Caso completo

El reto

Para el año 2050 se prevé que aumente la proporción de la población mundial mayor de 60 años, del 11 por ciento actual al 22 por ciento -ver gráficos abajo  (datos de Naciones Unidas, 2012). Las pirámides de población, sobre todo en Europa, EE.UU. y Canadá, revelan que la proporción de personas mayores está aumentando, mientras que la de los jóvenes se está reduciendo. Como la población envejece, cada vez más gente necesitará asistencia. Al mismo tiempo, menos personas estarán disponibles para poder proveer y pagar la atención al paciente, característica de las sociedades occidentales de hoy. Con menos personas disponibles para brindar atención, serán necesarias nuevas soluciones. En los últimos años, los investigadores e investigadoras han desarrollado tecnologías para contribuir al cuidado de las personas mayores (Peterson et al, 2012;.. Broekens et al, 2009).

Innovación de género 1:  evaluar las necesidades de tecnologías de apoyo de  mujeres y hombres

Comprender de forma adecuada las características de las poblaciones de edad avanzada es la clave para el diseño exitoso de tecnologías de apoyo. Mientras que las mujeres y los hombres mayores a menudo tienen necesidades similares, entender cómo el sexo y el género interactúan respecto al envejecimiento puede ayudar a los ingenieros e ingenieras en el desarrollo de tecnologías que se ajusten mejor a quienes las usan. Los estudios demuestran que el sexo y el género interactúan y tienen gran influencia en la salud durante la vejez.

• La demencia ataca a mujeres y hombres por igual a medida que envejecen, pero debido a que las mujeres viven más, en la mayoría de los países desarrollados, ellas sufren más la demencia. (Plassman et al, 2007;.. Nowrangi et al, 2011).

• En una misma franja de edad, la artritis es más común en mujeres que en hombres y la artritis reumatoide es 2-3 veces más frecuente en mujeres que en hombres (Alamanos et al, 2005;.. Linos et al, 1980).

• La pérdida de destrezas afecta más a hombres que a mujeres de la misma edad (Desrosiers et al., 1995).

• La Discapacidad auditiva es más común en los hombres que en las mujeres de la misma edad (Cruickshanks et al., 2010), ver tabla. Estas diferencias pueden depender de la biología específica de un sexo, pero la división sexual del trabajo también implica que los hombres tienen más probabilidad que las mujeres a estar expuestos al ruido en el lugar de trabajo (Engdahl et al., 2012).

Analizar el sexo y el género es importante para crear tecnologías de apoyo que tengan éxito, y esto será aún más importante a medida que la población continúe envejeciendo. Los datos de los EE.UU. revelan que la mayoría de las personas mayores son mujeres, y las mujeres representan una proporción cada vez mayor de las personas mayores en edades más avanzadas. Alrededor del 53 por ciento de la población estadounidense en edades entre 65 y 69 años son mujeres; esto aumenta entre un 65-80 % entre los “muy mayores” (85 años y más) -ver siguiente tabla. Estos datos requieren una atención especial: Cuando la investigación en tecnologías de apoyo es ciega al sexo y al género, la comerciabilidad, utilidad y aceptabilidad de dichas tecnologías pueden verse limitadas.

Los datos también revelan importantes diferencias de género en los patrones de la pareja, tales como la edad en la que se contrae matrimonio y las diferencias de edad entre los miembros de la pareja. En las sociedades occidentales, las mujeres tienden a casarse con hombres ligeramente mayores. En Inglaterra y Gales, donde disponemos de datos, las mujeres se casan con hombres de media 2,6 años mayores; la diferencia de edad más común es de un año (Bhrolcháin, 2005). Encontramos valores similares en otros países de la Unión Europea y en los EE.UU. (Lakdawalla, 2003; Van Poppel et al, 2001.). La diferencia de edad en el matrimonio (un fenómeno de género), combinado con una mayor longevidad de las mujeres, significa que las mujeres tienen más probabilidades de vivir solas que los hombres. En los EE.UU., las mujeres constituyen el 59 por ciento de las personas mayores de 65 años, pero son el 76 por ciento de las personas que viven solas (Pew et al., 2004). Las mujeres tienen más probabilidades que los hombres de enviudar, y la muerte de un cónyuge es un importante factor de predicción de soledad (Dragset et al., 2011). Esto puede significar, que las mujeres tienen una mayor necesidad de tecnologías de apoyo que les faciliten la conectividad social.

Se mantienen patrones similares para matrimonios y parejas del mismo sexo: En Suecia, donde están reconocidos los matrimonios del mismo sexo y las parejas de hecho (y donde se dispone de datos), la media en la diferencia de edad es más grande entre parejas homosexuales que entre parejas heterosexuales. Por ejemplo, existe una diferencia de edad de 10 años o más en el 34 por ciento de los matrimonios/parejas  homosexuales masculinos, 15 por ciento de los matrimonios/parejas homosexuales femeninos, y el 9 por ciento de los matrimonios de distinto sexo (Andersson et al., 2006). Un estudio demográfico en Noruega considera que la diferencia media de edad  en las parejas de hecho homosexuales era de 7,0 años, frente a una diferencia de edad media de 2,5 años para las parejas heterosexuales (Kristiansen, 2005; Noack et al, 2005.).

– Método: analizar las interacciones entre sexo y género

Analizar el sexo (necesidades físicas) y analizar el género (necesidades sociales) de las personas mayores, y analizar cómo estas necesidades físicas y socio-culturales se combinan en las mujeres y hombres como individuos, ayuda a los investigadores e investigadoras a diseñar tecnologías de apoyo más eficaces y más fáciles de comercializar. En general, los equipos de diseño deben tener en cuenta que la mayoría de las personas mayores son mujeres. Analizar las diferencias por sexo revela que las mujeres y los hombres a menudo tienen necesidades específicas en cuanto a la movilidad física, la destreza cognitiva, etc. Las diferencias de género en cuanto a la edad en la que se contrae matrimonio, los patrones de las parejas, la experiencia en la gestión del hogar, y la receptividad a la tecnología, pueden ser factores importantes para tener en cuenta a la hora de desarrollar un diseño eficaz. Al abordar el mercado de las tecnologías de apoyo, los equipos de investigación deberían tener en cuenta las necesidades específicas de mujeres y hombres como personas mayores y como cuidadores de personas mayores.

Innovación de género 2: el desarrollo de las tecnologías de apoyo considerando las necesidades de mujeres y hombres

En esta sección se presentan ejemplos de tecnologías de apoyo diseñados para responder a las necesidades de mujeres y hombres -como se mencionaba anteriormente- con especial atención a las innovaciones de género en el diseño.

1. Apoyo visual:

El proyecto “Assisting Personal Guidance System for People with Visual Impairment” (ARGUS) (Sistema de Guía Personal para Personas con Discapacidad Visual), del 7º Programa Marco de la UE (FP7), está desarrollando un sistema para promover el movimiento seguro y autónomo de personas con discapacidad visual (Dubielzig et al., 2012). ARGUS se concibe como un dispositivo de mano que contiene un sistema de posicionamiento global (GPS) y un módem inalámbrico que determina la ubicación del usuario/a y proporciona un sistema de orientación háptico con audio que permite al usuario/a seguir caminos predeterminados, tanto en entornos construidos como en naturales (Otaegui et al., 2012-ver diagrama.)

2. Apoyo a la movilidad

Las sillas de ruedas son importantes ayudas para la movilidad, y las sillas de ruedas eléctricas permiten la movilidad a personas que carecen de la fuerza y / o destreza para operar sillas de ruedas manuales. Sin embargo, algunas personas no pueden operar sillas de ruedas eléctricas (Fehr et al., 2000). Reconociendo este hecho, los equipos de investigación están desarrollando una silla de ruedas robótica, “Wheeley,” diseñada para realizar una navegación semi-automática. En lugar de controlar manualmente los movimientos sutiles de la silla de ruedas, los usuarios y usuarias podrán emitir comandos de voz generales (“gira a la izquierda”, “avanza”, etc). Por tanto, serán los sistemas de visión por ordenador los que  determinan la ruta exacta a seguir. (Bailey et al., 2007).

3. Apoyo cognitivo: (Wilson et al, 2010) Los ejercicios mentales puede retrasar el deterioro cognitivo. Se han desarrollado varias tecnologías con el fin de mantener la mente ejercitada. Estas incluyen:

– El Sistema de Rehabilitación BrightArm, desarrollado con el apoyo de los Institutos Nacionales de Salud (NIH) de EEUU, entrena los movimientos del brazo y la mano en usuarios/as que padecen una demencia relacionada con un accidente cerebrovascular (Rabin et al, 2012;.. Rabin et al, 2011). El NIH también está apoyando el desarrollo de un exoesqueleto robótico para pacientes que han padecido accidentes cerebrovasculares. El exoesqueleto está diseñado tanto para uso diagnóstico como de rehabilitación, e incorporará una interfaz cerebro-máquina (NIH, 2012).

– Un juego 3D, donde los usuarios y usuarian buscan objetos en un apartamento virtual, desarrollado en la Universidad Técnica de Chemnitz (Lange et al, 2010;.. Sitzer et al, 2006).

– Un juego de entrenamiento de la memoria,  desarrollado y probado en Hong Kong,  en la que se pide a los usuarios y usuarias que memoricen una lista de la compra y seleccionen artículos en una tienda virtual, (Hombre et al., 2011).

– El proyecto de la UE “Development of High Therapeutic Value Information Systems and Technology [IST]-Based Games for Monitoring and Improving the Quality of Life of Elderly People” (ELDERGAMES) utiliza la realidad virtual y un hardware especializado para entrenar una serie de habilidades, tales como la memoria, el razonamiento y la atención selectiva (Gamberini et al., 2009).

Además de los proyectos dirigidos a frenar la aparición de la demencia, el proyecto de la Unión Europea del 6º Programa Marco (6PM),  “Helping People with Mild Dementia Navigate their Day” (COGKNOW), ha desarrollado prototipos tecnológicos para ayudar a las personas con demencia en sus actividades diarias. COGNOW puede recordar a los usuarios y usuarias los horarios de sus consultas médicas y sus comidas, les ayuda a localizar objetos tales como llaves, y apoya el contacto entre usuarios/as, cuidadores/as y profesionales de la salud (Bresciani et al., 2008).

Método: investigación y diseño participativos

La investigación y el diseño de tecnologías de apoyo se puede beneficiar también de la inclusión de profesionales de la salud y personas que ejercen el cuidado. En la UE las mujeres tienen el doble de probabilidades que los hombres  de ser quienes proporcionan el cuidado informal a personas enfermas o de edad avanzada (Daly et al., 2003). Los equipos de investigación en los EE.UU. revelan resultados similares –alrededor/aproximadamente el 70 por ciento del cuidado informal es proporcionado por las mujeres (Lahaie et al, 2012;. Kramer et al, 1995). Con los años, estas cuidadoras desarrollan conocimientos prácticos de los que pueden sacar provecho los diseñadores de tecnología a través del diseño participativo (Landau et al., 2010). El equipo de diseño del proyecto COGKNOW, por ejemplo, aprovechó este conocimiento consultando a cuidadores y cuidadoras, con diferente relación respecto a los pacientes con demencia (hijos, hijas, esposos, primos, etc) (Andersson et al., 2007). En Finlandia, los investigadores e investigadoras han estudiado las respuestas de ambos grupos, receptores de cuidados y cuidadores/as, a más de 60 tecnologías de apoyo en cuatro “casas inteligentes” piloto (Melkas, 2012) -ver también “Repensar los procesos de ingeniería”.

Innovación de género 3. usando la investigación y el diseño participativos para crear la próxima generación de tecnologías de apoyo

Los estudios demuestran que las ayudas técnicas desarrolladas con la participación de los usuarios/as son mejor aceptadas. Involucrar  desde las primeras etapas de desarrollo a los potenciales usuarios y usuarias asegura que la tecnología se adapte a sus necesidades (Ghorbel et al. 2008; Kanis, 2011). McCreadie et al. reveló que cuando las tecnologías de apoyo son inteligentes, simples, fiables, y responden a una necesidad específica, tienen posibilidades de integrarse en la vida cotidiana (McCreadie et al., 2005).

Muchas tecnologías de apoyo se presentan como dispositivos para ser instalados en habitaciones, manejados manualmente, etc, que simplemente trabajan en un segundo plano. Algunos, sin embargo, puede ser robóticos, formando parte de una vivienda inteligente para hacer frente a condiciones psicosociales, como el aislamiento y la depresión. Los robots pueden interactuar directamente con los usuarios y usuarias para supervisar el estado mental, proporcionar estimulación cognitiva, compañía, y ayudar en la navegación de entornos complejos (Pollack, 2005). Tapus et al. definieron algunos criterios para la tecnología de apoyo utilizada en la interacción física, que aumentó la aceptación del usuario. Estos criterios son: incorporación, personalidad, empatía, compromiso, adaptación y transferencia (tapus et al., 2007). Las máquinas que interactúan con los seres humanos presentan nuevos retos de diseño:

1. Emoción: La definición de Inteligencia Artificial (IA) está cambiando a medida que los ingenieros e ingenieras reconocen la emoción no como un subproducto de la inteligencia, sino más bien como una fuerza impulsora detrás de la cognición, la atención y el aprendizaje (Minsky, 2007; Arbib et al, 2004.). En el desarrollo de la inteligencia emocional en los robots, las diferencias de género en la expresión pueden ser importantes (Brody et al., 2008). El robot CompanionAble expresa emociones a través  de “ojos” digitales que aparecen en una pantalla (CompanionAble, 2010).

2. La raza y color de la piel: Existen algoritmos de reconocimiento facial -utilizados para identificar individuos, detectar señales emocionales, etc- que a menudo funcionan mejor para sujetos de un determinado color de piel que otro. Por ejemplo, en un concurso internacional, los algoritmos de reconocimiento facial desarrollados por investigadores de los países de Asia Oriental eran más precisos para los rostros asiáticos que para los rostros caucásicos, mientras que los algoritmos desarrollados en los países occidentales eran más precisos para los rostros caucásicos que para los rostros asiáticos (Phillips et al., 2011 ). Tener en cuenta estas variables puede ser importante para el desarrollo de sistemas de reconocimiento facial robóticos orientados a mercados globales.

3. Sentido de espacio personal determinado por la cultura: las diferencias transculturales en las percepciones del espacio personal están bien documentadas; una distancia que se considera “distante” en una cultura puede ser considerada “agresiva” en otra (Fries, 2005). La investigación sobre las normas transculturales de espacio personal puede ayudar a los robots de asistencia personal a interactuar con los usuarios/as de una manera socialmente aceptable.

Conclusiones

Las mujeres y los hombres difieren en sus necesidades respecto a la tecnología y en la manera de experimentarla. Las mujeres pueden tener menos experiencia técnica y menor actitud positiva hacia la tecnología (la Galia et al., 2010). También pueden ser más aprensivas al uso de tecnologías de apoyo, tales como robots, en entornos domésticos (Cortellessa et al., 2008). Por lo tanto es importante incluir tanto a mujeres como a hombres en el diseño tecnológico. Analizar el sexo y el género, así como incluir usuarios, tanto mujeres como hombres, en el desarrollo de la tecnología es una acción positiva que puede conducir a mejorar los diseños y a mejorar la comercialización de los productos.

Los equipos de investigación están desarrollando nuevas tecnologías de apoyo para respaldar la vida independiente de las personas mayores y aligerar la carga de los cuidadores/as. A través de la investigación y el diseño participativo, tanto con las personas mayores como con sus cuidadores, los equipos de diseño han adquirido conocimientos fundamentales para el desarrollo de productos de apoyo que son útiles para una amplia base de usuarios. La participación los usuarios/as y las partes interesadas en el proceso de diseño, mejora los resultados. Será de enorme importancia para el desarrollo de la siguiente generación de tecnologías de apoyo, la construcción de máquinas que incorporen el análisis de sexo y género de los datos demográficos.

Bibliografía

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.