스마트 기술을 사용하여 농촌 지역사회 거주 노인의 COVID-19 관련 장애 감소
2024년 2월 28일 업데이트: Rachel Proffitt, University of Missouri-Columbia
COVID-19에 대한 사회적 거리두기 요건과 사회적 고립이 건강에 미치는 악영향 및 농촌 지역의 의료 접근성 감소는 장애가 있는 노인을 끔찍한 상황에 놓이게 합니다.
본 사업에서 전개 및 연구할 스마트 센서 시스템은 농촌지역에 거주하는 노인들의 장애를 줄이고 우울, 불안 등 건강과 관련된 삶의 질을 향상시키는 것을 목표로 한다.
향후 스케일업 평가의 성공을 높이기 위해 구현 가이드가 개발될 것입니다.
연구 개요
상세 설명
미주리 주의 85% 이상이 농촌 지역이며 이러한 농촌 지역의 개인은 미주리 도시 지역에 거주하는 개인에 비해 나이가 많고 정기적인 의료 서비스에 대한 접근성이 낮습니다.
장애가 있는 사람, 특히 노인은 COVID-19에 걸릴 위험이 더 높습니다.
COVID-19 팬데믹 기간 동안 지역사회에서 거주하는 장애가 있는 노인의 성공적인 거주를 위해 장애를 줄이고 삶의 질을 개선하는 것이 절실히 필요합니다.
우리는 파트너 회사인 Foresite Healthcare와 함께 가정에서 건강 관련 행동을 모니터링하기 위한 입증된 센서 기반 기술 솔루션을 개발했습니다.
다중 사이트 무작위 통제 시험에서 우리는 간호 조정 기능이 있는 센서 시스템이 생활 보조 시설에 거주하는 노인의 기능 저하를 방지한다는 것을 입증했습니다.
이 연구의 장기 목표는 장애가 있는 노인들이 가능한 한 오랫동안 독립적인 생활을 할 수 있도록 지원하는 것입니다.
이 프로젝트의 목적은 센서 시스템을 농촌 지역에 거주하는 장애 노인의 가정에 배치하고 센서 시스템이 장애 감소 및 건강 관련 삶의 질 향상에 미치는 영향을 평가하는 것입니다.
양팔 무작위 통제 시험을 사용하여 센서 시스템을 노인 64명의 가정에 설치합니다.
연구 부문 1에 무작위로 배정된 참가자는 센서 시스템과 짝을 이루는 종합적(간호, 작업 치료 및 사회 사업) 자가 관리 중재를 받게 됩니다.
이 개입은 5A 자기 관리 접근 방식을 기반으로 하며 이전 연구에서 간호 조정을 직접 번역한 것입니다.
Study Arm 2에 무작위 배정된 참가자는 센서 시스템과 함께 표준 건강 교육을 받게 됩니다.
RE-AIM 프레임워크를 사용하여 목표 1, 2 및 3에서 수집한 개인 및 설정 수준 데이터를 사용하여 향후 다른 파트너 기관과 함께 사용할 구현 가이드를 개발할 것입니다.
이 프로젝트는 세 가지 목표로 달성됩니다.
목표 1에서는 1년 후 장애 및 건강 관련 삶의 질에 대한 표준 건강 교육 관리와 결합된 센서 시스템과 비교하여 종합적인 자기 관리 개입과 결합된 센서 시스템의 효과를 평가합니다.
목표 2에서는 센서 시스템이 2차 건강 결과(우울증, 불안, 직업 수행 및 간병인 부담), 낙상률 및 의료 이용에 미치는 영향을 평가합니다.
목표 3에서는 만족도 및 채택을 위한 개별 참가자 데이터와 조직 설정에 대한 이해 관계자 데이터를 수집합니다.
목표 1, 2 및 3의 데이터는 RE-AIM을 사용하여 분석되어 조직 설정에 따라 맥락화된 구현 지침을 생성합니다.
시골 지역에 거주하는 장애가 있는 노인의 경우 센서 시스템은 의료 및 장애 관리에 대한 접근 방식을 변경할 수 있는 잠재력이 있습니다.
연구 유형
중재적
등록 (실제)
58
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
Missouri
-
Columbia, Missouri, 미국, 65211
- University of Missouri
-
-
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
공부할 수 있는 나이
65년 이상 (고령자)
건강한 자원 봉사자를 받아들입니다
아니
설명
포함 기준:
- 65세 이상, 정의된 시골 카운티에 거주, 최소 1개의 자기 관리 작업 또는 2개의 일상 생활 작업에 어려움이 있음, 인터넷 사용 가능, 도움 없이 서 있을 수 있음
제외 기준:
- 기대 수명 1년 미만, 중증 인지 장애(최소 정신 상태 검사 점수 <17), 간병 서비스를 제공하는 시설에서의 생활, Katz ADL 점수 6점, 가정에서 물리 치료, 작업 치료 또는 간호를 받고 있음, 입원한 적이 있음 최근 12개월 동안 3회 이상, 내년 내 거주지 변경 예정
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 치료
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 하나의
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
실험적: 자기 관리
5A의 행동 변화 모드[39]는 자기 관리 개입을 위한 프레임워크입니다.
다섯 가지 "A"는 자가 관리 개입과 센서 시스템의 통합을 통해 해결될 것입니다.
참가자당 12회 방문에 대해 각 의료 전문직(OT, RN 및 SW)과 최소 4회의 개입 세션이 있습니다.
|
자가 관리 개입은 1년에 걸쳐 제공됩니다.
참가자당 12회 방문에 대해 각 의료 전문직(OT, RN 및 SW)과 최소 4회의 개입 세션이 있습니다.
팀(OT, RN 및 SW)은 처음 2개월 동안 두 번 만나 참가자의 SMART 목표 및 관심 영역에 따라 중재자를 결정합니다.
선임 중재자는 참가자와 세 번의 추가 세션을 가지며 센서 시스템 경고 및 메시지의 담당자가 됩니다.
목표 달성 척도[83]는 SMART 목표에 대한 참가자 진행 상황을 평가하기 위해 분기별 인터뷰 중에 관리됩니다.
이 측정은 참가자와 함께 공동으로 관리되며 추가 책임을 제공하고 참가자에게 진행 상황에 대한 성찰의 기회를 제공하며 자기 관리 개입의 "성공"에 대한 구체적인 측정입니다.
|
|
활성 비교기: 보건 교육
표준 건강 교육 부문에 무작위로 배정된 참가자는 1개월과 3, 6, 9, 12개월에 중재를 받게 됩니다.
|
표준 건강 교육 부문에 무작위로 배정된 참가자는 1개월과 3, 6, 9, 12개월(분기별 인터뷰와 일치)에 중재를 받게 됩니다.
참가자는 태블릿 및 원격 의료 플랫폼을 사용하여 연구 직원과의 인터뷰 및 교육 세션을 완료합니다.
이 세션의 내용은 참가자(및 적절한 경우 가족 구성원/간병인)가 자신의 건강 데이터를 이해하고 기술 문제를 지원하며 참가자에게 자신의 상태 및 요청된 리소스에 대한 교육을 제공하는 데 중점을 둘 것입니다.
연구원은 또한 외부 제공자 방문 후 조건에 변화가 있거나 새로운 진단이 있는 경우 추가 건강 교육을 제공할 것입니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
Katz ADL 지수의 변화
기간: 일년
|
무능
|
일년
|
|
PROMIS-29의 변화
기간: 일년
|
건강 관련 삶의 질
|
일년
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
병원 불안 및 우울 척도의 변화
기간: 일년
|
우울증과 불안
|
일년
|
|
캐나다 직업 성과 측정의 변화
기간: 일년
|
직업 성능
|
일년
|
|
환자 활성화 측정의 변화
기간: 일년
|
환자활성화/자기효능감
|
일년
|
|
기술 경험 프로필
기간: 기준선
|
기술 경험
|
기준선
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 수석 연구원: Rachel M Proffitt, OTD, University of Missouri-Columbia
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- 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.
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작 (실제)
2022년 6월 1일
기본 완료 (추정된)
2024년 11월 1일
연구 완료 (추정된)
2024년 11월 1일
연구 등록 날짜
최초 제출
2022년 3월 21일
QC 기준을 충족하는 최초 제출
2022년 5월 16일
처음 게시됨 (실제)
2022년 5월 18일
연구 기록 업데이트
마지막 업데이트 게시됨 (추정된)
2024년 2월 29일
QC 기준을 충족하는 마지막 업데이트 제출
2024년 2월 28일
마지막으로 확인됨
2024년 2월 1일
추가 정보
이 연구와 관련된 용어
기타 연구 ID 번호
- 2043542
- 1R01AG072935-01A1 (미국 NIH 보조금/계약)
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
예
IPD 계획 설명
우리는 NACDA(National Archive of Computerized Data on Aging)에 이러한 데이터를 기탁하여 연구 참여자와 관련된 센서 시스템(예: 동작 밀도, 보행 속도)에서 추출한 비식별 임상 결과 데이터 및 매개변수를 공유할 것입니다. NIH가 자금을 지원하는 리포지토리입니다.
제출된 데이터는 관련 데이터 및 용어 표준으로 확인됩니다.
데이터는 University of Missouri IRB 절차에 따라 익명화됩니다.
모든 센서 매개변수는 비식별 데이터로 보안 서버에 저장되므로 NACDA에 보관하기 전에 추가 처리가 필요하지 않습니다.
식별자는 NACDA에 기탁하기 전에 임상 결과 데이터에서 제거됩니다.
연구 참가자의 모든 개인 정보는 암호화된 네트워크에서 안전한 데이터 수집 시스템(RedCap)을 사용하여 보호됩니다.
개인 정보나 비공개 정보는 공유되지 않습니다.
IPD 공유 기간
연구 완료 시 데이터를 사용할 수 있으며 NACDA(National Archive of Computerized Data on Aging)의 매개변수에 따라 보관됩니다.
IPD 공유 액세스 기준
저는 NIH가 자금을 지원하는 저장소인 NACDA(National Archive of Computerized Data on Aging)를 사용할 것이기 때문에 이 저장소에는 자격을 갖춘 연구원에게 데이터 액세스를 제공하고 NIH 데이터 공유 정책 및 적용 가능한 법률 및 규정.
IPD 공유 지원 정보 유형
- 연구_프로토콜
- 수액
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
아니
미국 FDA 규제 기기 제품 연구
아니
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .
삶의 질에 대한 임상 시험
-
University of North Carolina, Chapel HillNational Institute on Drug Abuse (NIDA); National Institute of Mental Health (NIMH)완전한
-
Queens College, The City University of New York모병
-
Swansea University완전한A Bite of ACT' (BOA) 수용전념치료 온라인 심리교육 과정 | 대기자 명단 제어영국
-
Hôpital Léon Bérard완전한
-
Yale-NUS College완전한연구 초점은 SGH Life Center에서 관리하는 비만 관리 설문지에 대한 환자의 반응입니다.싱가포르
-
Scripps Translational Science Institute완전한
-
Novartis Pharmaceuticals완전한신경내분비종양 | GI 오리진의 고급 NET | 고급 NET of Lung Origin미국, 콜롬비아, 이탈리아, 대만, 영국, 벨기에, 체코, 독일, 일본, 사우디 아라비아, 캐나다, 네덜란드, 스페인, 대한민국, 레바논, 오스트리아, 중국, 그리스, 남아프리카, 태국, 헝가리, 칠면조, 폴란드, 슬로바키아, 러시아 연방
-
Yale-NUS College완전한
-
University Hospital Inselspital, BerneDeka Medical, Inc.모집하지 않고 적극적으로
-
University of Pennsylvania완전한Intrntl Classification of Diseases, 9th Revision, (ICD-9-CM) 410의 주진단 또는 이차진단 코드가 있는 환자(5번째 숫자가 2인 경우 제외)미국
자기 관리에 대한 임상 시험
-
Dartmouth-Hitchcock Medical CenterCenters for Disease Control and Prevention완전한
-
Dartmouth-Hitchcock Medical CenterCenters for Disease Control and Prevention모병
-
Brigham and Women's Hospital모집하지 않고 적극적으로
-
Vanderbilt University Medical Center완전한
-
West University of Timisoara알려지지 않은
-
Seoul National University HospitalMind Works Clinical Psychologist Group아직 모집하지 않음
-
University of California, San FranciscoNational Cancer Institute (NCI)완전한
-
naomi goldsteinNational Institute of Mental Health (NIMH)완전한