Summary
配备可穿戴传感器的商用智能手表越来越多地用于人口研究。但是,它们的实用性通常受到其有限的电池续航时间、内存容量和数据质量的限制。本报告提供了具有成本效益的解决方案示例,以应对在涉及哮喘儿童和老年心脏病患者的研究中遇到的现实生活中的技术挑战。
Abstract
可穿戴传感器通常嵌入在商业智能手表中,允许在临床研究中进行连续和非侵入性的健康测量和暴露评估。然而,这些技术在涉及大量参与者的研究中的实际应用可能会受到一些实际挑战的阻碍。
在这项研究中,我们提出了先前干预研究的修改方案,以减轻沙漠沙尘暴对健康的影响。该研究涉及两个不同的人群:6-11岁的哮喘儿童和患有心房颤动(AF)的老年患者。两组都配备了智能手表,用于评估身体活动(使用心率监测器,计步器和加速度计)和位置(使用GPS信号在室内“家中”或室外微环境中定位个人)。参与者被要求每天佩戴配备数据收集应用程序的智能手表,并通过无线网络 将数据 传输到中央管理的数据收集平台,以便对合规性进行近乎实时的评估。
在26个月的时间里,超过250名儿童和50名AF患者参加了上述研究。确定的主要技术挑战包括限制对标准智能手表功能的访问,例如游戏,互联网浏览器,相机和录音应用程序,技术问题,例如GPS信号丢失,特别是在室内环境中,以及内部智能手表设置干扰数据收集应用程序。
该协议的目的是展示使用公开可用的应用程序储物柜和设备自动化应用程序如何以简单且具有成本效益的方式解决大多数这些挑战。此外,包含Wi-Fi接收信号强度指示器可显著改善室内定位,并最大程度地减少GPS信号误分类。在2020年春季推出这项干预研究期间,这些方案的实施在数据完整性和数据质量方面取得了显著改善的结果。
Introduction
数字健康技术应用和可穿戴传感器可在医疗保健和家庭环境中实现非侵入性和经济高效的患者监测1.同时,收集的大量数据和基于可穿戴设备的分析平台的可用性使得能够开发用于各种急性和慢性疾病的自动健康事件预测、预防和干预的算法2。主要用于健身跟踪的商用可穿戴传感器也越来越多地被医疗专业人员用于公共卫生研究,并且代表了在现实生活中进行多模式和连续数据收集的有前途的工具3。然而,更重要的是,从可穿戴设备传感器收集无偏见的数据收集使研究人员能够克服回忆偏差的挑战,这些挑战是传统数据收集方法(如访谈和日记)的特征4。
然而,对于临床试验或其他人群研究而言,数据的准确性、可靠性和完整性至关重要。此外,所收集数据的可信度还可能受到其他几个参数的影响,例如年龄组的适用性以及设备的存储器容量和能效5。最近对实验室和现场研究的系统评价,参与者数量有限,普遍证实了商业智能手表在活动、心率、癫痫发作和行为监测方面的适用性,尽管这些综述也表明对老年用户的适用性较差,以及电池、内存和数据质量的限制6,7.在现实生活中的大规模人群研究中,这些限制可能会进一步放大,在这些条件下,互联网连接不一致、设备舒适度和不正确的智能手表使用等附加参数会发挥作用8.具体而言,外观和不便是日常佩戴传感器的重大障碍9,而与隐私和保密问题有关的担忧可能会影响涉及可穿戴传感器的研究的招募10。关于商业智能手表和健身追踪器在研究中测量身体活动的适用性,Henriksen等人最近的一项研究表明,为特定研究选择合适的设备不仅应基于可用的嵌入式传感器,还应考虑验证和先前在研究中的使用, 外观、电池寿命、坚固性、防水性、连接性和可用性11.
出于本研究的目的,我们提出了一个协议,以改善LIFE MEDEA项目期间遇到的挑战,这是一项减轻沙漠沙尘暴对健康影响的干预研究12。该研究涉及两个不同的人群:6-11岁的哮喘儿童和患有心房颤动(AF)的老年患者。两组都配备了商用智能手表,用于评估身体活动(使用心率监测器,计步器和加速度计)和位置(使用GPS信号在室内“家中”或室外微环境中定位个人)。参与者被要求每天佩戴智能手表,并通过数据收集应用程序将数据通过无线网络传输到集中管理的数据收集平台,以进行近乎实时的合规性评估。有关智能手表和系统设置的其他详细信息在之前的研究13 中提供。在项目实施的第一年,出现了与该设备相关的一些技术和现实挑战,这些挑战影响了招募、参与者每天佩戴设备的合规性以及所收集数据的完整性。一些挑战是针对特定人群的,例如学校管理人员和许多家长要求佩戴智能手表的孩子不应使用标准的智能手表功能,例如游戏、互联网浏览器、相机和录音应用程序。其他挑战本质上是技术性的,例如GPS信号丢失,特别是在室内环境中,以及内部智能手表设置干扰数据收集应用程序。表1详细概述了所确定的主要挑战,并简要描述了其影响和解决方案。
在这项研究中,我们提出了简单、经济高效和现成的解决方案,以提高使用可穿戴传感器的人口研究中的用户合规性、数据质量和数据完整性,并提供相关协议。此外,我们使用研究13的代表性结果证明了实施此类协议后数据完整性的改进。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
行政和伦理批准已获得塞浦路斯卫生部(YY5.34.01.7.6E)和塞浦路斯国家生物伦理委员会(ΕΕΒΚ/ΕΠ/2016.01.23)。心房颤动患者和哮喘儿童的监护人在参与研究之前提供了书面知情同意书。
1. 应用储物柜和设备自动化应用
注意:可以在Android设备和IOS设备上找到免费提供的应用程序储物柜和设备自动化应用程序(任务程序)。本研究中使用的具体应用列在 材料表中。
- 使用智能手机设备,最好配备与智能手表相同的Android版本。
- 从Play商店中,下载并安装数据收集应用程序,应用程序储物柜和任务程序。
- 下载一个免费提供的应用程序,该应用程序可以提取智能手机上已安装的已下载应用程序的Android应用程序包(APK)。
注意:该应用程序在智能手机的内部存储中创建一个名为Extracted-Apks的文件夹,并存储导出的APK文件。在每个智能手表设备的设置过程中保存APK文件,而不是下载应用程序储物柜和任务程序,以确保在所有设备上使用相同的应用程序版本。
2. 使用任务器开发自动化程序
注意:任务程序允许逐步开发自动化流程。这些可以根据项目的要求而有所不同。不需要以前的编码或编程经验。在以下步骤中,使用以下术语和定义:触发器(满足时允许任务者启动流程的启动状态)、条件(满足时允许流程继续执行下一步的条件)和操作(流程结果)。在提供的图中,平行四边形表示触发器,菱形表示条件,矩形表示动作。每个进程都可能导致多个操作,这些操作在每个进程下标记为操作 a、b、c、(...)。为项目现场实施期间发现的每个单独问题建立了一个单独的流程。这种方法确保所设置的条件之间没有重叠,并允许整个自动化过程的平稳运行。
- 启动设备自动化应用程序,然后导航到界面以生成任务。
注意:不同设备自动化应用程序的接口不同。下面描述的步骤基于此处介绍的研究中使用的tasker12,但类似的步骤适用于所有此类应用程序。设备自动化应用程序允许开发不同的流程(也称为宏)。此协议中描述的所有宏都在补充文件 1 中提供。- 若要创建进程,请选择 “宏”。
- 创建一个系统地激活数据收集应用程序 (图1).请按照以下步骤执行此操作。
- 通过单击 加号添加宏或任务。添加触发器以创建流程的起点。单击触发器选项卡上的 加号 。
- 选择 日期和时间, 然后选择 “定期间隔 ”选项卡。不要使用参考时间,而是设置固定间隔。
- 设置固定时间间隔以充当启动过程的触发器。将间隔设置为 7.5 分钟,然后单击确定。
注意:此条件创建一个每 7.5 分钟执行一次的常规触发器。触发间隔的选择基于设备的电池容量和其他影响数据收集应用程序平稳运行的条件。 - 要添加操作,请单击操作选项卡上的 加号 。选择 “条件/循环 ”选项卡。选择 IF 子句。
- 通过单击 加号添加条件。选择 日期和时间选项卡 。 选择 秒表。单击 确定。
- 设置要添加为条件的固定持续时间。作为该过程的一部分,测试的条件是秒表值是 >29 分钟还是 <1 秒。
注意:前者反映了每 30 分钟系统激活数据收集应用程序的首选项,后者表示即使在秒表不工作或已停止的情况下也激活数据收集应用程序的首选项。 - 通过单击三角形更改 AND。选择 OR。
注意:只要满足其中一个条件,该过程就可以继续。 - 要在 IF 语句之间添加操作,请单击“ 结束 if”。选择 上面的添加操作。
- 导航以找到 “屏幕”选项卡。选择操作屏幕 打开,然后单击 确定。
注意:当满足条件时,任务程序将启用屏幕。 - 按照类似的步骤,添加第二个操作,将屏幕亮度降低到最低百分比。
- 添加一个附加操作,用于重置和重新启动此自动化过程中使用的秒表。这将创建一个循环。
- 按照类似的步骤操作,并添加启用数据收集应用程序的操作。选择 “应用程序”。
- 选择启动应用程序。查找并选择数据收集应用程序。选择强制 NEW,然后单击确定。
注意:该过程已完成。设置触发器、条件和操作。此过程系统地使数据收集应用程序以频繁的时间间隔抵消任何随机应用程序崩溃。“屏幕打开”动作旨在防止商业设备的休眠设置,而“亮度”动作“亮度为 0% ”用于减少电池消耗。动作秒表(重置和重新启动)为我们的整个过程创建了一个循环。如果满足条件,任务者将执行以下操作:(a) 启动数据收集应用程序,(b) 激活智能手表屏幕,(c) 将屏幕亮度降低到 0%,以及 (d) 重置并重新启动秒表以创建循环。操作 b 和操作 c 旨在抵消商业设备的默认休眠设置。休眠设置可能会干扰智能手表应用程序(包括数据收集应用程序)的正常运行。通过系统地激活屏幕(操作 b)来解决休眠问题,为了减少电池消耗,屏幕激活与降低屏幕亮度(操作 c)相结合。 - 为此过程命名,然后选择 “保存”。
- 创建一个系统地启用智能手表 Wi-Fi 的进程(图 2)。
- 添加触发器以创建流程的起点。单击 “触发器 ”选项卡上的加号。选择 设备事件,然后选择 屏幕开/关。选择 屏幕打开,然后单击 确定。
- 通过单击“操作”选项卡上的 加号 来添加 操作 。选择 “条件/循环 ”选项卡。选择 IF 子句。通过单击 加号添加条件。选择 “连接 ”选项卡。选择 “Wi-Fi 状态”。选择 禁用 Wi-Fi,然后单击 确定。
- 单击 结束如果。选择 上面的添加操作。选择 “连接 ”选项卡。单击“ Wi-Fi 配置 ”选项卡。选择 启用 Wi-Fi,然后单击 确定。这是步骤 2.3 中流程的操作 a。
注意:屏幕激活后,如果 Wi-Fi 被禁用,任务者将启用 Wi-Fi。 - 在 IF 语句之间添加一个附加操作,该操作将重置和重新启动Stopwatch_2。这是步骤 2.3 中流程的操作 b。
注意:秒表对于几分钟后禁用Wi-Fi很重要,这是协议中不同进程执行的操作(步骤2.5)。智能手表不需要一直连接到 Wi-Fi,因为这会增加电池消耗。 - 为此过程命名,然后选择 “保存”。
- 创建一个系统地优化电池消耗的过程(图3)。
注意:智能手表设备通常具有默认设置,可在几秒钟后禁用屏幕。对于我们研究中使用的设备,这段时间是15秒。测试在步骤 2.7 中提供。- 使用默认屏幕停用作为触发器。
- 设置一个条件来测试智能手表是否未充电且未连接到网络的组合。如果两者都适用,该过程将禁用 Wi-Fi 连接以减少电池消耗。这是步骤 2.4 中流程的操作 a。
注意:如果智能手表正在充电,则必须保持启用 Wi-Fi,允许白天收集的任何数据通过 Wi-Fi 连接 发送到 我们的在线服务器。通常,充电在一夜之间进行。 - 设置测试是否启用蓝牙的条件。如果是,则禁用蓝牙以减少电池消耗。这是步骤 2.4 中流程的操作 b。
- 设置在触发器后自动激活的附加操作。此操作将屏幕亮度设置为 50%(步骤 2.4 中进程的操作 c)。
注意:用户交互可能会更改亮度级别。更高水平的屏幕亮度会更快地消耗电池,并且作为组合,屏幕亮度设置为 50% 作为最佳级别,允许用户轻松与智能手表交互,同时节省电池。
- 创建一个系统地记录事件信息的过程(图 4)。
- 添加触发器以创建流程的起点。单击“触发器”选项卡上的加号。选择日期和时间。选择“定期间隔”选项卡。不要使用参考时间。
- 设置固定间隔。设置固定时间间隔以充当启动过程的触发器。将间隔设置为 5 分钟,然后单击 确定。
注意:这将创建一个无限触发器,每 5 分钟执行一次;间隔的选择基于设备的电池容量和其他取决于研究人员要求的条件。 - 要添加操作,请单击“操作”选项卡上的加号。 选择“日志记录”。单击日志事件。
- 单击 省略号点 选项卡。查找并选择 Wi-Fi SSID(Wi-Fi 网络名称),然后选择 “确定”。
- 通过再次单击 省略号 点选项卡,并按照完全相同的步骤,进一步添加 Wi-Fi 信号强度、设备序列号、GPS 纬度、GPS 经度、GPS 信号的准确性以及智能手表是否正在充电(步骤 2.5 中过程的操作 a)。
注意:此操作将创建一个日志事件,其中包含与项目相关的预先指定的变量。 - 为此过程命名,然后选择 “保存”。
- 单击“ 日志记录 ”选项卡,然后设置一个条件,用于测试智能手表是否未充电、屏幕是否关闭以及秒表是否在点中描述的组合
2.3.3 为 >4 分钟,并在满足所有这些条件时禁用 Wi-Fi(步骤 2.5 中进程的操作 b)。
- 创建一个进程,在禁用 GPS 信号时提供用户通知(图 5)
- 将连接到 Wi-Fi 网络设置为触发器。
- 设置在触发器后自动激活的操作。此操作将创建一个日志事件点,类似于步骤 2.5.2(步骤 2.6 中进程的操作 a)。
注意:此附加日志事件提供有关智能手表连接到家庭 Wi-Fi 网络的确切时间的信息。 - 设置一个条件,用于测试 GPS 传感器是否已禁用、其精度状态是否已更改或飞行模式是否已启用。在显示通知错误“ERROR”的 IF 语句之间添加一个操作!!!请检查设置“(步骤 2.6 中流程的操作 b)。
- 测试创建的每个进程。
- 单击 “进程 ”选项卡。
- 单击 触发器 选项卡。
- 选择“ 测试触发器”。
注意:测试触发器启动所选进程的操作。如果结果是预期的结果,则保存该过程。
3. 导出创建的进程(步骤 2.1-2.6)
- 将创建的进程(步骤2.1-2.6)的文件以MDR格式(MDR文件)导出并保存在与步骤1.1.3相同的智能手机目录中。
4.传输和安装创建到智能手表的文件
- 将文件从智能手机传输到笔记本电脑/ PC。
- 将智能手机连接到笔记本电脑/PC。
- 查找包含使用设备自动化应用程序创建的提取的APK和MDR文件(tasker扩展文件)的目录。
- 将所有文件复制并粘贴到笔记本电脑/ PC的目录中。
- 将文件从笔记本电脑/PC 传输到智能手表设备。
注意:在研究中,智能手表还配备了磁性充电器电缆,还可以传输数据/文件。- 将带有磁性充电器的智能手表连接到笔记本电脑/PC。
- 在智能手表通知面板上选择传输文件的选项。
- 在笔记本电脑/PC 上,导航到包含步骤 4.1.2 中保存文件的目录。
- 复制所有文件,并将它们粘贴到智能手表的目录中。
5. 设置智能手表以供现场使用
- 将智能手机上的应用程序和进程安装到智能手表上。
- 使用粘贴的文件导航到目标,然后安装所有APK文件。这些包括应用程序储物柜,任务程序和数据收集应用程序(见 材料表)。
- 安装包含步骤 2 中创建的进程的 mdr 文件。
- 接受操作进程所需的所有权限。
注意:权限可能因创建的进程的性质而异。
- 设置或更改设备的重要默认设置。
注意:在将智能手表提供给参与者之前,必须修改几个重要设置。- 向左滑动智能手表屏幕,然后导航到智能手表设置功能。单击 设置。
- 选择 “声音”,然后通过最小化所有单个声音设置的音量级别来禁用所有声音。向右滑动屏幕以返回主设置屏幕。
注意:不建议智能手表分心和不必要的通知,因为这会给参与者带来不必要的麻烦,尤其是在学校和工作时间。 - 向下滚动,然后选择 连接 功能。向下滚动,然后选择 GPS。单击 模式,然后将 GPS 设置设置为 高精度。
- 向右滑动屏幕以返回主设置屏幕。
- 向下滚动,选择省电功能,停用待机智能电源设置,并检查节电模式是否始终关闭。向右滑动屏幕以返回主设置屏幕。
注意:尽管必须考虑电池消耗,但保持标准省电模式处于激活状态可能会干扰应用程序的平稳运行,并对数据质量和完整性产生负面影响。 - 向下滚动,然后选择 日期和时间 功能。禁用 自动时区 选项卡。向下滚动,单击选择时区,选择正确的 时区,然后启用 24 小时格式。
- 向上滚动,启用 自动时区,并检查 自动日期和时间 模式是否设置为 使用网络提供的时间。
注意:这对于确保每个传感器测量值都带有正确的时间戳非常重要。 - 向右滑动屏幕以返回主设置屏幕。向下滚动,选择 更多,打开选项 背景清洁器,然后禁用 省电模式。
注意:必须禁用所有干扰应用程序在后台顺利运行的设置。在这种情况下,这样的设置是后台清理器,如果它保持启用状态,这些应用程序将无法在后台工作,从而影响智能手表的一般设置并干扰数据收集方法。 - 向右滑动屏幕返回更多 设置 屏幕,向下滚动,选择 应用程序冻结 功能,单击 下一步,向下滚动,单击 Google Play商店,然后选择 冻结;该应用程序将自动禁用。
注意:如果保持激活状态,Play 商店可能会执行更新。此类更新可能会干扰创建的进程。此外,对于不同的研究参与者,可能会在不同的日期进行一些更新,因此,在一段时间内,不会以相同的方式从所有参与者那里收集数据。 - 向右滑动屏幕以返回到“更多设置”屏幕,选择“通知”功能,选择“Google”,然后阻止来自此应用程序的所有通知。
注:根据设备和操作系统的不同,其他应用程序也可能显示通知。不建议智能手表分心和不必要的通知,因为这会给参与者带来不必要的麻烦,尤其是在学校和工作时间。 - 向右滑动屏幕以返回到“ 更多设置 ”屏幕,向下滚动,选择“ 流量节省程序 ”功能,然后禁用流量节省程序。向右滑动屏幕以返回到“ 更多设置 ”屏幕。
注意:禁用可能影响数据上载或接收的任何设置或功能。 - 选择应用程序设置功能,向下滚动,选择特殊访问功能,然后单击电池优化设置。单击三角形,然后选择所有应用程序。
- 向下滚动以找到应用程序保险箱,选择应用程序保险箱,选择不 优化,然后单击 完成。查找智能手表设置中使用的所有相关应用程序(应用程序储物柜、任务程序、数据收集应用程序),然后选择 不优化。
注意:执行或支持数据收集的主要应用程序必须在没有任何电池限制的情况下运行。 - 完成设置后,检查此步骤中实现的设置。
注意:触摸屏的响应能力可能不足,并且对设置的重要修改可能未正确完成,因此请运行检查以确保每个步骤都正确完成。再次检查所有声音和振动是否最小化,GPS 是否处于高精度模式,并且日期和时间设置是否正确。此外,请确保禁用任何干扰应用程序在后台顺利运行的设置。此外,请确保可以执行更新的任何其他应用程序都已冻结。禁用可能影响数据上传或接收的任何设置或功能。确保执行或支持数据收集的主要应用程序可以在没有任何电池限制的情况下运行。
- 设置应用程序储物柜。
- 在主屏幕中,导航以查找已安装的应用程序。
- 选择 应用锁。
- 选择您希望应用程序储物柜如何锁定应用程序(可能包括使用 PIN 码或图案代码)。
- 选择要锁定的应用程序。其中,可以锁定相机,录音,浏览器和游戏应用程序。激活应用程序储物柜。
- 将智能手表连接到参与者的家庭 Wi-Fi 网络。
注:设置已完成。智能手表已准备好提供给参与者。
- 允许参与者使用智能手表。
- 指导参与者每天佩戴智能手表,并在每晚睡觉时为设备充电。
注意:在白天,参与者能够将智能手表用作普通数字手表,并通过智能手表计步器指示器评估他们的活动水平。参与者不需要执行任何特定任务,智能手表就能够收集和传输数据。协议中描述的设备配置与使用任务器开发的自动化流程相结合,最大限度地减少了参与者的麻烦。
- 指导参与者每天佩戴智能手表,并在每晚睡觉时为设备充电。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
该协议描述了简单且具有成本效益的解决方案,以应对使用可穿戴传感器的人口研究中影响招募、合规性和数据质量的现实挑战。此处描述的步骤允许在涉及哮喘儿童和成人心房颤动的大型人群研究中成功设置用于暴露和健康监测的消费者可穿戴设备。 图 6 提供了所提供协议的图形概述,并说明了为解决已确定的主要潜在问题而采取的关键步骤。
在这里,我们展示了 17 名参与者(6-11 岁的哮喘儿童)的代表性结果,他们在 2020 年春季参与了 LIFE MEDEA 研究13。17名参与者配备了智能手表,该手表提供了在实施协议之前和之后的身体活动(计步器,加速度计,心率)和GPS位置的时间戳数据。这些数据是通过数据收集 应用程序收集的 ,当智能手表与每个参与者家中的Wi-Fi网络联系时,这些数据会自动与基于云的数据库同步,如前所述13。但是,通过应用所述协议,还可以获得有关Wi-Fi连接,Wi-Fi信号强度,电池容量以及设备是否正在充电的信息。这些附加变量的数据不会自动与基于云的数据库同步,而是必须在研究期结束后通过蓝牙 从 每个智能手表手动下载。通过比较协议实施前2周和协议实施后2周内收集的数据,我们评估了这些解决方案在提高数据完整性方面的影响,数据完整性定义为每天收集数据的时间百分比。图 7A 分别显示了每个参与者在协议实施之前和之后的数据时间百分比,而 图7B 显示了协议实施前后整个组的数据时间百分比的相应分布。有趣的是,协议实施导致数据完整性的静态显着提高,数据的时间百分比从中位数36.5%(最小值:9.3%,最大值:68.1%)增加到中位数48.9%(IQR:18.4%,77.8%, p = 0.013)。
此外,在 图8中,我们展示了一个极端案例,即在24小时内从参与研究的单个AF患者中收集的GPS数据很差。尽管患者按照指示佩戴手表,但收集的实际原始GPS信号分散在24小时内(图8A),并且很难估计室内时间和室外时间。GPS数据填充算法的实施(补充图1)允许用估计值替换缺失的数据(图8B)。通过记录的智能手表与 Wi-Fi 网络信号的连接,确认估计的室内时间和估计的室外时间是正确的(图 8C)。对于同一患者,我们还展示了一天中收集的GPS数据较差的另一个极端案例(图9A)。然而,在这种情况下,仅实现GPS数据填充算法并不能准确估计所有缺失的数据。该算法正确地估计了参与者在当天大约 09:00 到 21:00 之间大部分时间不在他们的住所,并且他们在 18:00 左右短暂地回家,但它未能捕捉到参与者也在大约 13:30 返回家中约 90 分钟(图 9B)。尽管如此,当还考虑智能手表与Wi-Fi网络信号的连接数据时,并没有错过这一事件(图9C)。
最后,在成功试点之后,该方案于 2020 年春季在塞浦路斯和希腊的整个 MEDEA 参与者队列中实施(n = 108 名哮喘儿童)。然而,在将智能手表分发给儿童并开始数据收集几周后,塞浦路斯和希腊的卫生当局实施了一系列强度越来越大的公共卫生干预措施,以控制各自国家的 COVID-19 大流行。公共卫生干预措施最初的特点是采取社交距离措施和禁止大型公共活动,但在 3 月和 4 月期间迅速升级为严格的全国封锁。考虑到人们的日常生活和行为受到前所未有的干扰,决定在封锁期间继续使用智能手表跟踪哮喘儿童的位置和活动,以客观地量化他们对公共卫生干预措施的遵守情况和身体活动的整体变化。收集的数据用于计算每日“在家花费的时间分数”和“总步数/天”的个人资料,并进行统计分析,以评估这些参数在 COVID-19 锁定措施升级水平上的变化。两国COVID-19封锁措施升级水平的时间表和描述如图 10 所示,Kouis等人在较早的出版物13中进行了详细描述。总之,结果表明,在不断增加的干预水平下,两国“在家花费的时间”平均增加具有统计学意义。塞浦路斯和希腊的“在家时间”平均增加分别为41.4%和14.3%(1级)、48.7%和23.1%(2级)以及45.2%和32.0%(3级)。塞浦路斯和希腊的身体活动显示,塞浦路斯和希腊的身体活动平均显著减少,分别为-2,531和-1,191步/天(1级)、-3,638和-2,337步/天(2级)以及-3,644和-1,961步/天(3级)13。 图1113显示了COVID-19之前和三个级别的COVID-19锁定措施期间哮喘儿童“在家花费的分数时间”和“总步数/天”的每周平均值。
数据可用性声明:
匿名数据集已提交给Figshare在线开放获取存储库(https://doi.org/10.6084/m9.figshare.21601371.v3)。
表1:与使用智能手表设备和所采用的解决方案相关的现实挑战。请按此下载此表格。
图 1:激活数据收集应用程序。 系统地激活数据收集应用程序的过程示意图。平行四边形表示触发器,菱形表示条件,矩形表示操作。 请点击此处查看此图的大图。
图 2:启用 Wi-Fi 连接。 系统地启用Wi-Fi连接的过程示意图。平行四边形表示触发器,菱形表示条件,矩形表示操作。 请点击此处查看此图的大图。
图 3:优化电池消耗。 导致系统优化电池消耗的操作的过程示意图。平行四边形表示触发器,菱形表示条件,矩形表示操作。 请点击此处查看此图的大图。
图 4:记录事件信息。 系统地记录与项目相关的事件信息的过程示意图。平行四边形表示触发器,菱形表示条件,矩形表示操作。 请点击此处查看此图的大图。
图 5:禁用 GPS 信号时的用户通知。 系统地检查 GPS 信号状态并提供通知以提醒用户问题的过程示意图。平行四边形表示触发器,菱形表示条件,矩形表示操作。 请点击此处查看此图的大图。
图 6:协议的示意图概述。 已确定的潜在挑战和提供的协议的示意图概述,并说明了流程中的关键步骤。 请点击此处查看此图的大图。
图 7:协议实施前后的数据完整性。 在实施协议之前和之后2周内代表性参与者组(n = 17)的数据完整性。(A)每个参与者分别在协议实施之前和之后使用数据的时间百分比。(B) 整个集团的相应分布。 请点击此处查看此图的大图。
图 8:GPS 数据填充算法的实现(极端情况 1)。 (A)原始GPS信号数据较差的一天的示例案例,以及(B)GPS数据填充算法的实施,以用估计值替换缺失的数据。(三)根据Wi-Fi接收信号指标确认室内外分类。请点击此处查看此图的大图。
图 9:GPS 数据填充算法的实现(极端情况 2)。 (A)原始GPS信号数据较差的一天的示例案例,以及(B)GPS数据填充算法的实施,以估计值替换缺失的数据。(C)GPS数据填充算法导致一些室内和室外错误分类,使用Wi-Fi接收信号指示器解决了这个问题。请点击此处查看此图的大图。
图10:塞浦路斯和希腊公共卫生干预措施时间表。 2020年3月和4月期间在(A)塞浦路斯和(B)希腊引入公共卫生干预措施的研究记录时间表.该图像在CC BY 4.0许可下复制,没有任何变化,来自Kouis等人的原始研究,首次发表在Scientific Reports Journal13上。 请点击此处查看此图的大图。
图11:哮喘儿童对公共卫生干预措施的反应活动性变化。 (A)塞浦路斯和(B)希腊的三个级别的公共卫生干预措施之前和期间哮喘儿童在家中花费的时间和步数/天的每周平均值。该图像在CC BY 4.0许可下复制,没有任何更改,来自Kouis等人的原始研究,首次发表在Scientific Reports Journal13上。 请点击此处查看此图的大图。
补充图1: GPS 数据填充算法的实现。 请点击此处下载此文件。
补充文件1: 此协议中描述的宏。 请点击此处下载此文件。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
可穿戴传感器是有用的工具,可以连续和非侵入性地监测健康参数和患者行为。配备各种传感器的商用智能手表为传统数据收集方法提供了一种有前途的替代方案,由于内置传感器的种类和质量增加、学术界与工业界的合作伙伴关系以及零售价格的降低,它们在临床和公共卫生研究中的使用预计只会增加14.在这项研究中,我们强调了可能影响人口研究中招募、用户合规性和数据质量的现实生活中的挑战,并提供了在现场克服这些挑战的简单且具有成本效益的解决方案的例子。在研究13 推出期间实施该协议在数据完整性和数据质量方面显着改善了结果。协议中最关键的步骤是步骤2.2(确保定期系统地激活数据收集应用程序),步骤2.5(提供有关智能手表状态的重要事件的单独日志)和步骤5.2.8(允许智能手表后台进程不间断运行)。
过去,一些研究已经解决了消费者可穿戴设备对各种健康和活动终点的有效性,并且最近在一项大型系统评价和荟萃分析中综合了结果15。然而,在系统评价中确定的总共169项研究中,只有48项涉及自由生活环境中的人群,而只有36项研究涉及患有任何类型活动受限或慢性疾病的人群。尽管作者得出结论,总体而言,商业设备在测量步数和心率方面是准确的,尤其是在基于实验室的环境中,但他们强调了在自由生活环境中高估或低估的风险,而健康对照组和慢性患者之间测量的可用性和有效性的差异没有被探索15.这两点都特别重要,因为转向数字健康的主要论点之一是能够在医疗机构之外监测慢性病患者16。
尽管如此,一些先前的研究已经关注并量化了参与者和研究人员在涉及消费者可穿戴设备的自由生活环境中推出临床研究时遇到的问题17,18,19。在一项进行良好的可行性研究中,涉及少数参与者(n = 26),但观察了他们很长一段时间(3个月),Beukenhorst等人报告说,平均而言,患者在73%的日子里佩戴手表,并且在研究周内暂时和永久不使用手表增加了17。
在一个更大的群体中,Galarnyk等人报告说,在研究中招募并配备智能手表的总共230人中,只有130人(57%)至少使用过一次并成功传输了一些数据18。此外,一些研究还强调,在实施阶段,需要密集的技术支助18,19。典型的是,在Parkinson@Home研究中,作者报告了88%的数据完整性,但也强调,在3个月的研究期间,几乎所有参与者都需要至少一个支持电话进行设备故障排除19。我们在研究13中报告了类似的经历,尽管没有保留故障排除电话和家访的官方记录。
在我们的研究中,我们还关注了与GPS信号相关的数据质量问题。我们必须在室外和室内(家庭)微环境中构建个体参与者暴露,这是一项因信号频繁和持续丢失而复杂的任务,尤其是在室内环境中,因此,我们开发了一种数据填充算法,如以前的研究20,21所示。尽管该算法表现相当不错,但包含由tasker应用程序收集的Wi-Fi接收信号强度指示器显着提高了算法的性能,并在很大程度上减少了错误分类。这种Wi-Fi接收信号强度指示器的实用性在先前针对室内定位的研究22,23中也得到了证明,当与GPS测量相结合时,该指示器可以提供24小时个人暴露于室外和室内微环境的有效测量。
最后,此处建议的协议于2020年春季在儿童和老年人的现实生活中实施和测试。尽管建议的每个解决方案都很简单,不需要事先的编程知识,但所有解决方案共同解决了所有已确定的主要问题,特别是通过改进和系统化数据收集,减少电池消耗,阻止不需要的应用程序和智能手表设置,以及改善GPS信号。但是,如协议中所述,这些过程仅使用使用Android版本7.1.1的智能手表设备进行了测试。尽管有可能在其他Android版本中直接复制这些过程,但我们不能排除可能需要进行一些调整的可能性,因此,该协议的直接通用性可能会受到限制。此外,可能必须修改该协议以反映其他智能手机设备技术规格的变化。例如,数据收集的时间触发器可以根据智能手表设备的电池容量或根据收集的变量所需的时间分辨率进行设置。然而,即使将此协议应用于不同的智能手机设备或不同的Android版本可能需要故障排除和修改某些单独的步骤,总体而言,在将任何智能手表提供给研究参与者之前,在设置任何智能手表之前,都必须采取类似的步骤(或者必须确认某些步骤不是必需的)。协议中提供的详细程度允许将这些解决方案轻松适应任何智能手表设备。此外,这项工作的目的不是,最初也不是为了评估在进行人口研究期间可能影响用户对可穿戴设备依从性的原因。未来需要使用适当的工具和方法进行研究,以进一步研究这一主题。这些研究可以提供额外的证据,以有效地改进将可穿戴设备纳入研究的现有方法,特别是在现实生活中。
目前,现有方法相当有限,主要包括开发扩展支持系统(初始培训、用户手册、帮助热线和现场访问)19。此外,之前的一项研究强调,在数字化临床试验中,应该预期会有很高的辍学率,并且需要先验的应急计划,例如获得更广泛的参与者招募池18。纳入本研究中提出的解决方案可以补充,更重要的是,减轻扩展支持系统的负担,同时提高数据完整性和数据质量。此外,根据Galarnyk等人的观察,使设备使用的开始尽可能容易,可以进一步确保合规性并降低辍学率18。最后,其中一些解决方案的未来应用,特别是设备自动化应用的使用,包括进一步定制商业设备以支持老年人或残疾人的移动性24,25,支持预警系统26,并确保蓝牙和Wi-Fi连接在身体互联网(IoB)应用中27。
总之,这项工作提供了一种协议,其中包括简单且具有成本效益的解决方案,以应对使用消费者可穿戴设备的人口研究中影响招募,合规性和数据质量的现实生活中的挑战。该协议依赖于免费提供的软件工具,不需要任何先前的编程知识。在临床研究和公共卫生领域使用可穿戴设备的健康研究人员可以很容易地复制或调整这种方法。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
作者没有利益冲突需要声明。
Acknowledgments
作者感谢所有参与者及其家人,以及塞浦路斯和希腊参与小学的教学和行政人员。该研究由欧盟LIFE美狄亚项目(LIFE16 CCA/CY/000041)资助。
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.
Wearables and the medical revolution. Personalized Medicine. 15 (5), 429-448 (2018). - 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.
Recall bias in epidemiologic studies. Journal of Clinical Epidemiology. 43 (1), 87-91 (1990). - 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).