Factors that influence the implementation of AI-driven lifestyle monitoring in long-term care for older adults
Faktoren, die die Implementierung KI-gestützter Lifestyle-Überwachung in der Langzeitpflege älterer Menschen beeinflussen
The Gerontologist · 10.11.2025 · 65 (12)
DOI: 10.1093/geront/gnaf230 ↗Auf einen Blick
Eine qualitative Interviewstudie untersuchte Förderfaktoren und Barrieren der KI-gestützten Lifestyle-Überwachung in der Langzeitpflege älterer Menschen. Genannt wurden 12 Förderfaktoren und 16 Barrieren.
Fragestellung
Welche Förderfaktoren und Barrieren beeinflussen die Implementierung KI-gestützter Lifestyle-Überwachung in der Langzeitpflege älterer Menschen?
Methode
Qualitative Interviewstudie mit halbstrukturierten Interviews; Auswertung mit reflexiver thematischer Analyse nach NASSS in 2 Langzeitpflegeorganisationen.
Ergebnisse
22 Teilnehmende: 5 informelle Pflegepersonen, 10 formale Pflegepersonen, 7 Management. Identifiziert wurden 12 Förderfaktoren und 16 Barrieren, u. a. Datenschutz, Alarmüberlastung, Schulungsbedarf und organisatorische Passung.
Schlussfolgerung der Autor:innen
Die Autor:innen schlussfolgern, dass für eine optimale Implementierung Datenschutz, Schulung, System-(Re)Design und eine gemeinsame Vision adressiert werden sollten; nötig sei ein umfassender Multi-Level-Ansatz.
Kernaussagen
- 22 Teilnehmende aus 2 Langzeitpflegeorganisationen
- 12 Förderfaktoren und 16 Barrieren wurden identifiziert
- Genannt wurden u. a. Datenschutz, Alarmüberlastung und Schulungsbedarf
Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.
Kurz gefasst
Fachartikel in der Zeitschrift The Gerontologist, online erschienen am 03.10.2025. Verfasst von Sjors Groeneveld und 7 weiteren Autor:innen. Beteiligte Einrichtung: Research Group Technology, Health & Care, School of Social Work, Saxion University of Applied Sciences, Enschede, The Netherlands. Hauptthemen laut MEDLINE: Long-Term Care, Life Style, Artificial Intelligence. Die Arbeit wurde bisher 8-mal zitiert (Crossref) und nennt 45 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: NWO.
Themen: Langzeitpflege, Gerontologische Pflege
Abstract (Originalsprache)
Background and Objectives AI-driven lifestyle monitoring systems collect data from ambient, motion, contact, light, and physiological sensors placed in the home, enabling AI algorithms to identify daily routines and detect deviations to support older adults “aging in place.” Despite its potential to support several challenges in long-term care for older adults, implementation remains limited. This study explored the facilitators and barriers to implementing AI-driven lifestyle monitoring in long-term care for older adults, as perceived by formal and informal caregivers, as well as management, in both an adopting and nonadopting healthcare organization. Research Design and Methods A qualitative interview study using semi-structured interviews was conducted with 22 participants (5 informal caregivers, 10 formal caregivers, and 7 participants in a management position) from two long-term care organizations. Reflexive thematic analysis, guided by the nonadoption, abandonment, scale-up, spread, and sustainability (NASSS) framework, structured findings into facilitators and barriers. Results In all, 12 facilitators and 16 barriers were identified, highlighting AI-driven lifestyle monitoring as a valuable, patient-centered, and unobtrusive tool enhancing care efficiency and caregiver reassurance. However, barriers such as privacy concerns, notification overload, training needs, and organizational alignment must be addressed. Contextual factors, including regulations, partnerships, and financial considerations, further influence implementation. Discussion and Implications This study showed that to optimize implementation of AI-driven lifestyle monitoring, organizations should address privacy concerns, provide training, engage in system (re)design, and create a shared vision. A comprehensive multi-level approach across all levels is essential for successful AI integration in long-term care for older adults.
Schlagwörter
MeSH-Schlagwörter (MEDLINE)
Stichwörter der Autor:innen
Autor:innen und Institutionen
- Research Group Technology, Health & Care, School of Social Work, Saxion University of Applied Sciences, Enschede, The Netherlands.
- TechMed Center, Health Technology Implementation, University of Twente, Enschede, The Netherlands.
- Centre for eHealth and Wellbeing Research, Health and Technology, University of Twente, Enschede, The Netherlands.
- Faculty Health, Sports, and Social Work, Inholland University of Applied Sciences, Amsterdam, The Netherlands.
- Spaarne Gasthuis Academy, Haarlem, The Netherlands.
- Research Group Care and Technology, Regional Community College of Twente, Hengelo, The Netherlands.
ORCID-Profile: Sjors Groeneveld, Tessa Dekkers, Lisette van Gemert-Pijnen, Ruud Verdaasdonk, Harmieke van Os-Medendorp, Marjolein den Ouden
Förderung
- NWO
Zitieren
APA
Groeneveld, S., Dekkers, T., van Gemert-Pijnen, L., Verdaasdonk, R., Verveda, T., Witteveen, R., van Os-Medendorp, H., & den Ouden, M. (2025). Factors that influence the implementation of AI-driven lifestyle monitoring in long-term care for older adults. The Gerontologist, 65(12). https://doi.org/10.1093/geront/gnaf230
Vancouver
Groeneveld S, Dekkers T, van Gemert-Pijnen L, Verdaasdonk R, Verveda T, Witteveen R, et al. Factors that influence the implementation of AI-driven lifestyle monitoring in long-term care for older adults. The Gerontologist. 2025;65(12). doi:10.1093/geront/gnaf230
BibTeX
@article{Groeneveld2025,
author = {Groeneveld, Sjors and Dekkers, Tessa and van Gemert-Pijnen, Lisette and Verdaasdonk, Ruud and Verveda, Tijne and Witteveen, Robin and van Os-Medendorp, Harmieke and den Ouden, Marjolein},
title = {Factors that influence the implementation of AI-driven lifestyle monitoring in long-term care for older adults},
journal = {The Gerontologist},
year = {2025},
volume = {65},
number = {12},
doi = {10.1093/geront/gnaf230}
}
EUVIMED