Existing caretakers of long-term care are assigned constrainedly and randomly to taking care of older people, which could lead to issues of shortage of manpower and poor human quality, especially the proportion of older people increases year after year to let long-term care become more and more important. In addition, due to different backgrounds, inadequate caregivers may cause older people to suffer from spiritual alienation under the current system. Most of the existing studies present a centralized architecture, but even if technology elements are incorporated, such as cloud center services or expert systems, it is still impossible to solve the above-mentioned challenges. This study moves past the centralized architecture and attempts to use the decentralized architecture with Artificial Intelligence and Blockchain technology to refine the model of providing comprehensive care for older people. Using the proposed mapping mutual clustering algorithm in this study, the positions of caregivers and older people can be changed at any time based on the four main background elements: risk level, physiology, medical record, and demography. In addition, this study uses the proposed long-term care decentralized architecture algorithm to solve the stability of care records with transparency to achieve the effect of continuous tracking. Based on previous records, it can also dynamically change the new matching mode. The main contribution of this research is the proposal of an innovative solution to the problem of mental alienation, insufficient manpower, and the privacy issue. In addition, this study evaluates the proposed method through practical experiments. The corporation features have been offered and evaluated with user perceptions by a one-sample t-test; the proposed algorithm to the research model also has been compared with not putting it into the model through ANOVA analysis to get that all hypotheses are supported. The results reveal a high level of accuracy of the proposed mutual algorithm forecasting and positive user perceptions from the post-study questionnaire. As an emerging research topic, this study undoubtedly provides an important research basis for scholars and experts who are interested in continued related research in the future.

中文翻译：

---

用于长期护理的智能互助分散系统

现有的长照看护人被限制性、随机性地分配给老年人看护，这可能导致人力短缺和人的素质差的问题，特别是老年人的比例逐年增加，让长照成为越来越重要。此外，由于背景不同，看护人不足可能会导致老年人在现行制度下遭受精神异化。现有研究大多呈现集中式架构，但即使加入云中心服务或专家系统等技术元素，仍无法解决上述挑战。本研究超越了集中式架构，尝试使用分散式架构与人工智能和区块链技术来完善为老年人提供综合护理的模型。使用本研究中提出的映射互聚类算法，护理人员和老年人的位置可以根据四个主要背景元素随时改变：风险水平、生理、医疗记录和人口统计。此外，本研究采用所提出的长期护理分散架构算法，以透明的方式解决护理记录的稳定性，以达到持续跟踪的效果。根据之前的记录，还可以动态改变新的匹配方式。本研究的主要贡献是针对心理疏离、人力不足和隐私问题提出了一种创新的解决方案。此外，本研究通过实际实验评估了所提出的方法。公司特征已通过单样本 t 检验根据用户感知提供和评估；对研究模型提出的算法也进行了比较，并通过方差分析将其放入模型中，以获得所有假设都得到支持。结果揭示了所提出的相互算法预测的高度准确性和来自研究后问卷的积极用户感知。作为一个新兴的研究课题，本研究无疑为未来有兴趣继续相关研究的学者和专家提供了重要的研究基础。人手不足，隐私问题。此外，本研究通过实际实验评估了所提出的方法。公司特征已通过单样本 t 检验根据用户感知提供和评估；对研究模型提出的算法也进行了比较，并通过方差分析将其放入模型中，以获得所有假设都得到支持。结果揭示了所提出的相互算法预测的高度准确性和来自研究后问卷的积极用户感知。作为一个新兴的研究课题，本研究无疑为未来有兴趣继续相关研究的学者和专家提供了重要的研究基础。人手不足，隐私问题。此外，本研究通过实际实验评估了所提出的方法。公司特征已通过单样本 t 检验根据用户感知提供和评估；对研究模型提出的算法也进行了比较，并通过方差分析将其放入模型中，以获得所有假设都得到支持。结果揭示了所提出的相互算法预测的高度准确性和来自研究后问卷的积极用户感知。作为一个新兴的研究课题，本研究无疑为未来有兴趣继续相关研究的学者和专家提供了重要的研究基础。本研究通过实际实验评估了所提出的方法。公司特征已通过单样本 t 检验根据用户感知提供和评估；对研究模型提出的算法也进行了比较，并通过方差分析将其放入模型中，以获得所有假设都得到支持。结果揭示了所提出的相互算法预测的高度准确性和来自研究后问卷的积极用户感知。作为一个新兴的研究课题，本研究无疑为未来有兴趣继续相关研究的学者和专家提供了重要的研究基础。本研究通过实际实验评估了所提出的方法。公司特征已通过单样本 t 检验根据用户感知提供和评估；对研究模型提出的算法也进行了比较，并通过方差分析将其放入模型中，以获得所有假设都得到支持。结果揭示了所提出的相互算法预测的高度准确性和来自研究后问卷的积极用户感知。作为一个新兴的研究课题，本研究无疑为未来有兴趣继续相关研究的学者和专家提供了重要的研究基础。对研究模型提出的算法也进行了比较，并通过方差分析将其放入模型中，以获得所有假设都得到支持。结果揭示了所提出的相互算法预测的高度准确性和来自研究后问卷的积极用户感知。作为一个新兴的研究课题，本研究无疑为未来有兴趣继续相关研究的学者和专家提供了重要的研究基础。对研究模型提出的算法也进行了比较，并通过方差分析将其放入模型中，以获得所有假设都得到支持。结果揭示了所提出的相互算法预测的高度准确性和来自研究后问卷的积极用户感知。作为一个新兴的研究课题，本研究无疑为未来有兴趣继续相关研究的学者和专家提供了重要的研究基础。