- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT05379504
Réduire les incapacités liées à la COVID-19 chez les personnes âgées vivant dans la communauté rurale grâce à la technologie intelligente
28 février 2024 mis à jour par: Rachel Proffitt, University of Missouri-Columbia
Les exigences de distanciation sociale pour le COVID-19, associées aux effets néfastes sur la santé de l'isolement social et à la diminution de l'accès aux soins de santé dans les zones rurales, placent les personnes âgées handicapées dans une situation désastreuse.
Le système de capteurs intelligents qui sera déployé et étudié dans le cadre de ce projet vise à réduire l'incapacité des personnes âgées vivant dans la communauté rurale et à améliorer la qualité de vie liée à la santé, y compris la dépression et l'anxiété.
Un guide de mise en œuvre sera élaboré pour accroître le succès des futures évaluations de mise à l'échelle.
Aperçu de l'étude
Statut
Actif, ne recrute pas
Les conditions
Intervention / Traitement
Description détaillée
Plus de 85% du Missouri est rural et les habitants de ces zones rurales sont plus âgés et ont un accès réduit aux soins de santé réguliers par rapport aux personnes vivant dans les zones urbaines du Missouri.
Les personnes handicapées, en particulier les personnes âgées, sont plus à risque de contracter la COVID-19.
Il existe un besoin critique de réduire les incapacités et d'améliorer la qualité de vie des personnes âgées handicapées vivant dans la communauté pour un vieillissement réussi sur place pendant la pandémie de COVID-19.
Nous avons développé, avec notre société partenaire Foresite Healthcare, une solution technologique éprouvée basée sur des capteurs pour surveiller les comportements liés à la santé à la maison.
Dans un essai contrôlé randomisé multi-sites, nous avons démontré que le système de capteurs avec coordination des soins infirmiers prévient le déclin de la fonction chez les personnes âgées vivant dans des résidences-services.
L'objectif à long terme de cette recherche est de soutenir le plus longtemps possible la vie autonome des personnes âgées handicapées.
Le but de ce projet est de déployer le système de capteurs dans les maisons des personnes âgées handicapées vivant dans la communauté rurale et d'évaluer l'effet du système de capteurs sur la réduction des incapacités et l'amélioration de la qualité de vie liée à la santé.
À l'aide d'un essai contrôlé randomisé à deux bras, le système de capteurs sera installé dans les maisons de 64 personnes âgées.
Les participants randomisés dans le bras 1 de l'étude recevront une intervention d'autogestion multidisciplinaire (soins infirmiers, ergothérapie et travail social) associée au système de capteurs.
Cette intervention est basée sur l'approche d'autogestion des 5A et est une traduction directe de la coordination des soins infirmiers dans nos recherches antérieures.
Les participants randomisés dans le bras d'étude 2 recevront une éducation sanitaire standard associée au système de capteurs.
Un guide de mise en œuvre pour une utilisation future avec différentes agences partenaires sera développé à l'aide de données individuelles et au niveau des établissements collectées à partir des objectifs 1, 2 et 3 à l'aide du cadre RE-AIM.
Le projet sera accompli dans trois buts.
Dans le but 1, nous évaluons l'effet d'un système de capteurs associé à une intervention d'autogestion multidisciplinaire par rapport au système de capteurs associé à des soins d'éducation à la santé standard sur le handicap et la qualité de vie liée à la santé après 1 an.
Dans l'objectif 2, nous évaluerons l'effet du système de capteurs sur les résultats de santé secondaires (dépression, anxiété, performance professionnelle et fardeau des soignants), les taux de chutes et l'utilisation des soins de santé.
Dans l'objectif 3, nous collecterons les données individuelles des participants pour la satisfaction et l'adoption et les données des parties prenantes sur le cadre organisationnel.
Les données des objectifs 1, 2 et 3 seront analysées à l'aide de RE-AIM pour produire des conseils de mise en œuvre contextualisés par le cadre organisationnel.
Pour les personnes âgées handicapées vivant dans les zones rurales, le système de capteurs a le potentiel de changer l'approche des soins de santé et de la gestion des handicaps.
Type d'étude
Interventionnel
Inscription (Réel)
58
Phase
- N'est pas applicable
Contacts et emplacements
Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.
Lieux d'étude
-
-
Missouri
-
Columbia, Missouri, États-Unis, 65211
- University of Missouri
-
-
Critères de participation
Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.
Critère d'éligibilité
Âges éligibles pour étudier
65 ans et plus (Adulte plus âgé)
Accepte les volontaires sains
Non
La description
Critère d'intégration:
- Plus de 65 ans, Vivre dans un comté rural défini, Avoir des difficultés avec au moins 1 tâche de soins personnels ou 2 tâches de la vie quotidienne, Avoir accès à Internet, Capable de se tenir debout avec ou sans aide
Critère d'exclusion:
- Espérance de vie inférieure à un an, Déficience cognitive sévère (score au mini examen de l'état mental <17), Vie dans un établissement qui fournit des services de soins, Score Katz ADL de 6, Recevoir une physiothérapie, une ergothérapie ou des soins infirmiers à domicile, Avoir été hospitalisé plus de trois fois au cours des 12 derniers mois, Prévoyez de changer de résidence au cours de la prochaine année
Plan d'étude
Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.
Comment l'étude est-elle conçue ?
Détails de conception
- Objectif principal: Traitement
- Répartition: Randomisé
- Modèle interventionnel: Affectation parallèle
- Masquage: Seul
Armes et Interventions
Groupe de participants / Bras |
Intervention / Traitement |
---|---|
Expérimental: Autogestion
Le mode de changement de comportement du 5A [39] est le cadre de l'intervention d'autogestion.
Les cinq « A » seront abordés grâce à l'intégration de l'intervention d'autogestion et du système de capteurs.
Il y aura un minimum de quatre séances d'intervention avec chaque profession de la santé (OT, RN et SW) pour 12 visites par participant.
|
L'intervention d'autogestion se déroulera sur une période d'un an.
Il y aura un minimum de quatre séances d'intervention avec chaque profession de la santé (OT, RN et SW) pour 12 visites par participant.
L'équipe (OT, RN et SW) se réunira deux fois au cours des 2 premiers mois pour déterminer un intervenant principal en fonction des objectifs SMART et des domaines de préoccupation du participant.
L'intervenant principal aura trois séances supplémentaires avec le participant et sera la personne-ressource pour les alertes et les messages du système de capteurs.
L'échelle de réalisation des objectifs [83] sera administrée lors de l'entretien trimestriel pour évaluer les progrès des participants sur les objectifs SMART.
Cette mesure est administrée collectivement avec le participant, fournit une plus grande responsabilisation, offre des occasions au participant de réfléchir sur les progrès et constitue une mesure concrète du « succès » de l'intervention d'autogestion.
|
Comparateur actif: Éducation à la santé
Les participants randomisés dans le bras d'éducation sanitaire standard recevront l'intervention au mois 1, puis aux mois 3, 6, 9 et 12.
|
Les participants randomisés dans le bras d'éducation à la santé standard recevront l'intervention au mois 1, puis aux mois 3, 6, 9 et 12 (coïncidant avec les entretiens trimestriels).
Le participant utilisera la tablette et la plateforme de télésanté pour compléter l'entrevue et la séance de formation avec le personnel de recherche.
Le contenu de ces sessions visera à aider le participant (et le membre de la famille/soignant, le cas échéant) à comprendre ses données de santé, à l'aider à résoudre tout problème technologique et à fournir au participant une formation sur sa ou ses conditions et toutes les ressources demandées.
Le personnel de recherche fournira également toute éducation sanitaire supplémentaire s'il y a des changements dans les conditions ou de nouveaux diagnostics après la visite d'un fournisseur extérieur.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
Modification de l'indice Katz ADL
Délai: 1 an
|
Invalidité
|
1 an
|
Changement dans PROMIS-29
Délai: 1 an
|
Qualité de vie liée à la santé
|
1 an
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
Modification de l'échelle d'anxiété et de dépression de l'hôpital
Délai: 1 an
|
Dépression et anxiété
|
1 an
|
Changement dans la mesure du rendement occupationnel au Canada
Délai: 1 an
|
Performance professionnelle
|
1 an
|
Modification de la mesure d'activation du patient
Délai: 1 an
|
Activation du patient/auto-efficacité
|
1 an
|
Profil d'expérience technologique
Délai: Ligne de base
|
Expérience avec la technologie
|
Ligne de base
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Parrainer
Collaborateurs
Les enquêteurs
- Chercheur principal: Rachel M Proffitt, OTD, University of Missouri-Columbia
Publications et liens utiles
La personne responsable de la saisie des informations sur l'étude fournit volontairement ces publications. Il peut s'agir de tout ce qui concerne l'étude.
Publications générales
- 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.
Dates d'enregistrement des études
Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.
Dates principales de l'étude
Début de l'étude (Réel)
1 juin 2022
Achèvement primaire (Estimé)
1 novembre 2024
Achèvement de l'étude (Estimé)
1 novembre 2024
Dates d'inscription aux études
Première soumission
21 mars 2022
Première soumission répondant aux critères de contrôle qualité
16 mai 2022
Première publication (Réel)
18 mai 2022
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Estimé)
29 février 2024
Dernière mise à jour soumise répondant aux critères de contrôle qualité
28 février 2024
Dernière vérification
1 février 2024
Plus d'information
Termes liés à cette étude
Autres numéros d'identification d'étude
- 2043542
- 1R01AG072935-01A1 (Subvention/contrat des NIH des États-Unis)
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
OUI
Description du régime IPD
Nous partagerons des données de résultats cliniques anonymisées et des paramètres extraits du système de capteurs (par exemple, la densité de mouvement, la vitesse de marche) associés aux participants à l'étude en déposant ces données aux Archives nationales des données informatisées sur le vieillissement (NACDA) qui est un référentiel financé par les NIH.
Les données soumises seront conformes aux données pertinentes et aux normes terminologiques.
Les données seront anonymisées conformément aux procédures de l'IRB de l'Université du Missouri.
Tous les paramètres du capteur sont stockés sur le serveur sécurisé en tant que données anonymisées, de sorte qu'aucun traitement supplémentaire ne sera nécessaire avant le dépôt à NACDA.
Les identifiants seront supprimés des données sur les résultats cliniques avant d'être déposés à la NACDA.
Toutes les informations personnelles et privées des participants à l'étude seront protégées à l'aide de notre système sécurisé de collecte de données (RedCap) sur un réseau crypté.
Aucune information personnelle ou privée ne sera partagée.
Délai de partage IPD
Les données seront disponibles à la fin de l'étude et seront conservées selon les paramètres de l'Archive nationale des données informatisées sur le vieillissement (NACDA)
Critères d'accès au partage IPD
Comme j'utiliserai l'archive nationale des données informatisées sur le vieillissement (NACDA), qui est un référentiel financé par les NIH, ce référentiel a mis en place des politiques et des procédures qui fourniront un accès aux données à des chercheurs qualifiés, en parfaite cohérence avec les politiques de partage de données des NIH et applicables lois et règlements.
Type d'informations de prise en charge du partage d'IPD
- PROTOCOLE D'ÉTUDE
- SÈVE
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Non
Étudie un produit d'appareil réglementé par la FDA américaine
Non
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .
Essais cliniques sur Qualité de vie
-
Queens College, The City University of New YorkRecrutementPublication d'articles soumis à l'American Journal of Public HealthÉtats-Unis
-
Abramson Cancer Center of the University of PennsylvaniaRetiréPatients cancéreux subissant une greffe de cellules souches (RCT of ACP for Transplant)
-
Swansea UniversityComplétéA Bite of ACT '(BOA) Cours de psychoéducation en ligne sur la thérapie d'acceptation et d'engagement | Un contrôle de liste d'attenteRoyaume-Uni
-
Yale-NUS CollegeComplétéL'objectif de l'étude est les réponses des patients à un questionnaire de gestion de l'obésité administré par le SGH Life CenterSingapour
-
Central Hospital, Nancy, FranceInstitut National de la Santé Et de la Recherche Médicale, FranceComplétéInflammation | Maladies du système nerveux autonome | Choc, cardiogénique | Extra-Corporeal-Life-Support (ECLS)France
-
Yale-NUS CollegeComplétéL'objectif de l'étude est les réponses des patients à un questionnaire de gestion de l'obésité administré par le SGH Life CenterSingapour
Essais cliniques sur Autogestion
-
Lady Davis InstituteRecrutementSclérodermie systémique | SclérodermieCanada
-
Whisper.aiSan Jose State UniversityRecrutementPerte d'auditionÉtats-Unis
-
Lady Davis InstituteComplétéSclérodermie systémique | SclérodermieCanada
-
DMG Dental Material Gesellschaft mbHUniversity of Coimbra; University Arthur Sá Earp NetoPas encore de recrutementCaries dentairesBrésil, Le Portugal
-
Shifa Tameer-e-Millat UniversityComplété
-
Robert SimpsonPas encore de recrutementSclérose en plaques | Auto-CompassionCanada
-
Brigham and Women's HospitalActif, ne recrute pasSyndrome des personnes âgées fragiles | Fragilité | Vieillissement | Syndrome de fragilitéÉtats-Unis
-
University of California, San FranciscoNational Cancer Institute (NCI)ComplétéLa douleur | CancerÉtats-Unis
-
VA Office of Research and DevelopmentComplétéTrouble d'insomnieÉtats-Unis
-
Chang Gung UniversityComplété