Les applications numériques des technologies de santé et les capteurs portables permettent une surveillance non invasive et rentable des patients, tant dans les établissements de soins de santé qu’à domicile1. Dans le même temps, la grande quantité de données collectées et la disponibilité de plates-formes analytiques portables permettent le développement d’algorithmes pour la prédiction, la prévention et l’intervention automatisées des événements de santé pour un large éventail de maladies aiguës et chroniques2. Les capteurs portables disponibles dans le commerce, principalement utilisés pour le suivi de la condition physique, sont également de plus en plus utilisés par les professionnels de la santé dans la recherche en santé publique et représentent un outil prometteur pour la collecte multimodale et continue de données dans des conditions réelles3. Plus important encore, cependant, la collecte de données impartiale à partir de capteurs portables permet aux chercheurs de surmonter les défis du biais de rappel qui caractérisent les méthodes traditionnelles de collecte de données telles que les entretiens et les journaux4.
Cependant, aux fins des essais cliniques ou d’autres études de population, l’exactitude, la fiabilité et l’intégrité des données sont essentielles. En outre, la crédibilité des données collectées peut également être affectée par plusieurs autres paramètres, tels que l’applicabilité par groupe d’âge ainsi que la capacité de mémoire et l’efficacité énergétique de l’appareil5. Des revues systématiques récentes d’études en laboratoire et sur le terrain avec un nombre limité de participants ont généralement confirmé l’applicabilité des montres intelligentes commerciales pour la surveillance de l’activité, de la fréquence cardiaque, des crises et du comportement, bien que les revues aient également démontré une mauvaise adéquation pour les utilisateurs âgés, ainsi que des limites de la batterie, de la mémoire et de la qualité des données 6,7 . Ces limites peuvent être encore amplifiées dans des études de population plus vastes dans des conditions réelles où des paramètres supplémentaires tels qu’une connectivité Internet incohérente, le confort de l’appareil et une utilisation incorrecte de la montre intelligente entrent en jeu8. Plus précisément, l’apparence et les inconvénients sont des obstacles importants au port quotidiende capteurs 9, tandis que les préoccupations relatives à la vie privée et à la confidentialité peuvent avoir une incidence sur le recrutement dans les études portant sur des capteurs portables10. En ce qui concerne l’applicabilité des montres intelligentes commerciales et des trackers de fitness pour mesurer l’activité physique dans les études de recherche, une étude récente de Henriksen et al. a suggéré que le choix d’un dispositif approprié pour une étude particulière ne devrait pas seulement être basé sur les capteurs intégrés disponibles, mais plutôt prendre en compte la validation et l’utilisation antérieure dans la recherche, apparence, autonomie de la batterie, robustesse, résistance à l’eau, connectivité et facilitéd’utilisation 11.
Pour les besoins de cette étude, nous présentons un protocole pour améliorer les défis rencontrés lors du projet LIFE MEDEA, une étude d’intervention pour l’atténuation des effets sanitaires des tempêtes de poussière dans le désert12. L’étude a porté sur deux groupes de population distincts : les enfants asthmatiques âgés de 6 à 11 ans et les patients âgés atteints de fibrillation auriculaire (FA). Les deux groupes étaient équipés d’une montre intelligente commerciale pour l’évaluation de l’activité physique (à l’aide d’un moniteur de fréquence cardiaque, d’un podomètre et d’un accéléromètre) et de l’emplacement (utilisation de signaux GPS pour localiser les individus dans des microenvironnements intérieurs « à la maison » ou extérieurs). Les participants devaient porter la montre intelligente tous les jours et les données étaient transmises via un réseau sans fil à une plate-forme de collecte de données administrée de manière centralisée via l’application de collecte de données pour l’évaluation de la conformité en temps quasi réel. Des détails supplémentaires sur la smartwatch et la configuration du système sont fournis dans une étude précédente13. Au cours de la première année de mise en œuvre du projet, plusieurs défis techniques et réels liés à l’appareil sont apparus, qui ont affecté le recrutement, la conformité des participants au port quotidien de l’appareil et l’exhaustivité des données collectées. Certains défis étaient propres à la population, comme l’exigence des administrateurs scolaires et de nombreux parents que les enfants portant les montres intelligentes n’aient pas accès aux fonctionnalités standard de la montre intelligente, telles que les jeux, le navigateur Internet, l’appareil photo et les applications d’enregistrement audio. D’autres défis étaient de nature technique, tels que la perte de signal GPS, en particulier dans les environnements intérieurs, et les paramètres internes de la montre intelligente interférant avec l’application de collecte de données. Un aperçu détaillé des principaux défis identifiés ainsi qu’une brève description de leurs implications et solutions sont présentés dans le tableau 1.
Dans cette étude, nous suggérons des solutions simples, rentables et prêtes à l’emploi pour améliorer la conformité des utilisateurs, la qualité des données et l’exhaustivité des données dans les études de population utilisant des capteurs portables et fournir les protocoles pertinents. En outre, nous démontrons les améliorations de l’exhaustivité des données résultant de la mise en œuvre de tels protocoles en utilisant des résultats représentatifs de l’étude13.