- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT05379504
Minska covid-19-relaterade funktionshinder hos äldre vuxna som bor på landsbygden med hjälp av smart teknik
28 februari 2024 uppdaterad av: Rachel Proffitt, University of Missouri-Columbia
Kraven på social distansering för covid-19 i kombination med de negativa hälsoeffekterna av social isolering och minskad tillgång till sjukvård på landsbygden försätter äldre vuxna med funktionshinder i en svår situation.
Det smarta sensorsystemet som ska användas och studeras i detta projekt syftar till att minska funktionshinder för äldre vuxna som bor på landsbygden och förbättra hälsorelaterad livskvalitet, inklusive depression och ångest.
En implementeringsguide kommer att utvecklas för att öka framgången för framtida uppskalningsutvärderingar.
Studieöversikt
Status
Aktiv, inte rekryterande
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Över 85 % av Missouri är landsbygd och individer i dessa landsbygdsområden är äldre och har minskad tillgång till vanlig sjukvård jämfört med individer som bor i stadsområden i Missouri.
De med funktionshinder, särskilt äldre vuxna, löper högre risk att drabbas av covid-19.
Det finns ett kritiskt behov av att minska funktionshinder och förbättra livskvaliteten för äldre vuxna med funktionsnedsättning som bor i samhället för framgångsrikt åldrande på plats under covid-19-pandemin.
Vi har tillsammans med vårt partnerföretag Foresite Healthcare utvecklat en beprövad sensorbaserad tekniklösning för att övervaka hälsorelaterade beteenden i hemmet.
I en randomiserad kontrollerad studie på flera platser visade vi att sensorsystemet med omvårdnadskoordination förhindrar funktionsnedsättningar för äldre vuxna som bor i hemtjänst.
Det långsiktiga målet med denna forskning är att stödja ett självständigt boende för äldre vuxna med funktionsnedsättning så länge som möjligt.
Syftet med detta projekt är att distribuera sensorsystemet i hemmen för äldre vuxna med funktionsnedsättning som bor på landsbygden och utvärdera effekten av sensorsystemet på att minska funktionshinder och förbättra hälsorelaterad livskvalitet.
Med hjälp av en tvåarmad randomiserad kontrollerad studie kommer sensorsystemet att installeras i hemmen för 64 äldre vuxna.
Deltagare som randomiserats till studiearm 1 kommer att få en multidisciplinär (omvårdnad, arbetsterapi och socialt arbete) självförvaltningsintervention parat med sensorsystemet.
Denna intervention är baserad på 5As självförvaltningsmetod och är en direkt översättning av omvårdnadskoordineringen i vår tidigare forskning.
Deltagare som randomiserats till studiearm 2 kommer att ha standardhälsoutbildning parat med sensorsystemet.
En implementeringsguide för framtida användning med olika partnerbyråer kommer att utvecklas med hjälp av individuella data och data som samlats in från mål 1, 2 och 3 med hjälp av RE-AIM-ramverket.
Projektet kommer att genomföras i tre syften.
I mål 1 utvärderar vi effekten av ett sensorsystem parat med en multidisciplinär självförvaltningsintervention jämfört med sensorsystemet parat med standardvård för hälsoutbildning på funktionshinder och hälsorelaterad livskvalitet efter 1 år.
I mål 2 kommer vi att utvärdera effekten av sensorsystemet på sekundära hälsoresultat (depression, ångest, yrkesmässig prestation och vårdgivares börda), fallfrekvenser och sjukvårdsanvändning.
I mål 3 kommer vi att samla in individuella deltagares data för tillfredsställelse och adoption och intressentdata om organisatoriska miljöer.
Data från mål 1, 2 och 3 kommer att analyseras med hjälp av RE-AIM för att producera implementeringsvägledning kontextualiserad efter organisatorisk miljö.
För äldre vuxna med funktionsnedsättning som bor på landsbygden har sensorsystemet potential att förändra inställningen till sjukvård och handikapphantering.
Studietyp
Interventionell
Inskrivning (Faktisk)
58
Fas
- Inte tillämpbar
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
Missouri
-
Columbia, Missouri, Förenta staterna, 65211
- University of Missouri
-
-
Deltagandekriterier
Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.
Urvalskriterier
Åldrar som är berättigade till studier
65 år och äldre (Äldre vuxen)
Tar emot friska volontärer
Nej
Beskrivning
Inklusionskriterier:
- Över 65 år, bor i ett landsbygdsavgränsat län, har svårt med minst 1 egenvårdsuppgift eller 2 dagliga uppgifter, har tillgång till internet, kan stå med eller utan hjälp
Exklusions kriterier:
- Förväntad livslängd mindre än ett år, Svår kognitiv funktionsnedsättning (minimumstestresultat för mentalt tillstånd <17), Livet på en anläggning som tillhandahåller vårdtjänster, Katz ADL-poäng på 6, Får sjukgymnastik i hemmet, arbetsterapi eller omvårdnad, Har varit inlagd på sjukhus mer än tre gånger under de föregående 12 månaderna, Planera att byta bostad inom det kommande året
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Behandling
- Tilldelning: Randomiserad
- Interventionsmodell: Parallellt uppdrag
- Maskning: Enda
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
---|---|
Experimentell: Självhantering
5A:s beteendeförändringsläge [39] är ramverket för självstyrningsinterventionen.
De fem "A":en kommer att åtgärdas genom integrationen av självförvaltningsingripandet och sensorsystemet.
Det kommer att finnas minst fyra interventionssessioner med varje vårdprofession (OT, RN och SW) för 12 besök per deltagare.
|
Självförvaltningsinsatsen kommer att levereras under loppet av ett år.
Det kommer att finnas minst fyra interventionssessioner med varje vårdprofession (OT, RN och SW) för 12 besök per deltagare.
Teamet (OT, RN och SW) kommer att träffas två gånger under de första 2 månaderna för att fastställa en ledande interventionist baserat på deltagarens SMART-mål och problemområden.
Den ledande interventionisten kommer att ha ytterligare tre sessioner med deltagaren och kommer att vara punktperson för sensorsystemvarningar och meddelanden.
Måluppfyllelseskalning [83] kommer att administreras under kvartalsintervjun för att bedöma deltagarnas framsteg med SMART-mål.
Denna åtgärd administreras kollektivt med deltagaren, ger ytterligare ansvarsskyldighet, ger deltagaren möjligheter att reflektera över framsteg och är ett konkret mått på "framgång" för självförvaltningsinsatsen.
|
Aktiv komparator: Hälsoutbildning
Deltagare som randomiserats till standardarmen för hälsoutbildning kommer att få interventionen vid månad 1 och sedan månader 3, 6, 9 och 12.
|
Deltagare som randomiserats till standardarmen för hälsoutbildning kommer att få interventionen vid månad 1 och sedan månader 3, 6, 9 och 12 (sammanfaller med kvartalsintervjuerna).
Deltagaren kommer att använda surfplattan och telehälsoplattformen för att slutföra intervjun och utbildningssessionen med forskarpersonal.
Innehållet i dessa sessioner kommer att fokuseras på att hjälpa deltagaren (och familjemedlemmen/vårdgivaren vid behov) att förstå sina hälsodata, hjälpa dem med eventuella tekniska problem och ge deltagaren utbildning om deras tillstånd och eventuella efterfrågade resurser.
Forskningspersonal kommer också att tillhandahålla ytterligare hälsoutbildning om det sker förändringar av tillstånd eller nya diagnoser efter ett externt besök hos leverantören.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
---|---|---|
Förändring i Katz ADL-index
Tidsram: 1 år
|
Handikapp
|
1 år
|
Ändring i PROMIS-29
Tidsram: 1 år
|
Hälso-relaterad livskvalité
|
1 år
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
---|---|---|
Förändring i skalan för sjukhusångest och depression
Tidsram: 1 år
|
Depression och ångest
|
1 år
|
Förändring i kanadensiskt mått på arbetsprestanda
Tidsram: 1 år
|
Yrkesprestationer
|
1 år
|
Ändring av patientaktiveringsåtgärd
Tidsram: 1 år
|
Patientaktivering/self-efficacy
|
1 år
|
Teknikerfarenhetsprofil
Tidsram: Baslinje
|
Erfarenhet av teknik
|
Baslinje
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
Samarbetspartners
Utredare
- Huvudutredare: Rachel M Proffitt, OTD, University of Missouri-Columbia
Publikationer och användbara länkar
Den som ansvarar för att lägga in information om studien tillhandahåller frivilligt dessa publikationer. Dessa kan handla om allt som har med studien att göra.
Allmänna publikationer
- 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.
Studieavstämningsdatum
Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.
Studera stora datum
Studiestart (Faktisk)
1 juni 2022
Primärt slutförande (Beräknad)
1 november 2024
Avslutad studie (Beräknad)
1 november 2024
Studieregistreringsdatum
Först inskickad
21 mars 2022
Först inskickad som uppfyllde QC-kriterierna
16 maj 2022
Första postat (Faktisk)
18 maj 2022
Uppdateringar av studier
Senaste uppdatering publicerad (Beräknad)
29 februari 2024
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
28 februari 2024
Senast verifierad
1 februari 2024
Mer information
Termer relaterade till denna studie
Andra studie-ID-nummer
- 2043542
- 1R01AG072935-01A1 (U.S.S. NIH-anslag/kontrakt)
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
JA
IPD-planbeskrivning
Vi kommer att dela avidentifierade kliniska resultatdata och parametrar extraherade från sensorsystemet (t.ex. rörelsetäthet, gånghastighet) associerade med studiedeltagarna genom att deponera dessa data på National Archive of Computerized Data on Aging (NACDA) som är ett NIH-finansierat förvar.
Inlämnade data bekräftas med relevanta data och terminologistandarder.
Data kommer att avidentifieras enligt University of Missouri IRB-procedurer.
Alla sensorparametrar lagras på den säkra servern som avidentifierade data så ingen ytterligare bearbetning kommer att krävas innan insättning hos NACDA.
Identifierare kommer att tas bort från kliniska resultatdata innan de deponeras hos NACDA.
All personlig och privat information om studiedeltagare kommer att skyddas med vårt säkra datainsamlingssystem (RedCap) på ett krypterat nätverk.
Ingen personlig eller privat information kommer att delas.
Tidsram för IPD-delning
Data kommer att finnas tillgängliga vid slutförandet av studien och kommer att hållas enligt parametrar för National Archive of Computerized Data on Aging (NACDA)
Kriterier för IPD Sharing Access
Eftersom jag kommer att använda National Archive of Computerized Data on Aging (NACDA), som är ett NIH-finansierat arkiv, har detta arkiv policyer och procedurer på plats som kommer att ge dataåtkomst till kvalificerade forskare, helt i överensstämmelse med NIH:s policy för datadelning och tillämplig lagar och förordningar.
IPD-delning som stöder informationstyp
- STUDY_PROTOCOL
- SAV
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Nej
Studerar en amerikansk FDA-reglerad produktprodukt
Nej
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .
Kliniska prövningar på Livskvalité
-
Marlene FischerAvslutadPostoperativ Quality of Recovery på Postanesthesia Care UnitTyskland
-
University of Southern DenmarkNaestved HospitalAvslutadHRQOL (Health Related Quality of Quality)Danmark
-
Anqing Municipal HospitalAvslutadDexmedetomidin | Lidokain | Quality of Recovery (QoR-40), Preoperativ och PostoperativKina
-
University of Southern DenmarkVejle Hospital; Vejle KommuneAvslutadHRQOL (Health Related Quality Of Life)Danmark
-
University Hospital, GrenobleOkändHealth Care Quality Management (inget villkor).Frankrike
-
University of MalayaOkändTranspalatal Arch (TPA) | Oral Health Related Quality of Life (OHRQoL) | Oral Health Impact Profile Short Version 14 (OHIP 14) | Ortodontisk smärta | Tredimensionell (3D) ortodontisk anordningMalaysia
-
Hospital Italiano de Buenos AiresAvslutadValideringsstudier | Tvärkulturell jämförelse | Journaler | Total Quality ManagementArgentina
-
Northwestern UniversityUniversity of Wisconsin, StoutAvslutadPerception of Skin of Color Clinics in African AmericansFörenta staterna
-
Prisma Health-UpstateNational Institute on Drug Abuse (NIDA); Clemson UniversityRekryteringVårdstandard | Standard of Care + CBT4CBT | Standard of Care + CBT4CBT + RCFörenta staterna
-
Aalborg UniversityThe General Practice Foundation in Denmark (grant number A3495); The Novo... och andra samarbetspartnersRekrytering
Kliniska prövningar på Självhantering
-
University of WashingtonNational Institute of Nursing Research (NINR); East Carolina UniversityHar inte rekryterat ännuAnvändare av implanterbar defibrillator | Stressreaktion | Ptsd | Stresshantering | Social kognitiv teoriFörenta staterna
-
University of MichiganNational Institutes of Health (NIH); National Institute on Aging (NIA); Blue...Avslutad
-
University of MichiganRekrytering
-
VA Office of Research and DevelopmentAvslutad
-
Karamanoğlu Mehmetbey UniversityKaraman Training and Research HospitalAvslutad
-
University of NottinghamAvslutadDiabetes mellitus, typ 2 | HälsobeteendeJordanien
-
Pamukkale UniversityRekryteringTelerehabilitering | Juvenil idiopatisk artrit | SjälvhanteringKalkon
-
University College London HospitalsAvslutadNeuromuskulära sjukdomarStorbritannien
-
Emirhan KarakuşAvslutadSystemisk skleros | SklerodermiKalkon
-
Mutah UniversityAvslutad