用家用传感器监测新加坡社区老年人行为模式的轻度认知障碍早期检测:横断面可行性研究

简介

背景

痴呆症是一种具有流行病比例的神经退行性疾病，给受影响的家庭和卫生保健系统带来巨大负担。2015年，全球约有4700万人患有痴呆症，预计到2050年这一数字将增加两倍。2015年全球痴呆症成本估计为8180亿美元，与2010年相比增长了35.4%。居住在社区的65岁及以上长者中，有多达五分之一患有轻度认知障碍[1］．轻度认知障碍被认为是痴呆症的风险状态，在这个阶段，受影响的人可能对适当的干预有反应。现有证据表明，多领域、多成分干预可以改善或维持轻度认知障碍患者的认知功能，延缓认知能力进一步下降[2］．如果痴呆症发病延迟5年，那么全球痴呆症患病率将减半，并将大幅减少痴呆症的医疗、家庭和社会护理负担。迫切需要早期发现轻度认知障碍，以促进监测和干预，并使个人及其家庭提前计划。根据美国神经病学学会的轻度认知障碍的执业指南[3.]、早期发现轻度认知障碍、进行系列评估和实施干预措施，以及允许个人提前计划，这些都是至关重要的。

社区对轻度认知障碍的延迟认识是错失了早期干预的机会。临床医生面临的一个挑战是依赖患者或其亲属报告细微的变化或衰退，而这些通常发生在认知能力衰退相对较严重的时候。因此，只有一小部分轻度认知障碍患者寻求早期医疗照顾。社区中有许多未确诊的轻度认知障碍病例，他们只在出现更严重的痴呆症状时才寻求帮助，因此错过了进行早期干预以延缓痴呆进展的机会。在快速老龄化的社会中，工作的成年子女无法察觉这些微妙的变化;因此，我们必须采用创新的方法眼睛和耳朵在社区里。

技术可以是这些眼睛和耳朵．事实上，传感器技术由于其在持续健康监测方面的效用，正在医学界迅速普及[4］．与使用传感器检测跌倒、评估步态和远程监测身体健康的大量文献相比[5-7]中，使用传感器监测认知和心理健康的研究相对较少。现有的研究通常以实验室为基础，并在试验台或设施中进行[4，8，9］．今年发表的一篇关于基于家庭的认知功能监测的系统综述表明，很少有研究在不受控制的条件下进行了真实的评估[10］．一些早期的研究着眼于日常音频模式的连续记录，并将其与社会和心理健康联系起来[11]，而其他研究则着眼于利用手机传感器评估抑郁症状的严重程度和与精神、情感和身体压力相关的生理信号[12，13］．在认知方面，一组通过使用红外传感器监测内部活动来早期发现痴呆;他们发现，与对照组相比，认知功能受损的受试者外出次数更少，睡眠时间也更短。14］．该研究小组在一年的时间里，在一个更大的样本中重复了他们的发现，发现认知能力下降的老年人外出活动较少。15］．另外两项评估认知状态的研究也报告了类似的被动家居传感器设置[16，17］．MCI组中位步行速度的变异系数是对照组的两倍[16]，在2.6年(SD 1.0)的随访中，不同认知状态之间的行走速度轨迹不同[17］．

为了确定在我们社区中远程监测老年人行为模式的可行性和可接受性，我们进行了一项试点研究，利用安装在家里的多个传感器捕捉特定的行为。这些行为通常会在临床评估中进行评估，如健忘、睡眠和活动水平。我们假设:(1)两组居住在社区的老年人之间特定活动模式的传感器衍生数据，患有轻度认知障碍的老年人和认知健康的老年人(健康认知;(2)老年人家中用于远程监测的传感器是可以接受的。

方法

研究设计与参与者招募

这是一项为期2个月的横断面研究。该研究于2016年3月开始，于2018年8月完成。参与者是从现有的社区研究中招募的，如新加坡纵向老龄化研究和裕廊老龄化研究(JAS)。这些参与者之前已经同意重新联系进行相关研究。参与者也通过老年人活动中心，如长老会社区服务，从社区招募。获得机构伦理审查委员会批准(参考编号:2015/01076)。

在筛选参与者的资格之前，获得知情同意。参与者的年龄在65到85岁之间，(2)独自生活，(3)能够用英语/普通话提供书面知情同意书，(4)在整个研究期间都可用。如果参与者(1)之前被诊断为痴呆/任何神经退行性疾病，(2)被诊断为任何精神障碍，(3)身体活动受限或日常生活活动需要帮助，或(4)不愿意在家中规定的区域部署传感器，他们就会被排除在外。

数据收集

基线时，收集基本的社会人口数据。抑郁症状采用Zung抑郁自评量表(SDS)和老年抑郁量表(GDS)。主观睡眠质量采用匹兹堡睡眠质量指数(PSQI)。友谊量表(FS)被用来捕捉社会联系。测试包括蒙特利尔认知评估(MoCA)和改进的迷你精神状态检查(MMSE)在内的整体认知能力。在过去6个月内(作为其他研究的一部分)没有进行临床痴呆评分(CDR)或神经心理学测试的参与者进行了这些测试。对所有参与者进行结构化的DSM障碍临床访谈。筛查出任何DSM障碍阳性的参与者被排除在外。2个月时重复SDS、GDS、PSQI、FS、MMSE和MoCA。参与者被要求在2个月的参与结束时获得反馈。 This was an unstructured qualitative written feedback.

通过MMSE、MoCA、CDR和神经心理学测试表现，并通过共识小组确定受试者对HC和MCI的认知状态。

的轻度认知障碍诊断根据以下公布的标准进行定义:(1)主观记忆和认知困难或供述人/临床医生观察到的认知困难;(2)一个或多个领域的客观认知障碍:MMSE总体得分在24 - 27之间，至少一个神经认知领域(注意力、记忆、执行功能、语言或视觉空间能力)，得分比年龄和受教育程度调整后的平均值低1 - 2个标准差;(3) CDR量表整体评分>0.5;(四)基本独立从事日常生活活动;(5)没有精神错乱。基于记忆障碍的存在或不存在，根据既定标准进行了失忆性MCI和非失忆性MCI的分型[18］．

传感器设置和捕获的行为

在完成基线评估后，参加者的家居安装了传感器网络(图1)，为期两个月。多模态传感器系统包括被动红外(PIR)运动传感器、接近信标标签、一个装有传感器的药箱(健忘;图2)、床传感器(睡眠)和可穿戴设备(计步器和心率)。每个传感器周期性地感知物理环境，然后将感知到的数据无线传输到网关。网关通过安全的蜂窝通信(如3G)将聚合的数据传输到后端服务器进行监视和处理。每个数据点只能通过传感器节点标识符识别;传感器节点标识符和家庭之间的映射是安全存储的，只有研究人员才能访问。

传感器网络被用来捕捉几个感兴趣的行为。感兴趣的主要特征/结果是健忘．其他特征包括家庭活动水平、睡眠质量和身体活动;认知能力下降中还会出现其他变化，但往往被忽视。

结合传感器数据被用来测量遗忘。研究人员为参与者提供了一个装有传感器的药箱，用来储存他们所有的处方药;每当盒子被打开时，数据就会产生[19］．这些数据，连同基线时获得的预期用药频率信息，使我们能够确定参与者在规定时间忘记服药的次数。接近信标标签被附加在参与者的个人物品上，如钥匙链和钱包，使我们能够估计物品和家庭网关之间的距离。在基线时已作出努力，以确保这些个人物品是例行带出的物品。结合可穿戴式和PIR运动传感器，我们能够确定参与者是否在离开家时忘记带这些物品。水龙头使用传感器用于确定参与者在离开指定区域后是否忘记关闭水龙头(由运动传感器检测)。通过PIR运动传感器和门接触传感器推断出参与者家中的活动水平和外出次数，PIR运动传感器和门接触传感器检测到参与者住所大门的开启和关闭。放置在受试者床垫下的床传感器(基于光纤技术)提供了有关睡眠时间和质量的数据。可穿戴活动手环(微软手环)测量心率和每日步数。除了洗澡的时候，参与者被要求在任何时候都戴着这个手环。 The smart plug was used to detect if specific appliances in the home were used, most commonly the television [20.］．

‎ 查看此图

‎ 查看此图

安全

尽管检测不运动不是本研究的目的，但考虑到这是系统的一种能力，我们为安全监测提供了这一功能，因为所有登记的老年人都是独居的。因此，如果系统检测到8小时内没有运动，就会向照顾者、照顾提供者(社会服务机构)或研究团队发送警报。

样本量的理由

早期的一项样本量为14的研究利用从传感器连续获得的数据，比较了轻度认知障碍患者和健康对照组的步行速度和差异，发现了显著的差异[16］．考虑到研究的可行性和资源限制，我们预先计划至少招募36名参与者。

数据分析

原始传感器数据读数被转换为通用格式，并聚合到数据库中。执行数据清除以删除错误数据和系统关闭/部分关闭的期间。有必要删除系统停机的天数，因为这会影响健忘指标。在数据清除之后，执行传感器特定的数据清理或验证，以确保只处理有效的传感器数据。计算每个指标的频率，例如，每月忘记服药的频率，每天外出的频率，每晚睡眠中断的频率。参与获取传感器数据和分析的研究人员对参与者的认知状态一无所知。

在基线时计算所有参与者的人口统计信息和心理测量分数的描述性统计。在基线和2个月时进行心理测量，这些分数被平均，以提供精确的横断面估计。使用Student比较了HC参与者和MCI参与者之间的人口统计学、心理测量特征和行为指标(从传感器数据计算)t连续变量采用Wilcoxon秩和检验，类别变量采用Pearson卡方检验和Fisher精确检验。根据数据的分布情况，采用皮尔逊或斯皮尔曼检验来观察传感器导出的数据和心理测量测试措施之间的相关性。

结果

参与者的特征

共有59名参与者接受了筛查。有一名参加者由于现有的精神健康状况而不符合资格。另有8名受试者在研究期间因住院、家人反对或出国旅行等原因未入选。一名参与者参加了测试，但在传感器安装后不久就退出了，因为他对床上传感器感到不舒服。共有49名参与者完成了这项研究。在49名参与者中，28人被诊断为轻度认知障碍，21人被诊断为HC。MCI参与者中有一半是失忆亚型，另一半是非失忆亚型。参与者的人口统计数据和心理测量方法按组别显示表1．完成者(n=49)和未完成者(n=10)在人口统计学上无显著差异。

兴趣行为与心理测量

计算和比较MCI组和HC组之间的遗忘事件和各种感兴趣行为(如上所述)的频率(表2）.

不出所料，MCI组MMSE评分低于HC组。他们的睡眠质量也往往较差，PSQI得分较高。通过传感器获得的数据，我们发现MCI参与者比HC参与者更不活跃;MCI组的参与者平均每天走3407步，而HC组的参与者平均每天走4033步。MCI参与者每天离家的时间更少。与HC组(每晚1次)相比，他们每晚睡眠中断次数更多(每晚2次)。与HC组相比，MCI组每月遗忘药物的次数平均多2次(30次vs 28次)。MCI组在离开家时忘记钱包的频率与HC组相似。出乎意料的是，与MCI组相比，HC组每月忘记钥匙的频率更高。值得注意的是，这些差异都没有达到统计学意义。 Faucet use data were not analyzed as the sample size of usable data was too small; there were many implementation issues with the sensor. Correlation analysis of sensor-derived behavior metrics with psychometric measures did not yield any significant results.

可接受性

共有83%(41/49)的参与者对研究结论给予积极反馈。许多参与者对该系统能够检测到他们日常活动模式的偏差感到放心，并喜欢有人能意识到他们的身体或心理衰退。许多人问是否可以选择永久安装该系统。一些负面反馈包括需要给可穿戴设备充电，担心电费，发现用水量传感器不方便。在研究结论中从参与者中获得的积极和消极反馈显示在文本框1．

讨论

主要研究结果

这项初步研究的结果表明，在社区居住的老年人家中建立传感器网络并不引人注目地收集潜在的有意义的临床数据是可行的。HC和MCI在包括日常活动(步数和离家时间)、睡眠(持续时间和中断)、遗忘药物等几个感兴趣的行为方面的差异表明，行为的横断面远程观察可以产生可识别的模式，尽管没有达到统计显著性。我们对活动和睡眠测量的观察与早期的研究一致[14，15]和对MCI的现有理解[21，22］．一些收集到的传感器数据与直觉相反——HC中遗忘钱包的频率差异最小，而遗忘钥匙的频率较高。对这些观察结果的一个可能的解释可能是2个月的研究周期很短;因此，低频率事件不太可能显示可识别的模式。半数MCI参与者属于非遗忘亚型;因此，他们可能在遗忘行为指标上没有表现出差异。通过更长时间的观察，可以确定更好的认知障碍指标行为标记。

鉴于我们最初担心老年人会对远程监控系统心存警惕，以及过去对不显眼的系统的研究表明存在隐私或安全问题[23]，超过八成的参加者给予正面反馈及认为系统可接受，这是一个非常令人鼓舞的结果。负面反馈与具体设备的实际用户问题有关，如必须给可穿戴设备充电，运动传感器的闪烁灯，以及需要多个插头。尽管参与者对该制度的接受程度很大程度上是积极的，但我们谨慎地不将这种接受程度外推到所有老年人。在这项研究中，老年人都是独居的，超过三分之二的人住在1-2个房间的公共住房，这是社会经济地位较低的代表。他们是最有可能被察觉到认知能力下降的群体，也最有可能从不引人注目的家庭监控系统中受益。社会护理机构为这一群体试验的许多现有传感器系统都是专门用来检测跌倒或死亡的，而这些结果有时会被这一弱势老年人群体所忽视。

优势与局限

这项试点研究的优势包括使用一个完全不引人注目的系统，不使用摄像头，保护参与者的隐私。此外，还收集了临床有用的行为指标，如健忘、活动水平和睡眠。这些传感器是在实际的住宅中进行试验的，而不是在实验室环境或辅助生活设施中;老年人在他们的自然环境中进行观察，他们的生活方式没有改变。在老年人自己的家中进行不引人注目的观察，突出了技术的潜在转化价值眼睛和耳朵监测老年人的健康，而不向工作的成年人口征税。

本研究的目的是评估可行性，属于探索性研究。它受限于样本量小，观察时间短。在研究的最初阶段，当系统瘫痪时，有一些数据丢失。这个问题很快得到了解决，在研究期间的大部分时间里，系统正常运行时间为80%到90%。作为代理的一些行为度量的准确性健忘将需要在未来的研究中进一步完善。错过药物剂量可能表明有意不遵守规定剂量的药物或真正的遗忘。在未来的研究中，除了捕获基线药物摄入频率外，还应该测量各种药物的基线依从性。同样，遗忘个人物品的行为度量也需要在后续的研究中进行微调。忘记关水龙头是一个常见的临床问题。不幸的是，在这项研究中，用水传感器的技术试验没有成功。最后，参与者是从以前的队列研究和老年人活动中心招募的，这可能导致了选择偏差。此外，运动传感器无法区分两个独特的个体，导致了固有的选择偏差，只有独居的个体被招募。

结论

我们发现，在社区居住的老年人家中，使用传感器不引人注目地监测行为模式是可行和可接受的。目前正在进行一项为期2 - 3年的大型研究。来自试点的负面反馈已被尽可能解决，包括使用更少的传感器和不同的可穿戴设备。对轨迹和随时间变化的分析将产生更多有用的信息，包括预测从轻度认知障碍到痴呆的行为模式。包括监督学习模型在内的人工智能方法将被应用。展望未来，我们需要考虑减少传感器的数量，以获取更多的信息。为了提高对所有老年人的通用性，而不仅仅是那些独居的人，需要创新的解决方案来规避运动传感器的限制，同时仍然保持隐私。通过识别不使用运动传感器的传感器衍生行为指标，可以将与他人住在一起的老年人纳入其中，提高该解决方案的可伸缩性。虽然该系统不包括摄像机，但在实施和改进远程监测系统时，解决隐私和安全问题是最重要的。进一步发展利用物联网和人工智能监测认知和身体健康，为老年人提供增值医疗服务。 Early detection of anomalies allows for self-management, timely interventions in the home and community, and facilitating remote capture of clinically meaningful data that can be utilized by health care professionals for diagnostic and prognostic purposes.