta toissijaisiin terveysvaikutuksiin (masennus, ahdistuneisuus, ammatillinen suorituskyky ja hoitajan taakka), kaatumisasteisiin ja terveydenhuollon käyttöön.
Tavoitteessa 3 keräämme yksittäisiä osallistujia koskevia tietoja tyytyväisyyttä ja adoptiota varten sekä sidosryhmätietoja organisaation asettamisesta.
Tavoitteiden 1, 2 ja 3 tiedot analysoidaan RE-AIM:n avulla toteuttamisohjeiden tuottamiseksi, jotka on kontekstualisoitu organisaation asetuksilla.
Maaseudulla asuvien ikääntyneiden vammaisten aikuisten anturijärjestelmällä on potentiaalia muuttaa lähestymistapaa terveydenhuoltoon ja vammaisten hoitoon.
Opintotyyppi
Interventio
Ilmoittautuminen (Todellinen)
58
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
Missouri
-
Columbia, Missouri, Yhdysvallat, 65211
- University of Missouri
-
-
Osallistumiskriteerit
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Opintokelpoiset iät
65 vuotta ja vanhemmat (Vanhempi Aikuinen)
Hyväksyy terveitä vapaaehtoisia
Ei
Kuvaus
Sisällyttämiskriteerit:
- Yli 65-vuotias, asuu maaseudulla määritellyssä läänissä, sinulla on vaikeuksia suorittaa vähintään yksi itsehoitotehtävä tai kaksi päivittäistä elämää, sinulla on Internet-yhteys, pystyy seisomaan avun kanssa tai ilman
Poissulkemiskriteerit:
- Odotettavissa oleva elinikä alle vuosi, vakava kognitiivinen vajaatoiminta (minimillisen tilan kokeen pistemäärä <17), elämä hoitopalveluita tarjoavassa laitoksessa, Katz ADL -pistemäärä 6, kotona fysioterapiaa, toimintaterapiaa tai hoitotyötä saava, sairaalahoidossa yli kolme kertaa edellisen 12 kuukauden aikana, Suunnittele asunnon vaihtoa seuraavan vuoden aikana
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Hoito
- Jako: Satunnaistettu
- Inventiomalli: Rinnakkaistehtävä
- Naamiointi: Yksittäinen
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
Kokeellinen: Itsensä johtaminen
5A:n käyttäytymismuutostila [39] on kehys itsehallinnan interventiolle.
Viisi "A":ta käsitellään integroimalla itsehallinnan interventio ja anturijärjestelmä.
Jokaiselle terveydenhuollon ammattikunnalle (OT, RN ja SW) järjestetään vähintään neljä interventioistuntoa 12 käyntiä kohden.
|
Itsehallinnon interventio toimitetaan vuoden kuluessa.
Jokaiselle terveydenhuollon ammattikunnalle (OT, RN ja SW) järjestetään vähintään neljä interventioistuntoa 12 käyntiä kohden.
Tiimi (OT, RN ja SW) tapaa kahdesti kahden ensimmäisen kuukauden aikana määrittääkseen johtavan interventioterapeutin osallistujan SMART-tavoitteiden ja huolenaiheiden perusteella.
Johtava interventioterapeutti pitää kolme lisäistuntoa osallistujan kanssa, ja hän on anturijärjestelmän hälytyksiä ja viestejä vastaanottava henkilö.
Tavoitteen saavuttamisen skaalaus [83] suoritetaan neljännesvuosittaisen haastattelun aikana osallistujien edistymisen arvioimiseksi SMART-tavoitteiden saavuttamisessa.
Tätä toimenpidettä hallinnoidaan yhdessä osallistujan kanssa, se lisää vastuullisuutta, tarjoaa osallistujalle mahdollisuuksia pohtia edistystä ja on konkreettinen itsehallinnollisen intervention "menestyksen" mitta.
|
|
Active Comparator: Terveysopetus
Normaaliin terveyskasvatusryhmään satunnaistettu osallistuja saa interventiokuukauden 1 ja sitten kuukausina 3, 6, 9 ja 12.
|
Osallistujat, jotka on satunnaistettu normaaliin terveyskasvatusryhmään, saavat interventiota kuukauden 1 ja sitten kuukausina 3, 6, 9 ja 12 (samaan aikaan neljännesvuosittaisten haastattelujen kanssa).
Osallistuja käyttää tablettia ja etäterveysalusta suorittaakseen haastattelun ja koulutustilaisuuden tutkimushenkilöstön kanssa.
Näiden istuntojen sisältö keskittyy auttamaan osallistujaa (ja tarvittaessa perheenjäsentä/hoitajaa) ymmärtämään terveystietojaan, auttamaan heitä kaikissa teknologia-ongelmissa ja tarjoamaan osallistujalle koulutusta heidän tilastaan (tiloistaan) ja mahdollisista resursseistaan.
Tutkimushenkilöstö antaa myös lisäterveyskoulutusta, jos olosuhteissa tapahtuu muutoksia tai uusia diagnooseja ulkopuolisen palveluntarjoajan käynnin jälkeen.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Change in Katz ADL Index
Aikaikkuna: 1 year
|
The Katz Index of Independence in Activities of Daily Living, commonly referred to as the Katz ADL, assesses functional status as a measurement of the client's ability to perform activities of daily living independently.
The Index ranks adequacy of performance in the six functions of bathing, dressing, toileting, transferring, continence, and feeding.
Clients are scored yes/no for independence in each of the six functions.
A score of 6 indicates full function, 4 indicates moderate impairment, and 2 or less indicates severe functional impairment.
This scale ranges from 0 to 6.
This measure is the calculated change in score from baseline to post-intervention.
|
1 year
|
|
Change in PROMIS-43
Aikaikkuna: 1 year
|
PROMIS® (Patient-Reported Outcomes Measurement Information System) is a set of person-centered measures that evaluates and monitors physical, mental, and social health in adults and children. The PROMIS-43 is a collection of 6-item short forms assessing anxiety, depression, fatigue, pain interference, physical function, sleep disturbance, and ability to participate in social roles and activities as well as a single pain intensity item. Each short form is scored as a T-score, with a score of 50 being average. This scale is 0 to 100. Higher scores indicate more (anxiety, depression, etc) and lower scores indicate less. This measure is the change in the T-score from baseline to post-intervention. A positive change in T-score is different for each sub-domain. Each will be indicated below in the row title. |
1 year
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Change in Hospital Anxiety and Depression Scale
Aikaikkuna: 1 year
|
The Hospital Anxiety and Depression Scale is a two dimension scale developed to identify depression and anxiety.
There are 14 items.
The respondent rates each item on a 4 point scale ranging from 0 (absence) to 3 (extreme presence).
Some questions are inversely scored.
This outcome was assessed at baseline and post-intervention.
This measure is the change in score on the scale.
The overall range of scores is 0 to 42.
Anxiety and depression domains are reported separately below.
|
1 year
|
|
Change in Canadian Occupational Performance Measure
Aikaikkuna: 1 year
|
The COPM is administered by an occupational therapy practitioner.
The participant ranks their five most important occupations that they currently have difficulty with.
Then they rate their current performance and satisfaction with that performance on a scale of 1-10.
The score on those five occupations are averaged to get a score of self-rated occupational performance and self-rated satisfaction with performance.
The scores on both scales can range from 0 to 10.
This measure is the change from baseline to post-intervention on both scores, reported separately below.
|
1 year
|
|
Change in Patient Activation Measure
Aikaikkuna: 1 year
|
The Patient Activation Measure® is a 13-item survey that assesses an individual's knowledge, skills and confidence integral to managing one's own health and healthcare.
The participants rates how much they agree or disagree (1-4 scale) with 13 statements.
Using a licensed tool, a score ranging 0-100 is calculated.
This measure is the change in that score from baseline to post-intervention.
A positive change score means improvement.
|
1 year
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Yhteistyökumppanit
Tutkijat
- Päätutkija: Rachel M Proffitt, OTD, University of Missouri-Columbia
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
Yleiset julkaisut
- Glasgow RE, Funnell MM, Bonomi AE, Davis C, Beckham V, Wagner EH. Self-management aspects of the improving chronic illness care breakthrough series: implementation with diabetes and heart failure teams. Ann Behav Med. 2002 Spring;24(2):80-7. doi: 10.1207/S15324796ABM2402_04.
- Gearing RE, El-Bassel N, Ghesquiere A, Baldwin S, Gillies J, Ngeow E. Major ingredients of fidelity: a review and scientific guide to improving quality of intervention research implementation. Clin Psychol Rev. 2011 Feb;31(1):79-88. doi: 10.1016/j.cpr.2010.09.007. Epub 2010 Oct 7.
- Snaith RP. The Hospital Anxiety And Depression Scale. Health Qual Life Outcomes. 2003 Aug 1;1:29. doi: 10.1186/1477-7525-1-29.
- Missouri Department of Health and Senior Services 2019. Health in rural Missouri: Biennial report 2018-2019. http://health.mo.gov/living/families/ruralhealth/pdf/biennial2019.pdf
- Research and Training Center on Disability in Rural Communities. 2020. Missouri State Profile. http://rtc.ruralinstitute.umt.edu/state-profile-map-series/missouri-state-profile/
- Kane, R, L, (1999). A new model of chronic care. Generations-Journal of the American Society on Aging, 23(2), 35-37
- Rantz M, Phillips LJ, Galambos C, Lane K, Alexander GL, Despins L, Koopman RJ, Skubic M, Hicks L, Miller S, Craver A, Harris BH, Deroche CB. Randomized Trial of Intelligent Sensor System for Early Illness Alerts in Senior Housing. J Am Med Dir Assoc. 2017 Oct 1;18(10):860-870. doi: 10.1016/j.jamda.2017.05.012. Epub 2017 Jul 12.
- Rantz MJ, Scott SD, Miller SJ, Skubic M, Phillips L, Alexander G, Koopman RJ, Musterman K, Back J. Evaluation of health alerts from an early illness warning system in independent living. Comput Inform Nurs. 2013 Jun;31(6):274-80. doi: 10.1097/NXN.0b013e318296298f.
- Rantz MJ, Skubic M, Miller SJ, Galambos C, Alexander G, Keller J, Popescu M. Sensor technology to support Aging in Place. J Am Med Dir Assoc. 2013 Jun;14(6):386-91. doi: 10.1016/j.jamda.2013.02.018. Epub 2013 Apr 3.
- Skubic M, Guevara RD, Rantz M. Automated Health Alerts Using In-Home Sensor Data for Embedded Health Assessment. IEEE J Transl Eng Health Med. 2015 Apr 10;3:2700111. doi: 10.1109/JTEHM.2015.2421499. eCollection 2015.
- Skubic, M., Guevara, R. D., & Rantz, M. (2012). Testing classifiers for embedded health assessment. Proc., International Conference on Smart Homes and Health Telematics, Artimino, Italy, pp. 198-205
- Jain, A., Keller, J., & Popescu, M. (2019, June 23-26). Explainable Al for dataset comparison, {Paper presentation}. 2019 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE).
- Ibrahim, O. A., Keller, J., & Popescu, M. (2019) An unsupervised framework for detecting early signs of illness in eldercare. [Paper presentation}. 2019 IEEE International Conference on Bioinformatics and Biomedicine (BIBM), San Diego, CA, USA
- Ibrahim, O.A., Keller, J.M., & Popescu, M. (2017). Context preserving representation of daily activities in elder care. {Paper presentation}. IEEE International Conference on Bioinformatics and Biomedicine (BIBM)
- Ibrahim, O.A., Popescu, M., & Keller, J.M. (2017). Unsupervised Analysis of Activity Patterns in Eldercare Monitoring. {Paper presentation}. American Medical Informatics Association (AMIA) Annual Symposium.
- Wu, W., Keller, J.M., Skubic, M., Popescu, M., & Lane, K.R. (in review). Early detection of health changes in the elderly using in-home multi-sensors data streams.
- Mishra, A.K., Skubic, M., Despins, L.A., Popescu, M., Rantz, M., Keller, J., & Lane, K. (2019). Development of a functional health index for older adults using the electronic health record. {Paper presentation}. IEEE EMBS International Conference on Biomedical & Health Informatics (BHI), Chicago, IL, United States.
- Robinson EL, Park G, Lane K, Skubic M, Rantz M. Technology for Healthy Independent Living: Creating a Tailored In-Home Sensor System for Older Adults and Family Caregivers. J Gerontol Nurs. 2020 Jul 1;46(7):35-40. doi: 10.3928/00989134-20200605-06.
- Shelani, S., Levins, T., Robinson, E.L., Lane, K., Park, G., & Skubic, M. (2019). Development and comparison of customized voice-assistant systems for independent living older adults {Paper presentation}. HCII conference, Orlando, FL, United States
- Federal Interagency Forum on Aging Related Statistics. (2016). Older Americans 2016: Key Indicators of Wellbeing. Washington DC: US Government Printing Office.
- He, W., Larsen, L. J., and U.S. Census Bureau. (2014, December). Older Americans with a disability. Washington, DC, U.S. Government Printing Office.
- Griffith L, Raina P, Wu H, Zhu B, Stathokostas L. Population attributable risk for functional disability associated with chronic conditions in Canadian older adults. Age Ageing. 2010 Nov;39(6):738-45. doi: 10.1093/ageing/afq105. Epub 2010 Sep 1.
- Fong JH. Disability incidence and functional decline among older adults with major chronic diseases. BMC Geriatr. 2019 Nov 21;19(1):323. doi: 10.1186/s12877-019-1348-z.
- Center for Disease Control and Prevention. (2012). Preventing Chronic disease. Multiple Chronic Conditions Among US Adults; A2012 Update. Retrieved from http://www.cdc.gov/pcd/issues/2014/13_0389.htm Accessed May 15, 2020.
- U.S. Administration on Aging. (2014). A Profile of Older Americans; 2014. Department of Health and Human Services Washington, DC, Retrieved from http://www.aoa.acl.gov/Aging_Statistics/Profile/2014/docs/2014-Profile.pdf. Accessed May 15, 2020.
- Herbert C, Molinsky JH. What Can Be Done To Better Support Older Adults To Age Successfully In Their Homes And Communities? Health Aff (Millwood). 2019 May;38(5):860-864. doi: 10.1377/hlthaff.2019.00203. Epub 2019 Apr 24.
- Santos-Eggimann B, Meylan L. Older Citizens' Opinions on Long-Term Care Options: A Vignette Survey. J Am Med Dir Assoc. 2017 Apr 1;18(4):326-334. doi: 10.1016/j.jamda.2016.10.010. Epub 2016 Dec 9.
- Skinner HG, Coffey R, Jones J, Heslin KC, Moy E. The effects of multiple chronic conditions on hospitalization costs and utilization for ambulatory care sensitive conditions in the United States: a nationally representative cross-sectional study. BMC Health Serv Res. 2016 Mar 1;16:77. doi: 10.1186/s12913-016-1304-y.
- Schoen C, Davis K, Willink A. Medicare Beneficiaries' High Out-of-Pocket Costs: Cost Burdens by Income and Health Status. Issue Brief (Commonw Fund). 2017 May;11:1-14.
- Banerjee D. The impact of Covid-19 pandemic on elderly mental health. Int J Geriatr Psychiatry. 2020 Dec;35(12):1466-1467. doi: 10.1002/gps.5320. Epub 2020 Jun 27. No abstract available.
- Armitage R, Nellums LB. COVID-19 and the consequences of isolating the elderly. Lancet Public Health. 2020 May;5(5):e256. doi: 10.1016/S2468-2667(20)30061-X. Epub 2020 Mar 20. No abstract available.
- Steinman MA, Perry L, Perissinotto CM. Meeting the Care Needs of Older Adults Isolated at Home During the COVID-19 Pandemic. JAMA Intern Med. 2020 Jun 1;180(6):819-820. doi: 10.1001/jamainternmed.2020.1661. No abstract available.
- Beutel ME, Klein EM, Brahler E, Reiner I, Junger C, Michal M, Wiltink J, Wild PS, Munzel T, Lackner KJ, Tibubos AN. Loneliness in the general population: prevalence, determinants and relations to mental health. BMC Psychiatry. 2017 Mar 20;17(1):97. doi: 10.1186/s12888-017-1262-x.
- Boyle CA, Fox MH, Havercamp SM, Zubler J. The public health response to the COVID-19 pandemic for people with disabilities. Disabil Health J. 2020 Jul;13(3):100943. doi: 10.1016/j.dhjo.2020.100943. Epub 2020 May 24.
- Turk MA, McDermott S. The COVID-19 pandemic and people with disability. Disabil Health J. 2020 Jul;13(3):100944. doi: 10.1016/j.dhjo.2020.100944. Epub 2020 May 28. No abstract available.
- Rantz M, Skubic M, Abbott C, Galambos C, Popescu M, Keller J, Stone E, Back J, Miller SJ, Petroski GF. Automated In-Home Fall Risk Assessment and Detection Sensor System for Elders. Gerontologist. 2015 Jun;55 Suppl 1(Suppl 1):S78-87. doi: 10.1093/geront/gnv044.
- Rantz M, Lane K, Phillips LJ, Despins LA, Galambos C, Alexander GL, Koopman RJ, Hicks L, Skubic M, Miller SJ. Enhanced registered nurse care coordination with sensor technology: Impact on length of stay and cost in aging in place housing. Nurs Outlook. 2015 Nov-Dec;63(6):650-5. doi: 10.1016/j.outlook.2015.08.004. Epub 2015 Sep 8.
- Galambos C, Rantz M, Back J, Jun JS, Skubic M, Miller SJ. Older Adults' Perceptions of and Preferences for a Fall Risk Assessment System: Exploring Stages of Acceptance Model. Comput Inform Nurs. 2017 Jul;35(7):331-337. doi: 10.1097/CIN.0000000000000330.
- Connelly K, Molchan H, Bidanta R, Siddh S, Lowens B, Caine K, Demiris G, Siek K, Reeder B. Evaluation framework for selecting wearable activity monitors for research. Mhealth. 2021 Jan 20;7:6. doi: 10.21037/mhealth-19-253. eCollection 2021.
- Wagner EH, Davis C, Schaefer J, Von Korff M, Austin B. A survey of leading chronic disease management programs: are they consistent with the literature? Manag Care Q. 1999 Summer;7(3):56-66.
- Glasgow RE, Orleans CT, Wagner EH. Does the chronic care model serve also as a template for improving prevention? Milbank Q. 2001;79(4):579-612, iv-v. doi: 10.1111/1468-0009.00222.
- Rantz M, Popejoy LL, Galambos C, Phillips LJ, Lane KR, Marek KD, Hicks L, Musterman K, Back J, Miller SJ, Ge B. The continued success of registered nurse care coordination in a state evaluation of aging in place in senior housing. Nurs Outlook. 2014 Jul-Aug;62(4):237-46. doi: 10.1016/j.outlook.2014.02.005. Epub 2014 Feb 22.
- Boockvar KS, Lachs MS. Predictive value of nonspecific symptoms for acute illness in nursing home residents. J Am Geriatr Soc. 2003 Aug;51(8):1111-5. doi: 10.1046/j.1532-5415.2003.51360.x.
- Boockvar K, Brodie HD, Lachs M. Nursing assistants detect behavior changes in nursing home residents that precede acute illness: development and validation of an illness warning instrument. J Am Geriatr Soc. 2000 Sep;48(9):1086-91. doi: 10.1111/j.1532-5415.2000.tb04784.x.
- Hogan J. Why don't nurses monitor the respiratory rates of patients? Br J Nurs. 2006 May 11-24;15(9):489-92. doi: 10.12968/bjon.2006.15.9.21087.
- Ridley S. The recognition and early management of critical illness. Ann R Coll Surg Engl. 2005 Sep;87(5):315-22. doi: 10.1308/003588405X60669.
- Mann DM, Chen J, Chunara R, Testa PA, Nov O. COVID-19 transforms health care through telemedicine: Evidence from the field. J Am Med Inform Assoc. 2020 Jul 1;27(7):1132-1135. doi: 10.1093/jamia/ocaa072.
- Laver KE, Schoene D, Crotty M, George S, Lannin NA, Sherrington C. Telerehabilitation services for stroke. Cochrane Database Syst Rev. 2013 Dec 16;2013(12):CD010255. doi: 10.1002/14651858.CD010255.pub2.
- Varnfield M, Karunanithi M, Lee CK, Honeyman E, Arnold D, Ding H, Smith C, Walters DL. Smartphone-based home care model improved use of cardiac rehabilitation in postmyocardial infarction patients: results from a randomised controlled trial. Heart. 2014 Nov;100(22):1770-9. doi: 10.1136/heartjnl-2014-305783. Epub 2014 Jun 27.
- Piotrowicz E, Baranowski R, Bilinska M, Stepnowska M, Piotrowska M, Wojcik A, Korewicki J, Chojnowska L, Malek LA, Klopotowski M, Piotrowski W, Piotrowicz R. A new model of home-based telemonitored cardiac rehabilitation in patients with heart failure: effectiveness, quality of life, and adherence. Eur J Heart Fail. 2010 Feb;12(2):164-71. doi: 10.1093/eurjhf/hfp181. Epub 2009 Dec 30.
- Little, L., Wallisch, A., Pope, E., & Dunn, W. (2018). Acceptability and cost comparison of telehealth intervention for families of children with autism.
- Little, L., Wallisch, A., Pope, El, & Dunn, W. (2018). Acceptability and cost comparison of a telehealth intervention for families of children with autism. Infants and Young Children. 31(4), 275-286
- Weisz, J.R. (2015). Bridging the research-practice divide in youth psychotherapy. The deployment-focused model and transdiagnostic treatment. Verhaltenstherapie, 25(2), 129-132
- Wainer, A.L., Dvortcsak, A., & Ingersoll, B. (2018). Designing for Dissemination: The Utility of the Deployment. Handbook of Parent-implemented interventions for a Very Young Children with Autism, 425
- Wang, S. (2011). Change Detection for Eldercare Using Passive Sensing. PhD. Thesis, Electrical and Computer Engineering Dept., University of Missouri, Columbia, MO
- Wang S, Skubic M, Zhu Y. Activity density map visualization and dissimilarity comparison for eldercare monitoring. IEEE Trans Inf Technol Biomed. 2012 Jul;16(4):607-14. doi: 10.1109/TITB.2012.2196439. Epub 2012 Apr 25.
- Wang S, Skubic M, Zhu Y, Galambos C. Using Passive Sensing to Estimate Relative Energy Expenditure for Eldercare Monitoring. Proc IEEE Int Conf Pervasive Comput Commun. 2011 Mar 21:642-648. doi: 10.1109/PERCOMW.2011.5766968.
- Heise D, Skubic M. Monitoring pulse and respiration with a non-invasive hydraulic bed sensor. Annu Int Conf IEEE Eng Med Biol Soc. 2010;2010:2119-23. doi: 10.1109/IEMBS.2010.5627219.
- Heise D, Rosales L, Skubic M, Devaney MJ. Refinement and evaluation of a hydraulic bed sensor. Annu Int Conf IEEE Eng Med Biol Soc. 2011;2011:4356-60. doi: 10.1109/IEMBS.2011.6091081.
- Rosales, L., Bo-Yu, S., Skkubic, M. & Ho, K.C. (2017). Heart rate estimation from hydraulic bed sensor ballistocardiogram. Journal of Ambient Intelligence and Smart Environments, 9(2), 193-207
- Lydon K, Su BY, Rosales L, Enayati M, Ho KC, Rantz M, Skubic M. Robust heartbeat detection from in-home ballistocardiogram signals of older adults using a bed sensor. Annu Int Conf IEEE Eng Med Biol Soc. 2015;2015:7175-9. doi: 10.1109/EMBC.2015.7320047.
- Starr, I., Rawson, A., Schroeder, H., & Joseph, N. (1939). Studies on the estimation of cardiac output in man, and of abnormalities in cardiac function , from the heart's recoil and the blood's impacts; the ballistocardiogram, American Journal of Physiology--Legacy Content, 127 (1), 1-28
- Stone, E., & Skubic, M. (2011). Evaluation of an inexpensive depth camera for in-home gait assessment. Journal of Ambient Intelligence and Smart Environments, 3(4), 349-361.
- Stone EE, Skubic M. Unobtrusive, continuous, in-home gait measurement using the Microsoft Kinect. IEEE Trans Biomed Eng. 2013 Oct;60(10):2925-32. doi: 10.1109/TBME.2013.2266341. Epub 2013 Jun 5.
- Stone EE, Skubic M, Back J. Automated health alerts from Kinect-based in-home gait measurements. Annu Int Conf IEEE Eng Med Biol Soc. 2014;2014:2961-4. doi: 10.1109/EMBC.2014.6944244.
- Banerjee T, Keller JM, Skubic M. Resident identification using kinect depth image data and fuzzy clustering techniques. Annu Int Conf IEEE Eng Med Biol Soc. 2012;2012:5102-5. doi: 10.1109/EMBC.2012.6347141.
- Shumway-Cook A, Brauer S, Woollacott M. Predicting the probability for falls in community-dwelling older adults using the Timed Up & Go Test. Phys Ther. 2000 Sep;80(9):896-903.
- Stone E, Skubic M, Rantz M, Abbott C, Miller S. Average in-home gait speed: investigation of a new metric for mobility and fall risk assessment of elders. Gait Posture. 2015 Jan;41(1):57-62. doi: 10.1016/j.gaitpost.2014.08.019. Epub 2014 Sep 6.
- Stone EE, Skubic M. Fall detection in homes of older adults using the Microsoft Kinect. IEEE J Biomed Health Inform. 2015 Jan;19(1):290-301. doi: 10.1109/JBHI.2014.2312180. Epub 2014 Mar 17.
- Phillips LJ, DeRoche CB, Rantz M, Alexander GL, Skubic M, Despins L, Abbott C, Harris BH, Galambos C, Koopman RJ. Using Embedded Sensors in Independent Living to Predict Gait Changes and Falls. West J Nurs Res. 2017 Jan;39(1):78-94. doi: 10.1177/0193945916662027. Epub 2016 Jul 28.
- Proffitt R, Glegg S, Levac D, Lange B. End-user involvement in rehabilitation virtual reality implementation research. J Enabling Technol. 2019;13(2):92-100. doi: 10.1108/JET-10-2018-0050. Epub 2019 Jun 17.
- Proffitt R, Lange B, Chen C, Winstein C. A comparison of older adults' subjective experiences with virtual and real environments during dynamic balance activities. J Aging Phys Act. 2015 Jan;23(1):24-33. doi: 10.1123/japa.2013-0126. Epub 2013 Dec 11.
- Proffitt R, Lange B. Feasibility of a Customized, In-Home, Game-Based Stroke Exercise Program Using the Microsoft Kinect(R) Sensor. Int J Telerehabil. 2015 Nov 20;7(2):23-34. doi: 10.5195/ijt.2015.6177. eCollection 2015 Fall.
- Reeder B, Chung J. Joe J, Lazar A, Thompson HJ, Demiris G. Understanding Older Adults' Perceptions of IN-Home Sensors Using an Obtrusiveness Framework. HCI International 2016; July 17-22, 2016; Toronto CA: Springer; 2016
- Reeder B, Chung J, Le T, Thompson H, Demiris G. Assessing older adults' perceptions of sensor data and designing visual displays for ambient environments. An exploratory study. Methods Inf Med. 2014;53(3):152-9. doi: 10.3414/ME13-02-0009. Epub 2014 Apr 14.
- Reeder B, Chung J, Lazar A, Joe J, Demiris G, Thompson HJ. Testing a theory-based mobility monitoring protocol using in-home sensors: a feasibility study. Res Gerontol Nurs. 2013 Oct;6(4):253-63. doi: 10.3928/19404921-20130729-02. Epub 2013 Aug 5.
- Pak, R, & McLaughlin, A. (2010). Designing displays for older adults: CRC Press
- Fisk AD, Rogers WA, Charness N, Czaja SJ, & Sharit J. (2009). Designing for older adults: Principles and creative human factors approaches. Boca Raton, FL: CRC press
- Shelkey M, Wallace M. Katz Index of Independence in Activities of Daily Living (ADL). Director. 2000 Spring;8(2):72-3. No abstract available.
- Suijker JJ, Buurman BM, ter Riet G, van Rijn M, de Haan RJ, de Rooij SE, Moll van Charante EP. Comprehensive geriatric assessment, multifactorial interventions and nurse-led care coordination to prevent functional decline in community-dwelling older persons: protocol of a cluster randomized trial. BMC Health Serv Res. 2012 Apr 1;12:85. doi: 10.1186/1472-6963-12-85.
- Szanton, S.L., & Gitlin, L.N. (2016). Meeting the health care financing imperative through focusing on function. The CAPABLE studies. Public Policy & Aging Report. 26(3), 106-110
- Hays RD, Spritzer KL, Schalet BD, Cella D. PROMIS(R)-29 v2.0 profile physical and mental health summary scores. Qual Life Res. 2018 Jul;27(7):1885-1891. doi: 10.1007/s11136-018-1842-3. Epub 2018 Mar 22.
- Lewis, T.F., Larson, M.F., & Korcuska, J.S. (2017). Strengthening the planning process of motivational interviewing using goal attainment scaling. Journal of Mental Health Counseling, 39(3), 195-210
- Cup EH, Scholte op Reimer WJ, Thijssen MC, van Kuyk-Minis MA. Reliability and validity of the Canadian Occupational Performance Measure in stroke patients. Clin Rehabil. 2003 Jul;17(4):402-9. doi: 10.1191/0269215503cr635oa.
- Hibbard JH, Stockard J, Mahoney ER, Tusler M. Development of the Patient Activation Measure (PAM): conceptualizing and measuring activation in patients and consumers. Health Serv Res. 2004 Aug;39(4 Pt 1):1005-26. doi: 10.1111/j.1475-6773.2004.00269.x.
- Barg-Walkow, L.H., Mitzner, T.L., & ROgers, W.A. (2014). Technology Experience Profile (TEP): Assessment and Scoring Guide. HFA-TR-1402). Atlanta, GA: Georgia Institute of Technology, School of Psychology, Human Factors and Aging Laboratory.
- Green LW, Glasgow RE, Atkins D, Stange K. Making evidence from research more relevant, useful, and actionable in policy, program planning, and practice slips "twixt cup and lip". Am J Prev Med. 2009 Dec;37(6 Suppl 1):S187-91. doi: 10.1016/j.amepre.2009.08.017. No abstract available.
- Glasgow RE, Klesges LM, Dzewaltowski DA, Bull SS, Estabrooks P. The future of health behavior change research: what is needed to improve translation of research into health promotion practice? Ann Behav Med. 2004 Feb;27(1):3-12. doi: 10.1207/s15324796abm2701_2.
- Boyatzis RE. Thematic analysis and code development: Transforming qualitative information. London and New Delhi: Sage Publications. 1998
- Turner AM, Reeder B, Ramey J. Scenarios, personas and user stories: user-centered evidence-based design representations of communicable disease investigations. J Biomed Inform. 2013 Aug;46(4):575-84. doi: 10.1016/j.jbi.2013.04.006. Epub 2013 Apr 22.
- Reeder B, Turner AM. Scenario-based design: a method for connecting information system design with public health operations and emergency management. J Biomed Inform. 2011 Dec;44(6):978-88. doi: 10.1016/j.jbi.2011.07.004. Epub 2011 Jul 23.
- Reeder B, Zaslavksy O, Wilamowska KM, Demiris G, Thompson HJ. Modeling the oldest old: personas to design technology-based solutions for older adults. AMIA Annu Symp Proc. 2011;2011:1166-75. Epub 2011 Oct 22.
- Reeder B, Hills RA, Turner AM, Demiris G. Participatory design of an integrated information system design to support public health nurses and nurse managers. Public Health Nurs. 2014 Mar-Apr;31(2):183-92. doi: 10.1111/phn.12081. Epub 2013 Sep 30.
- Reeder B, Demiris G. Building the PHARAOH framework using scenario-based design: a set of pandemic decision-making scenarios for continuity of operations in a large municipal public health agency. J Med Syst. 2010 Aug;34(4):735-9. doi: 10.1007/s10916-009-9288-3. Epub 2009 Apr 23.
- Deyo RA, Katrina Ramsey, Buckley DI, Michaels L, Kobus A, Eckstrom E, Forro V, Morris C. Performance of a Patient Reported Outcomes Measurement Information System (PROMIS) Short Form in Older Adults with Chronic Musculoskeletal Pain. Pain Med. 2016 Feb;17(2):314-24. doi: 10.1093/pm/pnv046.
Opintojen ennätyspäivät
Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Keskiviikko 1. kesäkuuta 2022
Ensisijainen valmistuminen (Todellinen)
Torstai 31. lokakuuta 2024
Opintojen valmistuminen (Todellinen)
Torstai 31. lokakuuta 2024
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Maanantai 21. maaliskuuta 2022
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Maanantai 16. toukokuuta 2022
Ensimmäinen Lähetetty (Todellinen)
Keskiviikko 18. toukokuuta 2022
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Perjantai 24. heinäkuuta 2026
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Torstai 23. heinäkuuta 2026
Viimeksi vahvistettu
Keskiviikko 1. heinäkuuta 2026
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 2043542
- 1R01AG072935-01A1 (Yhdysvaltain NIH-apuraha/sopimus)
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
JOO
IPD-suunnitelman kuvaus
Jaamme tutkimukseen osallistujien kanssa yksilöimättömät kliiniset tulostiedot ja anturijärjestelmästä poimitut parametrit (esim. liiketiheys, kävelynopeus) tallettamalla nämä tiedot National Archive of Computerised Data on Aging -tietokannan (NACDA) on NIH:n rahoittama tietovarasto.
Toimitetut tiedot vahvistetaan asiaankuuluvilla tiedoilla ja terminologiastandardeilla.
Tietojen tunnistaminen poistetaan Missourin yliopiston IRB-menettelyjen mukaisesti.
Kaikki anturiparametrit tallennetaan suojatulle palvelimelle tunnistamattomina tietoina, joten lisäkäsittelyä ei tarvita ennen tallettamista NACDA:han.
Tunnisteet poistetaan kliinisistä tulostiedoista ennen tallettamista NACDA:han.
Kaikki tutkimukseen osallistuneiden henkilökohtaiset ja yksityiset tiedot suojataan suojatulla tiedonkeruujärjestelmällämme (RedCap) salatussa verkossa.
Henkilökohtaisia tai yksityisiä tietoja ei jaeta.
IPD-jaon aikakehys
Tiedot ovat saatavilla tutkimuksen päätyttyä, ja niitä säilytetään National Archive of Computerised Data on Aging (NACDA) -parametrien mukaisesti.
IPD-jaon käyttöoikeuskriteerit
Koska aion käyttää National Archive of Computerised Data on Aging (NACDA), joka on NIH:n rahoittama arkisto, tällä arkistolla on käytössä käytännöt ja menettelyt, jotka tarjoavat päteville tutkijoille pääsyn tietoihin täysin NIH:n tiedonjakokäytäntöjen ja sovellettavien käytäntöjen mukaisesti. lait ja määräykset.
IPD-jakamista tukeva tietotyyppi
- STUDY_PROTOCOL
- MAHLA
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Ei
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Ei
Yhdysvalloissa valmistettu ja sieltä viety tuote
Ei
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .