Utforska marknaden för hjälpmedel för äldre

The Challenge

The world population will age dramatically by 2050. The increasing need for ambulant care and home health services places a growing strain on human caregivers, insurance companies, and social systems. New technologies are needed to support independent living for the elderly.

Method: Engineering Checklist

Analyzing data related to elder care, using sex and gender analysis, reveal new opportunities for assistive technologies and robotics. Researchers have studied the different needs of women and men as they age. This research along with collaboration with the elderly, their caregivers, and further stakeholders, provide engineers key insights for designing and developing assistive products that are useful to a broad user base.

Gendered Innovations:

  1. Assessing Women's and Men's Needs for Assistive Technologies
  2. Developing Assistive Technologies Considering Women’s and Men’s Needs
  3. Using Participatory Design to Create the Next Generation of Assistive Technology

Utmaningen
Innovation med genusperspektiv 1. Bedöma kvinnors och mäns behov av assisterande teknologier
Metod: Analysera hur kön och genus interagerar
Innovation med genusperspektiv 2. Utveckla assisterande teknologier med hänsyn till kvinnors och mäns behov
Metod: Deltagarbaserad forskning och design
Innovation med genusperspektiv 3. Använda deltagarbaserad design för nästa generation av assisterande teknologi
Konklusioner

Utmaningen

Befolkningsandelen över 60 år beräknas öka från 11 procent idag till 22 procent 2050 – se diagrammen nedan (data från Förenta Nationerna, 2012). Befolkningspyramiderna, särskilt i Europa, USA och Kanada, visar att andelen äldre ökar medan andelen unga minskar. I takt med att befolkningen blir äldre kommer fler att behöva vård. Samtidigt blir det färre människor som kan tillhandahålla och betala för vården i de patientorienterade omsorgssystem som västerländska samhällen har idag. Med färre personer som kan tillhandahålla vård krävs nya lösningar. Under senare år har forskare utvecklat teknologier som stöd inom äldrevården (Peterson et al., 2012; Broekens et al., 2009).

population aged 60 and over

Innovation med genusperspektiv 1: Bedöma kvinnors och mäns behov av assisterande teknologier

Det är avgörande att förstå äldre människors specifika villkor och behov för att kunna designa fungerande hjälpmedel. Även om äldre kvinnor och män ofta har liknande behov kan förståelse för hur kön och genus samverkar och påverkar åldrandet hjälpa ingenjörer att utveckla teknologier som passar användarnas behov. Studier visar att både kön och genus påverkar hälsan hos äldre.

  • Demens drabbar lika många kvinnor som män, men eftersom kvinnor lever längre i de flesta utvecklingsländer drabbas kvinnor mer (Plassman et al., 2007; Nowrangi et al., 2011).
  • Artrit är vanligare hos kvinnor än hos män i motsvarande ålder, och reumatoid artrit uppträder två till tre gånger oftare hos kvinnor än hos män i motsvarande ålder (Alamanos et al., 2005; Linos et al., 1980).
  • Nedsatt handfunktion drabbar män oftare än kvinnor i motsvarande ålder (Desrosiers et al., 1995).
  • Nedsatt hörsel är vanligare hos män än hos kvinnor i motsvarande ålder (Cruickshanks et al., 2010) – se diagram. Dessa skillnader kan bero på könsspecifik biologi, men genuspräglade arbetsuppdelningar innebär också att det är större sannolikhet att män utsätts för buller i arbetet än kvinnor (Engdahl et al., 2012).

age Cohort by incidence men vs women

Det är viktigt med köns- och genusanalys för att kunna ta fram framgångsrika assisterande teknologier, och det blir än viktigare i takt med att befolkningen blir allt äldre. Amerikanska data visar att majoriteten av de äldre är kvinnor, och kvinnor utgör en större andel ju högre upp i åldrarna man kommer. Ungefär 53 procent av USA:s befolkning i åldern 65–69 är kvinnor. Siffran stiger till 65–80 procent bland ännu äldre, från 85 och uppåt – se diagrammet nedan. Dessa data bör ägnas särskild uppmärksamhet: När forskningen kring assisterande teknologier är köns- och genusblind kan teknikens användbarhet, acceptans och säljbarhet begränsas.

percent of women of age chort

Data visar också på betydande genusskillnader i partnermönster, till exempel äktenskap och åldersskillnader i partnerskap. I västerländska samhällen tenderar kvinnor att gifta sig med något äldre män. I England och Wales, för vilka data finns tillgängliga, gifter sig kvinnor med män som i snitt är 2,6 år äldre. Den vanligaste åldersskillnaden är ett år. (Bhrolcháin, 2005). Liknande värden gäller EU-länder och USA. (Lakdawalla, 2003; Van Poppel et al., 2001). Åldersskillnader inom äktenskap (ett genuspräglat fenomen), i kombination med kvinnors längre livslängd, innebär att det är större sannolikhet att kvinnor lever längre än män. I USA utgör kvinnor 59 procent av befolkningen över 65 år, och 76 procent av de som lever ensamma (Pew et al., 2004). Det är större sannolikhet att kvinnor blir änkor än att män blir änklingar, och en makes död är en stor prediktor för ensamhet Dragset et al., 2011). Detta kan innebära att kvinnor har större behov av assisterande teknologier som ger möjlighet till sociala kontakter.

mean age difference for married women at age 34-44

Liknande mönster gäller samkönade äktenskap och partnerskap: I Sverige, där samkönade äktenskap och registrerade partnerskap är tillåtna (och data finns att tillgå) är åldersskillnaden i genomsnitt större bland homosexuella par än heterosexuella par. Exempelvis är åldersskillnaden 10 år eller mer i 34 procent av manliga homosexuella partnerskap/äktenskap, 15 procent av kvinnliga homosexuella partnerskap/äktenskap och 9 procent av tvåkönade äktenskap (Andersson et al., 2006). En demografisk studie i Norge visade att den genomsnittliga åldersskillnaden i registrerade homosexuella partnerskap var 7,0 år, jämfört med en genomsnittlig åldersskillnad på 2,5 år hos heterosexuella par (Kristiansen, 2005; Noack et al., 2005).

Metod: Analysera hur kön och genus interagerar

arrow sex and gender needs drive new assistive technologies

Analys av kön (fysiska behov) och analys av genus (sociala behov) hos äldre, och analys av hur dessa fysiska och sociokulturella behov kombineras hos enskilda kvinnor, hjälper forskare att designa effektiva och marknadsanpassade assisterande teknologier. Formgivare bör i allmänhet vara medvetna om att de flesta äldre är kvinnor. En analys av könsskillnader visar att kvinnor och män ofta har tydliga behov av fysisk rörlighet, kognitiv förmåga etc. Genusskillnader i äktenskapsålder, partnerskapsmönster, erfarenhet av att sköta ett hushåll och öppenhet för tekniska lösningar kan vara viktiga faktorer att ta hänsyn till. När forskare riktar sig till marknaden för assisterande teknologier bör de beakta kvinnors och mäns specifika behov som äldre och som vårdgivare av äldre.

 

Innovation med genusperspektiv 2: Utveckla assisterande teknologier med hänsyn till kvinnors och mäns behov

I det här avsnittet ges exempel på assisterande teknologier som tagits fram för kvinnors och mäns behov enligt diskussionen ovan, med särskild hänsyn till genusperspektivet.

  1. Visuella hjälpmedel:

    I projektet "Assisting Personal Guidance System for People with Visual Impairment" (ARGUS) inom Europeiska unionens sjunde ramprogram (FP7) utvecklar man ett system för att främja säker, autonom rörlighet för människor med synnedsättning (Dubielzig et al., 2012). ARGUS är en handhållen enhet med en GPS-mottagare och ett trådlöst modem som avgör var användaren befinner sig och ger auditiv och haptisk vägledning som gör att användaren kan följa förbestämda vägar både bland bebyggelse och i naturområden (Otaegui et al., 2012 – se diagrammet.)

    argus

  2. Rörlighetshjälpmedel:

    Rullstolar är viktiga rörlighetshjälpmedel, och motordrivna rullstolar kan innebära rörlighet för människor som saknar styrkan/och eller förmågan att hantera manuella rullstolar. Det finns dock personer som inte kan styra motordrivna rullstolar (Fehr et al., 2000). Därför håller forskare på att ta fram en robotrullstol, "Wheeley", med halvautomatisk styrning. Istället för att användaren kontrollerar rullstolen med händerna går den att styra med röstkommandon ("sväng vänster", "rulla framåt" etc.). Datorstyrda visuella system kan då bestämma det exakta vägvalet (Bailey et al., 2007).

  3. Kognitiv assistans: Mental träning kan sakta ned försämringen av kognitiva funktioner (Wilson et al., 2010). Det finns ett antal teknologier som utvecklats för äldre ska kunna behålla sin intellektuella skärpa, bland andra följande:
    • BrightArm Rehabilitation System, utvecklat med stöd av amerikanska National Institutes of Health (NIH), övervakar och tränar handrörelser hos människor med strokerelaterad demens (Rabin et al., 2012; Rabin et al., 2011). NIH stödjer också utvecklingen av ett robotstyrt exoskelett för strokepatienter. Exoskelettet är avsett både för diagnostik och rehabilitering, och har ett hjärna/maskin-gränssnitt (NIH, 2012).
    • Ett 3D-spel där användarna söker efter föremål i en simulerad lägenhet, utvecklat vid Technische Universität Chemnitz (Lange et al., 2010; Sitzer et al., 2006).
    • Ett minnesträningsspel där användaren ska memorera en shoppinglista och hämta varor i en virtuell butik, utvecklat och testat i Hong Kong (Man et al., 2011).
    • grid picture of EldergamesEU:s “Development of High Therapeutic Value Information Systems and Technology [IST]-Based Games for Monitoring and Improving the Quality of Life of Elderly People” (ELDERGAMES) använder virtuell verklighet och specialiserad maskinvara för att träna en rad färdigheter, bland annat minne, slutledningsförmåga och selektiv uppmärksamhet (Gamberini et al., 2009).

Utöver projekt som syftar till att sakta ned angreppet av demens har projektet “Helping People with Mild Dementia Navigate their Day” (COGKNOW), inom ramen för EU:s sjätte ramprogram (FP6), utvecklat prototyper för teknologier som ska hjälpa människor med demens i vardagen. COGNOW kan påminna användare om läkarbesök och måltider, hjälpa till att hitta föremål som nycklar, och fungera som stödkontakt mellan användare, vårdgivare och hälso- och sjukvårdspersonal (Bresciani et al., 2008).

Metod: Deltagarbaserad forskning och design

Forskning och design av assisterande teknologier kan gynnas om vårdgivare och hälso- och sjukvårdspersonal tas med i processen. Inom EU är det dubbelt så sannolikt att kvinnor informellt vårdar sjuka eller äldre vuxna som att män gör det (Daly et al., 2003). Amerikanska forskare rapporterar liknade uppgifter – kvinnor står för ungefär 70 procent av den informella vården (Lahaie et al., 2012; Kramer et al., 1995). Under åren har dessa vårdgivare utvecklat praktisk kunskap som teknikdesigners kan få tillgång till genom deltagarbaserad design (Landau et al., 2010). COGKNOW-designers tog vara på denna kunskap genom att rådfråga vårdgivande kvinnor och män som har olika relationer till demenspatienter (söner, döttrar, makar, kusiner, etc.) (Andersson et al., 2007). I Finland har forskare studerat både vårdmottagares och vårdgivares svar på frågor om över 60 assisterande teknologier i fyra pilotstudier för smarta hem (Melkas, 2012) – se även Ompröva processer för innovationsteknik.

Innovation med genusperspektiv 3 Använda deltagarbaserad forskning och design för nästa generation av assisterande teknologi

Studier visar att assisterande teknologier som tas fram i samarbete med avsedda användare accepteras i högre grad. Genom att involvera användarna redan tidigt i utvecklingsprocessen säkerställer man att lösningarna är anpassade efter användarnas behov (Ghorbel et al. 2008; Kanis, 2011). McCreadie et al. fann att när de assisterande teknologierna är smarta, enkla, tillförlitliga och uppfyller ett specifikt behov, är det större sannolikhet att de integreras i vardagen (McCreadie et al., 2005).

Många assisterande teknologier kommer att utgöras av handhållna, lokalt installerade enheter och liknande som helt enkelt arbetar i bakgrunden. Några kan dock vara robotliknande och tillsammans med miljön i ett smart hem tillgodose psykosociala behov, till exempel vid ensamhet och depression. Robotar kan interagera direkt med användarna och övervaka mental status, ge kognitiv stimulans, fungera som sällskap och hjälpa till med navigeringen i komplexa miljöer (Pollack, 2005). Tapus et al. har definierat några kriterier för assisterande teknologier vid fysisk interaktion och som ökar acceptansen hos användaren. Kriterierna är kroppslig form, personlighet, empati, engagemang, anpassning och överföring (Tapus et al., 2007). För maskiner som interagerar med människor finns ytterligare designutmaningar:

  1. Känslor: Definitionerna av artificiell intelligens (AI) är på väg att ändras eftersom ingenjörer inte ser känslor som en biprodukt av intelligens, utan snarare som en drivande kraft bakom kognitiva funktioner, uppmärksamhet och lärande (Minsky, 2007; Arbib et al., 2004). I utvecklingen av emotionell intelligens för robotar kan genusrelaterade skillnader i uttryck vara viktiga (Brody et al., 2008). Roboten CompanionAble uttrycker känslor via digitala "ögon" som visas på en skärm (CompanionAble, 2010). picture of emotions on robot faces
  2. Etnicitet och hudfärg: Existerande algoritmer för ansiktsigenkänning som används för att identifiera individer, känslomässiga signaler osv., fungerar ofta bättre för personer med en viss hudfärg. I en internationell tävling var algoritmerna för ansiktsigenkänning som utvecklats av forskare i östasiatiska länder mer korrekta för asiatiska ansikten än vita ansikten, medan algoritmer utvecklade i västerländska länder var mer korrekta för vita ansikten än asiatiska (Phillips et al., 2011). Det kan vara viktigt att ta hänsyn till sådana variabler när man utvecklar system för ansiktsigenkänning för den globala marknaden.
  3. Kulturellt betingade uppfattningar om personligt utrymme: Kulturella skillnader i uppfattningar om det personliga utrymmet är väl dokumenterade. Ett avstånd till en annan person som i en kultur uppfattas som avståndstagande kan uppfattas som påträngande i en annan (Fries, 2005). Forskning om tvärkulturella standarder för personligt utrymme kan bidra till att assisterande robotar interagerar med användare på ett socialt accepterat sätt.

Konklusioner

Kvinnor och män har olika behov av och erfarenheter av teknik. Kvinnor kan ha mindre teknisk erfarenhet och mindre positiv inställning till teknik (Gaul et al., 2010). De kan också vara mer ängsliga inför att använda assisterande teknologier, till exempel robotar, i hemmet (Cortellessa et al., 2008). Därför är det viktigt att inkludera både kvinnor och män i teknisk design. Köns- och genusanalyser och inkluderandet av både kvinnor och män i teknikutvecklingen är en åtgärd som kan leda till bättre design och förbättra produkters marknadsanpassning.

Forskare utvecklar nya assisterande teknologier som ska ge äldre en självständigare tillvaro och minska bördan för vårdgivare. Deltagarbaserad forskning och design med både äldre och deras vårdgivare ger designers viktiga insikter så att de kan ta fram hjälpmedel som är användbara för en bredare användargrupp. Genom att integrera både användare och andra aktörer i designprocessen blir resultatet bättre. Under utvecklingen av nästa generations maskiner för assisterande teknologier kommer det att bli viktigt att bygga dessa på köns- och genusanalyser av demografiska data.

Citerade verk

  • Academy of Medical Sciences (2012). Human Enhancement and the Future of Work. Report from a joint workshop hosted by the Academy Medical Sciences, the British Academy, the Royal Academy of Engineering and the Royal Society.
  • Alamanos, Y., & Drosos, A. (2005). Epidemiology of Adult Rheumatoid Arthritis. Autoimmunity Reviews, 4 (3), 130-136.
  • Andersson, G., Noack, T., Seierstad, A., & Weedok-Fekjær, H. (2006). The Demographics of Same-Sex Marriages in Norway and Sweden. Demography, 43 (1), 79-98.
  • Andersson, S., & Meiland, F. (2007). COGKNOW Field Test #1 Report. Brussels: European Commission.
  • Arbib, M., & Fellous, J. (2004). Emotions: From Brain to Robot. Trends in Cognitive Sciences, 8 (12), 554-561.
  • Bailey, M., Chanler, A., Maxwell, B., Micire, M., Tsui, K., & Yanco, H. (2007). Development of Vision-Based Navigation for a Robotic Wheelchair. Proceedings of the 10th Annual Institute of Electrical and Electronics Engineers (IEEE) International Conference on Rehabilitation Robotics, June 12th-15th, Noordwijk, The Netherlands.
  • Bengtsson, J., Castellot, R., Nugent, C., Dröes, R-M., Moelaert, F., Mulvenna, M., Meiland, F., & Haaker, T. (2009). COGKNOW: Final Report. Brussels: European Commission.
  • Bhrolcháin, N. (2005). The Age Difference at Marriage in England and Wales: A Century of Patterns and Trends. Population Trends, 120, 7-14.
  • Bresciani, M., & Lhoutellier, V. (2008). COGKNOW: Prototype Release of Multi-Modal Interfaces. Brussels: European Commission.
  • Brody, L., & Hall, J. (2008). Gender and Emotion in Context. In Lewis, M., Haviland-Jones, J., & Barrett, L. (Eds.), Handbook of Emotions, Third Edition, pp. 395-408. New York: Guilford Press.
  • Broekens, J., Heerink, M., & Rosendal., H. (2009). Assistive Social Robots in Elderly Care: A Review. Gerontechnology: International Journal on the Fundamental Aspects of Technology to Serve the Ageing Society, 8 (2), 94-103.
  • CompanionAble. (2010). CompanionLetter—Number 2.
  • CompanionAble. (2009). CompanionLetter—Number 1.
  • Cortellessa, G.,Scopelliti, M., Tiberio, L., Koch Svedberg, G., Loutfi, A., & Pecora, F. (2008). A Cross-Cultural Evaluation of Domestic Assistive Robots. Proceedings of AAAI Fall Symposium on AI in Eldercare: New Solutions to Old Problems. AAAI.
  • Cruickshanks, K., Zhan, W., & Zhong, W. (2010). Epidemiology of Age-Related Hearing Impairment. In Gordon-Salant, T., Frisina, R., Popper, A., & Fay, R. (Eds.), The Aging Auditory System, pp. 259-274. New York: Springer Science and Business Media.
  • Cruickshanks, K., Tweed, T., Wiley, T., Klein, B., Klein, R., Chappell, R., Nondahl, D., & Dalton, D. (2003). The 5-Year Incidence and Progression of Hearing Loss: The Epidemiology of Hearing Loss Study. Archives of Otolaryngology—Head & Neck Surgery, 129 (10), 1041-1046.
  • Daly, M., & Rake, K. (2003). Gender and the Welfare State: Care, Work, and Welfare in Europe and the USA. Cambridge: Polity Press.
  • Desrosiers, J., Hébert, R., Bravo, G., & Dutil, É. (1995). Upper Extremity Performance Test for the Elderly (TEMPA): Normative Data and Correlates with Sensorimotor Parameters. Archives of Physical Medicine and Rehabilitation, 76 (12), 1125-1129.
  • Dragset, J., Kirkevold, M., & Espehaug, B. (2011). Loneliness and Social Support among Nursing Home Residents Without Cognitive Impairment: A Questionnaire Survey. International Journal of Nursing Studies, 48 (5), 611-619.
  • Dubielzig, M., Classen, G., Lindemann, M., Görlich, J., Wegge, K., Patti, D., Marcoci, A., Otaegui, O., Loyo, E., & Foesleitner, C. (2012). ARGUS (Assisting Personal Guidance System for People with Visual Impairment): State of the Art of the Relevant Technologies and Standards. Brussels: European Commission.
  • Engdahl, B., Krog, N., Kvestad, E., Hoffman, H., & Tambs, K. (2012). Occupation and the Risk of Bothersome Tinnitus: Results from a Prospective Cohort Study (Nord-Trøndelag Health Study, HUNT). British Medical Journal, 2 (1), e000512.
  • England, P., & McClintock, E. (2009). The Gendered Double Standard of Aging in U.S. Marriage Markets. Population and Development Review—Data and perspectives, 35 (4), 797-816.
  • Fehr, L., Langbein, W., & Skaar, S. (2000). Adequacy of Power Wheelchair Control Interfaces for Persons with Severe Disabilities: A Clinical Survey. Journal of Rehabilitation Research and Development, 37 (3), 353-360.
  • Fries, S. (2005). Cultural, Multicultural, Cross-Cultural, Intercultural: A Moderator’s Proposal. Paris: International Association of Teachers of English as a Foreign Language (IATEFL) Publications.
  • Gamberini, L., Martino, F., Seraglia, B., Spagnolli, A., Fabregat, M., Ibanez, F., Alcaniz, M., & Andrés, J. (2009). Eldergames Project: An Innovative Mixed-Reality Table-Top Solution to Preserve Cognitive Functions in Elderly People. Proceedings of the Institute of Electrical and Electronics Engineers (IEEE) Second International Conference on Human Systems Interactions, May 21st—23rd, Canatia, Italy.
  • Gaul, S., Wilkowska, W., Ziefle, M. (2010). Accounting for User Diversity in the Acceptance of Medical Assistive Technologies. Proceedings of the 3rd International ICST Conference on Electronic Healthcare for the 21st Century, eHealth.
  • Ghorbel, M., Arab, F., and Mokhtari, M. (2008). Assistive Housing: Case Study in a Residence for Elderly People. In Pervasive Computing Technologies for Healthcare, pp. 140–143.
  • Howden, L., & Meyer, J. (2011). 2010 Census Briefs—Age and Sex Composition. Washington, D.C.: U.S. Census Bureau.
  • Kanis, M., Alizadeh, S., Groen, J., Khalili, M., Robben, S., Bakkes, S. & Kröse, B. (2011). Ambient Monitoring from an Elderly-Centred Design Perspective: What, Who, and How? Proceedings of the International Joint Conference on Ambient Intelligence (AMI-11), Amsterdam.
  • Kramer, B., & Kipnis, S. (1995). Eldercare and Work-Role Conflict: Toward an Understanding of Gender Differences in Caregiver Burden. The Gerontologist, 35 (3), 340-348.
  • Kristiansen, J. (2005). Age Differences at Marriage: The Times, They Are A Changing? Oslo: Statistics Norway.
  • Lahaie, C., Earle, A., & Heymann, J. (2012). An Uneven Burden: Social Disparities in Adult Caregiving Responsibilities, Working Conditions, and Caregiver Outcomes. Research on Aging, 1-32.
  • Lakdawalla, D., & Schoeni, R. (2003). Is Nursing Home Demand Affected by the Decline in Age Difference Between Spouses? Demographic Research, 8 (10), 279-304.
  • Landau, R., Auslander, G., Werner, S., Shoval, N., & Heinik, D. (2010). Families’ and Professional Caregivers’ Views of Using Advanced Technology to Track People with Dementia. Qualitative Health Research, 20 (3), 409-419.
  • Lange, B., Requejo, P., Flynn, S., Rizzo, A., Valero-Cuevas, F., Baker, L., & Winstein, C. (2010). The Potential of Virtual Reality and Gaming to Assist Successful Aging with Disability. In Jensen, M., Molton, I., & Kraft, G. (Eds.), Aging with a Physical Disability: Physical Medicine and Rehabilitation Clinics of North America. Amsterdam: Elsevier.
  • Linos, A., Worthington, J., O’Fallon, W., & Kurland, L. (1980). The Epidemiology of Rheumatoid Arthritis in Rochester, Minnesota: A Study of Incidence, Prevalence, and Mortality. American Journal of Epidemiology, 111 (1), 87-98.
  • Man, D., Chung, J., & Lee, G. (2011). Evaluation of a Virtual-Reality-Based Memory Training Programme for Hong Kong Chinese Older Adults with Questionable Dementia: A Pilot Study. International Journal of Geriatric Psychiatry, 27 (5), 513-520.
  • McCreadie C., & Tinker A. (2005). The Acceptability of Assistive Technology to Older People. Aging and Society, 25, 91-110.
  • Melkas, H. (2012). Innovative Assistive Technology in Finnish Public Elderly-Care Services: A Focus on Productivity. Work: A Journal of Prevention, Assessment, and Rehabilitation, Online in advance of print.
  • Minsky, M. (2007). The Emotion Machine: Commonsense Thinking, Artificial Intelligence, and the Future of the Human Mind. New York: Simon and Schuster.
  • National Institutes of Health (NIH). (2012). NIH Announces National Robotics Initiative Awardees. Washington, D.C.: Department of Health and Human Services.
  • Noack, T., Seierstad, A., & Weedon-Fekjær, H. (2005). A Demographic Analysis of Registered Partnerships (Legal Same-Sex Unions): The Case of Norway. European Journal of Population, 21 (1), 89-109.
  • Nowrangi, M., Rao, V., & Lyketsos, C. (2011). Epidemiology, Assessment, and Treatment of Dementia. Journal of the Psychiatric Clinics of North America, 34 (2), 275-294.
  • Otaegui, O., Loyo, E., Carrasco, E., Fösleitner, C., Spiller, J., Patti, D., Olmedo, R., & Dubielzig, M. (2012). ARGUS: Assisting Personal Guidance System for People with Visual Impairment. Paper Presented at the 17th International Conference on Urban Planning, Regional Development, Information Society, and Urban / Transport / Environmental Technologies (REAL CORP)— Remixing the City: Towards Sustainability and Resilience?, May 14th-16th, Vienna.
  • Peterson, C., Prasad, N., & Prasad, R. (2012). The Future of Assistive Technologies for Dementia. Gerontechnology, 11 (2), 195-202.
  • Pew, R., & Van Hemel, S. (Eds.). (2004). Technology for Adaptive Aging. Washington, D.C.: National Academies Press.
  • Phillips, P., Jiang, F., Narvekar, A., Ayyad, J., & O’Toole, A. (2011). An Other-Race Effect for Face Recognition Algorithms. Association for Computing Machinery (ACM) Transactions on Applied Perception (TAP), 8 (2), 14-25.
  • Plassman, B., Langa, K., Fisher, G., Herringa, S., Weir, D., Ofstedal, M., Burke, J., Hurd, M., Potter, G., Wodgers, W., Steffens, D., Willis, R., & Wallace, R. (2007). Prevalence of Dementia in the United States: The Aging, Demographics, and Memory Study. Neuroepidemiology, 29 (1-2), 125-132.
  • Pollack, M. (2005). Intelligent Technology for an Aging Population: The Use of Artificial Intelligence (AI) to Assist Elders with Cognitive Impairment. AI Magazine, 26 (2), 9-24.
  • Rabin, B., Burdea, G., Roll, D., Hundal, J., Damiani, F., & Pollack, S. (2012). Integrative Rehabilitation of Elderly Stroke Survivors: The Design and Evaluation of the BrightArmTM. Disability and Rehabilitation: Assistive Technology, 7 (4), 323-335.
  • Rabin, B., Burdea, G., Hundal, J., Roll, D., & Damiani, F. (2011). Integrative Motor, Emotive, and Cognitive Therapy for Elderly Patients Chronic Post-Stroke: A Feasibility Study of the BrightArmTM Rehabilitation System. Institute of Electrical and Electronics Engineers (IEEE) International Conference on Virtual Rehabilitation (ICVR), June 27th—29th, Zurich.
  • Sitzer, D., Twamley, E., & Jeste, D. (2006). Cognitive Training in Alzheimer's Disease: A Meta-Analysis of the Literature. Acta Psychiatrica Scandinavica, 114 (2), 75-90.
  • Soler, A. (2012). ARGUS: Assisting Personal Guidance System for People with Visual Impairment. First Version of the Dissemination Plan. October 30.
  • Tapus, A., Mataric', M. J., & Scassellati, B. (2007). The Grand Challenges in Socially Assistive Robotics. IEEE Robotics and Automation Magazine, 14(1), 35-42.
  • United Nations Department of Economic and Social Affairs—Population Division. (2012). Population Ageing and Development—2012. New York: United Nations.
  • Van Poppel, F., Liefbroer, A., Vermunt, J., & Smeenk, W. (2001). Love, Necessity, and Opportunity: Changing Patterns of Marital Age Hegemony in the Netherlands, 1850-1993. Population Studies: A Journal of Demography, 55 (1), 1-13.
  • Vorst, D. (2012). ARGUS, Assisting Personal Guidance System for People with Visual Impairment. REAL CORP 2012.
  • Wilson, R., Barnes, L., Aggarwal, N., Boyle, P., Hebert, L., Mendes de Lyon, C., & Evans, D. (2010). Cognitive Activity and the Cognitive Morbidity of Alzheimer Disease. Journal of the American Academy of Neurology, 75, 990-996.

The world population will age dramatically by 2050—a problem especially for Japan, Europe and the U.S. Large elderly populations will place a growing strain on human caregivers as well as health and social systems. This case study explores the value added of considering both sex and gender when designing Assistive Technologies for the Elderly.

analyzing how sex and gender interact arrow

Method: Analyzing How Sex and Gender Interact

Assistive technologies support independent living for the elderly. When developing these technologies, it's important to look at sex differences. Women for example live longer, but may have more debilitating disease; men, for example, lose their hearing earlier. In addition, it is important to look at gender differences: as they age, women and men have different partnering patterns (elderly women, for example, more often live alone), men and women have different experience in household management, and elderly men and women have different receptivity to technology. We encourage researchers to analyze how sex and gender interact in individual women and men so that researchers can design the most effective and marketable assistive technologies—designers want their products to be useful and appealing to both women and men.

Gender issues become especially important as assistive technologies become more personalized. Engineers in the U.S., Europe, and Japan are developing robots to help elderly people. Georgia Tech, for example, has created a robotic nurse, named "Cody," that can bathe elderly people. Bathing is an intimate activity that requires careful thought—for women and for men. Carnegie Mellon is developing HERB (Home Exploring Robot Butler) that can fetch household items for you, remind you to take your medicine, or even clean up the kitchen. If there is a robot to clean up the kitchen, I'm ordering it immediately!

As these robots enter our lives, we humans will gender them. Studies of synthetic voices (machine-generated voice) show that human listeners assign gender to machine voices; that is to say, we interpret these machine voices as the voice of a woman or a man, even when the designers may have tried to create a gender-neutral voice (see Making Machines Talk). Apple's Siri (the original iPhone voice) is interesting in this regard. Ask Siri why she is a woman, one of her responses is, "I was not assigned a gender," implying that it's not Apple's fault that you, the listener, ascribe gender to her. As soon as humans interpret a voice as masculine or feminine, we tend to apply all of our cultural stereotypes to the machine.

Gendered Innovations:

Considering sex and gender when designing new assistive technologies will be ONE important factor to ensure that the products are successful with all users.

  1. Assessing women's and men's needs for assistive technologies.
  2. Developing assistive technologies considering women's and men's needs.
  3. Using participatory design to create the next generation of assistive technology.