Summary
Kommerzielle Smartwatches, die mit tragbaren Sensoren ausgestattet sind, werden zunehmend in Bevölkerungsstudien eingesetzt. Ihr Nutzen wird jedoch oft durch ihre begrenzte Akkulaufzeit, Speicherkapazität und Datenqualität eingeschränkt. Dieser Bericht enthält Beispiele für kostengünstige Lösungen für reale technische Herausforderungen, die bei Studien mit asthmatischen Kindern und älteren Herzpatienten aufgetreten sind.
Abstract
Tragbare Sensoren, die häufig in kommerzielle Smartwatches eingebettet sind, ermöglichen kontinuierliche und nicht-invasive Gesundheitsmessungen und Expositionsbewertungen in klinischen Studien. Dennoch kann die reale Anwendung dieser Technologien in Studien mit einer großen Anzahl von Teilnehmern über einen signifikanten Beobachtungszeitraum durch mehrere praktische Herausforderungen behindert werden.
In dieser Studie präsentieren wir ein modifiziertes Protokoll aus einer früheren Interventionsstudie zur Minderung der gesundheitlichen Auswirkungen von Wüstenstaubstürmen. Die Studie umfasste zwei verschiedene Bevölkerungsgruppen: asthmatische Kinder im Alter von 6-11 Jahren und ältere Patienten mit Vorhofflimmern (AF). Beide Gruppen wurden mit einer Smartwatch zur Beurteilung der körperlichen Aktivität (mit einem Herzfrequenzmesser, Schrittzähler und Beschleunigungsmesser) und dem Standort (unter Verwendung von GPS-Signalen zur Ortung von Personen in Innenräumen "zu Hause" oder in Outdoor-Mikroumgebungen) ausgestattet. Die Teilnehmer mussten täglich die Smartwatch tragen, die mit einer Datenerfassungsanwendung ausgestattet war, und die Daten wurden über ein drahtloses Netzwerk an eine zentral verwaltete Datenerfassungsplattform übertragen, um die Einhaltung der Vorschriften nahezu in Echtzeit zu bewerten.
Über einen Zeitraum von 26 Monaten nahmen mehr als 250 Kinder und 50 Patienten mit Vorhofflimmern an der oben genannten Studie teil. Zu den wichtigsten technischen Herausforderungen gehörten die Beschränkung des Zugriffs auf Standard-Smartwatch-Funktionen wie Spiele, Internetbrowser, Kameras und Audioaufzeichnungsanwendungen, technische Probleme wie der Verlust des GPS-Signals, insbesondere in Innenräumen, und die internen Smartwatch-Einstellungen, die die Datenerfassungsanwendung beeinträchtigen.
Ziel dieses Protokolls ist es, zu demonstrieren, wie die Verwendung von öffentlich verfügbaren Anwendungsschließfächern und Geräteautomatisierungsanwendungen es ermöglichte, die meisten dieser Herausforderungen auf einfache und kostengünstige Weise zu bewältigen. Darüber hinaus verbesserte die Aufnahme eines Wi-Fi-Empfangssignalstärkeindikators die Lokalisierung in Innenräumen erheblich und minimierte die Fehlklassifizierung des GPS-Signals weitgehend. Die Implementierung dieser Protokolle während des Roll-outs dieser Interventionsstudie im Frühjahr 2020 führte zu deutlich verbesserten Ergebnissen in Bezug auf Datenvollständigkeit und Datenqualität.
Introduction
Anwendungen der digitalen Gesundheitstechnologie und tragbare Sensoren ermöglichen eine nicht-invasive und kostengünstige Patientenüberwachung sowohl im Gesundheitswesen als auch zu Hause1. Gleichzeitig ermöglichen die große Menge an gesammelten Daten und die Verfügbarkeit von Wearable-basierten Analyseplattformen die Entwicklung von Algorithmen zur automatisierten Vorhersage, Prävention und Intervention von Gesundheitsereignissen für ein breites Spektrum akuter und chronischer Erkrankungen2. Kommerziell erhältliche tragbare Sensoren, die vor allem für Fitness-Tracking eingesetzt werden, werden zunehmend auch von Medizinern in der Public-Health-Forschung eingesetzt und stellen ein vielversprechendes Werkzeug für die multimodale und kontinuierliche Datenerfassung unter realen Bedingungen dar3. Noch wichtiger ist jedoch, dass die unvoreingenommene Datenerfassung von Wearables-Sensoren es Forschern ermöglicht, die Herausforderungen der Erinnerungsverzerrung zu überwinden, die traditionelle Datenerfassungsmethoden wie Interviews und Tagebücher charakterisieren4.
Für die Zwecke klinischer Studien oder anderer Bevölkerungsstudien sind Datengenauigkeit, Zuverlässigkeit und Integrität jedoch unerlässlich. Darüber hinaus kann die Glaubwürdigkeit der gesammelten Daten auch durch mehrere andere Parameter beeinflusst werden, wie z. B. die Anwendbarkeit der Altersgruppe sowie die Speicherkapazität und Energieeffizienz des Geräts5. Jüngste systematische Übersichtsarbeiten von Labor- und Feldstudien mit begrenzter Teilnehmerzahl haben im Allgemeinen die Anwendbarkeit kommerzieller Smartwatches für die Überwachung von Aktivität, Herzfrequenz, Krampfanfällen und Verhalten bestätigt, obwohl die Reviews auch eine schlechte Eignung für ältere Benutzer sowie Einschränkungen der Batterie-, Speicher- und Datenqualität gezeigt haben 6,7 . Diese Einschränkungen können in größeren Bevölkerungsstudien unter realen Bedingungen weiter verstärkt werden, wo zusätzliche Parameter wie inkonsistente Internetverbindung, Gerätekomfort und falsche Smartwatch-Nutzung ins Spiel kommen8. Insbesondere Aussehen und Unannehmlichkeiten sind erhebliche Hindernisse für das tägliche Tragen von Sensoren9, während Bedenken in Bezug auf Datenschutz- und Vertraulichkeitsfragen die Rekrutierung in Studien mit tragbaren Sensoren beeinflussen können10. In Bezug auf die Anwendbarkeit kommerzieller Smartwatches und Fitness-Tracker zur Messung körperlicher Aktivität in Forschungsstudien schlug eine aktuelle Studie von Henriksen et al. vor, dass die Auswahl eines geeigneten Geräts für eine bestimmte Studie nicht nur auf den verfügbaren eingebetteten Sensoren basieren sollte, sondern auch die Validierung und frühere Verwendung in der Forschung berücksichtigen sollte. Aussehen, Akkulaufzeit, Robustheit, Wasserbeständigkeit, Konnektivität und Benutzerfreundlichkeit11.
Für die Zwecke dieser Studie stellen wir ein Protokoll zur Verbesserung der Herausforderungen vor, die während des LIFE MEDEA-Projekts aufgetreten sind, einer Interventionsstudie zur Milderung der gesundheitlichen Auswirkungen von Wüstenstaubstürmen12. Die Studie umfasste zwei verschiedene Bevölkerungsgruppen: asthmatische Kinder im Alter von 6-11 Jahren und ältere Patienten mit Vorhofflimmern (AF). Beide Gruppen wurden mit einer kommerziellen Smartwatch zur Beurteilung der körperlichen Aktivität (mit einem Herzfrequenzmesser, Schrittzähler und Beschleunigungsmesser) und des Standorts (Verwendung von GPS-Signalen zur Ortung von Personen in Innenräumen "zu Hause" oder in Outdoor-Mikroumgebungen) ausgestattet. Die Teilnehmer mussten die Smartwatch täglich tragen, und die Daten wurden über ein drahtloses Netzwerk über die Datenerfassungsanwendung an eine zentral verwaltete Datenerfassungsplattform übertragen, um die Einhaltung der Vorschriften nahezu in Echtzeit zu bewerten. Weitere Details zur Smartwatch und zum Systemaufbau finden Sie in einer früheren Studie13. Während des ersten Jahres der Projektdurchführung traten mehrere technische und reale Herausforderungen in Bezug auf das Gerät auf, die sich auf die Rekrutierung, die Einhaltung des täglichen Tragens des Geräts durch die Teilnehmer und die Vollständigkeit der gesammelten Daten auswirkten. Einige Herausforderungen waren bevölkerungsspezifisch, wie die Anforderung der Schulverwaltung und vieler Eltern, dass die Kinder, die die Smartwatches tragen, keinen Zugriff auf Standard-Smartwatch-Funktionen wie Spiele, Internetbrowser, Kamera und Audioaufnahmeanwendungen haben sollten. Andere Herausforderungen waren technischer Natur, wie der Verlust des GPS-Signals, insbesondere in Innenräumen, und interne Smartwatch-Einstellungen, die die Datenerfassungsanwendung stören. Tabelle 1 gibt einen detaillierten Überblick über die wichtigsten ermittelten Herausforderungen sowie eine kurze Beschreibung ihrer Auswirkungen und Lösungen.
In dieser Studie schlagen wir einfache, kostengünstige und Standardlösungen vor, um die Benutzer-Compliance, Datenqualität und Datenvollständigkeit in Bevölkerungsstudien mit tragbaren Sensoren zu verbessern und die relevanten Protokolle bereitzustellen. Darüber hinaus demonstrieren wir die Verbesserungen der Datenvollständigkeit durch die Implementierung solcher Protokolle anhand repräsentativer Ergebnisse aus der Studie13.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Administrative und ethische Genehmigungen wurden vom zyprischen Gesundheitsministerium (YY5.34.01.7.6E) und dem zyprischen nationalen Bioethikkomitee (ΕΕΒΚ/ΕΠ/2016.01.23) eingeholt. Patienten mit Vorhofflimmern und die Erziehungsberechtigten der asthmatischen Kinder gaben vor der Teilnahme an der Studie eine schriftliche Einverständniserklärung.
1. Anwendungsschließfächer und Geräteautomatisierungsanwendungen
HINWEIS: Frei verfügbare Anwendungsschließfächer und Geräteautomatisierungsanwendungen (Tasker) finden Sie sowohl für Android-Geräte als auch für IOS-Geräte. Die spezifischen Anwendungen, die in der vorliegenden Studie verwendet werden, sind in der Materialtabelle aufgeführt.
- Verwenden Sie ein Smartphone-Gerät, das vorzugsweise mit der gleichen Android-Version wie die Smartwatch ausgestattet ist.
- Laden Sie aus dem Play Store die Datensammlungsanwendung, das Anwendungsschließfach und den Tasker herunter, und installieren Sie sie.
- Laden Sie eine frei verfügbare Anwendung herunter, die das Android-Anwendungspaket (APK) der heruntergeladenen Anwendungen extrahieren kann, die bereits auf dem Smartphone installiert sind.
HINWEIS: Die Anwendung erstellt einen Ordner namens Extracted-APKS im internen Speicher des Smartphones und speichert die exportierten APK-Dateien. Speichern Sie die APK-Dateien, anstatt das Anwendungsschließfach und den Tasker während der Einrichtung jedes Smartwatch-Geräts herunterzuladen, um sicherzustellen, dass die gleichen Versionen der Anwendungen auf allen Geräten verwendet werden.
2. Entwicklung der automatisierten Verfahren mit dem Tasker
HINWEIS: Ein Tasker ermöglicht die schrittweise Entwicklung automatisierter Prozesse. Diese können je nach den Anforderungen des Projekts variieren. Vorherige Programmier- oder Programmiererfahrung ist nicht erforderlich. In den folgenden Schritten werden die folgenden Begriffe und Definitionen verwendet: Trigger (ein Startzustand, der es dem Tasker ermöglicht, den Prozess zu initiieren), Bedingung (eine Bedingung, die, wenn sie erfüllt ist, es dem Prozess ermöglicht, mit dem nächsten Schritt fortzufahren) und Aktion (das Prozessergebnis). In den bereitgestellten Figuren bezeichnet das Parallelogramm einen Auslöser, die Raute eine Bedingung und das Rechteck eine Aktion. Jeder Prozess kann zu mehr als einer Aktion führen, und diese werden unter jedem Prozess als Aktionen a, b, c, (...) bezeichnet. Für jedes einzelne Problem, das während der Felddurchführung des Projekts identifiziert wurde, wurde ein separater Prozess eingerichtet. Dieser Ansatz stellte sicher, dass es keine Überschneidungen zwischen den festgelegten Bedingungen gab und ermöglichte den reibungslosen Ablauf des automatisierten Prozesses als Ganzes.
- Starten Sie die Geräteautomatisierungsanwendung, und navigieren Sie zur Benutzeroberfläche, um Aufgaben zu erstellen.
HINWEIS: Die Schnittstelle unterscheidet sich zwischen verschiedenen Geräteautomatisierungsanwendungen. Die unten beschriebenen Schritte basieren auf dem Tasker, der in der hier vorgestellten Studieverwendet wurde 12, aber ähnliche Schritte gelten für alle Anwendungen dieser Art. Geräteautomatisierungsanwendungen ermöglichen die Entwicklung verschiedener Prozesse (auch Makros genannt). Alle in diesem Protokoll beschriebenen Makros sind in der Zusatzdatei 1 enthalten.- Um einen Prozess zu erstellen, wählen Sie Makros aus.
- Erstellen Sie einen Prozess, der die Datenerfassungsanwendung systematisch aktiviert (Abbildung 1). Führen Sie dazu die folgenden Schritte aus.
- Fügen Sie ein Makro oder eine Aufgabe hinzu, indem Sie auf das Pluszeichen klicken. Fügen Sie einen Trigger hinzu, um einen Startpunkt für den Prozess zu erstellen. Klicken Sie auf das Pluszeichen auf der Registerkarte Auslöser.
- Wählen Sie Datum und Uhrzeit und dann die Registerkarte Regelmäßiges Intervall aus. Verwenden Sie keine Referenzzeit, sondern legen Sie ein regelmäßiges Intervall fest.
- Legen Sie ein festes Zeitintervall fest, das als Auslöser zum Initiieren einer Prozedur fungiert. Stellen Sie das Intervall auf 7,5 Minuten ein und klicken Sie auf OK.
HINWEIS: Diese Bedingung erstellt einen regulären Trigger, der alle 7,5 Minuten ausgeführt wird. Die Auswahl des Triggerintervalls basiert auf der Batteriekapazität des Geräts und anderen Bedingungen, die den reibungslosen Betrieb der Datenerfassungsanwendung beeinträchtigen. - Um eine Aktion hinzuzufügen, klicken Sie auf das Pluszeichen auf der Registerkarte Aktion. Wählen Sie die Registerkarte Bedingungen/Schleifen . Wählen Sie die IF-Klausel aus.
- Fügen Sie eine Bedingung hinzu, indem Sie auf das Pluszeichen klicken. Wählen Sie die Registerkarte Datum und Uhrzeit . Wählen Sie Stoppuhr aus. Klicken Sie auf OK.
- Legen Sie eine feste Dauer fest, die als Bedingung hinzugefügt werden soll. Im Rahmen des Verfahrens wird getestet, ob ein Stoppuhrwert entweder >29 min oder <1 s beträgt.
HINWEIS: Ersteres spiegelt die Präferenz wider, die Datenerfassungsanwendung systematisch alle 30 Minuten zu aktivieren, und letzteres stellt die Präferenz dar, die Datenerfassungsanwendung auch in Fällen zu aktivieren, in denen die Stoppuhr nicht funktioniert oder angehalten hat. - Ändern Sie das UND, indem Sie auf das Dreieck klicken. Wählen Sie ODER.
HINWEIS: Wenn eine der Bedingungen erfüllt ist, kann der Prozess fortgesetzt werden. - Um eine Aktion zwischen der IF-Anweisung hinzuzufügen, klicken Sie auf End if. Wählen Sie oben Aktion hinzufügen aus.
- Navigieren Sie zur Registerkarte Bildschirm. Wählen Sie die Aktion Bildschirm ein und klicken Sie auf OK.
HINWEIS: Wenn die Bedingungen erfüllt sind, aktiviert der Tasker den Bildschirm. - Fügen Sie nach ähnlichen Schritten eine zweite Aktion hinzu, die die Helligkeit des Bildschirms auf den niedrigsten Prozentsatz reduziert.
- Fügen Sie eine zusätzliche Aktion hinzu, die die Stoppuhr, die in diesem automatisierten Prozess verwendet wird, zurücksetzt und neu startet. Dadurch entsteht eine Schleife.
- Führen Sie ähnliche Schritte aus, und fügen Sie eine Aktion hinzu, die die Datensammlungsanwendung aktiviert. Wählen Sie Anwendungen aus.
- Wählen Sie Anwendung starten aus. Suchen Sie die Datensammlungsanwendung, und wählen Sie sie aus. Wählen Sie NEU erzwingen und klicken Sie auf OK.
HINWEIS: Der Vorgang ist abgeschlossen. Der Trigger, die Bedingungen und die Aktionen werden festgelegt. Dieser Prozess ermöglicht es der Datenerfassungsanwendung systematisch in häufigen Zeitintervallen, einem zufälligen Anwendungsabsturz entgegenzuwirken. Die Aktion Bildschirm Ein wurde entwickelt, um die Ruhezustandseinstellungen von kommerziellen Geräten zu verhindern, und die Aktion Helligkeit bis 0% wird verwendet, um den Akkuverbrauch zu reduzieren. Die Aktion Stoppuhr (Reset und Neustart) schafft eine Schleife zu unserem Gesamtprozess. Wenn die Bedingung erfüllt ist, führt der Tasker die folgenden Aktionen aus: (a) Starten der Datenerfassungsanwendung, (b) Aktivieren des Smartwatch-Bildschirms, (c) Reduzieren der Bildschirmhelligkeit auf 0% und (d) Zurücksetzen und Neustarten der Stoppuhr, um eine Schleife zu erstellen. Aktion b und Aktion c sollen den Standardeinstellungen für den Ruhezustand kommerzieller Geräte entgegenwirken. Ruhezustandseinstellungen können den normalen Betrieb von Smartwatch-Anwendungen (einschließlich der Datenerfassungsanwendung) beeinträchtigen. Der Ruhezustand wird durch systematische Aktivierung des Bildschirms (Aktion b) aufgelöst, und um den Batterieverbrauch zu reduzieren, wird die Bildschirmaktivierung mit einer Verringerung der Bildschirmhelligkeit gekoppelt (Aktion c). - Geben Sie diesem Vorgang einen Namen, und wählen Sie Speichern aus.
- Erstellen Sie einen Prozess, der das WLAN der Smartwatch systematisch aktiviert (Abbildung 2).
- Fügen Sie einen Trigger hinzu, um einen Startpunkt für den Prozess zu erstellen. Klicken Sie auf das Pluszeichen auf der Registerkarte Auslöser . Wählen Sie Geräteereignisse und dann Bildschirm ein/aus aus. Wählen Sie Bildschirm Ein und klicken Sie auf OK.
- Fügen Sie eine Aktion hinzu, indem Sie auf das Pluszeichen auf der Registerkarte Aktion klicken. Wählen Sie die Registerkarte Bedingungen/Schleifen . Wählen Sie die IF-Klausel aus. Fügen Sie eine Bedingung hinzu, indem Sie auf das Pluszeichen klicken. Wählen Sie die Registerkarte Konnektivität aus. Wählen Sie Wi-Fi State (WLAN-Status) aus. Wählen Sie Wi-Fi deaktiviert und klicken Sie auf OK.
- Klicken Sie auf das Ende wenn. Wählen Sie oben Aktion hinzufügen aus. Wählen Sie die Registerkarte Konnektivität aus. Klicken Sie auf die Registerkarte Wi-Fi Configure . Wählen Sie WLAN aktivieren und klicken Sie auf OK. Dies ist Aktion a des Prozesses in Schritt 2.3.
HINWEIS: Bei der Bildschirmaktivierung und wenn das Wi-Fi deaktiviert ist, aktiviert der Tasker das Wi-Fi. - Fügen Sie eine zusätzliche Aktion zwischen der IF-Anweisung hinzu, die Stopwatch_2 zurücksetzt und neu startet. Dies ist Aktion b des Prozesses in Schritt 2.3.
HINWEIS: Die Stoppuhr ist wichtig, um das WLAN nach einigen Minuten zu deaktivieren, was eine Aktion ist, die von einem anderen Prozess im Protokoll ausgeführt wird (Schritt 2.5). Die Smartwatch muss nicht ständig mit dem WLAN verbunden sein, da dies den Batterieverbrauch erhöht. - Geben Sie diesem Vorgang einen Namen, und wählen Sie Speichern aus.
- Erstellen Sie einen Prozess, der den Batterieverbrauch systematisch optimiert (Abbildung 3).
HINWEIS: Smartwatch-Geräte haben normalerweise Standardeinstellungen, um den Bildschirm nach einigen Sekunden zu deaktivieren. Für das in unserer Studie verwendete Gerät betrug dieser Zeitraum 15 s. Die Tests werden in Schritt 2.7 vorgestellt.- Verwenden Sie die Standard-Bildschirmdeaktivierung als Auslöser.
- Legen Sie eine Bedingung fest, die die Kombination testet, ob die Smartwatch nicht aufgeladen wird und nicht mit einem Netzwerk verbunden ist. Wenn beides zutrifft, deaktiviert der Prozess die Wi-Fi-Verbindung, um den Akkuverbrauch zu reduzieren. Dies ist Aktion a des Prozesses in Schritt 2.4.
HINWEIS: Wenn die Smartwatch aufgeladen wird, muss das WLAN aktiviert bleiben, damit alle tagsüber gesammelten Daten über die Wi-Fi-Verbindung an unseren Online-Server gesendet werden können. In der Regel erfolgt der Ladevorgang über Nacht. - Legen Sie eine Bedingung fest, die testet, ob Bluetooth aktiviert ist. Wenn dies der Fall ist, ist Bluetooth deaktiviert, um den Akkuverbrauch zu reduzieren. Dies ist Aktion b des Prozesses in Schritt 2.4.
- Legen Sie eine zusätzliche Aktion fest, die nach dem Trigger automatisch aktiviert wird. Diese Aktion setzt die Bildschirmhelligkeit auf 50% (Aktion c des Prozesses in Schritt 2.4).
HINWEIS: Benutzerinteraktionen können die Helligkeitsstufen ändern. Höhere Bildschirmhelligkeitsstufen entladen den Akku schneller, und als Ganzes wird die Bildschirmhelligkeit auf 50% als optimales Niveau eingestellt, das es dem Benutzer ermöglicht, einfach mit der Smartwatch zu interagieren und gleichzeitig den Akku zu schonen.
- Erstellen Sie einen Prozess, der Ereignisinformationen systematisch protokolliert (Abbildung 4).
- Fügen Sie einen Trigger hinzu, um einen Startpunkt für den Prozess zu erstellen. Klicken Sie auf das Pluszeichen auf der Registerkarte Auslöser . Wählen Sie Datum und Uhrzeit aus. Wählen Sie die Registerkarte Regelmäßiges Intervall aus. Verwenden Sie keine Referenzzeit.
- Legen Sie das reguläre Intervall fest. Legen Sie ein festes Zeitintervall fest, das als Auslöser zum Initiieren der Prozedur fungiert. Stellen Sie das Intervall auf 5 Minuten ein und klicken Sie auf OK.
HINWEIS: Dadurch wird ein unendlicher Trigger erstellt, der alle 5 Minuten ausgeführt wird. Die Auswahl des Intervalls basiert auf der Batteriekapazität des Geräts und anderen Bedingungen, die von den Anforderungen des Forschers abhängen. - Um eine Aktion hinzuzufügen, klicken Sie auf das Pluszeichen auf der Registerkarte Aktion . Wählen Sie Protokollierung aus. Klicken Sie auf Ereignis protokollieren.
- Klicken Sie auf die Registerkarte Auslassungspunkte . Wählen Sie Wi-Fi SSID (Wi-Fi-Netzwerkname ) aus, und wählen Sie OK aus.
- Wenn Sie erneut auf die Registerkarte Ellipsenpunkte klicken und genau die gleichen Schritte ausführen, fügen Sie die WLAN-Signalstärke, die Seriennummer des Geräts, den GPS-Breitengrad, den GPS-Längengrad, die Genauigkeit des GPS-Signals sowie die Frage, ob die Smartwatch aufgeladen wird oder nicht (Aktion a des Prozesses in Schritt 2.5).
HINWEIS: Diese Aktion erstellt ein Protokollereignis mit vordefinierten Variablen, die für das Projekt relevant sind. - Geben Sie diesem Vorgang einen Namen, und wählen Sie Speichern aus.
- Klicken Sie auf die Registerkarte Protokollierung und legen Sie eine Bedingung fest, die die Kombination testet, ob die Smartwatch nicht aufgeladen wird, der Bildschirm ausgeschaltet ist und die unter Punkt beschriebene Stoppuhr
2.3.3 ist >4 min und deaktiviert das WLAN, wenn alle diese Bedingungen erfüllt sind (Aktion b des Prozesses in Schritt 2.5).
- Erstellen eines Prozesses, der Benutzerbenachrichtigungen bereitstellt, wenn das GPS-Signal deaktiviert ist (Abbildung 5).
- Legen Sie die Verbindung zu einem Wi-Fi-Netzwerk als Auslöser fest.
- Legen Sie eine Aktion fest, die nach dem Trigger automatisch aktiviert wird. Diese Aktion erstellt einen Protokollereignispunkt ähnlich dem in Schritt 2.5.2 (Aktion a des Prozesses in Schritt 2.6).
HINWEIS: Dieses zusätzliche Protokollereignis liefert Informationen über den genauen Zeitpunkt, zu dem die Smartwatch mit dem Wi-Fi-Heimnetzwerk verbunden war. - Legen Sie eine Bedingung fest, die testet, ob der GPS-Sensor deaktiviert, sein Genauigkeitsstatus geändert wurde oder der Flugzeugmodus aktiviert wurde. Fügen Sie eine Aktion zwischen der IF-Anweisung hinzu, die den Benachrichtigungsfehler "ERROR!!! anzeigt. Bitte überprüfen Sie die Einstellungen" (Aktion b des Prozesses in Schritt 2.6).
- Testen Sie jeden erstellten Prozess.
- Klicken Sie auf die Registerkarte Prozess .
- Klicken Sie auf die Registerkarte Trigger .
- Wählen Sie Testtrigger aus.
HINWEIS: Der Testtrigger initiiert die Aktionen des ausgewählten Prozesses. Wenn das Ergebnis das beabsichtigte ist, wird der Prozess gespeichert.
3. Exportieren der erstellten Prozesse (Schritte 2.1-2.6)
- Exportieren und speichern Sie die Dateien der erstellten Prozesse (Schritte 2.1-2.6) im MDR-Format (MDR-Datei) im selben Smartphone-Verzeichnis wie in Schritt 1.1.3.
4. Übertragung und Installation der erstellten Dateien auf die Smartwatch
- Übertragen Sie die Dateien vom Smartphone auf einen Laptop/PC.
- Verbinden Sie das Smartphone mit dem Laptop/PC.
- Suchen Sie das Verzeichnis mit den extrahierten APK- und MDR-Dateien (Tasker-Erweiterungsdateien), die mit der Geräteautomatisierungsanwendung erstellt wurden.
- Kopieren Sie alle Dateien und fügen Sie sie in ein Verzeichnis auf dem Laptop / PC ein.
- Übertragen Sie die Dateien vom Laptop / PC auf das Smartwatch-Gerät.
HINWEIS: In der Studie war die Smartwatch auch mit einem magnetischen Ladekabel ausgestattet, das auch die Übertragung von Daten/Dateien ermöglichte.- Verbinden Sie die Smartwatch mit dem magnetischen Ladegerät mit dem Laptop/PC.
- Wählen Sie die Option zum Übertragen von Dateien im Smartwatch-Benachrichtigungsfeld aus.
- Navigieren Sie auf dem Laptop/PC zu dem Verzeichnis mit den gespeicherten Dateien aus Schritt 4.1.2.
- Kopieren Sie alle Dateien und fügen Sie sie in ein Verzeichnis auf der Smartwatch ein.
5. Einrichten der Smartwatch für den Feldeinsatz
- Installieren Sie die Anwendungen sowie die Prozesse auf dem Smartphone auf der Smartwatch.
- Navigieren Sie zum Ziel mit den eingefügten Dateien und installieren Sie alle APK-Dateien. Dazu gehören das Anwendungsschließfach, der Tasker und die Datenerfassungsanwendung (siehe Materialtabelle).
- Installieren Sie die MDR-Datei, die die in Schritt 2 erstellten Prozesse enthält.
- Akzeptieren Sie alle Berechtigungen, die zum Ausführen der Prozesse erforderlich sind.
HINWEIS: Die Berechtigungen können je nach Art der erstellten Prozesse variieren.
- Legen Sie die wichtigen Standardeinstellungen des Geräts fest oder ändern Sie sie.
HINWEIS: Bevor die Smartwatch an einen Teilnehmer übergeben wird, müssen einige wichtige Einstellungen geändert werden.- Wischen Sie auf dem Smartwatch-Bildschirm nach links, und navigieren Sie zur Smartwatch-Einstellungsfunktion. Klicken Sie auf Einstellungen.
- Wählen Sie Sound aus, und deaktivieren Sie alle Sounds, indem Sie die Lautstärke aller einzelnen Soundeinstellungen minimieren. Wischen Sie den Bildschirm nach rechts, um zum Haupteinstellungsbildschirm zurückzukehren.
HINWEIS: Ablenkungen und unnötige Benachrichtigungen durch die Smartwatch werden nicht empfohlen, da dies zu unnötigem Ärger für die Teilnehmer führt, insbesondere während der Schul- und Arbeitszeit. - Scrollen Sie nach unten und wählen Sie die Funktion Verbinden . Scrollen Sie nach unten und wählen Sie GPS. Klicken Sie auf Modus und stellen Sie die GPS-Einstellungen auf Hohe Genauigkeit ein.
- Wischen Sie den Bildschirm nach rechts, um zum Haupteinstellungsbildschirm zurückzukehren.
- Scrollen Sie nach unten, wählen Sie die Energiesparfunktion, deaktivieren Sie die Standby-Intelligenz-Energieeinstellung, und überprüfen Sie, ob der Stromsparmodus immer ausgeschaltet ist. Wischen Sie den Bildschirm nach rechts, um zum Haupteinstellungsbildschirm zurückzukehren.
HINWEIS: Obwohl der Batterieverbrauch berücksichtigt werden muss, kann die Aktivierung des Standard-Energiesparmodus den reibungslosen Betrieb der Anwendungen beeinträchtigen und die Datenqualität und -vollständigkeit beeinträchtigen. - Führen Sie einen Bildlauf nach unten durch, und wählen Sie die Funktion Datum und Uhrzeit aus. Deaktivieren Sie die Registerkarte Automatische Zeitzone . Scrollen Sie nach unten, klicken Sie auf Zeitzone auswählen, wählen Sie die richtige Zeitzone aus und aktivieren Sie das 24-Stunden-Format.
- Führen Sie einen Bildlauf nach oben durch, aktivieren Sie die automatische Zeitzone, und überprüfen Sie, ob der Modus Automatisches Datum und Uhrzeit auf Vom Netzwerk bereitgestellte Zeit verwenden eingestellt ist.
HINWEIS: Dies ist wichtig, um sicherzustellen, dass jede Sensormessung vom richtigen Zeitstempel begleitet wird. - Wischen Sie den Bildschirm nach rechts, um zum Haupteinstellungsbildschirm zurückzukehren. Scrollen Sie nach unten, wählen Sie Mehr, öffnen Sie die Option Hintergrundbereinigung und deaktivieren Sie den Stromsparmodus.
HINWEIS: Alle Einstellungen, die den reibungslosen Betrieb von Anwendungen im Hintergrund beeinträchtigen, müssen deaktiviert werden. In diesem Fall ist eine solche Einstellung der Hintergrundreiniger, und wenn sie aktiviert bleibt, können diese Anwendungen nicht im Hintergrund arbeiten, was sich auf die allgemeine Einrichtung der Smartwatch auswirkt und den Datenerfassungsansatz beeinträchtigt. - Wischen Sie den Bildschirm nach rechts, um zum Bildschirm Weitere Einstellungen zurückzukehren, scrollen Sie nach unten, wählen Sie die App Freeze-Funktion , klicken Sie auf Weiter, scrollen Sie nach unten, klicken Sie auf Google Play Store und wählen Sie Einfrieren; Die Anwendung wird automatisch deaktiviert.
HINWEIS: Wenn der Play Store aktiviert bleibt, führt er wahrscheinlich Updates durch. Solche Aktualisierungen können die erstellten Prozesse beeinträchtigen. Darüber hinaus können einige Aktualisierungen an verschiedenen Tagen für die verschiedenen Studienteilnehmer stattfinden, so dass die Daten für einen bestimmten Zeitraum nicht auf die gleiche Weise von allen Teilnehmern erhoben werden. - Wischen Sie den Bildschirm nach rechts, um zum Bildschirm Weitere Einstellungen zurückzukehren, wählen Sie die Funktion Benachrichtigungen, wählen Sie Google und blockieren Sie alle Benachrichtigungen aus dieser Anwendung.
HINWEIS: Je nach Gerät und Betriebssystem können auch andere Anwendungen Benachrichtigungen anzeigen. Ablenkungen und unnötige Benachrichtigungen durch die Smartwatch werden nicht empfohlen, da dies vor allem während der Schul- und Arbeitszeit unnötigen Ärger für die Teilnehmer verursacht. - Wischen Sie auf dem Bildschirm nach rechts, um zum Bildschirm Weitere Einstellungen zurückzukehren, scrollen Sie nach unten, wählen Sie die Datensparfunktion aus und deaktivieren Sie den Datensparmodus . Wischen Sie auf dem Bildschirm nach rechts, um zum Bildschirm Weitere Einstellungen zurückzukehren.
HINWEIS: Deaktivieren Sie alle Einstellungen oder Funktionen, die sich auf das Hochladen oder Empfangen von Daten auswirken können. - Wählen Sie die Funktion App-Einstellungen , scrollen Sie nach unten, wählen Sie die Funktion Spezieller Zugriff und klicken Sie auf Einstellungen zur Akkuoptimierung . Klicken Sie auf das Dreieck und wählen Sie Alle Apps.
- Scrollen Sie nach unten, um das Anwendungsschließfach zu finden, wählen Sie das Anwendungsschließfach aus, wählen Sie Nicht optimieren und klicken Sie auf Fertig. Suchen Sie alle relevanten Anwendungen, die im Smartwatch-Setup verwendet werden (Anwendungsschließfach, Tasker, Datenerfassungsanwendung), und wählen Sie Nicht optimieren aus.
HINWEIS: Die Hauptanwendungen, die die Datenerfassung durchführen oder unterstützen, müssen ohne Batteriebeschränkungen funktionieren. - Führen Sie nach Abschluss des Setups eine Überprüfung der Einstellungen durch, die in diesem Schritt implementiert wurden.
HINWEIS: Die Reaktionsfähigkeit des Touchscreens kann fehlen, und wichtige Änderungen an den Einstellungen wurden möglicherweise nicht korrekt durchgeführt, also führen Sie eine Überprüfung durch, um sicherzustellen, dass jeder Schritt korrekt ausgeführt wurde. Überprüfen Sie erneut, ob alle Geräusche und Vibrationen minimiert sind, sich das GPS im Hochgenauigkeitsmodus befindet und die Datums- und Uhrzeiteinstellungen korrekt sind. Stellen Sie außerdem sicher, dass Sie alle Einstellungen deaktivieren, die den reibungslosen Betrieb der Anwendungen im Hintergrund beeinträchtigen. Stellen Sie außerdem sicher, dass alle anderen Anwendungen, die Updates ausführen können, eingefroren sind. Deaktivieren Sie alle Einstellungen oder Funktionen, die sich auf das Hochladen oder Empfangen von Daten auswirken können. Stellen Sie sicher, dass die Hauptanwendungen, die die Datenerfassung ausführen oder unterstützen, ohne Batterieeinschränkungen ausgeführt werden können.
- Richten Sie das Anwendungsschließfach ein.
- Navigieren Sie auf dem Startbildschirm zu den installierten Anwendungen.
- Wählen Sie App Locker aus.
- Wählen Sie aus, wie der App Locker die Anwendungen sperren soll (unter anderem können Sie einen PIN-Code oder Mustercode verwenden).
- Wählen Sie die Anwendungen aus, die Sie sperren möchten. Unter anderem können die Kamera-, Sprachaufzeichnungs-, Browser- und Gaming-Anwendungen gesperrt werden. Aktivieren Sie den App Locker.
- Verbinden Sie die Smartwatch mit dem WLAN-Heimnetzwerk des Teilnehmers.
HINWEIS: Die Einrichtung ist abgeschlossen. Die Smartwatch ist bereit, einem Teilnehmer übergeben zu werden.
- Erlauben Sie dem Teilnehmer, die Smartwatch zu verwenden.
- Weisen Sie die Teilnehmer an, die Smartwatch täglich zu tragen und das Gerät jede Nacht während ihres Schlafes aufzuladen.
HINWEIS: Im Laufe des Tages konnten die Teilnehmer die Smartwatch als normale Digitaluhr verwenden und ihr Aktivitätsniveau über die Schrittzähleranzeige der Smartwatch bewerten. Die Teilnehmer mussten keine spezifischen Aufgaben ausführen, damit die Smartwatch die Daten sammeln und übermitteln konnte. Die im Protokoll beschriebene Konfiguration der Geräte in Kombination mit den mit dem Tasker entwickelten automatisierten Prozessen minimierte den Aufwand für die Teilnehmer.
- Weisen Sie die Teilnehmer an, die Smartwatch täglich zu tragen und das Gerät jede Nacht während ihres Schlafes aufzuladen.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Das Protokoll beschreibt einfache und kostengünstige Lösungen für reale Herausforderungen, die sich auf Rekrutierung, Compliance und Datenqualität in Bevölkerungsstudien mit tragbaren Sensoren auswirken. Die hier beschriebenen Schritte ermöglichten die erfolgreiche Einrichtung eines tragbaren Verbrauchergeräts zur Expositions- und Gesundheitsüberwachung in einer großen Bevölkerungsstudie mit Kindern mit Asthma und Erwachsenen mit Vorhofflimmern. Abbildung 6 bietet einen grafischen Überblick über die bereitgestellten Protokolle und veranschaulicht die wichtigsten Schritte, die unternommen wurden, um die wichtigsten zugrunde liegenden Probleme anzugehen.
Hier präsentieren wir die repräsentativen Ergebnisse einer Untergruppe von 17 Teilnehmern (asthmatische Kinder im Alter von 6-11 Jahren), die im Frühjahr 2020 an der LIFE MEDEA-Studie teilgenommenhaben 13. Die 17 Teilnehmer wurden mit einer Smartwatch ausgestattet, die vor und nach der Implementierung des Protokolls zeitgestempelte Daten über körperliche Aktivität (Schrittzähler, Beschleunigungssensor, Herzfrequenz) und GPS-Standorte lieferte. Diese Daten wurden über die Datenerfassungsanwendung gesammelt und automatisch mit einer Cloud-basierten Datenbank synchronisiert, wenn die Smartwatch mit dem Wi-Fi-Netzwerk im Haus jedes Teilnehmers in Kontakt stand, wie zuvorbeschrieben 13. Durch die Anwendung des beschriebenen Protokolls wurden jedoch auch Informationen über Wi-Fi-Konnektivität, Wi-Fi-Signalstärke, Batteriekapazität und ob das Gerät aufgeladen wurde oder nicht, zur Verfügung gestellt. Die Daten zu diesen zusätzlichen Variablen wurden nicht automatisch mit der Cloud-basierten Datenbank synchronisiert, sondern mussten nach Ende des Untersuchungszeitraums manuell von jeder Smartwatch per Bluetooth heruntergeladen werden. Durch den Vergleich der Daten, die für einen Zeitraum von 2 Wochen vor und 2 Wochen nach der Protokollimplementierung gesammelt wurden, bewerteten wir die Auswirkungen dieser Lösungen auf die Verbesserung der Datenvollständigkeit, definiert als Prozentsatz der Zeit mit gesammelten Daten pro Tag. Abbildung 7A zeigt den Prozentsatz der Zeit mit Daten vor und nach der Protokollimplementierung für jeden Teilnehmer separat, während Abbildung 7B die entsprechenden Verteilungen des Prozentsatzes der Zeit mit Daten für die gesamte Gruppe vor und nach der Protokollimplementierung darstellt. Interessanterweise führte die Protokollimplementierung zu einem statisch signifikanten Anstieg der Datenvollständigkeit, wobei der Prozentsatz der Zeit mit Daten von einem Median von 36,5% (min: 9,3%, max: 68,1%) auf einen Median von 48,9% (IQR: 18,4%, 77,8%, p = 0,013) anstieg.
Darüber hinaus zeigen wir in Abbildung 8 einen extremen Fall von schlechten GPS-Daten, die während 24 Stunden von einem einzelnen Patienten mit Vorhofflimmern gesammelt wurden, der an der Studie teilnahm. Obwohl der Patient die Uhr wie angewiesen trug, war das tatsächlich gesammelte rohe GPS-Signal über die 24 h verstreut (Abbildung 8A), und die Schätzung der Dauer der Zeit in Innenräumen und der Dauer der Zeit im Freien war schwierig. Die Implementierung eines GPS-Datenfüllalgorithmus (ergänzende Abbildung 1) ermöglicht es, fehlende Daten durch Schätzwerte zu ersetzen (Abbildung 8B). Die Bestätigung, dass die geschätzte Zeit in Innenräumen und die geschätzte Zeit im Freien korrekt waren, wurde durch die protokollierte Smartwatch-Konnektivität mit dem Wi-Fi-Netzwerksignal bereitgestellt (Abbildung 8C). Für denselben Patienten zeigen wir auch einen weiteren Extremfall eines Tages mit schlechten GPS-Daten (Abbildung 9A). In diesem Fall hat die Implementierung des GPS-Datenfüllalgorithmus allein jedoch nicht alle fehlenden Daten genau geschätzt. Bezeichnenderweise schätzte der Algorithmus korrekt, dass sich der Teilnehmer an diesem Tag zwischen ca. 09:00 und 21:00 Uhr meist außerhalb seines Wohnsitzes befand und dass er gegen 18:00 Uhr für kurze Zeit nach Hause zurückkehrte, aber er konnte nicht erfassen, dass der Teilnehmer auch für einen Zeitraum von etwa 90 Minuten um ca. 13:30 Uhr nach Hause zurückkehrte (Abbildung 9B). Dennoch wurde dieses Ereignis nicht verpasst, als auch die Daten zur Smartwatch-Konnektivität mit dem Wi-Fi-Netzwerksignal berücksichtigt wurden (Abbildung 9C).
Schließlich wurde das Protokoll nach erfolgreicher Pilotierung im Frühjahr 2020 in der gesamten Kohorte der MEDEA-Teilnehmer sowohl in Zypern als auch in Griechenland (n = 108 asthmatische Kinder) umgesetzt. Einige Wochen nachdem die Smartwatches an die Kinder verteilt wurden und die Datenerhebung begann, setzten die Gesundheitsbehörden in Zypern und Griechenland jedoch eine Reihe von Maßnahmen im Bereich der öffentlichen Gesundheit von zunehmender Intensität durch, um die COVID-19-Pandemie in ihren jeweiligen Ländern zu kontrollieren. Die Interventionen im Bereich der öffentlichen Gesundheit waren zunächst durch soziale Distanzierungsmaßnahmen und ein Verbot großer öffentlicher Veranstaltungen gekennzeichnet, eskalierten jedoch schnell zu strengen nationalen Lockdowns in den Monaten März und April. Angesichts der beispiellosen Störungen im Tagesablauf und Verhalten der Bevölkerung wurde beschlossen, den Standort und die Aktivität asthmatischer Kinder mit den Smartwatches während der Dauer der Lockdowns weiterhin zu verfolgen, um ihre Einhaltung der Interventionsmaßnahmen im Bereich der öffentlichen Gesundheit und die allgemeinen Veränderungen der körperlichen Aktivität objektiv zu quantifizieren. Die gesammelten Daten wurden verwendet, um individuelle Profile der täglichen "Bruchzeit zu Hause" und "Gesamtschritte/Tag" zu berechnen und wurden statistisch analysiert, um Veränderungen dieser Parameter über das eskalierende Niveau der COVID-19-Lockdown-Maßnahmen zu bewerten. Der Zeitplan und die Beschreibung der eskalierenden COVID-19-Lockdown-Maßnahmen in den beiden Ländern sind in Abbildung 10 dargestellt und werden von Kouis et al. in einer früheren Publikationausführlich beschrieben 13. Zusammenfassend zeigten die Ergebnisse einen statistisch signifikanten mittleren Anstieg der "Bruchzeit zu Hause" in beiden Ländern über die steigenden Interventionsniveaus hinweg. Der durchschnittliche Anstieg der "Bruchzeit zu Hause" betrug 41,4 % bzw. 14,3 % (Stufe 1), 48,7 % bzw. 23,1 % (Stufe 2) bzw. 45,2 % bzw. 32,0 % (Stufe 3) für Zypern und Griechenland. Die körperliche Aktivität in Zypern und Griechenland zeigte signifikante mittlere Abnahmen von −2.531 und −1.191 Schritten/Tag (auf Stufe 1), −3.638 und −2.337 Schritte/Tag (auf Stufe 2) und −3.644 bzw. −1.961 Schritte/Tag (auf Stufe 3) in Zypern und Griechenland13. Die wöchentlichen Durchschnittswerte der "Bruchzeit zu Hause" und der "Gesamtschritte/Tag" bei asthmatischen Kindern vor COVID-19 und während der drei Stufen der COVID-19-Lockdown-Maßnahmen sind in Abbildung 11 13 dargestellt.
ERKLÄRUNG ZUR DATENVERFÜGBARKEIT:
Der anonymisierte Datensatz wurde an das Online-Open-Access-Repositorium von Figshare (https://doi.org/10.6084/m9.figshare.21601371.v3) übermittelt.
Tabelle 1: Reale Herausforderungen in Bezug auf die Verwendung von Smartwatch-Geräten und die verwendeten Lösungen. Bitte klicken Sie hier, um diese Tabelle herunterzuladen.
Abbildung 1: Aktivieren der Datenerfassungsanwendung. Schematische Darstellung des Prozesses zur systematischen Aktivierung der Datenerfassungsanwendung. Das Parallelogramm bezeichnet einen Trigger, die Raute eine Bedingung und das Rechteck eine Aktion. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.
Abbildung 2: Aktivieren der Wi-Fi-Konnektivität. Schematische Darstellung des Prozesses zur systematischen Aktivierung der Wi-Fi-Konnektivität. Das Parallelogramm bezeichnet einen Trigger, die Raute eine Bedingung und das Rechteck eine Aktion. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.
Abbildung 3: Optimierung des Batterieverbrauchs. Schematische Darstellung der Prozesse, die zu Maßnahmen führen, die den Batterieverbrauch systematisch optimieren. Das Parallelogramm bezeichnet einen Trigger, die Raute eine Bedingung und das Rechteck eine Aktion. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.
Abbildung 4: Protokollieren von Ereignisinformationen. Schematische Darstellung der Prozesse, die systematisch projektrelevante Ereignisinformationen protokollieren. Das Parallelogramm bezeichnet einen Trigger, die Raute eine Bedingung und das Rechteck eine Aktion. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.
Abbildung 5: Benutzerbenachrichtigung, wenn das GPS-Signal deaktiviert ist. Schematische Darstellung der Prozesse, die systematisch den GPS-Signalstatus überprüfen und Benachrichtigungen bereitstellen, um Benutzer auf Probleme aufmerksam zu machen. Das Parallelogramm bezeichnet einen Trigger, die Raute eine Bedingung und das Rechteck eine Aktion. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.
Abbildung 6: Schematische Übersicht der Protokolle. Schematische Übersicht über die identifizierten zugrunde liegenden Herausforderungen und die bereitgestellten Protokolle mit einer Darstellung der wichtigsten Schritte in den Prozessen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.
Abbildung 7: Vollständigkeit der Daten vor und nach der Implementierung des Protokolls. Vollständigkeit der Daten für eine repräsentative Teilnehmergruppe (n = 17) für einen Zeitraum von 2 Wochen vor und nach Durchführung des Protokolls. (A) Der Prozentsatz der Zeit mit Daten vor und nach der Protokollimplementierung für jeden Teilnehmer separat. (B) Die entsprechenden Verteilungen für die gesamte Gruppe. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.
Abbildung 8: Implementierung des GPS-Datenfüllalgorithmus (Extremfall 1). (A) Beispielfall eines Tages mit schlechten GPS-Rohsignaldaten und (B) die Implementierung des GPS-Datenfüllalgorithmus, um die fehlenden Daten durch Schätzwerte zu ersetzen. (C) Die Bestätigung der Klassifizierungen im Innen- und Außenbereich basierend auf der Anzeige des empfangenen Wi-Fi-Signals. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.
Abbildung 9: Implementierung eines GPS-Datenfüllalgorithmus (Extremfall 2). (A) Beispielfall eines Tages mit schlechten GPS-Rohsignaldaten und (B) die Implementierung des GPS-Datenfüllalgorithmus, um die fehlenden Daten durch geschätzte Werte zu ersetzen. (C) Der GPS-Datenfüllalgorithmus führte zu einer Fehlklassifizierung im Innen- und Außenbereich, die mithilfe der Wi-Fi-Empfangssignalanzeige behoben wurde. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.
Abbildung 10: Zeitleiste der Maßnahmen im Bereich der öffentlichen Gesundheit in Zypern und Griechenland. Zeitleiste der Studienaufzeichnungen in Bezug auf die Einführung von Interventionen im Bereich der öffentlichen Gesundheit in (A) Zypern und (B) Griechenland im März und April 2020.Das Bild wurde unter der Lizenz CC BY 4.0 unverändert aus der Originalstudie von Kouis et al. reproduziert, die zuerst in Scientific Reports Journal13 veröffentlicht wurde. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.
Abbildung 11: Veränderungen der Mobilität als Reaktion auf Interventionen im Bereich der öffentlichen Gesundheit bei asthmatischen Kindern. Wöchentliche Durchschnittswerte des Bruchteils der zu Hause verbrachten Zeit und Schritte/Tag asthmatischer Kinder vor und während der drei Ebenen der Maßnahmen im Bereich der öffentlichen Gesundheit in (A) Zypern und (B) Griechenland. Das Bild wird unter der Lizenz CC BY 4.0 unverändert aus der Originalstudie von Kouis et al. reproduziert, die zuerst im Scientific Reports Journal13 veröffentlicht wurde. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.
Ergänzende Abbildung 1: Die Implementierung eines GPS-Datenfüllalgorithmus. Bitte klicken Sie hier, um diese Datei herunterzuladen.
Ergänzendes Dossier 1: Die in diesem Protokoll beschriebenen Makros. Bitte klicken Sie hier, um diese Datei herunterzuladen.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Tragbare Sensoren sind nützliche Werkzeuge, die eine kontinuierliche und nicht-invasive Überwachung von Gesundheitsparametern und Patientenverhalten ermöglichen. Kommerzielle Smartwatches, die mit einer Vielzahl von Sensoren ausgestattet sind, bieten eine vielversprechende Alternative zu herkömmlichen Datenerfassungsmethoden, und es wird erwartet, dass ihre Verwendung in der klinischen und öffentlichen Gesundheitsforschung aufgrund der zunehmenden Vielfalt und Qualität der eingebauten Sensoren, stärkerer Partnerschaften zwischen Wissenschaft und Industrie und Senkung der Einzelhandelspreise nur zunehmenwird 14 . In dieser Studie heben wir reale Herausforderungen hervor, die sich auf die Rekrutierung, Benutzer-Compliance und Datenqualität in Bevölkerungsstudien auswirken können, und geben Beispiele für einfache und kostengünstige Lösungen, um diese vor Ort zu überwinden. Die Implementierung dieses Protokolls während des Roll-outs der Studie13 führte zu deutlich verbesserten Ergebnissen in Bezug auf Datenvollständigkeit und Datenqualität. Die kritischsten Schritte innerhalb des Protokolls sind Schritt 2.2 (der die systematische Aktivierung der Datenerfassungsanwendung in regelmäßigen Zeitintervallen sicherstellt), Schritt 2.5 (der ein separates Protokoll wichtiger Ereignisse über den Smartwatch-Status bereitstellt) und Schritt 5.2.8 (der den unterbrechungsfreien Betrieb der Smartwatch-Hintergrundprozesse ermöglicht).
In der Vergangenheit haben sich mehrere Studien mit der Gültigkeit von tragbaren Verbrauchergeräten für eine Vielzahl von Gesundheits- und Aktivitätsendpunkten befasst, und die Ergebnisse wurden kürzlich in einer großen systematischen Überprüfung und Metaanalyse zusammengefasst15. Von den insgesamt 169 Studien, die in der systematischen Überprüfung identifiziert wurden, betrafen jedoch nur 48 Populationen in einem freien Lebensumfeld, während nur 36 Studien Populationen mit irgendeiner Art von Mobilitätseinschränkung oder einer chronischen Krankheit umfassten. Obwohl die Autoren zu dem Schluss kamen, dass die kommerziellen Geräte insgesamt für die Messung von Schritten und Herzfrequenz genau sind, insbesondere in Laborumgebungen, wiesen sie auf das Risiko einer Über- oder Unterschätzung in freien Lebensumgebungen hin, während Unterschiede in der Verwendbarkeit und Validität von Messungen zwischen gesunden Kontrollpersonen und chronischen Patienten nicht untersucht wurden15 . Beide Punkte sind besonders wichtig, da eines der Hauptargumente für die Umstellung auf digitale Gesundheit darin besteht, die Überwachung von Patienten mit chronischen Krankheiten außerhalb von Gesundheitseinrichtungen zu ermöglichen16.
Dennoch haben sich einige frühere Studien auf Probleme konzentriert und quantifiziert, auf die Teilnehmer und Forscher während der Einführung klinischer Studien in freien Lebensumgebungen mit tragbaren Geräten für Verbraucher gestoßen sind17,18,19. In einer gut durchgeführten Machbarkeitsstudie, die eine kleine Anzahl von Teilnehmern (n = 26) umfasste, diese aber über einen signifikanten Zeitraum (3 Monate) beobachtete, berichteten Beukenhorst et al., dass die Patienten die Uhr im Durchschnitt an 73% der Tage trugen und dass die vorübergehende und dauerhafte Nichtnutzung in den Studienwochen17 zunahm.
In einer viel größeren Gruppe berichteten Galarnyk et al., dass von insgesamt 230 Personen, die in der Studie rekrutiert und mit einer Smartwatch ausgestattet waren, nur 130 (57%) diese mindestens einmal benutzten und erfolgreich einige Datenübermittelten 18. Darüber hinaus haben einige Studien auch die Tatsache hervorgehoben, dass während der Umsetzungsphase intensive technische Unterstützung erforderlich ist18,19. Bezeichnenderweise berichteten die Autoren in der Parkinson@Home-Studie über eine Datenvollständigkeitsrate von 88%, betonten aber auch, dass fast alle Teilnehmer während des 3-monatigen Studienzeitraums mindestens einen Supportanruf für die Fehlerbehebung bei Gerätenbenötigten19. Wir berichteten über eine ähnliche Erfahrung in unserer Studie13, obwohl offizielle Aufzeichnungen über Anrufe zur Fehlerbehebung und Hausbesuche nicht geführt wurden.
In unserer Studie haben wir uns auch auf Datenqualitätsprobleme im Zusammenhang mit GPS-Signalen konzentriert. Wir mussten individuelle Teilnehmerexpositionen in Mikroumgebungen im Freien und im Innenbereich (zu Hause) konstruieren, eine Aufgabe, die durch den häufigen und anhaltenden Signalverlust, insbesondere in Innenräumen, erschwert wurde, und aus diesem Grund entwickelten wir einen Datenfüllalgorithmus, wie in früheren Studien vorgeschlagen20,21. Obwohl der Algorithmus einigermaßen gut funktionierte, verbesserte die Einbeziehung eines Wi-Fi-Empfangssignalstärkeindikators, wie er von der Tasker-Anwendung gesammelt wurde, die Leistung des Algorithmus erheblich und minimierte die Fehlklassifizierung weitgehend. Der Nutzen dieses Wi-Fi-Empfangssignalstärkeindikators wurde auch in früheren Studien zur Lokalisierung in Innenräumen22,23 nachgewiesen, und in Verbindung mit GPS-Messungen kann dieser Indikator eine gültige Messung der 24-stündigen individuellen Exposition gegenüber Außen- und Innenmikroumgebungen liefern.
Schließlich wurde das hier vorgeschlagene Protokoll im Frühjahr 2020 sowohl bei Kindern als auch bei älteren Menschen unter realen Bedingungen implementiert und getestet. Obwohl jede vorgeschlagene Lösung einfach ist und keine Programmierkenntnisse erfordert, adressieren alle Lösungen zusammen alle identifizierten Hauptprobleme, insbesondere durch Verbesserung und Systematisierung der Datenerfassung, Reduzierung des Batterieverbrauchs, Blockierung unerwünschter Anwendungen und Smartwatch-Einstellungen und Verbesserung des GPS-Signals. Die im Protokoll beschriebenen Prozesse wurden jedoch nur mit einem Smartwatch-Gerät mit Android-Version 7.1.1 getestet. Obwohl es möglich ist, dass die direkte Replikation dieser Prozesse mit anderen Android-Versionen möglich sein wird, können wir nicht ausschließen, dass einige Anpassungen erforderlich sind und infolgedessen die direkte Generalisierbarkeit des Protokolls eingeschränkt sein kann. Darüber hinaus muss das Protokoll möglicherweise geändert werden, um Abweichungen in den technischen Spezifikationen anderer Smartphone-Geräte widerzuspiegeln. Beispielsweise kann der Zeitauslöser für die Datenerfassung entsprechend der Batteriekapazität des Smartwatch-Geräts oder abhängig von der für die gesammelten Variablen erforderlichen Zeitauflösung eingestellt werden. Selbst wenn die Anwendung dieses Protokolls auf ein anderes Smartphone-Gerät oder eine andere Android-Version eine Fehlerbehebung und die Änderung einiger der einzelnen Schritte erfordert, müssen insgesamt ähnliche Schritte während der Einrichtung einer Smartwatch durchgeführt werden (oder es muss bestätigt werden, dass bestimmte Schritte nicht erforderlich sind), bevor sie einem Studienteilnehmer übergeben wird. Der Detaillierungsgrad des Protokolls ermöglicht die einfache Anpassung dieser Lösungen an jedes Smartwatch-Gerät. Darüber hinaus zielte diese Arbeit nicht darauf ab und war ursprünglich nicht darauf ausgelegt, die Gründe zu bewerten, die sich auf die Einhaltung der Vorschriften durch den Benutzer mit tragbaren Geräten während der Durchführung von Bevölkerungsstudien auswirken können. Zukünftige Studien mit geeigneten Werkzeugen und Methoden sind erforderlich, um dieses Thema weiter zu untersuchen. Solche Studien können die zusätzlichen Beweise liefern, die erforderlich sind, um die bestehenden Methoden zur Integration tragbarer Geräte in Forschungsstudien, insbesondere unter realen Bedingungen, effizient zu verbessern.
Derzeit sind die vorhandenen Methoden recht begrenzt und umfassen in erster Linie die Entwicklung eines erweiterten Unterstützungssystems (Erstschulung, Benutzerhandbuch, Helpline und Besuche vor Ort)19. Darüber hinaus wurde in einer früheren Studie hervorgehoben, dass in digitalisierten klinischen Studien mit einer signifikanten Abbruchquote zu rechnen ist und a priori Notfallpläne, wie z. B. der Zugang zu einem breiteren Teilnehmer-Rekrutierungspool, erforderlich sind18. Die Einbeziehung der in dieser Studie vorgestellten Lösungen kann das erweiterte Supportsystem ergänzen und vor allem entlasten und gleichzeitig die Datenvollständigkeit und Datenqualität erhöhen. Darüber hinaus kann auf der Grundlage der Beobachtungen von Galarnyk et al. die Einleitung der Gerätenutzung so einfach wie möglich gestaltet werden, um die Compliance weiter sicherzustellen und die Abbruchraten zu senken18. Schließlich umfassen künftige Anwendungen einiger dieser Lösungen, insbesondere die Verwendung von Geräteautomatisierungsanwendungen, die weitere Anpassung kommerzieller Geräte zur Unterstützung der Mobilität älterer Menschen oder von Menschen mit Behinderungen 24,25, zur Unterstützung von Frühwarnsystemen26 und zur Gewährleistung der Bluetooth- und Wi-Fi-Konnektivität in Anwendungen des Internets der Körper (IoB)27.
Zusammenfassend bietet diese Arbeit ein Protokoll, das einfache und kostengünstige Lösungen für reale Herausforderungen enthält, die sich auf Rekrutierung, Compliance und Datenqualität in Bevölkerungsstudien auswirken, in denen tragbare Geräte für Verbraucher verwendet werden. Das Protokoll basiert auf frei verfügbaren Softwaretools und erfordert keine Programmierkenntnisse. Dieser Ansatz kann von Gesundheitsforschern, die mit tragbaren Geräten in den Bereichen klinische Forschung und öffentliche Gesundheit arbeiten, leicht repliziert oder angepasst werden.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Die Autoren haben keine Interessenkonflikte zu erklären.
Acknowledgments
Die Autoren danken allen Teilnehmern und ihren Familien sowie dem Lehr- und Verwaltungspersonal der teilnehmenden Grundschulen in Zypern und Griechenland. Die Studie wurde durch das LIFE-Projekt MEDEA der Europäischen Union (LIFE16 CCA/CY/000041) finanziert.
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).
