Early detection of agitation in individuals with dementia can lead to timely interventions, preventing the worsening of situations and enhancing their quality of life. The emergence of multi-modal sensing and advances in artificial intelligence make it feasible to explore and apply technology for this goal. We conducted a literature review to understand the current technical developments and challenges of its integration in caregiving institutions. Our systematic review used the Pubmed and IEEE scientific databases, considering studies from 2017 onwards. We included studies focusing on linking sensor data to vocal and/or physical manifestations of agitation. Out of 1622 identified studies, 12 were selected for the final review. Analysis was conducted on study design, technology, decisional data, and data analytics. We identified a gap in the standardized semantic representation of both behavioral descriptions and system event generation configurations. This research highlighted initiatives that leverage existing information in a caregiver's routine, such as correlating electronic health records with sensor data. As predictive systems become more integrated into caregiving routines, false positive reduction needs to be addressed as those will discourage their adoption. Therefore, to ensure adaptive predictive capacity and personalized system re-configuration, we suggest future work to evaluate a framework that incorporates a human-in-the-loop approach for detecting and predicting agitation.
Sociale interacties tussen mensen zijn onmisbaar voor een goede communicatie. Ook bij mensen met dementie in het verpleeghuis zijn (positieve) sociale interacties van belang om zich begrepen te voelen en de zorgvraag/hulpvraag te kunnen uiten richting het zorgpersoneel. Negatieve sociale interacties kunnen zorgen voor onbegrip, misverstanden, en onwenselijk gedrag. Het in beeld brengen van de sociale interactie en communicatie en het meetbaar maken van de interactie zelf en de positieve of negatieve gevolgen ervan kunnen het inzicht bij het zorgpersoneel vergroten. Dit inzicht draagt bij aan kwaliteit van zorg en kwaliteit van leven.In het reguliere zorgproces worden sociale interacties in beeld gebracht aan de hand van (subjectieve) gedragsobservaties door verzorgenden zelf, waarbij de daaruit voortkomende verbeteradviezen worden toegevoegd aan het zorgplan. Als alternatief wordt VIO (Video Interactie in de Ouderenzorg) ingezet, maar deze methodiek is tijdrovend (en dus duur) en vraagt specialistische expertise van getrainde therapeuten. Om het reguliere zorgproces te kunnen verbeteren willen we sociale interactie tussen clienten met dementie en zorgverlener meetbaar maken met sensoren en radartechnologie om verschillende kwaliteiten van interactie (nabijheid/afstand, stress, agitatie (beweging/geluid) te kunnen volgen in de loop van de interactie. In het ontwerp vragen we de zorgprofessionals om aan te geven welke elementen van sociale interactie het meest relevant zijn. Deze worden dan gebruikt door de bedrijven om deze specifieke informatie meetbaar te krijgen, in de praktijk waar de interactie plaatsvindt. Dit doen we in een cyclisch herhalend proces van product ontwerp en terugkoppeling naar de praktijk.In dit project willen we opleveren: (1) praktijkkennis over elementen van sociale interactie, (2) de vertaalslag naar sensoren en radar om deze interactie te meten, (3) een platform om verschillende data/elementen van interactie samen te voegen, (4) een validatiestap (waarbij video en praktijkexperts worden ingezet voor een eindoordeel).
