预测老年人的日常认知和生活方式行为,使用智能家居数据和生态瞬间评估
Maureen Schmitter-Edgecombe1, Catherine Luna1, Shenghai Dai2
1Department of Psychology, Washington State University, Pullman, WA, USA.
The Clinical neuropsychologist
|March 19, 2024
概括
智能家居传感器可以跟踪日常行为并预测认知功能. 增加活动和户外时间与更好的心理敏度和社会参与相关,使用机器学习 (ML) 和多层次建模 (MLM).
科学领域:
- 老年学是一门学科.
- 行为科学 行为科学
- 人工智能的人工智能
背景情况:
- 在家庭中被动感知为了解现实世界的行为提供了一种新的方法.
- 智能家居技术的整合为健康监测提供了连续的数据流.
研究的目的:
- 研究智能家居传感器数字标记在预测认知功能和生活方式行为的有用性.
- 探索机器学习 (ML) 和多级建模 (MLM) 的应用,以分析传感器数据和生态瞬间评估 (EMA) 响应.
主要方法:
- 在44个社区居住的老年人家中安装智能家居传感器,持续3-4个月.
- 将传感器数据分类为八个不同的数字标记.
- 收集EMA数据,包括一个n-back任务和生活方式调查,每天4次,持续2周.
主要成果:
- 传感器计数和户外时间是EMA反应的关键预测指标.
- 增加的传感器数量和户外时间显著与心理敏度,社会,身体和认知EMA反应的改善有关.
- 先进的ML模型使用智能家居数字标记器准确预测了EMA响应和n-back性能.
结论:
- ML和MLM分析得出了可比且互补的结果.
- 用ML分析的智能家居传感器数据可以有效地预测日常认知和监测影响健康结果的生活方式行为.
