使用环境辅助生活监测老年阿尔茨海默病:验证监测报告的单例研究

介绍

背景

神经认知障碍影响全球5000万人，每年有近1000万新诊断病例[1]。阿尔茨海默病(AD)是痴呆症最常见的病因，是一种对记忆、思维能力、行为和日常活动能力有不利影响的致残性疾病。到2050年，预计每33秒就会出现1例新的AD病例，导致每年新增病例近100万例[2]。这些数字转化为一个重要的全球经济负担。虽然向痴呆症患者提供医疗和社会护理的成本因国家而异，但2019年全球痴呆症的年度成本估计为1万亿美元，预计到2030年将翻一番[1]。因此，世界卫生组织承认它是公共卫生的优先事项[3.]。

从个体功能状态的角度来看，功能下降的速度和幅度各不相同，但功能丧失的连续性始于难以完成复杂的工具任务，并一直持续到完全丧失进行基本日常生活活动的能力[4]。在这种疾病的轻度到中度阶段，包括烹饪、家务、乘坐公共交通、管理药物和财务在内的工具性工作开始减少[4]。在中度至重度AD阶段，日常生活的基本活动——如饮食、卫生、梳洗和穿衣等自理能力开始下降[4]。因此，在阿尔茨海默病的发展过程中，老年人可能变得容易自我忽视。

自我忽视是一种行为状态，其特征是无法维持基本的个人需求，包括足够的食物摄入、个人卫生、服药和安全生活[5]。自我忽视使老年人容易遭受毁灭性的后果，如多次急诊科就诊、虐待、营养缺乏、不坚持治疗，以及更高的发病率、死亡率和养老院安置率。6-11]。基于几个因素，老年人中自我忽视的患病率很高，从5%到21%不等[9]，而认知障碍是最重要的因素[12，13]即使下降幅度不大[14-17]。由此导致的日常生活独立性的下降对个人呆在家里的能力产生了重大影响，这导致了机构化的风险增加[18，19]。然而，研究表明，患有神经损伤的老年人宁愿独立生活在自己的家中，即使他们可能需要依靠他人来管理日常生活[20.]。此外，最近的研究发现，即使有认知障碍，对老年人来说，住在家里比搬到养老院更有益。例如，研究表明，住在家里的老年人生活质量更好，认知功能更好，抑郁程度更低，社交活动更活跃，即使在对痴呆症的严重程度进行分层后，其影响仍然存在[21-23]。

环境辅助生活

考虑到人口老龄化的增长，对健康和社会护理系统带来的前所未有的经济压力，以及老年人呆在家里的好处，迫切需要为认知障碍患者提供足够的家庭护理支持。

近年来，环境辅助生活(AAL)系统的使用已经成为促进和延长老龄化的一种方式。实施AAL系统涉及在家庭环境中部署技术(例如，传感器和执行器)，目的是收集有关环境(例如，家中的温度、湿度和烟雾)、居住者(日常生活活动)和他们的健康(例如，心率、体温、血压和血氧水平)的连续和实时监测信息[24]。AAL监测有许多用途，例如检测异常或危险事件(例如跌倒、心脏骤停或心动过缓)的发生，并提醒专门的资源人员提供立即支持并防止危险情况的发生。另一种方法是使用来自AAL监测的丰富可靠的数据来支持有关护理对象状态的临床决策[25-27]。例如，家居护理专业人员利用家居监测，根据临床及家居监测数据，调整护理计划[27]。例如，如果他们通过监测观察到被照顾者睡得太多或不吃饭，他们可以增加干预措施。此外，在将技术解决方案应用于老年痴呆症患者护理的背景下，Kaye [28提出AAL监测可用于捕捉个体痴呆轨迹中有意义的实时变化，从而制定预防策略。考虑到目前功能评估的局限性和与AD相关的挑战，Kaye建议AAL监测可以通过提供“不仅可以观察个人日常环境的变化，而且可以更频繁地，在某些情况下连续地监测一个主体的显著变化”来改善健康维护。[28]。事实上，这可能有助于制定及时的策略，以在以后的生活中保持独立或预测残疾的进展。

尽管新颖，AAL监测已经显示出有希望的结果。最近的一篇文献综述[26]得出的结论是，最有前途的技术是那些监测日常生活活动和检测跌倒和健康状况变化的技术。2016年，对各种AAL系统中使用的框架和传感器的全面审查也表明，此类技术通常用于评估即时安全风险，从而在出现令人担忧的情况时向某人发出警报，以促进老年人独立生活[29]。然而，这些作者发现AAL系统不常用于分析和决策，特别是长期护理。例如，可以分析温度、湿度、运动、光线和接触等环境因素，以监测健康状况的下降或干预措施的效果。

然而，在现实生活的临床环境中实施AAL监测存在一些挑战。根据Peetom等人[26]，为了有效地提供数据，至关重要的是，监测技术必须基于算法，使临床相关的变化和情况能够被检测到，而不会出现过多的假警报。尽管AAL监测可以预测大量老年人的认知能力下降[30.]，但它是否能支持个人层面的临床决策(例如，对于接受护理的人)仍有待证明。临床医生担心技术会使他们的信息超载，尤其是不相关的信息。25]，一般来说，临床医生几乎没有办公时间来检查冗长的报告。因此，对他们来说，能够以一种直观且与临床决策相关的方式将收集到的数据可视化是很重要的[31]。其他研究使用机器学习方法来预测认知能力下降等情况[32-36]。例如，Dawadi等[33]使用日常活动行为(即总传感器事件、烹饪持续时间、睡眠持续时间)的统计特征(方差、自相关、偏度、峰度和变化)来训练机器学习算法来预测临床评估分数。有了它，他们在分类认知评估分数方面达到了72%的准确率。虽然这些都是很有前途和有效的方法，但由于缺乏透明度，基于机器学习计算分数的过程有时被描述为黑箱[37]。通过缺乏透明度，我们的意思是临床医生很难掌握为什么系统已经得出了一个给定的结论，然后，解释或证明这些分数如何影响他们的决策(即理解)为什么系统已经得出了一个可以深不可测的结论)。透明度对于商业、法律和临床应用至关重要，因为专业人员必须根据切实的观察结果来证明他们的决定是正确的[38]。这一发现在本研究背景下进行的初步焦点小组中得到了支持，因为护理专业人员明确表示，他们不希望得到结论或告诉他们该怎么做;相反，他们希望收到有效的信息，可以用来加强他们的决策[27]。

因此，在本研究中，我们为护理专业人员提供了AAL监测报告，该报告显示了他们的护理对象日常生活的透明信息(即每天花费在日常活动上的时间和花费在这些活动上的时间标准差)。对收集到的数据进行的统计分析突出了重要的趋势。这样做的方式使护理专业人员能够很容易地区分日常生活中的正常波动和假定的重大变化，并允许护理专业人员解释这些趋势，并在决策过程中考虑到这些趋势。

目标

本研究旨在为AAL在现实生活中使用的临床相关性提供必要的见解，以支持长期提供家庭护理服务。具体地说，我们试图检验AAL监测报告和护理专业人员用来收集信息的既定方法的同时有效性，因为这两种方法之间的任何差异都会降低监测报告的感知价值。为了实现这一目标，我们采用了一项单例研究设计来比较收集到的关于一位护理对象与AD的信息。当需要反复评估随时间的变化时，建议采用单一案例方法[39]。此外，它允许对事件之间的一致性进行更深入的审查，这些事件很难转化为群体手段，就像AAL监测报告的情况一样。

方法

这项纵向单例研究是一个大型项目的一部分，该项目旨在了解如何在家庭护理服务中成功实施AAL监测，并支持公共社会和医疗保健系统中卫生和社会护理专业人员的决策[27]。本研究中的病例包括一名护理人员(Lisette)以及负责为她提供家庭护理支持的保健和社会护理专业人员(在这里称为护理专业人员）.Lisette指定的病例经理是一名拥有护理学士学位的临床护士。她评估客户的健康状况，确保对有复杂健康问题的患者实施护理和治疗计划，并提供护理和治疗。作为病例管理员，她的职责还包括协调Lisette对护理和服务的特殊需求，并监督她的家庭支持[40]。

招聘

来自当地社区卫生和社会服务中心家庭护理服务的卫生和社会护理专业人员被邀请确定可以从AAL监测技术中受益的老年人。被纳入研究的护理对象必须(1)由于认知能力下降导致的功能自主性丧失而接受家庭护理服务;(2)独自生活。护理对象被告知，AAL监测技术将被整合到他们的家中，以监测他们的日常生活(例如，睡眠和烹饪)。护理专业人员被告知，他们将每月收到这些活动的报告，以更好地了解患者的日常功能。还将对他们进行面谈，以便更好地了解他们如何发现使用监测数据报告的经验。该项目已获得中南部蒙特利尔综合大学卫生与社会服务中心(CER VN 16-17-22)老化与神经影像学伦理审查委员会的批准。所有参与者在参与数据收集过程之前都签署了一份知情同意书。2017年1月，Lisette被她的护理专家确定为这项研究的合适护理对象。

数据收集

AAL监测技术于2017年2月9日安装在Lisette的家中。2018年7月6日，在住院并转入长期护理机构后，她在一年半后结束了对该项目的参与。她的数据集是通过长达490天的监测期收集的，使用了25个传感器，包括大约617,000条日志。稍后将描述用于创建监视报告的传感器和算法。

监测报告与多个数据来源进行了三角测量，以检查其同时的有效性:医疗文件、与护理专业人员的逐字访谈、电子邮件和与护理专业人员的电话交流备忘录(大约20次)。2017年1月24日(在发送任何监测报告之前)对护理专业人员进行访谈;2017年6月14日;2017年10月25日;2018年10月26日(Lisette住院后)。这些访谈由一名专门从事质性研究的研究员进行，并与监测报告的结果进行三角测量[27]。最后一次访谈是在Lisette住院3个月后进行的，因为在此期间Lisette的转院不确定。

例描述

选择Lisette作为本研究的代表性案例有几个原因。首先，她是一位老年老年痴呆症患者，她希望尽可能长时间地住在她已经住了几年的公寓里。其次，通过490天的监测期收集的广泛数据集允许进行丰富的分析。第三，当护理专业人员开始担心Lisette的独立生活能力时，监测就开始了，并一直持续到她因病情恶化而转移。因此，我们有信心记录这个人在这个特定时期的行为，从头到尾都包含着重大的变化。

Lisette是一名丧偶的老妇人，在她被招募时已经91岁了，在过去的14年里一直住在同一套一居室公寓里。她的公寓在一个独立老人的住所里。她的儿子是她的主要照顾者，在紧急情况下，他是卫生保健提供者的主要联系人。2015年，她被诊断出患有AD，但也考虑了血管病因。尽管被确诊，她还是希望在别人的帮助下继续住在她的公寓里，并与邻居建立了社交网络。虽然她的儿子正在考虑是否应该把Lisette转移到一个护理水平更高的机构，但她的女儿认为没有必要;因此，他们对母亲的独立程度有不同的看法。他们的不同意见使得护理专业人员很难收集可靠的信息来指导她自己的临床决策。此外，莉塞特似乎对自己的认知障碍及其对日常生活的影响意识有限。当被问及她的日常生活和最近发生的事情时，她的儿子和护理专家提到她经常不可靠。

在这种情况下，Lisette的护理专家希望获得关于Lisette日常生活的客观可靠的信息。这将使她能够更好地评估将Lisette留在家中的安全风险，并在制定全面的干预计划之前确认或反驳她的临床假设。在研究开始时，护理专业人员确定的主要问题如下:(1)营养不良(因为食物在冰箱里长时间未动，体重过轻)，(2)危险地使用炉子(房东表示的安全问题)，(3)个人卫生差(护理专业人员观察到肥皂收缩缓慢)。

监测期从2017年2月9日开始，至2018年7月6日结束。在此期间，护理专业人员观察到Lisette的AD症状有所进展。在后续的临床访问中，Lisette的记忆力和方向感从2018年12月开始明显持续下降。监控一直在进行，直到莉塞特经历了严重的困惑和恐慌，她打电话给儿子，因为她在寻找已故的丈夫。该事件发生后，她于2018年7月6日住院，此后不久，她的家人将她转移到一家私人老年人之家，结束了监测。

传感器与算法

三种不同类型的传感器被集成到家庭环境中:被动红外(PIR)传感器(Everspring HSP02)、磁接触传感器(Everspring HSM02)和智能电子开关(Aeotec ZW078和ZW096)。集成水传感器的尝试失败了，因为传感器在浸入水中时会迅速腐蚀，并且难以在潮湿的环境中安装。之所以使用无线传感器，是因为它们很容易在现实环境中安装，如果需要，可以搬到新公寓;在公共卫生保健系统的背景下，这些被认为是决策者的重要特征。

每个房间分别在厨房、餐厅和客厅安装一个PIR传感器;在入口处;在浴室里。卧室里安装了两个:一个指向床，另一个指向离开房间的门。电子传感器连接到电视机、床灯、微波炉、烤面包机和炉子上。接触传感器安装在入口门、卧室2个梳妆台抽屉、2个食品储藏柜、冰箱、冰柜、烤箱、餐具抽屉和厨房4个橱柜上。图1展示了丽莎特公寓里传感器部署的地图。

‎ 查看此图

无线传感器的选择和放置是定制的，专门针对与Lisette的护理专业人员相关的日常活动，即睡眠习惯(睡眠)、离开公寓(外出)、长时间不活动(低移动性)、烹饪相关活动(烹饪)和在浴室进行的卫生相关活动(卫生)。算法是围绕这些不同活动的各种假设建立起来的，正如Lussier等人之前的一项研究所描述的那样[27]。首先,房间里的职业被认定如下:只要他或她在另一个房间或公寓外没有被发现，就认为他或她在一个房间里。睡眠如果居住者在卧室里呆了超过20分钟，除了指向床的PIR之外，没有与任何传感器互动，就会被识别出来。郊游如果发生以下事件顺序:(1)关闭入口门，(2)家中没有PIR活动超过5分钟，(3)打开入口门，则可以识别。低流动性如果在15分钟内没有PIR传感器和接触传感器被触发，并且居住者没有被识别为休息(在卧室)或外出，则可以识别。关于烹饪活动(例如，准备饭菜，洗碗，储存杂货)，如果放置在厨房的几个传感器在短时间内被触发，则假设居住者正在做饭。更准确地说，每15分钟(即下午3点到3:15，下午3:01到3:16等)，根据厨房中触发的传感器的频率和多样性建立一个烹饪评分。如果得分比平均值高2个标准差，那么他们就被认为是在做饭。这种方法与Rantz等人使用的方法类似[41]，并且只报告在居住者日常生活中有意义的活动。最后，鉴于水传感器无法成功安装在水槽和浴缸水龙头上，对卫生(如刷牙、淋浴、上厕所、洗手)完全依赖于长时间呆在浴室里。与烹饪活动类似，得分是根据每15分钟的窗口在浴室中度过的分钟数计算的。然后，该分数必须比平均值高出2个标准差，该居住者才能被认为参与了一段时间的浴室卫生。重要的是要注意，无法验证是居住者还是其他人(例如，护理人员)在执行这些动作。护理专业人员知道这个限制。看到文本框1查看详细算法的概述。

监测报告和统计分析

基线后每个月，护理专业人员都会收到一份通过电子邮件发送的监测报告。报告每月发送，因为护理专业人员认为这种情况足够频繁。监测报告分为2节。第一部分显示前一个月的特征(例如，一天中最有可能发生日常活动的时间，家庭中不同房间平均占用率的饼状图;参见Lussier et al [27举个例子)。第二部分是本文的主要焦点，它展示了每天平均花费在执行5项日常活动上的时间的月变化。它还包括炉子和微波炉使用频率和平均持续时间的演变。

为了确定哪些生活方式的改变对护理专业人员来说是重要的，对每项活动(即睡眠、外出活动、低活动期、烹饪相关活动和卫生相关活动)使用了重复测量的线性混合模型。结果表示为每天花费在这些活动上的时间。在Lisette的病例中，490天的连续监测被分为14个月。尽管这个术语月为了简单起见，将使用35天的周期而不是日历月。这样做是为了使每个月包含相同的天数，一周中的每一天(即周一到周日)都有5次出现。这进一步使我们能够控制每周日常活动中的任何差异(例如，每周日下午有一个舞蹈课程)。固定因素定义为月份和工作日。选取的协方差结构均为复合对称，并根据赤池信息准则确定。结果,将每个月的边际平均值与初始基线月份进行比较。P由于每个观察值都与基线观察值进行比较，因此没有对多次比较的值进行调整。这样做也是为了保持这个探索性实验的统计能力，因为我们做了13个比较，调整P因此，价值被认为限制太大。所有分析均采用anα阈值为0.05，使用IBM SPSS Statistics version 25。

对于每个活动，进行2组分析。首先，我们检查了统计上显著的总体趋势，因为趋势可能与认知或健康下降有关。其次，我们将基线报告(即监测的第一个月)与接下来的每个月进行比较，以确定是否以及哪些月份与基线有显著差异。一方面，如果观察到一个总的趋势，这可以用来帮助确定哪个月的趋势达到显著。另一方面，这可以用来确定不符合任何总体趋势的不规则月份。这可能进一步有助于查明日常生活中重要但非永久性的变化，供护理专业人员探索。还必须指出，监测报告是正在进行的进程的一部分;因此，随着时间的推移，最初看似不规律的月份实际上可能成为持续趋势的一部分。

同时效度

为了检验AAL监测报告对监测的每个主要活动(睡眠、外出、低活动、烹饪活动和卫生)的并发有效性，我们首先使用了统计分析和监测报告中突出显示的日常活动变化的值。然后，我们探讨了监测数据的任何重大变化是否可以与护理专业人员收集的信息联系起来。这些信息摘自访谈、电子邮件、与护理专业人员交换的备忘录以及护理对象医疗档案中的信息。

我们假设从监测数据中计算出的重大变化与现实生活中的信息是一致的，从而验证了这种方法在临床环境中的潜力。此外，由于护理专业人员可能缺乏持续可靠的信息，我们期望监测报告能够检测到护理专业人员可能没有意识到的日常生活活动的变化。

结果

对于监测的每一项主要活动(睡眠、外出、低活动、烹饪活动和卫生)，结果分为两部分。第一部分介绍了监测报告中重大变化的统计分析和值(见表1为重复测量的平均值和95% CI)。第二部分将每个重大变化与护理专业人员收集的信息进行比较，以探索并发效度。对于每个值，给出了均值和标准差。

睡眠习惯

监测报告

在监测过程中，Lisette逐渐花更多的时间休息(月效应:F_13日,397.98= 7.05;P<措施)。从第八个月开始，这一趋势变得稳定而显著。上个月，睡眠时间为10.18 (SD 1.64)小时，与基线(8.37,SD 1.27)小时相比，休息时间增加了22%;图2）.此外，监测数据表明，在监测期结束时，她更频繁地在早上晚些时候醒来。数据显示，在第一个月，她在早上7:25到7:56之间醒来，但在最后一个月的监测中，她在早上7:33到10:30之间醒来。没有迹象表明她夜里醒得更频繁了。

‎ 查看此图

临床观察

有趣的是，Lisette并没有向临床医生提及她感觉比以前更累或睡得更久。然而，负责每天早上给她服药的个人护理助理(一个不同的健康专业人员，而不是负责协调和治疗计划的人)注意到，她在来访时必须更频繁地叫醒她。

郊游

监测报告

总的来说，Lisette逐渐缩短了外出的时间(一个月的效果)。F_13日,443.00= 8.70;P<措施;看到图3左上的)。从第六个月开始，这种变化变得稳定而显著。报告强调，与基线(3.10小时，SD 2.80小时)和上个月(0.97小时，SD 0.90小时)相比，Lisette在户外的时间减少了68%。另一个明显的下降是在12月(0.35小时，标准差0.23小时)。

‎ 查看此图

临床观察

莉塞特证实了户外活动的趋势，她向护理专家提到，她对在她的楼里举行的社交活动失去了兴趣，因为她说她不喜欢负责这些活动的新主人。她还提到，她已经不再参加周末的舞蹈活动，因为她不喜欢音乐风格的变化。临床医生没有办法核实这些信息。至于在12月份观察到的下降，在她的医疗记录中指出，Lisette在12月份患了流感，并且完全丧失了行动能力，这很可能是她呆在家里的原因。

烹饪活动

监测报告

随着时间的推移，观察到与烹饪相关的活动显著减少(月效应):F_13日,424.81= 7.83;P<措施;看到图3右上的)。然而，花在这些活动上的时间并没有稳步下降。第3个月出现第一次显著下降，下降趋势逐渐持续到第6个月，达到最低点(42.24,SD 26.40 m)，与基线(90.00,SD 50.00 m)相比下降了53%。烹饪活动在第11至13个月缓慢增加，达到与第1个月相当的值。最后，烹饪活动在上个月再次开始下降(62.40，标准差30.61 m)，与第一个月相比下降31%。

在监测期间，约有16%的天数使用炉子(有或没有燃烧器的烤箱占13%，只有燃烧器的烤箱占3%)。在使用炉子的日子里，燃烧器的平均使用时间为10 (SD 11)分钟，烤箱的平均使用时间为15 (SD 10)分钟。只有一个危险的炉子使用实例被确定:Lisette在炉子开着的时候离开了公寓，然后回来了，但第二天早上才把它关掉。32%的天数使用微波，平均每天6分钟(SD 6)。有一次，微波炉不间断地使用了20分钟，这对Lisette来说是一个明显的异常值。除此之外，没有检测到异常行为。

临床观察

与烹饪活动相关的模式得到了现实信息的支持。值得注意的是，当护理专业人员每月收到原始数据的报告时，她注意到模式发生了变化。考虑到她担心Lisette有营养不良的风险，她利用这些信息与儿子讨论Lisette在夏天的饮食习惯(确切日期不详，但在第五到第七个月之间)。这段对话让照顾者的行为发生了变化:现在他更清楚地意识到，他的母亲更喜欢自己做的饭菜，而不是现成的或冷冻的饭菜。为了增加饭菜的摄入量，儿子说他会为母亲准备更多的自己做的饭菜。他和他的妻子也会更频繁地来为她做饭，并把剩菜放在冰箱里。这一决定与在这次交流之后的几个月里，Lisette家中烹饪相关活动的检测增加有关。因此，当时烹饪时间的增加是家庭成员补偿行为的结果(即家庭在Lisette家中做饭，Lisette因为她喜欢的食物很容易获得而更经常地吃饭)。然而，这种代偿行为并没有持续下去，也没有提供足够的支持，因为在Lisette住院和监测结束前的最后2个月，她的烹饪相关活动再次下降。

总的来说，不经常使用微波炉和炉子与护理专家的怀疑是一致的，即Lisette可能不是每天都吃热餐(从冰箱里堆积的准备好的饭菜来看)。关于炉子的危险使用，研究小组的一名成员此后不久联系了Lisette，以核实传感器是否有缺陷。她说她忘了关炉子，晚上把软糖烧了。将此事通知了护理专业人员。至于微波炉，护理专家在几周后询问了莉塞特这件事。她回答说，她可能想设定2分钟，但增加了1分钟0，结果改成了20分钟。

卫生

监测报告

监测结果表明，随着时间的推移，与卫生有关的活动显著下降(月效应:F_{13日,40658年}= 2.94;P<.001)，与上个月(82.98,SD 25.80 m)相比，基线值(117.36,SD 56.80 m)在浴室中花费的时间下降了30%;看到图3左下侧)。这一趋势在第10个月开始变得明显，但从第13个月开始一直保持稳定。随着时间的推移，衣物抽屉传感器的激活保持稳定。

临床观察

由于卫生方面的变化在研究后期才被发现，在Lisette住院和转院之前，护理专业人员没有太多机会收集这方面的信息。然而，她提到，考虑到她在转院前一个月的认知能力迅速下降，卫生水平下降并不奇怪。此外，事后分析表明，最长的厕所卫生时间往往发生在出门前。因此，与卫生有关的活动减少与Lisette确认放弃一些社会活动是一致的。

低流动性

监测报告

随着时间的推移，低流动性的平均时间保持相当稳定(月效应:不显著;看到图3右下角)。仅有的两次明显的低活动时间增加发生在第7个月(5.27小时，SD 3.21小时;P<.001)和第9个月(4.69,SD 1.65小时;P=.02)，与基线(3.96,SD 1.98小时)相比。

临床观察

虽然对第七个月不活动的增加没有明确的解释，但Lisette的医疗记录显示，她在第九个月患了流感，这可以解释为什么外出次数减少，在家活动次数增加。

讨论

主要研究结果

本研究描述了在加拿大公共家庭护理设置纵向单例研究。目的是检查AAL监测报告和护理专业人员对诊断为AD的老年人(即Lisette)日常生活活动的现实生活变化的描述的同时有效性。Lisette的护理专家每月都会收到睡眠、活动不便、外出、烹饪和卫生相关活动的监测报告。在监测报告中，使用重复测量的算法和线性混合模型来突出Lisette日常活动的重大变化。然后将报告中的亮点与护理专业人员收集的信息并置，以确定它们是否一致。我们从她的医疗档案、采访、电子邮件和与她的护理专家的电话交流中收集了Lisette的健康和生活事件。

正如预期的那样，在490天的监测中发现了统计上显著的日常生活变化。通过与护理专业人员进行访谈，可以得出这样的结论:监测报告趋势与工作人员访问护理对象时收集的临床信息是一致的。事实上，监护专业人员的先验审讯和观察确实反映在监测报告中。例如，护理专业人员认为Lisette没有做复杂的饭菜，后来的监测报告证实了这一点。此外，在监测报告中可以观察到后续干预措施的结果。当护理专业人员邀请家人更多地参与膳食准备时，这种情况就发生了，这导致了日常生活的明显变化。有趣的是，除了验证最初的假设之外，监测报告还引起了人们对某些不可预见或意想不到的变化的注意，这些变化随后与临床医生收集的其他信息进行了三角测量。有时，这导致了与护理对象的讨论。例如，当12月份外出的次数暂时减少，行动不便的时间增加时，护理专业人员就会问Lisette。然后她得知Lisette在那个月得了流感，她的医疗档案中的信息也证实了这一点。 Another example is the gradual increase in the time spent sleeping, which Lisette was not aware of (or denied) but was corroborated by a personal care assistant. As such, by combining information from the monitoring report with comments made by another care worker, the care professional was able to gain a better understanding of Lisette’s situation that would have otherwise been overlooked, unattainable, or ambiguous.

与前期工作比较

这项研究是创新的，因为监测报告是与护理专业人员合作设计的，专门针对他们的需求，并且仔细检查了护理专业人员对信息的需求，以便尽可能提供最佳的客户支持。此外，这项技术的实施是与服务主管协调一致的，将与公共卫生保健系统的实际现有服务协调一致。重要的是，本病例研究中观察到的日常活动的演变与目前关于AD患者日常活动的文献高度一致。例如，睡眠障碍在老年人和神经认知障碍患者中普遍存在，并预示着认知能力下降[42]。三项使用AAL监测技术监测睡眠的研究发现，睡眠质量和睡眠卫生措施与老年人轻度认知障碍有关[43-45]。更确切地说，AD与睡眠时间增加无关，但与睡眠效率降低有关(即在床上睡觉的时间百分比较低)[46]。使用本案例研究中使用的传感器，无法区分睡眠时间和躺在床上的时间。尽管如此，尽管Lisette在被询问时并没有报告她的睡眠习惯有任何变化，但可以假设她的睡眠质量下降是因为随着疾病的发展，她需要花更多的时间躺在卧室里。在外面呆的时间减少的部分原因是Lisette，她提到了退出社会活动。她通过提到举办活动方式的不同变化来为这种行为辩护。然而，这种行为进化也与一些研究相一致，这些研究表明，随着认知能力的下降，患有认知障碍的老年人减少了他们参与社会活动的次数[47-50]。病感失认症(即缺乏对缺陷的意识)通常在阿尔茨海默病的早期被观察到[51因此，Lisette退出社会活动可能是因为认知能力下降，但她并没有意识到这种变化。也正是在这个阶段，躁动、困惑和痛苦的事件更频繁地发生，就像莉塞特在搬出公寓之前所经历的那样。52]。因此，焦虑和痛苦可能使她没有出门。最后，在时间轴上出现的卫生下降也与文献一致。事实上，虽然在阿尔茨海默病的早期阶段，进行基本日常生活活动的能力的下降是最小的，但中度阶段在这方面会出现初期困难[53]。例如，在这个阶段，被照顾者应该能够独自洗澡，但可能会忘记定期这样做。因此，在进展性痴呆的背景下，卫生水平的下降是一致的，可以被认为是症状恶化的一个指标。

与其他关于AAL和临床推理的类似研究相比，我们的研究也与Rantz等人的研究一致[41]。在他们的研究中，Rantz等[41研究表明，监测浴室活动水平的增加可以帮助护士发现尿路感染的早期迹象。据我们所知，我们的研究是第一个记录长期使用日常生活监测的研究，并与其他临床数据相关联，以支持卫生保健提供者的临床推理。与日常生活活动有关的监测数据具有通过远程保健方式支持家庭护理提供者工作的巨大潜力。面对在城市和偏远农村地区分配资源方面前所未有的挑战，加拿大等幅员辽阔的国家可以利用AAL工具，在适当的时候更好地将服务分配给适当的人，确保更公平和可持续地利用公共保健能力[54]。

限制

虽然这个案例研究的结果是有希望的，但有必要在具有类似医疗条件和各种环境的护理对象中进行进一步的复制。所使用的监测技术的局限性也必须加以解决。首先，不可能准确地确定同一时间是否有不止一个人在家里。因此，在数据报告中，访客的活动是平均的。为了找到一个简单而准确的解决方案，必须进一步探索多住户困境。这种解决方案不需要可穿戴传感器，因为有报道称，在有认知缺陷的老年人中，这种技术的依从性很差[55]。然而，这项研究关注的问题是，“活动已经完成了吗?”而不是“谁在做这个活动?”因为我们的参与者是独居的。从使用监测报告来决定是否需要任何额外服务的护理专业人员的角度来看，主要关心的是了解该活动是否定期进行，而不管是谁做的;一个考虑到照顾者给予的支持的决定，而不是抽象的决定。此外，护理专业人员特别感兴趣的是，针对独居、照顾者支持最少的护理对象的AAL监测技术，因为社会隔离是影响安全的主要风险因素，而且在这种情况下往往缺乏可靠的信息来源[27]。最后，监测报告不能代替功能的、基于性能的评估，不应该使用。

结论

尽管住在家里对老年人有很多好处[4，22，23]，应对自我忽视发生率的上升也给医疗保健系统带来了巨大挑战。这增加了对更好地分配资源和创新战略的需求，以减轻对保健支出的估计影响。随着过去几十年的技术繁荣，AAL监测系统是最有前途的工具之一，可以支持那些认知能力下降限制其有效参与日常活动的个人的结果。AAL可以提高老年人在家中处理任务和需求的能力，这是众所周知的居家养老设计的基础。此外，全球应对2020年2019冠状病毒病大流行的努力强烈表明，必须建立一个卫生和社会服务系统，以便在社交距离条件下对独居和隔离的脆弱老年人进行远程监测[56]。

在本文中，我们展示了使用定制无线传感器的AAL监测系统如何在评估患有AD的老年妇女自我忽视风险的家庭护理服务中发挥作用。我们能够监测护理对象日常生活的基本(卫生、睡眠)和工具性(烹饪、郊游)活动。我们发现非侵入式AAL监测可以识别并以数据格式呈现日常生活中的相关趋势。然后，这些持续收集的信息可以与其他信息来源相结合，以帮助护理专业人员管理风险并制定量身定制的干预计划。

需要对该研究进行复制以加强该研究的发现。未来的研究还需要考虑可获得的AAL监测对公共和私人卫生服务的临床决策的经济效益。这些努力是由于迫切需要提供高效的家庭护理服务，提高家庭护理接受者的生活质量，并减轻非正式护理人员的负担。我们相信这些结果表明，随着进一步的发展和更广泛的实施，AAL监测系统将成为促进老龄化的重要工具。