Summary
Smartwatches comerciais equipados com sensores vestíveis estão sendo cada vez mais usados em estudos populacionais. No entanto, sua utilidade é muitas vezes limitada por sua duração limitada da bateria, capacidade de memória e qualidade de dados. Este relatório fornece exemplos de soluções econômicas para os desafios técnicos da vida real encontrados durante estudos envolvendo crianças asmáticas e pacientes cardíacos idosos.
Abstract
Os sensores vestíveis, que muitas vezes são incorporados em smartwatches comerciais, permitem medições de saúde contínuas e não invasivas e avaliações de exposição em estudos clínicos. No entanto, a aplicação na vida real dessas tecnologias em estudos envolvendo um grande número de participantes por um período de observação significativo pode ser dificultada por vários desafios práticos.
Neste estudo, apresentamos um protocolo modificado de um estudo de intervenção anterior para a mitigação dos efeitos na saúde de tempestades de poeira no deserto. O estudo envolveu dois grupos populacionais distintos: crianças asmáticas de 6 a 11 anos e idosos com fibrilação atrial (FA). Ambos os grupos foram equipados com um smartwatch para a avaliação da atividade física (usando um monitor de frequência cardíaca, pedômetro e acelerômetro) e localização (usando sinais de GPS para localizar indivíduos em microambientes internos "em casa" ou ao ar livre). Os participantes foram obrigados a usar o smartwatch equipado com um aplicativo de coleta de dados diariamente, e os dados foram transmitidos através de uma rede sem fio para uma plataforma de coleta de dados administrada centralmente para a avaliação quase em tempo real da conformidade.
Durante um período de 26 meses, mais de 250 crianças e 50 pacientes com FA participaram do estudo supracitado. Os principais desafios técnicos identificados incluíram restringir o acesso a recursos padrão do smartwatch, como jogos, navegador de internet, câmera e aplicativos de gravação de áudio, problemas técnicos, como perda de sinal GPS, especialmente em ambientes internos, e as configurações internas do smartwatch interferindo no aplicativo de coleta de dados.
O objetivo deste protocolo é demonstrar como o uso de armários de aplicativos disponíveis publicamente e aplicativos de automação de dispositivos tornou possível enfrentar a maioria desses desafios de maneira simples e econômica. Além disso, a inclusão de um indicador de intensidade de sinal recebido por Wi-Fi melhorou significativamente a localização interna e minimizou em grande parte a classificação incorreta do sinal GPS. A implementação destes protocolos durante a implementação deste estudo de intervenção na primavera de 2020 levou a resultados significativamente melhores em termos de completude e qualidade dos dados.
Introduction
As aplicações de tecnologia de saúde digital e os sensores vestíveis permitem o monitoramento não invasivo e econômico do paciente, tanto em ambientes de saúde quanto domiciliares1. Ao mesmo tempo, a grande quantidade de dados coletados e a disponibilidade de plataformas analíticas baseadas em wearables permitem o desenvolvimento de algoritmos para previsão, prevenção e intervenção automatizada de eventos de saúde para uma ampla gama de doenças agudas e crônicas2. Os sensores vestíveis comercialmente disponíveis, usados principalmente para rastreamento de condicionamento físico, também estão sendo cada vez mais utilizados por profissionais médicos em pesquisas em saúde pública e representam uma ferramenta promissora para a coleta de dados multimodal e contínua em condições da vida real3. Mais importante, porém, a coleta imparcial de dados de sensores wearables permite que os pesquisadores superem os desafios do viés de recordação que caracterizam os métodos tradicionais de coleta de dados, como entrevistas e diários4.
No entanto, para fins de ensaios clínicos ou outros estudos populacionais, a precisão, confiabilidade e integridade dos dados são essenciais. Além disso, a credibilidade dos dados coletados também pode ser afetada por vários outros parâmetros, como a aplicabilidade por faixa etária, bem como a capacidade de memória e a eficiência energética do dispositivo5. Revisões sistemáticas recentes de estudos laboratoriais e de campo com número limitado de participantes geralmente confirmaram a aplicabilidade de smartwatches comerciais para monitoramento de atividade, frequência cardíaca, convulsões e comportamento, embora as revisões também tenham demonstrado baixa adequação para usuários idosos, bem como limitações de bateria, memória e qualidade de dados 6,7 . Essas limitações podem ser ainda mais amplificadas em estudos populacionais maiores sob condições da vida real, onde parâmetros adicionais, como conectividade inconsistente com a Internet, conforto do dispositivo e uso incorreto de smartwatches, entram em jogo8. Especificamente, a aparência e a inconveniência são barreiras significativas ao uso diário de sensores9, enquanto preocupações relacionadas a questões de privacidade e confidencialidade podem afetar o recrutamento em estudos envolvendo sensores vestíveis10. No que diz respeito à aplicabilidade de smartwatches comerciais e rastreadores de fitness para medir a atividade física em estudos de investigação, um estudo recente de Henriksen et al. sugeriu que a seleção de um dispositivo apropriado para um determinado estudo não deve apenas basear-se nos sensores incorporados disponíveis, mas também ter em conta a validação e a utilização anterior na investigação, aparência, duração da bateria, robustez, resistência à água, conectividade e usabilidade11.
Para os fins deste estudo, apresentamos um protocolo para melhorar os desafios encontrados durante o projeto LIFE MEDEA, um estudo de intervenção para a mitigação dos efeitos na saúde de tempestades de poeira no deserto12. O estudo envolveu dois grupos populacionais distintos: crianças asmáticas de 6 a 11 anos e idosos com fibrilação atrial (FA). Ambos os grupos foram equipados com um smartwatch comercial para a avaliação da atividade física (usando um monitor de frequência cardíaca, pedômetro e acelerômetro) e localização (usando sinais de GPS para localizar indivíduos em ambientes internos "em casa" ou ao ar livre). Os participantes foram obrigados a usar o smartwatch diariamente, e os dados foram transmitidos através de uma rede sem fio para uma plataforma de coleta de dados administrada centralmente através do aplicativo de coleta de dados para a avaliação quase em tempo real da conformidade. Detalhes adicionais sobre o smartwatch e a configuração do sistema são fornecidos em um estudo anterior13. Durante o primeiro ano de implementação do projeto, surgiram vários desafios técnicos e da vida real relacionados ao dispositivo, que afetaram o recrutamento, a conformidade dos participantes em usar o dispositivo diariamente e a integridade dos dados coletados. Alguns desafios eram específicos da população, como a exigência dos administradores escolares e de muitos pais de que as crianças que usam os smartwatches não tenham acesso aos recursos padrão do smartwatch, como jogos, navegador de internet, câmera e aplicativos de gravação de áudio. Outros desafios foram de natureza técnica, como a perda de sinal de GPS, especialmente em ambientes internos, e as configurações internas do smartwatch interferindo no aplicativo de coleta de dados. Uma visão detalhada dos principais desafios identificados, bem como uma breve descrição de suas implicações e soluções, são apresentadas na Tabela 1.
Neste estudo, sugerimos soluções simples, econômicas e prontas para uso para melhorar a conformidade do usuário, a qualidade dos dados e a completude dos dados em estudos populacionais que empregam sensores vestíveis e fornecer os protocolos relevantes. Além disso, demonstramos as melhorias na completude dos dados a partir da implementação de tais protocolos utilizando resultados representativos do estudo13.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
As aprovações administrativas e éticas foram obtidas do Ministério da Saúde de Chipre (YY5.34.01.7.6E) e do Comité Nacional de Bioética de Chipre (ΕΕΒΚ/ΕΠ/2016.01.23). Os pacientes com fibrilação atrial e os responsáveis pelas crianças asmáticas assinaram o termo de consentimento livre e esclarecido antes da participação no estudo.
1. Armários de aplicativos e aplicativos de automação de dispositivos
NOTA: Armários de aplicativos disponíveis gratuitamente e aplicativos de automação de dispositivos (taskers) podem ser encontrados para dispositivos Android e dispositivos IOS. As aplicações específicas utilizadas no presente estudo estão listadas na Tabela de Materiais.
- Use um dispositivo smartphone de preferência equipado com a mesma versão do Android que o smartwatch.
- Na Play Store, baixe e instale o aplicativo de coleta de dados, o armário de aplicativos e o tasker.
- Baixe um aplicativo disponível gratuitamente que pode extrair o pacote de aplicativos Android (APK) dos aplicativos baixados já instalados no smartphone.
NOTA: O aplicativo cria uma pasta chamada Extracted-Apks no armazenamento interno do smartphone e armazena os arquivos APK exportados. Salve os arquivos APK em vez de baixar o armário de aplicativos e o tasker durante a configuração de cada dispositivo smartwatch para garantir que as mesmas versões dos aplicativos sejam usadas em todos os dispositivos.
2. Desenvolvimento dos procedimentos automatizados utilizando o tasker
NOTA: Um tasker permite o desenvolvimento passo-a-passo de processos automatizados. Estes podem variar de acordo com os requisitos do projeto. Não é necessária experiência anterior em codificação ou programação. Nas etapas a seguir, os seguintes termos e definições são usados: trigger (um estado inicial que, quando atendido, permite que o tasker inicie o processo), condition (uma condição que, quando atendida, permite que o processo continue para a próxima etapa) e action (o resultado do processo). Nas figuras fornecidas, o paralelogramo denota um gatilho, o diamante denota uma condição e o retângulo denota uma ação. Cada processo pode resultar em mais de uma ação, e estas são rotuladas como ações a, b, c, (...) sob cada processo. Um processo separado foi criado para cada problema individual identificado durante a implementação do projeto no campo. Essa abordagem garantiu que não houvesse sobreposição entre as condições estabelecidas e permitiu o bom funcionamento do processo automatizado como um todo.
- Inicie o aplicativo de automação de dispositivo e navegue até a interface para criar tarefas.
Observação : A interface difere entre diferentes aplicativos de automação de dispositivo. As etapas descritas abaixo são baseadas no tasker utilizado no estudo aqui apresentado12, mas etapas semelhantes se aplicam a todas as aplicações desse tipo. As aplicações de automação de dispositivos permitem o desenvolvimento de diferentes processos (também chamados de macros). Todas as macros descritas neste protocolo são fornecidas no Arquivo Suplementar 1.- Para criar um processo, selecione Macros.
- Crie um processo que ative sistematicamente o aplicativo de coleta de dados (Figura 1). Faça isso seguindo as etapas abaixo.
- Adicione uma macro ou tarefa clicando no sinal de adição. Adicione um gatilho para criar um ponto de partida para o processo. Clique no sinal de mais na guia de gatilho.
- Selecione Data e Hora e selecione a guia Intervalo Regular . Não use um tempo de referência, mas defina um intervalo regular.
- Defina um intervalo de tempo fixo para atuar como um gatilho para iniciar um procedimento. Defina o intervalo em 7,5 min e clique em OK.
Observação : essa condição cria um gatilho regular que é executado a cada 7,5 minutos. A seleção do intervalo de disparo é baseada na capacidade da bateria do dispositivo e em outras condições que afetam o bom funcionamento do aplicativo de coleta de dados. - Para adicionar uma ação, clique no sinal de mais na guia Ação. Selecione a guia Condições/loops . Selecione a cláusula SE.
- Adicione uma condição clicando no sinal de mais. Selecione a guia Data e Hora . Selecione Cronômetro. Clique em Ok.
- Defina uma duração fixa a ser adicionada como uma condição. Como parte do procedimento, a condição que está sendo testada é se um valor de cronômetro é de >29 min ou <1 s.
NOTA: O primeiro reflete a preferência de ativar sistematicamente o aplicativo de coleta de dados a cada 30 minutos e o segundo representa a preferência por ativar o aplicativo de coleta de dados mesmo nos casos em que o cronômetro não está funcionando ou parou. - Altere o E clicando no triângulo. Selecione OR.
Observação : sempre que uma das condições é atendida, o processo pode continuar. - Para adicionar uma ação entre a instrução IF, clique no botão End if. Selecione Adicionar ação acima.
- Navegue para localizar a guia Tela. Selecione a ação Screen On e clique em Ok.
Observação : quando as condições são atendidas, o tasker habilitará a tela. - Seguindo etapas semelhantes, adicione uma segunda ação que reduza o brilho da tela para a menor porcentagem.
- Adicione uma ação adicional que redefina e reinicie o cronômetro usado nesse processo automatizado. Isso cria um loop.
- Siga etapas semelhantes e adicione uma ação que habilite o aplicativo de coleta de dados. Selecione Aplicativos.
- Selecione Iniciar Aplicativo. Localize e selecione o aplicativo de coleta de dados. Selecione Forçar NOVO e clique em OK.
Observação : O processo está concluído. O gatilho, as condições e as ações são definidas. Esse processo permite sistematicamente que o aplicativo de coleta de dados em intervalos de tempo frequentes neutralize qualquer falha aleatória do aplicativo. A ação Screen On foi projetada para impedir as configurações de hibernação de dispositivos comerciais, e a ação Brilho a 0% é usada para reduzir o consumo de bateria. A ação Cronômetro (redefinir e reiniciar) cria um loop para o nosso processo geral. Se a condição for atendida, as seguintes ações serão executadas pelo responsável: (a) iniciar o aplicativo de coleta de dados, (b) ativar a tela do smartwatch, (c) reduzir o brilho da tela para 0% e (d) redefinir e reiniciar o cronômetro para criar um loop. A ação b e a ação c são projetadas para neutralizar as configurações de hibernação padrão de dispositivos comerciais. As configurações de hibernação podem interferir na operação normal dos aplicativos de smartwatch (incluindo o aplicativo de coleta de dados). A hibernação é resolvida ativando sistematicamente a tela (ação b) e, para reduzir o consumo de bateria, a ativação da tela é acoplada à redução do brilho da tela (ação c). - Dê um nome a esse processo e selecione Salvar.
- Crie um processo que habilite sistematicamente o Wi-Fi do smartwatch (Figura 2).
- Adicione um gatilho para criar um ponto de partida para o processo. Clique no sinal de mais na guia Acionamento . Selecione Eventos do dispositivo e selecione Tela ativada/desativada. Selecione Tela ativada e clique em Ok.
- Adicione uma ação clicando no sinal de mais na guia Ação . Selecione a guia Condições/loops . Selecione a cláusula SE. Adicione uma condição clicando no sinal de mais. Selecione a guia Conectividade . Selecione Estado do Wi-Fi. Selecione Wi-Fi desativado e clique em Ok.
- Clique no botão Terminar se. Selecione Adicionar ação acima. Selecione a guia Conectividade . Clique na guia Configurar Wi-Fi . Selecione Ativar Wi-Fi e clique em Ok. Esta é a ação a do processo na etapa 2.3.
NOTA: Após a ativação da tela e se o Wi-Fi estiver desativado, o tasker ativará o Wi-Fi. - Adicione uma ação adicional entre a instrução IF que redefine e reinicia Stopwatch_2. Esta é a ação b do processo na etapa 2.3.
NOTA: O cronômetro é importante para desativar o Wi-Fi após alguns minutos, que é uma ação realizada por um processo diferente no protocolo (etapa 2.5). O smartwatch não precisa estar constantemente conectado ao Wi-Fi, pois isso aumenta o consumo de bateria. - Dê um nome a esse processo e selecione Salvar.
- Crie um processo que otimize sistematicamente o consumo de bateria (Figura 3).
NOTA: Os dispositivos Smartwatch geralmente têm configurações padrão para desativar a tela após um período de alguns segundos. Para o dispositivo utilizado em nosso estudo, esse período foi de 15 s. O ensaio é apresentado no passo 2.7.- Use a desativação de tela padrão como um gatilho.
- Defina uma condição que teste a combinação de se o smartwatch não está carregando e não está conectado a uma rede. Se ambos se aplicarem, o processo desativa a conectividade Wi-Fi para reduzir o consumo de bateria. Esta é a ação a do processo na etapa 2.4.
NOTA: Se o smartwatch estiver a carregar, o Wi-Fi deve ser mantido ativado, permitindo que quaisquer dados recolhidos durante o dia sejam enviados através da ligação Wi-Fi para o nosso servidor online. Normalmente, o carregamento ocorre durante a noite. - Defina uma condição que teste se o Bluetooth está habilitado. Se estiver, o Bluetooth está desativado para reduzir o consumo de bateria. Esta é a ação b do processo na etapa 2.4.
- Defina uma ação adicional que é ativada automaticamente após o gatilho. Essa ação define o brilho da tela para 50% (ação c do processo na etapa 2.4).
Observação : interações do usuário podem alterar os níveis de brilho. Níveis mais altos de brilho da tela drenam a bateria mais rapidamente e, como um complemento, o brilho da tela é definido para 50% como o nível ideal que permite ao usuário interagir facilmente com o smartwatch e, ao mesmo tempo, conservar a bateria.
- Crie um processo que registre sistematicamente as informações do evento (Figura 4).
- Adicione um gatilho para criar um ponto de partida para o processo. Clique no sinal de mais na guia Acionamento . Selecione Data e Hora. Selecione a guia Intervalo Regular . Não use um tempo de referência.
- Defina o intervalo regular. Defina um intervalo de tempo fixo para atuar como um gatilho para iniciar o procedimento. Defina o intervalo em 5 min e clique em Ok.
Observação : isso cria um gatilho infinito que é executado a cada 5 minutos; a seleção do intervalo é baseada na capacidade da bateria do dispositivo e outras condições dependentes dos requisitos do pesquisador. - Para adicionar uma ação, clique no sinal de mais na guia Ação . Selecione Registro. Clique em Registrar Evento.
- Clique na guia Pontos de Elipse . Localize e selecione SSID Wi-Fi (nome da rede Wi-Fi ) e selecione Ok.
- Ao clicar novamente na guia Pontos de Elipse e, seguindo exatamente as mesmas etapas, adicione ainda mais a intensidade do sinal Wi-Fi, o número de série do dispositivo, a latitude do GPS, a longitude do GPS, a precisão do sinal GPS, bem como se o smartwatch está carregando ou não (ação a do processo na etapa 2.5).
Observação : essa ação cria um evento de log com variáveis pré-especificadas relevantes para o projeto. - Dê um nome a esse processo e selecione Salvar.
- Clique na guia Registro em log e defina uma condição que teste a combinação de se o smartwatch não está carregando, a tela está desligada e o cronômetro descrito no ponto
2.3.3 é >4 min e desativa o Wi-Fi quando todas essas condições são atendidas (ação b do processo na etapa 2.5).
- Crie um processo que forneça notificações do usuário se o sinal de GPS estiver desativado (Figura 5)
- Defina a conexão com uma rede Wi-Fi como o gatilho.
- Defina uma ação que é ativada automaticamente após o gatilho. Essa ação cria um ponto de evento de log semelhante ao da etapa 2.5.2 (ação a do processo na etapa 2.6).
NOTA: Este evento de registo adicional fornece as informações relativas à hora exata em que o smartwatch foi ligado à rede Wi-Fi doméstica. - Defina uma condição que teste se o sensor GPS foi desativado, se seu status de precisão foi alterado ou se o modo avião foi ativado. Adicione uma ação entre a instrução IF que exibe o erro de notificação "ERROR!!! Por favor, verifique as configurações" (ação b do processo na etapa 2.6).
- Teste cada processo criado.
- Clique na guia Processo .
- Clique na guia Trigger .
- Selecione Testar gatilho.
Observação : gatilho de teste inicia as ações do processo selecionado. Se o resultado for o pretendido, o processo será salvo.
3. Exportando os processos criados (etapas 2.1-2.6)
- Exporte e salve os arquivos dos processos criados (etapas 2.1-2.6) no formato mdr (arquivo mdr) no mesmo diretório do smartphone que na etapa 1.1.3.
4. Transferir e instalar os arquivos criados no smartwatch
- Transfira os arquivos do smartphone para um laptop / PC.
- Conecte o smartphone ao laptop/PC.
- Encontre o diretório com os arquivos APK e mdr extraídos (arquivos de extensão do tasker) criados com o aplicativo de automação de dispositivos.
- Copie e cole todos os arquivos em um diretório no laptop/PC.
- Transfira os arquivos do laptop/PC para o dispositivo smartwatch.
NOTA: No estudo, o smartwatch também foi equipado com um cabo de carregador magnético que também permitiu a transferência de dados / arquivos.- Conecte o smartwatch com o carregador magnético ao laptop/PC.
- Selecione a opção para transferir arquivos no painel de notificação do smartwatch.
- No laptop / PC, navegue até o diretório com os arquivos salvos da etapa 4.1.2.
- Copie todos os arquivos e cole-os em um diretório no smartwatch.
5. Configurando o smartwatch para uso em campo
- Instale os aplicativos, bem como os processos no smartphone para o smartwatch.
- Navegue até o destino com os arquivos colados e instale todos os arquivos APK. Isso inclui o armário do aplicativo, o tasker e o aplicativo de coleta de dados (consulte Tabela de materiais).
- Instale o arquivo mdr que contém os processos criados na etapa 2.
- Aceite todas as permissões necessárias para operar os processos.
Observação : as permissões podem variar dependendo da natureza dos processos criados.
- Defina ou altere as configurações padrão importantes do dispositivo.
NOTA: Antes de o smartwatch ser dado a um participante, várias configurações importantes devem ser modificadas.- Deslize a tela do smartwatch para a esquerda e navegue até a função de configurações do smartwatch. Clique em Configurações.
- Selecione Som e desative todos os sons minimizando os níveis de volume de todas as configurações de som individuais. Deslize a tela para a direita para retornar à tela de configurações principal.
NOTA: Distrações e notificações desnecessárias pelo smartwatch não são aconselháveis, pois isso criará problemas desnecessários para os participantes, especialmente durante o horário escolar e de trabalho. - Role para baixo e selecione a função Conectar . Role para baixo e selecione GPS. Clique em Modo e defina as configurações de GPS como Alta precisão.
- Deslize a tela para a direita para retornar à tela de configurações principal.
- Role para baixo, selecione a função de economia de energia, desative a configuração de energia Inteligência de espera e verifique se a economia de bateria está sempre desligada. Deslize a tela para a direita para retornar à tela de configurações principal.
NOTA: Embora o consumo de bateria deva ser levado em conta, manter o modo padrão de economia de energia ativado pode interferir no bom funcionamento dos aplicativos e afetar negativamente a qualidade e a integridade dos dados. - Role para baixo e selecione a função Data e hora. Desative a guia Fuso horário automático . Role para baixo, clique em Selecionar fuso horário, selecione o fuso horário correto e habilite o formato de 24 horas.
- Role para cima, habilite o fuso horário Automático e verifique se o modo de data e hora Automático está definido como Usar hora fornecida pela rede.
NOTA: Isso é importante para garantir que cada medição do sensor seja acompanhada pelo carimbo de data/hora correto. - Deslize a tela para a direita para retornar à tela de configurações principal. Role para baixo, selecione Mais, abra a opção Limpador de Plano de Fundo e desative a Economia de bateria.
Observação : todas as configurações que interferem com o bom funcionamento de aplicativos em segundo plano devem ser desabilitadas. Nesse caso, essa configuração é o limpador de fundo e, se permanecer habilitada, esses aplicativos não poderão funcionar em segundo plano, afetando assim a configuração geral do smartwatch e interferindo na abordagem de coleta de dados. - Deslize a tela para a direita para retornar à tela Mais configurações , role para baixo, selecione a função de congelamento de aplicativos , clique em Avançar, role para baixo, clique em Google Play Store e selecione Congelar; o aplicativo será desativado automaticamente.
NOTA: Se for deixada ativada, é provável que a Play Store execute atualizações. Tais atualizações podem interferir nos processos criados. Além disso, algumas atualizações podem ocorrer em dias diferentes para os diferentes participantes do estudo e, portanto, por um período de tempo, os dados não serão coletados da mesma maneira de todos os participantes. - Deslize a tela para a direita para retornar à tela Mais configurações , selecione a função Notificações , selecione Google e bloqueie todas as notificações deste aplicativo.
NOTA: Dependendo do dispositivo e do sistema operacional, outros aplicativos também podem mostrar notificações. Distrações e notificações desnecessárias pelo smartwatch não são aconselháveis, porque isso criará problemas desnecessários para os participantes, especialmente durante o horário escolar e de trabalho. - Deslize a tela para a direita para retornar à tela Mais configurações , role para baixo, selecione a função Salvamento de Dados e desative a economia de dados. Passe o dedo na tela para a direita para retornar à tela Mais configurações .
Observação : desative qualquer configuração ou funcionalidade que possa afetar o carregamento ou recebimento de dados. - Selecione a função Configurações do aplicativo, role para baixo, selecione a função de acesso especial e clique em Configurações de otimização da bateria. Clique no Triângulo e selecione Todos os aplicativos.
- Role para baixo para encontrar o armário do aplicativo, selecione o armário do aplicativo, selecione Não otimizar e clique em Concluído. Encontre todos os aplicativos relevantes que são usados na configuração do smartwatch (armário de aplicativos, tasker, aplicativo de coleta de dados) e selecione Não otimizar.
NOTA: Os principais aplicativos que executam ou oferecem suporte à coleta de dados devem operar sem restrições de bateria. - Depois de concluir a instalação, execute uma verificação das configurações que foram implementadas nesta etapa.
NOTA: A capacidade de resposta da tela sensível ao toque pode estar faltando, e modificações importantes nas configurações podem não ter sido feitas corretamente, portanto, execute uma verificação para garantir que cada etapa tenha sido feita corretamente. Verifique novamente se todos os sons e vibrações estão minimizados, o GPS está no modo de alta precisão e as configurações de data e hora estão corretas. Além disso, certifique-se de desativar todas as configurações que interferem no bom funcionamento dos aplicativos em segundo plano. Além disso, certifique-se de que qualquer outro aplicativo que possa executar atualizações esteja congelado. Desative quaisquer configurações ou funcionalidades que possam afetar o upload ou o recebimento de dados. Certifique-se de que os principais aplicativos que executam ou suportam a coleta de dados podem operar sem restrições de bateria.
- Configure o armário de aplicativos.
- Na tela inicial, navegue para encontrar os aplicativos instalados.
- Selecione App Locker.
- Selecione como você deseja que o App Locker bloqueie os aplicativos (as possibilidades incluem o uso de um código PIN ou código padrão).
- Selecione os aplicativos que você deseja bloquear. Entre outros, a câmera, gravação de voz, navegador e aplicativos de jogos podem ser bloqueados. Ative o App Locker.
- Conecte o smartwatch à rede Wi-Fi doméstica do participante.
Observação : A instalação está concluída. O smartwatch está pronto para ser dado a um participante.
- Permita que o participante use o smartwatch.
- Instrua os participantes a usar o smartwatch diariamente e carregar o dispositivo todas as noites durante o sono.
NOTA: Durante o dia, os participantes puderam usar o smartwatch como um relógio digital normal e avaliar seus níveis de atividade através do indicador de pedômetro smartwatch. Os participantes não foram obrigados a realizar nenhuma tarefa específica para que o smartwatch pudesse coletar e transmitir os dados. A configuração dos dispositivos, conforme descrito no protocolo, em combinação com os processos automatizados desenvolvidos com o tasker, minimizou o incômodo para os participantes.
- Instrua os participantes a usar o smartwatch diariamente e carregar o dispositivo todas as noites durante o sono.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
O protocolo descreve soluções simples e econômicas para desafios da vida real que afetam o recrutamento, a conformidade e a qualidade dos dados em estudos populacionais que empregam sensores vestíveis. As etapas descritas aqui permitiram a configuração bem-sucedida de um dispositivo vestível de consumo para exposição e monitoramento da saúde em um grande estudo populacional envolvendo crianças com asma e adultos com fibrilação atrial. A Figura 6 fornece uma visão geral gráfica dos protocolos fornecidos e ilustra as principais etapas realizadas para resolver os principais problemas subjacentes identificados.
Aqui, apresentamos os resultados representativos de um subconjunto de 17 participantes (crianças asmáticas de 6 a 11 anos de idade) que se envolveram no estudo LIFE MEDEA na primavera de 202013. Os 17 participantes foram equipados com um smartwatch que fornecia dados com carimbo de data e hora sobre atividade física (pedômetro, acelerômetro, frequência cardíaca) e localizações GPS antes e depois da implementação do protocolo. Esses dados foram coletados por meio do aplicativo de coleta de dados e sincronizados automaticamente com um banco de dados baseado em nuvem quando o smartwatch estava em contato com a rede Wi-Fi dentro da casa de cada participante, conforme descrito anteriormente13. No entanto, através da aplicação do protocolo descrito, também foram disponibilizadas informações sobre conectividade Wi-Fi, intensidade do sinal Wi-Fi, capacidade da bateria e se o dispositivo estava a carregar ou não. Os dados sobre essas variáveis adicionais não foram sincronizados automaticamente com o banco de dados baseado em nuvem, mas tiveram que ser baixados manualmente de cada smartwatch via Bluetooth após o final do período de estudo. Ao comparar os dados coletados por um período de 2 semanas antes e 2 semanas após a implementação do protocolo, avaliou-se o impacto dessas soluções na melhoria da completude dos dados, definida como a porcentagem de tempo com os dados coletados por dia. A Figura 7A apresenta a porcentagem de tempo com dados antes e após a implementação do protocolo para cada participante separadamente, enquanto a Figura 7B apresenta as distribuições correspondentes do percentual de tempo com dados para todo o grupo antes e após a implementação do protocolo. Curiosamente, a implementação do protocolo levou a um aumento estatisticamente significativo na completude dos dados, com a porcentagem de tempo com os dados aumentando de uma mediana de 36,5% (min: 9,3%, max: 68,1%) para uma mediana de 48,9% (IQR: 18,4%, 77,8%, p = 0,013).
Além disso, na Figura 8, apresentamos um caso extremo de dados de GPS pobres coletados durante 24 h de um único paciente com FA participante do estudo. Embora o paciente estivesse usando o relógio conforme instruído, o sinal GPS bruto real coletado estava espalhado pelas 24 horas (Figura 8A), e a estimativa da duração do tempo em ambientes fechados e da duração do tempo ao ar livre foi difícil. A implementação de um algoritmo de preenchimento de dados GPS (Figura 1 Suplementar) permite a substituição de dados ausentes por valores estimados (Figura 8B). A confirmação de que o tempo estimado em ambientes internos e o tempo estimado ao ar livre estavam corretos foi fornecida pela conectividade registrada do smartwatch com o sinal de rede Wi-Fi (Figura 8C). Para o mesmo paciente, também mostramos outro caso extremo de um dia com dados de GPS pobres coletados (Figura 9A). No entanto, neste caso, a implementação do algoritmo de preenchimento de dados GPS por si só não estimou com precisão todos os dados faltantes. Caracteristicamente, o algoritmo estimou corretamente que o participante estava praticamente fora de sua residência entre aproximadamente 09:00 e 21:00 daquele dia e que retornou para casa por um breve período por volta das 18:00, mas não conseguiu capturar que o participante também retornou para casa por um período de cerca de 90 min aproximadamente às 13:30 (Figura 9B). No entanto, esse evento não foi perdido quando os dados sobre a conectividade do smartwatch com o sinal de rede Wi-Fi também foram considerados (Figura 9C).
Finalmente, após um piloto bem-sucedido, o protocolo foi implementado em toda a coorte de participantes do MEDEA durante a primavera de 2020 em Chipre e na Grécia (n = 108 crianças asmáticas). No entanto, algumas semanas depois que os smartwatches foram distribuídos às crianças e a coleta de dados começou, as autoridades de saúde em Chipre e na Grécia aplicaram uma série de intervenções de saúde pública de intensidade crescente para controlar a pandemia de COVID-19 em seus respectivos países. As intervenções de saúde pública foram inicialmente caracterizadas por medidas de distanciamento social e proibição de grandes eventos públicos, mas rapidamente escalaram para rigorosos lockdowns nacionais durante os meses de março e abril. Considerando os distúrbios sem precedentes na rotina diária e no comportamento da população, foi tomada a decisão de continuar rastreando a localização e a atividade de crianças asmáticas que usam os smartwatches durante a duração dos lockdowns para quantificar objetivamente sua conformidade com as medidas de intervenção de saúde pública e mudanças gerais na atividade física. Os dados coletados foram usados para calcular perfis individuais de "fração de tempo gasto em casa" diário e "total de passos/dia" e foram analisados estatisticamente para avaliar as mudanças nesses parâmetros ao longo dos níveis crescentes das medidas de lockdown da COVID-19. A linha do tempo e a descrição dos níveis crescentes das medidas de lockdown da COVID-19 nos dois países são apresentadas na Figura 10 e são descritas em detalhes por Kouis et al. em uma publicação anterior13. Em resumo, os resultados indicaram um aumento médio estatisticamente significativo na "fração de tempo gasto em casa" em ambos os países através dos crescentes níveis de intervenção. O aumento médio da "fração de tempo gasto em casa" foi igual a 41,4% e 14,3% (no nível 1), 48,7% e 23,1% (no nível 2) e 45,2% e 32,0% (no nível 3) para Chipre e Grécia, respectivamente. A atividade física em Chipre e na Grécia demonstrou diminuições médias significativas de -2.531 e -1.191 passos/dia (no nível 1), -3.638 e -2.337 passos/dia (no nível 2) e -3.644 e -1.961 passos/dia (no nível 3) em Chipre e Grécia,respetivamente 13. As médias semanais de "fração de tempo gasto em casa" e "total de passos/dia" em crianças asmáticas antes da COVID-19 e durante os três níveis de medidas de lockdown da COVID-19 são exibidas na Figura 11 13.
DECLARAÇÃO DE DISPONIBILIDADE DE DADOS:
O conjunto de dados anônimo foi enviado ao repositório on-line de acesso aberto (https://doi.org/10.6084/m9.figshare.21601371.v3) do Figshare.
Tabela 1: Desafios da vida real identificados em relação ao uso de dispositivos smartwatch e às soluções empregadas. Por favor, clique aqui para baixar esta Tabela.
Figura 1: Ativando o aplicativo de coleta de dados. Diagrama esquemático do processo para ativar sistematicamente o aplicativo de coleta de dados. O paralelogramo denota um gatilho, o diamante denota uma condição e o retângulo denota uma ação. Clique aqui para ver uma versão maior desta figura.
Figura 2: Ativando a conectividade Wi-Fi. Diagrama esquemático do processo para habilitar sistematicamente a conectividade Wi-Fi. O paralelogramo denota um gatilho, o diamante denota uma condição e o retângulo denota uma ação. Clique aqui para ver uma versão maior desta figura.
Figura 3: Otimizando o consumo de bateria. Diagrama esquemático dos processos que levam a ações que otimizam sistematicamente o consumo de bateria. O paralelogramo denota um gatilho, o diamante denota uma condição e o retângulo denota uma ação. Clique aqui para ver uma versão maior desta figura.
Figura 4: Registro de informações de eventos. Diagrama esquemático dos processos que registram sistematicamente informações de eventos relevantes para o projeto. O paralelogramo denota um gatilho, o diamante denota uma condição e o retângulo denota uma ação. Clique aqui para ver uma versão maior desta figura.
Figura 5: Notificação do usuário se o sinal GPS estiver desativado. Diagrama esquemático dos processos que verificam sistematicamente o status do sinal GPS e fornecem notificações para alertar os usuários de problemas. O paralelogramo denota um gatilho, o diamante denota uma condição e o retângulo denota uma ação. Clique aqui para ver uma versão maior desta figura.
Figura 6: Visão geral esquemática dos protocolos. Visão geral esquemática dos desafios subjacentes identificados e dos protocolos fornecidos com uma ilustração das principais etapas dos processos. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 7: Completude dos dados antes e depois da implementação do protocolo. Completude dos dados para um grupo representativo de participantes (n = 17) por um período de 2 semanas antes e após a implementação do protocolo. (A) A porcentagem de tempo com dados antes e depois da implementação do protocolo para cada participante separadamente. (B) As distribuições correspondentes para todo o grupo. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 8: Implementação do algoritmo de preenchimento de dados GPS (caso extremo 1). (A) Caso de exemplo de um dia com dados brutos de sinal GPS pobres e (B) a implementação do algoritmo de preenchimento de dados GPS para substituir os dados faltantes por valores estimados. (C) A confirmação das classificações interiores e exteriores com base no indicador de sinal Wi-Fi recebido. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 9: Implementação do algoritmo de preenchimento de dados GPS (caso extremo 2). (A) Caso de exemplo de um dia com dados brutos de sinal GPS pobres e (B) a implementação do algoritmo de preenchimento de dados GPS para substituir os dados faltantes por valores estimados. (C) O algoritmo de preenchimento de dados GPS levou a alguns erros de classificação interna e externa, que foram resolvidos usando o indicador de sinal recebido Wi-Fi. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 10: Cronologia das intervenções de saúde pública em Chipre e na Grécia. Cronologia das gravações do estudo em relação à introdução de intervenções de saúde pública em (A) Chipre e (B) Grécia durante março e abril de 2020.A imagem é reproduzida sob a licença CC BY 4.0, sem quaisquer alterações, do estudo original de Kouis et al., publicado pela primeira vez no Scientific Reports Journal13. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 11: Mudanças na mobilidade em resposta a intervenções de saúde pública em crianças asmáticas. Médias semanais da fração tempo gasto em casa e passos/dia de crianças asmáticas antes e durante os três níveis de intervenções de saúde pública em (A) Chipre e (B) Grécia. A imagem é reproduzida sob a licença CC BY 4.0, sem quaisquer alterações, do estudo original de Kouis et al., publicado pela primeira vez no Scientific Reports Journal13. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 1 suplementar: A implementação de um algoritmo de preenchimento de dados GPS. Clique aqui para baixar este arquivo.
Arquivo Suplementar 1: As macros descritas neste protocolo. Clique aqui para baixar este arquivo.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Os sensores vestíveis são ferramentas úteis que permitem o monitoramento contínuo e não invasivo dos parâmetros de saúde e do comportamento do paciente. Os smartwatches comerciais, equipados com uma variedade de sensores, fornecem uma alternativa promissora aos métodos tradicionais de coleta de dados, e seu uso em pesquisas clínicas e de saúde pública só deve aumentar como resultado do aumento da variedade e da qualidade dos sensores embutidos, parcerias acadêmico-industriais mais fortes e reduções nos preços de varejo14 . Neste estudo, destacamos os desafios da vida real que podem afetar o recrutamento, a conformidade do usuário e a qualidade dos dados em estudos populacionais e fornecemos exemplos de soluções simples e econômicas para superá-los no campo. A implementação desse protocolo durante a implantação do estudo13 levou a resultados significativamente melhores em termos de completude e qualidade dos dados. As etapas mais críticas dentro do protocolo são a etapa 2.2 (que garante a ativação sistemática do aplicativo de coleta de dados em intervalos de tempo regulares), a etapa 2.5 (que fornece um registro separado de eventos importantes sobre o status do smartwatch) e a etapa 5.2.8 (que permite a operação ininterrupta dos processos em segundo plano do smartwatch).
No passado, vários estudos abordaram a validade de dispositivos vestíveis de consumo para uma variedade de desfechos de saúde e atividade, e os resultados foram recentemente sintetizados em uma grande revisão sistemática e meta-análise15. No entanto, do total de 169 estudos identificados na revisão sistemática, apenas 48 envolveram populações em ambiente de vida livre, enquanto apenas 36 estudos envolveram populações com qualquer tipo de limitação de mobilidade ou doença crônica. Embora os autores tenham concluído que, em geral, os dispositivos comerciais são precisos para medir os passos e a frequência cardíaca, especialmente em ambientes laboratoriais, eles destacaram o risco de superestimação ou subestimação em ambientes de vida livre, enquanto as diferenças na usabilidade e validade das medidas entre controles saudáveis e pacientes crônicos não foram exploradas15 . Ambos os pontos são particularmente importantes, pois um dos principais argumentos para a mudança para a saúde digital é possibilitar o monitoramento de pacientes com doenças crônicas fora dos ambientes de saúde16.
No entanto, alguns estudos anteriores se concentraram e quantificaram problemas encontrados por participantes e pesquisadores durante a implantação de estudos clínicos em ambientes de vida livre envolvendo dispositivos vestíveis de consumo17,18,19. Em um estudo de viabilidade bem conduzido que envolveu um pequeno número de participantes (n = 26), mas os observou por um período de tempo significativo (3 meses), Beukenhorst et al. relataram que, em média, os pacientes usavam o relógio em 73% dos dias e que o não uso temporário e permanente aumentou ao longo das semanas de estudo17.
Em um grupo muito maior, Galarnyk et al. relataram que, de um total de 230 indivíduos recrutados no estudo e fornecidos com um smartwatch, apenas 130 (57%) o usaram pelo menos uma vez e transmitiram com sucesso alguns dados18. Além disso, alguns estudos também têm destacado o fato de que, durante a fase de implantação, é necessário um suporte técnico intensivo18,19. Caracteristicamente, no Parkinson@Home Study, os autores relataram uma taxa de completude de dados de 88%, mas também destacaram que quase todos os participantes necessitaram de pelo menos uma chamada de suporte para solução de problemas do dispositivo durante o período de estudo de 3 meses19. Relatamos experiência semelhante em nosso estudo13, embora não tenham sido mantidos registros oficiais de chamadas de solução de problemas e visitas domiciliares.
Em nosso estudo, também nos concentramos em questões de qualidade de dados relacionadas a sinais de GPS. Tivemos que construir exposições individuais dos participantes em microambientes externos e internos (em casa), tarefa complicada pela perda frequente e persistente de sinal, especialmente em ambientes internos, e, por esse motivo, desenvolvemos um algoritmo de preenchimento de dados, como sugerido em estudos anteriores20,21. Embora o algoritmo tenha um desempenho razoavelmente bom, a inclusão de um indicador de intensidade de sinal recebido por Wi-Fi, conforme coletado pelo aplicativo tasker, melhorou significativamente o desempenho do algoritmo e minimizou em grande parte a classificação incorreta. A utilidade deste indicador de intensidade do sinal recebido Wi-Fi também foi demonstrada em estudos anteriores com foco na localização interna22,23 e, quando acoplado a medições de GPS, esse indicador pode fornecer uma medição válida de 24 horas de exposição individual a microambientes externos e internos.
Finalmente, o protocolo sugerido aqui foi implementado e testado em condições da vida real na primavera de 2020, tanto em crianças quanto em idosos. Embora cada solução sugerida seja simples e não exija conhecimentos prévios de programação, todas as soluções em conjunto abordaram todas as principais questões identificadas, nomeadamente melhorando e sistematizando a recolha de dados, reduzindo o consumo de bateria, bloqueando aplicações indesejadas e definições de smartwatch, e melhorando o sinal GPS. No entanto, os processos, conforme descrito no protocolo, só foram testados com um dispositivo smartwatch usando a versão 7.1.1 do Android. Embora seja possível que a replicação direta desses processos seja possível com outras versões do Android, não podemos excluir a possibilidade de que alguns ajustes possam ser necessários e, como resultado, a generalização direta do protocolo pode ser limitada. Além disso, o protocolo pode ter que ser modificado para refletir variações nas especificações técnicas de outros dispositivos smartphones. Por exemplo, o gatilho de tempo para coleta de dados pode ser definido de acordo com a capacidade da bateria do dispositivo smartwatch ou dependendo da resolução de tempo necessária para as variáveis coletadas. No entanto, mesmo que a aplicação deste protocolo a um dispositivo smartphone diferente ou a uma versão diferente do Android possa exigir a resolução de problemas e a modificação de alguns dos passos individuais, no geral, terão de ser realizadas etapas semelhantes (ou terá de ser confirmado que certas etapas não são necessárias) durante a configuração de qualquer smartwatch antes de ser entregue a um participante do estudo. O nível de detalhe fornecido no protocolo permite a fácil adaptação destas soluções a qualquer dispositivo smartwatch. Além disso, este trabalho não teve como objetivo e não foi originalmente concebido para avaliar as razões que podem afetar a adesão do usuário com dispositivos vestíveis durante a realização de estudos populacionais. Estudos futuros usando ferramentas e metodologias apropriadas são necessários para examinar melhor esse tópico. Tais estudos podem fornecer as evidências adicionais necessárias para melhorar eficientemente os métodos existentes de incorporação de dispositivos vestíveis em estudos de pesquisa, especialmente em condições da vida real.
Atualmente, os métodos existentes são bastante limitados e incluem principalmente o desenvolvimento de um sistema de suporte estendido (treinamento inicial, manual do usuário, linha de ajuda e visitas in loco)19. Além disso, um estudo anterior destacou que, em ensaios clínicos digitalizados, uma taxa de abandono significativa deve ser esperada e planos de contingência a priori, como o acesso a um pool de recrutamento de participantes mais amplo, são necessários18. A incorporação das soluções apresentadas neste estudo pode complementar e, mais criticamente, reduzir a carga sobre o sistema de suporte estendido, aumentando a completude e a qualidade dos dados. Além disso, com base nas observações de Galarnyk et al., tornar o início do uso do dispositivo o mais fácil possível pode garantir ainda mais a adesão e reduzir as taxas de abandono18. Finalmente, as aplicações futuras de algumas dessas soluções, especialmente o uso de aplicativos de automação de dispositivos, incluem a personalização adicional de dispositivos comerciais para apoiar a mobilidade em idosos ou em pessoas com deficiência24,25, apoiar sistemas de alerta precoce 26 e garantir conectividade Bluetooth e Wi-Fi em aplicativos de Internet dos Corpos (IoB) 27.
Em resumo, este trabalho fornece um protocolo que inclui soluções simples e econômicas para os desafios da vida real que afetam o recrutamento, a conformidade e a qualidade dos dados em estudos populacionais que empregam dispositivos vestíveis de consumo. O protocolo baseia-se em ferramentas de software disponíveis gratuitamente e não requer nenhum conhecimento prévio de programação. Essa abordagem pode ser facilmente replicada ou adaptada por pesquisadores de saúde que trabalham com dispositivos vestíveis nas áreas de pesquisa clínica e saúde pública.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Os autores não têm conflitos de interesse a declarar.
Acknowledgments
Os autores estão gratos a todos os participantes e suas famílias, bem como ao pessoal docente e administrativo das escolas primárias participantes em Chipre e na Grécia. O estudo foi financiado pelo Projecto LIFE MEDEA da União Europeia (LIFE16 CCA/CY/000041).
Materials
| Name | Company | Catalog Number | Comments |
| APK Extractor | Meher | Version 4.21.08 | Application |
| Charger/Adaptor with data cable | Jiangsu Chenyang Electron Co. Ltd | C-P17 | Charger |
| Embrace application | EmbraceTech LTD | Version 1.5.4 | Application |
| LEMFO LF25 Smartwatch | Shenzhen domino Times Technology Co. Ltd | DM368 Plus | Smartwatch |
| Lock App - Smart App Locker | ANUJ TENANI | Version 4.0 | Application |
| Macrodroid-Device Automation | ArloSoft | Version 5.5.2 | Application |
| Xiaomi Redmi 6A | Xiaomi | M1804C3CG | Smartphone |
References
- Alami, H., Gagnon, M. P., Fortin, J. P. Digital health and the challenge of health systems transformation. mHealth. 3, 31 (2017).
- Dunn, J., Runge, R., Snyder, M.
- Bietz, M. J., et al. Opportunities and challenges in the use of personal health data for health research. Journal of the American Medical Informatics Association. 23, 42-48 (2016).
- Coughlin, S. S.
- Munos, B., et al. Mobile health: The power of wearables, sensors, and apps to transform clinical trials. Annals of the New York Academy of Sciences. 1375 (1), 3-18 (2016).
- Reeder, B., David, A. Health at hand: A systematic review of smart watch uses for health and wellness. Journal of Biomedical Informatics. 63, 269-276 (2016).
- Trifan, A., Oliveira, M., Oliveira, J. L. Passive sensing of health outcomes through smartphones: Systematic review of current solutions and possible limitations. JMIR mHealth and uHealth. 7 (8), 12649 (2019).
- Rodgers, M. M., Alon, G., Pai, V. M., Conroy, R. S. Wearable technologies for active living and rehabilitation: current research challenges and future opportunities. Journal of Rehabilitation and Assistive Technologies Engineering. 6, 2055668319839607 (2019).
- Huberty, J., Ehlers, D. K., Kurka, J., Ainsworth, B., Buman, M. Feasibility of three wearable sensors for 24 hour monitoring in middle-aged women. BMC Women's Health. 15, 55 (2015).
- Schall, M. C., Sesek, R. F., Cavuoto, L. A. Barriers to the adoption of wearable sensors in the workplace: A survey of occupational safety and health professionals. Human Factors. 60 (3), 351-362 (2018).
- Henriksen, A., et al. Using fitness trackers and smartwatches to measure physical activity in research: Analysis of consumer wrist-worn wearables. Journal of Medical Internet Research. 20 (3), 9157 (2018).
- Kouis, P., et al. The MEDEA childhood asthma study design for mitigation of desert dust health effects: Implementation of novel methods for assessment of air pollution exposure and lessons learned. BMC Pediatrics. 21, 13 (2021).
- Kouis, P., et al. Use of wearable sensors to assess compliance of asthmatic children in response to lockdown measures for the COVID-19 epidemic. Scientific Reports. 11, 5895 (2021).
- Arigo, D., et al. The history and future of digital health in the field of behavioral medicine. Journal of Behavioral Medicine. 42 (1), 67-83 (2019).
- Fuller, D., et al. Reliability and validity of commercially available wearable devices for measuring steps, energy expenditure, and heart rate: Systematic review. JMIR mHealth and uHealth. 8 (9), 18694 (2020).
- Majumder, S., Mondal, T., Deen, M. J. Wearable sensors for remote health monitoring. Sensors. 17 (1), 130 (2017).
- Beukenhorst, A. L., et al. Engagement and participant experiences with consumer smartwatches for health research: Longitudinal, observational feasibility study. JMIR mHealth and uHealth. 8 (1), 14368 (2020).
- Galarnyk, M., Quer, G., McLaughlin, K., Ariniello, L., Steinhubl, S. R. Usability of a wrist-worn smartwatch in a direct-to-participant randomized pragmatic clinical trial. Digital Biomarkers. 3 (3), 176-184 (2019).
- de Lima, A. L. S., et al. Large-scale wearable sensor deployment in Parkinson's patients: The Parkinson@ home study protocol. JMIR Research Protocols. 5 (3), 5990 (2016).
- Steinle, S., Reis, S., Sabel, C. E. Quantifying human exposure to air pollution-Moving from static monitoring to spatio-temporally resolved personal exposure assessment. Science of the Total Environment. 443, 184-193 (2013).
- Dias, D., Tchepel, O. Modelling of human exposure to air pollution in the urban environment: a GPS-based approach. Environmental Science and Pollution Research. 21 (5), 3558-3571 (2014).
- Chen, W., Kao, K., Chang, Y., Chang, C. An RSSI-based distributed real-time indoor positioning framework. 2018 IEEE International Conference on Applied System Invention (ICASI). , 1288-1291 (2018).
- Nagah Amr, M., El Attar, H. M., Abd El Azeem, M. H., El Badawy, H. An enhanced indoor positioning technique based on a novel received signal strength indicator distance prediction and correction model. Sensors. 21 (3), 719 (2021).
- Lancioni, G. E., et al. An upgraded smartphone-based program for leisure and communication of people with intellectual and other disabilities. Frontiers in Public Health. 6, 234 (2018).
- Lancioni, G. E., et al. People with intellectual and visual disabilities manage functional occupation via basic technology providing spatial cues and timely repetition of response-related instructions. Advances in Neurodevelopmental Disorders. 6 (1), 11-19 (2022).
- Rao, S. IoT enabled wearable device for COVID safety and emergencies. International Journal of Interactive Mobile Technologies. 3 (3), 146-154 (2021).
- Brunschwiler, T., et al. Internet of the body-Wearable monitoring and coaching. 2019 Global IoT Summit (GIoTS). , 1-6 (2019).
