Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Stad för alla åldrar: Äldrevänliga stadstjänster för aktivt och hälsosamt åldrande

27 juni 2024 uppdaterad av: Oteng Ntsweng, National University of Singapore

Många stadsbor kan drabbas hårt efter en mindre förändring av deras levnads- eller hälsoförhållanden. Mild kognitiv funktionsnedsättning (MCI), tidig demens och skörhet är bland de vanligaste riskerna med djupa konsekvenser för äldres och vårdgivares livskvalitet. Genom den nya vågen av informations- och kommunikationsteknik (IKT), Internet of Things (IoT) och smarta stadssystem är det nu möjligt att hjälpa individer att fånga och använda sina personuppgifter på ett sätt som hjälper dem att behålla sitt oberoende för längre. Projektet Stad för alla åldrar kommer att skapa en innovativ tjänst baserad på:

  • IKT-förbättrad tidig upptäckt av risk relaterad till svaghet
  • IKT-förstärkta insatser som kan hjälpa den äldre befolkningen att förbättra sitt dagliga liv och även främja positiv beteendeförändring

Genom verkliga pilotplatser i Singapore i samarbete med TOUCH Senior Activity Center (SAC) och Housing Development Board (HDB), utforskar detta projekt hur data om individuella beteenden som fångats genom inomhus- och utomhussensorer kan användas för observation och detektering av följande parametrar:

  • Activity of Daily Living (ADL): näring, hygien, sömnaktivitet
  • Rörlighet: fysisk aktivitet, utfallsfrekvens och längd
  • Kognition: glömska, tidiga tecken på mental nedgång
  • Socialisering: besök på senioraktivitetscenter, besökta aktiviteter, besök på andra intressanta platser

Detta 2-åriga projekt består av 3 fraser som involverar 10 friska äldre som bor i HDB-hem i fas 1 och 2 och 100 äldre i fas 3. Vårt fokus är att använda avkänningsteknik installerad i de äldres hem för att övervaka och upptäcka deras dagliga aktiviteter . Sensordata som samlas in kommer sedan att analyseras för att identifiera relevanta beteenden hos individer och för att upptäcka beteendeförändringar som kan korreleras med risker för MCI/bräcklighet. Lämpliga IKT-baserade insatser (t.ex. datavisualisering och varningar till vårdgivare) kommer sedan att tillämpas för att minska dessa risker. Dessutom kommer psykosociala data relaterade till äldres livskvalitet, deltagande i sociala aktiviteter och aktiviteter i det dagliga livet också att samlas in via intervjuer och aktivitetsloggar för att utvärdera resultaten av vår tekniska intervention.

Studieöversikt

Detaljerad beskrivning

Liksom många utvecklade länder står Singapore inför utmaningarna med en åldrande befolkning. Antalet singaporeaner i åldern 65 och uppåt ökar snabbt i takt med att befolkningstillväxten avtar. Antalet seniorer har fördubblats från 220 000 år 2000 till 440 000 år 2015 och förväntas öka till 900 000 år 2030. Bland de äldre bor nära 10 % ensamma (från 35 000 år 2012 till 83 000 år 2030). Den förändrade demografin ökar inte bara sjukvårdskostnaderna utan också efterfrågan på hälso- och sjukvårdstjänster och vård.

Att förebygga svaghet och MCI är nyckeln för att äldre ska kunna behålla sina dagliga aktiviteter och förbli friska och självständiga hemma. Tidigare forskning har visat att skörhet, liksom funktionshinder, är en dynamisk process där äldre individer rör sig fram och tillbaka mellan olika svaghetstillstånd. Övergång till skröplighet är en gradvis utveckling som sker under loppet av flera månader eller år, och det finns förvånansvärt höga återhämtningsgrader. Det är dock viktigt att ingripa inom rätt tidsfönster innan en person går in i full skröplighet. Därför är det viktigt att upptäcka uppkomsten och utvecklingen av skörhet och att identifiera de faktorer som kan underlätta övergångar till mindre sköra tillstånd. Detta kan informera utvecklingen av insatser för att hantera äldre som riskerar att drabbas av svaghet.

City for All Ages-projektet syftar till att visa att smarta städer kan spela en avgörande roll i "förebyggande" (dvs. tidig upptäckt och efterföljande ingripande) av MCI och skröplighetsrelaterade risker. Kärnidén är att "smarta städer", som möjliggörs av utbyggnaden av sensorteknologier och analyser, kan samla in data om individer: a) för att identifiera befolkningssegment som potentiellt är i riskzonen, för att starta strängare övervakning; b) att noga övervaka utvalda individer, för att starta en proaktiv intervention. I båda fallen kan negativa beteendeförändringar som identifieras genom en uppsättning indikatorer leda till förebyggande åtgärder. Syftet är att främja forskningen om sjukvård mot ett proaktivt snarare än reaktivt system.

Forskargruppen kommer att utnyttja de befintliga experimenten och pilotsajterna som har fokuserat på upptäckt av äldre riskbeteenden både i Frankrike och Singapore. Lärdomar från att hantera utmaningar antingen när det gäller att förstå data (som falska positiva, meningsfull information, etc.) eller tillhandahålla lämpliga och snabba insatser (som svårigheter att identifiera och organisera insatsen effektivt, stor panel av intressenter, överdriven värvning av vårdgivare, etc.) skulle vara användbart för detta projekt.

Vårt mål är att använda avkänningstekniker installerade i de äldres hem för att övervaka och upptäcka deras aktiviteter som att laga mat, sova, gå på toaletten, gå ut ur lägenheten eller potentiellt vandra, badrumsfall. Sensordata kommer att samlas in diskret och hanteras med hjälp av ett integritetsmedvetet länkat öppet dataparadigm. Grundläggande resonemang och inlärningsalgoritmer kommer att tillämpas på data för att identifiera relevanta beteenden hos individer och för att upptäcka beteendeförändringar som kan korreleras med risker för MCI/bräcklighet. Lämpliga IKT-baserade insatser (t.ex. datavisualisering och varningar till vårdgivare) kommer sedan att tillämpas för att minska dessa risker.

Studietyp

Observationell

Inskrivning (Beräknad)

19

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studieorter

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

  • Äldre vuxen

Tar emot friska volontärer

Ja

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Nedan är inklusionskriterierna för äldre deltagare:

  • Kognitivt kapabla äldre personer-som bestäms av vårdgivarna.
  • Bor ensam eller med högst 2 lägenhetskamrater
  • Bosatt i en HDB-lägenhet
  • Helst lägenheter med WIFI internetuppkoppling
  • Engelska eller kinesiska talare i fas 1, endast mandarintalande kommer att inkluderas i studien. Beroende på antalet dialekttalande äldre i boendena kommer i efterföljande faser dialekttalande ämnen att ingå.
  • Medlem av Senior Activity Center
  • Gå med på att dela uppgifter om sin dagliga aktivitet (ADL) med forskargruppen, teamet för Senior Activity Center och (om tillämpligt) deras utsedda släktingar
  • engelska eller kinesiska talare
  • Ha en smartphone, surfplatta eller dator

Beskrivning

Inklusionskriterier:

  • Kognitivt kapabla äldre personer - som fastställts av seniora aktivitetscenterpersonal under identifieringen av potentiella deltagare.
  • Bor ensam eller med högst 2 lägenhetskamrater
  • Bosatt i en HDB-lägenhet
  • Helst lägenheter med WIFI internetuppkoppling
  • Engelska eller kinesiska talare i fas 1, endast mandarintalande kommer att inkluderas i studien. Beroende på antalet dialekttalande äldre i boendena kommer i efterföljande faser dialekttalande ämnen att ingå.
  • Medlem av Senior Activity Center
  • Gå med på att dela uppgifter om sin dagliga aktivitet (ADL) med forskargruppen, teamet för Senior Activity Center och (om tillämpligt) deras utsedda släktingar

Exklusions kriterier:

  • De som inte uppfyller de tidigare nämnda inklusionskriterierna
  • Har svåra funktionsnedsättningar
  • Har nedsatt rörlighet (använder rullstol)
  • Har svår demens

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

Kohorter och interventioner

Grupp / Kohort
Intervention / Behandling
Tidsperiod före och efter implementeringen av IoT-sensorer
Eftersom vår studie involverar en enda grupp på 19 deltagare kommer vi att utvärdera deras livskvalitet vid två olika tillfällen: före och efter introduktionen av IoT-sensorer.
Det föreslagna ADL-övervakningssystemet (assistive Activities of Daily Living) består av omgivande infraröda sensorer som är sömlöst inbäddade i livsmiljön och en visualiseringsapp. Multimodalitetssensorer med trådlös dataöverföringskapacitet kommer att installeras på olika platser (t. sovrum, kök, toalett, badrum, vardagsrum, etc.) för att övervaka och upptäcka de aktiviteter som utförs av enskilda äldre, såsom matlagning, sömn, gå på toaletten, gå ut ur lägenheten eller potentiell vandring, badrumsfall, etc. Dessutom kommer en mikroböjd fiberoptisk trycksensormatta att placeras diskret under bäddmadrassen för att mäta äldres hjärt- och andningsfrekvens under sömnen. Denna matta hjälper till att ge information om kvaliteten på sömn och sömn-vakna rytmer för äldre med sömnstörningar. Den insamlade datan kommer sedan att överföras via en säker gateway med Raspberry Pi till en dedikerad server för databearbetning och analys.
Traditionell äldreomsorg utan användning av IoT-sensorer.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Förändring från Baseline i äldres upplevda livskvalitet vid 6 månader
Tidsram: 6 månader
De äldres upplevda livskvalitet rapporterades under semistrukturerade intervjuer
6 månader

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Förändring från baslinjen i vårdgivarens upplevda trötthet vid 6 månader
Tidsram: 6 månader
Vårdgivares upplevda trötthetsnivåer rapporterades under semistrukturerade intervjuer
6 månader

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

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)

30 januari 2016

Primärt slutförande (Beräknad)

31 december 2025

Avslutad studie (Beräknad)

3 januari 2026

Studieregistreringsdatum

Först inskickad

27 februari 2024

Först inskickad som uppfyllde QC-kriterierna

27 juni 2024

Första postat (Faktisk)

5 juli 2024

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

5 juli 2024

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

27 juni 2024

Senast verifierad

1 juni 2024

Mer information

Termer relaterade till denna studie

Andra studie-ID-nummer

  • SACIoTStudy

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

IPD-planbeskrivning

På grund av etiska skäl kan vi inte dela IPD. Endast sammanställda resultat kommer att delas i en publikation.

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 .

Prenumerera