Open Access

Caterina Neef

• While persons across the globe are increasingly leading longer lives, they are not necessarily leading healthier lives, particularly in old age. To support this, addressing the health and care needs of older adults and promoting healthy aging is vital - particularly in the wake of aging populations and the shortage of health care workers in many countries worldwide. Promoting both health literacy and self-care can support this, by empowering older adults to take a proactive stance regarding their health. Assistive technologies can provide support through health monitoring and facilitating self-management, and thus leveraging evidence-based strategies to directly support the well-being of older adults. For a comprehensive and holistic assessment of health among older adults, a multidimensional approach which considers the physical, mental, social, and environmental health domains is crucial. Here, subjective data can provide insight into a person's well-being from their own point of view, and contribute context regarding their health status, while objective health data can be measured, observed, or self-reported and are based on facts or numbers. In this dissertation, we present a health monitoring system combining subjective and objective data related to the health and well-being of older adults. Such a system can encompass various health information technologies and assistive technologies to achieve comprehensive self-health monitoring: A social robot or virtual agent can autonomously conduct health assessments and thus collect subjective and objective health data, while various wearable and non-wearable sensors can acquire objective health data. Using the Design Science Research Methodology approach, we iteratively developed and evaluated this system, in order to both provide a technology to support health monitoring among older adults, whilst also providing knowledge on effective deployments of such systems in real-world settings. Through four user studies with three cohorts of older adults from long-term care, assisted living, as well as community-dwelling older adults, we gained insight into factors influencing the deployment and adoption of health monitoring systems. To this end, we developed WiSH-TAM (in the wild social agent-integrated health-technology acceptance model), which can be used for integrating such systems into real-world settings. We also determined subjective and objective data sources to gain a comprehensive and holistic overview of the health of older adults. With these data sources we achieved high accuracies in classifying the health status of older adults, with a real-world dataset. We also presented text classification methods suitable to derive contextual health information from human-agent interactions. Combining these data with objective data, we showed that incorporating conversational data contributes to increasing the accuracy of health classifications, and that the conversational data can provide opportunities to support the health literacy and self-care of older adults. Building on the different settings and cohorts involved in our four studies, we gained insights into the potential of our system for these settings and users, and thus can conclude that the system is suitable for deployment in all these settings, provided the older adults are supported in this endeavor. Finally, the system also provides opportunities to support integrated care approaches, like the Integrated Care for Older People (ICOPE) approach proposed by the World Health Organization. With these three outcomes, we have made contributions to the social scientific field of technology acceptance with the WiSH-TAM, to the intersection of machine learning and medicine with our health monitoring system and its health prediction capabilities, and to public health research through the proposed integration of the system into the ICOPE approach.
• Weltweit leben die Menschen zwar immer länger, aber nicht unbedingt gesünder, speziell im Alter. Um dies zu ändern, ist die Berücksichtigung der Gesundheits- und Pflegebedürfnisse älterer Menschen und die Förderung eines gesunden Alterns von entscheidender Bedeutung, insbesondere angesichts der Alterung der Bevölkerung und des Mangels an Gesundheitspersonal in vielen Ländern weltweit. Die Förderung der Gesundheitskompetenz und der Selbstfürsorge kann dies unterstützen, indem ältere Menschen in die Lage versetzt werden, eine proaktive Haltung zu ihrer Gesundheit einzunehmen. Assistive Technologien können durch Gesundheitsmonitoring und Erleichterung des Selbstmanagements dazu beitragen und so evidenzbasierte Strategien zur direkten Unterstützung des Wohlbefindens älterer Menschen nutzen. Für eine umfassende und ganzheitliche Bewertung der Gesundheit älterer Menschen ist ein multidimensionaler Ansatz entscheidend, der die physischen, psychischen, sozialen und umweltbezogenen Gesundheitsdomänen berücksichtigt. In diesem Zusammenhang können subjektive Daten einen Einblick in das Wohlbefinden einer Person aus ihrer eigenen Sicht geben und zusätzlichen Kontext zu ihrem Gesundheitszustand liefern, während objektive Gesundheitsdaten gemessen, beobachtet oder selbst berichtet werden können und auf Fakten oder Zahlen beruhen. In dieser Dissertation wird ein Gesundheitsmonitoringsystem vorgestellt, das subjektive und objektive Daten über die Gesundheit und das Wohlbefinden älterer Menschen kombiniert. Ein solches System kann verschiedene Gesundheitsinformationstechnologien und unterstützende Technologien integrieren, um ein umfassendes Monitoring der eigenen Gesundheit zu erreichen: Ein sozialer Roboter oder virtueller Agent kann autonom Gesundheitsdatenerfassungen durchführen und so subjektive und objektive Gesundheitsdaten sammeln, während verschiedene tragbare und nicht tragbare Sensoren objektive Gesundheitsdaten erfassen können. Mit Hilfe der Design Science Research Methodology haben wir dieses System iterativ entwickelt und evaluiert, um sowohl eine Technologie zur Unterstützung des Gesundheitsmonitorings älterer Menschen bereitzustellen als auch Wissen über den effektiven Einsatz solcher Systeme in der realen Welt zu gewinnen. Anhand von vier Nutzendenstudien mit drei Kohorten älterer Menschen aus Langzeitpflegeeinrichtungen, betreutem Wohnen und in der eigenen Häuslichkeit lebenden älteren Menschen haben wir Einblicke in die Faktoren gewonnen, die den Einsatz und die Akzeptanz von Gesundheitsmonitoringsystemen beeinflussen. Zu diesem Zweck haben wir das WiSH-TAM (in the wild social agent-integrated health-technology acceptance model) entwickelt - ein Akzeptanzmodell für Gesundheitstechnologien, das soziale Agenten integriert und das für die Integration solcher Systeme in reale Umgebungen verwendet werden kann. Wir haben zudem subjektive und objektive Datenquellen ermittelt, die einen umfassenden und ganzheitlichen Überblick über die Gesundheit älterer Menschen erlauben. Mit diesen Daten haben wir hohe Genauigkeiten bei der Klassifizierung des Gesundheitszustands älterer Menschen erzielt. Zudem haben wir Methoden zur Textklassifizierung vorgestellt, die geeignet sind, kontextbezogene Gesundheitsinformationen aus Mensch-Agent-Interaktionen abzuleiten. Durch die Kombination dieser Daten mit objektiven Daten konnten wir zeigen, dass die Einbeziehung von Gesprächsdaten dazu beiträgt, die Genauigkeit von Gesundheitsklassifizierungen zu erhöhen, und dass die Gesprächsdaten Möglichkeiten bieten, die Gesundheitskompetenz und die Selbstfürsorge älterer Menschen zu unterstützen. Ausgehend von den unterschiedlichen Settings und Kohorten, die in unseren vier Studien einbezogen waren, haben wir Einblicke in das Potenzial unseres Systems für diese Settings und Nutzenden gewonnen. Daher können wir schlussfolgern, dass das System für den Einsatz in all diesen Settings geeignet ist, vorausgesetzt, die älteren Menschen werden bei diesem Vorhaben unterstützt. Schließlich bietet das System auch Möglichkeiten zur Unterstützung integrierter Pflegeansätze, wie z.B. des von der Weltgesundheitsorganisation vorgeschlagenen Ansatzes der integrierten Pflege für ältere Menschen (Integrated Care for Older People - ICOPE). Mit diesen drei Ergebnissen haben wir mit dem WiSH-TAM einen Beitrag zum sozialwissenschaftlichen Feld der Technologieakzeptanz, mit unserem Gesundheitsmonitoringsystem und seinen Fähigkeiten zur Gesundheitsklassifizierung einen Beitrag an der Schnittstelle von maschinellem Lernen und Medizin und mit der vorgeschlagenen Integration des Systems in den ICOPE-Ansatz einen Beitrag zur Public-Health-Forschung geleistet.