Summary

Mit Continuous Data Tracking-Technologie, um die Einhaltung Übung bei pulmonaler Rehabilitation Studieren

Published: November 08, 2013
doi:

Summary

Pulmonale Rehabilitation ist weit verbreitet in der Behandlung von Erkrankungen der Atemwege anerkannt. Ein wichtiger Bestandteil für eine erfolgreiche pulmonale Rehabilitation ist die Einhaltung der empfohlenen Bewegungstraining. Der Zweck der vorliegenden Protokoll ist zu beschreiben, wie die kontinuierliche Daten Tracking-Technologie verwendet werden, um genau zu messen Einhaltung einer vorgeschriebenen aeroben Trainingsintensität werden.

Abstract

Pulmonale Rehabilitation (PR) ist ein wichtiger Bestandteil in der Behandlung von Atemwegserkrankungen. Die Wirksamkeit von PR ist abhängig Einhaltung Trainingsempfehlungen auszuüben. Die Studie der Übung Einhaltung ist somit ein wichtiger Schritt zur Optimierung von PR-Programmen. Bis heute, meist indirekte Maßnahmen wie Quoten der Beteiligung, Durchführung, Teilnahme, sind verwendet worden, um die Einhaltung der PR bestimmen. Der Zweck der vorliegenden Protokoll ist zu beschreiben, wie die kontinuierliche Daten Tracking-Technologie verwendet werden, um die Einhaltung einer vorgeschriebenen aeroben Trainingsintensität auf einem zweiten-by-Sekunden-Basis zu messen.

In unseren Untersuchungen wurde die Einhaltung als der Prozentsatz der Zeit innerhalb einer bestimmten Herzfrequenz-Zielbereich verbracht definiert. Als solche mit einer Kombination von Hardware und Software, die Herzfrequenz während des Zyklus gemessen wird, verfolgt und aufgezeichnet zweiten Neben Sekunde für jeden Teilnehmer, für jede Trainingssitzung. Mit Hilfe statistischer Software, ter Daten werden anschließend entnommen und analysiert. Das gleiche Protokoll kann angewandt, um die Haftung zu anderen Maßnahmen für die Trainingsintensität, wie Zeit bei einer bestimmten Leistung, eine Ebene oder Geschwindigkeit auf dem Fahrradergometer ausgegeben bestimmen. Darüber hinaus ist die Hard-und Software zur Verfügung, um die Einhaltung zu anderen Verkehrs Ausbildung, wie dem Laufband, Cross, Stepper, Ergometer-und Arm zu messen. Das vorliegende Protokoll hat daher eine große Anwendbarkeit direkt zu messen Einhaltung Aerobic-Übungen.

Introduction

Pulmonale Rehabilitation (PR) kombiniert Bewegungstraining, Patientenaufklärung und psychosoziale Unterstützung, und wird weithin als ein Eckpfeiler in der Behandlung von Lungenerkrankungen 1-5 anerkannt. Die Ziele der PR, um die Symptome zu reduzieren, Funktionsstatus optimieren, verbessern die gesundheitsbezogene Lebensqualität und Gesundheitskosten zu senken 4,5. In einer Meta-Analyse von 31 randomisierten kontrollierten Studien bei chronisch-obstruktiver Lungenerkrankung (COPD), wurde gezeigt, dass PR deutlich Verbesserung der körperlichen Leistungsfähigkeit, reduzieren Dyspnoe und Müdigkeit, emotionale Funktion zu verbessern und zu verbessern Gefühl der Kontrolle über ihren Zustand 6 Patienten. Darüber hinaus dokumentiert Beweis seiner Wirksamkeit bei der Verringerung der Atem Exazerbationen und 7 Tage im Krankenhaus verbracht 8-13. Körperliches Training gilt als der Schlüssel für eine erfolgreiche PR, da es für viele der Vorteile, die mit dieser Maßnahme verbundenen 3-5 verantwortlich. Jedoch ein wichtiges Thema für mehrerePatienten auf den empfohlenen Betrag oder die Höhe der Übung haften. Nonadherence empfohlen Behandlung kann in dem Scheitern der therapeutischen Interventionen sowie ineffiziente Nutzung von Gesundheitsressourcen 14 führen.

Nach Angaben der Weltgesundheitsorganisation, der Begriff'''' bezieht sich auf die Einhaltung der Umfang, in dem das Verhalten einer Person mit Empfehlungen einer Ärztin 15 gegeben einstimmt. Bisher Einhaltung Ausbildung in der Rehabilitation Einstellungen ausüben weitgehend entweder als die Teilnahmequote (dh. Anmeldung zum Programm), die Rate der Abschluss (dh Abschluss des Programms) oder die Rate der Teilnahme (dh die Zahl der Übung bewertet Sitzungen teilgenommen) 16-18. Derzeit keine "Gold-Standard" gibt es für die Messung die Einhaltung 15 und aktuellen Methoden nicht für große Präzision ermöglichen. Außerdem ist je nach der gewählten method, Preise der Einhaltung der PR haben große Variabilität 16-19 gezeigt. Zum Beispiel Hogg et al. Einhaltung 16 gemessen bei COPD-Patienten als das Verhältnis zwischen denen, die das Programm auf diejenigen bezeichnet abgeschlossen und fand eine geringe Haftung von rund 40%. Aber auch andere PR Studien, die Anwesenheitsraten verwendet gezeigt haben, im Durchschnitt eine 90% ige Einhaltung 10,20,21. Der Mangel an Homogenität in der Berechnung Einhaltung macht es schwierig, Ergebnisse zwischen den Studien zu vergleichen. Ein weiteres Problem ist der Mangel an Präzision, mit der bestehenden Berechnungsmethoden, die Teilnahme an einer Übung Training garantiert nicht die Einhaltung der vorgeschriebenen Intensität. Diese Lücke in der Informations führte uns zu untersuchen, wie die Einhaltung könnte eine genauere Weise berechnet werden.

Jüngste Fortschritte in der Technologie haben Fitnessgeräte für kontinuierliche Datenerfassung, die benutzt werden können, um die Einhaltung einer vorgeschriebenen aeroben Trainingsintensität während einzeln überwachen erlaubtal Trainingseinheiten in einer PR-Kontext. Genauer gesagt, Daten-Tracking Hard-und Software ermöglicht für die zweite-by-Sekunden-Aufnahme von Dauer, Geschwindigkeit, Niveau, Leistung, Geschwindigkeit, Herzfrequenz, Distanz, Kalorienverbrauch, VO 2, METS, und Kalorien und liefert Durchschnittswerte aller Variablen mit die Ausnahme des Niveaus und der VO 2. Der wesentliche Vorteil dieser Technologie ist die Fähigkeit, kontinuierliche detaillierte Maßnahmen, die für die genaue Berechnung der Einhaltung der vorgeschriebenen Übung gegenüber bereits berichtet allgemeinen Teilnahme-oder Abschlussraten ermöglicht aufzeichnen. Diese Vorgehensweise kann der Wert für jede Studie, welche die Auswirkungen eines oder mehrere Aerobic Training Programme sein. Mit dieser Technologie können Patienten die Einhaltung einer vorgegebenen Intensität durch die prozentuale Zeit an einem bestimmten Wattzahl, Niveau, Geschwindigkeit oder Herzfrequenz während der Trainingsphase jeder Sitzung verbrachte bewertet werden. Für unsere Untersuchungen wurde die Einhaltung einer Übung Trainingsprotokoll als Prozent definiertZeit innerhalb einer bestimmten Herzfrequenz-Zielbereich aufgewendet. Da die Herzschlagrate bei einer gegebenen submaximalen Arbeitsbelastung als kardiorespiratorische Fitness abnimmt, stellt dieser Ansatz, dass die Patienten in der gleichen relativen (gegenüber absolut) Trainingsintensität während des Programms bleiben. Das vorliegende Protokoll beschreibt detailliert, wie die kontinuierliche Daten Tracking-Technologie verwendet werden, um genau zu messen Einhaltung einer vorgegebenen Herzfrequenz-Zielbereich werden.

Protocol

Sobald die Daten erhoben werden, kann eine einzelne Datei pro Fach pro Sitzung von Rohdaten erhalten. Mit Hilfe statistischer Software werden alle Sitzungen pro Fach in einer einzigen Datei zusammengefasst. Anschließend müssen die Zielintensität für jedes Subjekt berechnet werden. Die Einhaltung dieser Zielrate Intensität kann dann pro Sitzung berechnet werden pro Fach, für jede Sitzung für alle Fächer kombiniert, oder pro Gruppe. 1. Datenerfassung (durch Personal die Überwachung der Trainingseinheit durchgeführt) Minimieren elektrische Störungen durch Abschalten der drahtlosen Geräte (zB Mobiltelefone, Wi-Fi, etc.) Und Übersprechen zu minimieren, indem sichergestellt wird, die Herzfrequenz-Messgeräten und Ausrüstung sind mindestens 1 Meter auseinander. Siehe Abbildung 1 für die Platzierung der Herzfrequenz-Sender. Schalten Sie den Daten-Tracking-Software. Drücken Sie starten auf der Aerobic-Ausrüstung und trainieren die Teilnehmer an der Zielintensität. Beispielsweise in unseren Studien teilnehmendenHosen werden aufgefordert, innerhalb von ± 5 Schläge / min ihrer Zielherzfrequenz trainieren. Siehe Abbildung 2 für CardioMemory. Daten sammeln zweiten-by-Sekunde für jeden Teilnehmer für jede Sitzung Rehabilitation. Gesammelte Daten enthalten die folgenden: Subjekt-ID, Dauer (hhmmss), Intensität (1-30), Arbeitsbelastung (Watt), Trittfrequenz (Umdrehungen / Minute), Entfernung (km), Tempo (mm: ss / km), Herzfrequenz (Schläge / Minute), geschätzte Sauerstoffaufnahme (VO 2 ml / min / kg), metabolische Äquivalent körperliche Anstrengung (MET), geschätzte Energieverbrauch (kcal / h), und die geschätzten Energieverbrauch (kcal). Siehe Abbildung 3. Stopp drücken auf die aerobe Ausrüstung. Klicken Sie auf "Speichern", um die Daten zu CardioMemory hochladen. Klicken Sie auf "Export", um das Dokument außerhalb CardioMemory speichern. Das Dokument wird in. Cvs-Format sein und wird automatisch auch das Datum der Sitzung. 2. Datenextraktion CardioMemory Software nicht für die Unterscheidung der verschiedenen Ausbildungsphasen-Übung zu ermöglichen. Als solche müssen die erhaltenen Daten in eine Statistik-Software, um die Phasen, die nicht von Interesse sind, zu beseitigen (zB Warm-up und Cool-down), verschmelzen die Dateien und vergleichen gegen Zielstärke erreicht exportiert werden. Offene statistische Analyse-Software für den Import Excel-Datei. Vorgehensweise: Datei- Öffnen Daten Im Fenster "Open Data", wählen Sie alle Dateien in dem Dropdown-Menü "Dateitypen" Wählen Sie Excel. xls-Datei <img alt="Pfeil" fo:content-width = "0,2 in" src = "/ files/ftp_upload/50643/arrow.jpg" width = "20px" /> Öffnen In "Öffnen von Excel-Datenquelle"-Fenster klicken Sie auf OK. Speichern Sie die Datei in einer statistischen Analyse-Software. Siehe Abbildung 4 für eine Beispieldatenbank. Beseitigen Sie die nontraining Phasen, dh Warm-Up und Cool-Down, wenn das Interesse an der Zeit ist an der Zielintensität während der Trainingsphase verbracht. Beseitigen Aufwärmphase (zB die ersten 10 min): Um Dauer neu zu kodieren, erstellen Sie eine Variable, um jede Sekunde als 1 zu identifizieren. Vorgehensweise: Trans Umkodieren in andere Variablen … In "Umkodieren in andere Variablen" window, wählen Duration_A klicken Sie auf den Pfeil Identifizieren "Output Variable Name" (zB Tempo) Ändern Klicken Sie auf Alte und neue Werte Unter "Alter Wert", wählen Sie Wert: 0, und geben Sie Unter "New Value" Wählen Sie einen Wert, und geben Sie 0 Hinzufügen <img alt="Pfeil" f o: content-width = "0,2 in" src = "/ files/ftp_upload/50643/arrow.jpg" width = "20px" /> Unter "Alter Wert", wählen Sie Alle anderen Werte klicken Sie dann auf Wert: unter "Neue Value "und geben Sie ein Hinzufügen Fortsetzen OK. RECODE Duration_A (0 = 0) (ELSE = 1) IN Tempo. EXECUTE. Erstellen Sie eine zweite temporäre Variable. Vorgehensweise: Trans Shift-Werte Tempo wähleniles/ftp_upload/50643/arrow.jpg "width =" 20px "/> Klicken Sie auf den Pfeil Unter "Name:" Art temporäre Variable (. ZB Tempo2) Ändern OK. Verschiebungswerte VARIABLE = Tempo RESULT = Tempo2 LAG = 1 ist. Um bei 0 beginnen Tempo2, muss es neu codiert werden. Vorgehensweise: Trans Umkodieren in dieselben Variablen Wählen Tempo2 Klicken Sie auf den Pfeil <im g alt = "Arrow" fo: content-width = "0,2 in" src = "/ files/ftp_upload/50643/arrow.jpg" width = "20px" /> Klicken Sie auf Alte und neue Werte Unter "Alter Wert", wählen Sie System-Vermisste Unter "New Value", wählen Sie Wert: 0, und geben Sie Hinzufügen Fortsetzen OK. RECODE Tempo2 (SYSMIS = 0). EXECUTE. Addieren Sie die Sekunden von Null ausgehend. Vorgehensweise: Trans/ 50643/arrow.jpg "width =" 20px "/> Variable berechnen Unter "Zielvariable:" Typ Tempo Unter "Numerischer Ausdruck" Art lag (Tempo) ein WENN … Wählen Sie Fall einschließen, wenn Bedingung erfüllt: Geben Tempo2> 0 Fortsetzen OK. IF (Tempo2> 0) = Tempo Lag (Tempo) + 1. EXECUTE. Um den ersten 10 Minuten Warm-up zu eliminieren, entfernen Tempodaten, die 599 Sekunden vorausgeht. Vorgehensweise: Daten Wählen Fällen … Im Fenster "Fälle auswählen" unter "Auswahl", wählen Sie "Falls Bedingung erfüllt ist" Wenn … In "Fälle auswählen: Falls"-Fenster, einfügen Gleichung Tempo> 599 Fortsetzen Unter"Output", wählen Sie Löschen ausgewählte Fälle OK. Siehe Abbildung 5. Filter aus. Verwenden Sie alle. SELECT IF (Tempo> 599). EXECUTE. Beseitigen Abkühlphase (z. B. letzten 5 Minuten.) Sortieren von Daten in absteigender Reihenfolge für Duration_A die Abkühlphase an die Spitze der Datenbank zu bringen, wie SPSS entfernt Daten vom Anfang der Datei ab. Vorgehensweise: Daten Fälle sortieren Im Fenster "Fälle sortieren" wählen Duration_A klicken Sie auf einrrow Im Menü "Sortierung" wählen Absteigend OK. SORT CASES BY Duration_A (D). Recode Duration_A jede Sekunde als 1 zu identifizieren. Vorgehensweise: Trans Umkodieren in andere Variablen … Im Fenster "Umkodieren in andere Variablen", wählen Sie Duration_A klicken Sie auf den Pfeil Identifizieren "Output Variable Name "(zB. TempoA) Ändern Klicken Sie auf Alte und neue Werte Unter "Alter Wert", wählen Sie Wert: 0, und geben Sie Unter "New Value", wählen Sie Wert: 0, und geben Sie Hinzufügen Wählen Sie Alle anderen Werte unter "Alter Wert", dann klicken Sie auf Wert: unter "Neuer Wert" und geben Sie einad/50643/arrow.jpg "width =" 20px "/> hinzufügen Fortsetzen OK. RECODE Duration_A (0 = 0) (ELSE = 1) IN TempoA. EXECUTE. Erstellen Sie eine zweite temporäre Variable. Vorgehensweise: Trans Shift-Werte Wählen tempoA Klicken Sie auf den Pfeil Unter "Name:" Art temporäre Variable (. ZB tempoA2) <img alt="Pfeil" fo:content-width = "0,2 in" src = "/ files/ftp_upload/50643/arrow.jpg" width = "20px" /> ändern OK. Verschiebungswerte VARIABLE = TempoA RESULT = TempoA2 LAG = 1 ist. Um tempoA2 bei 0 starten, muss es neu codiert werden. Vorgehensweise: Trans Umkodieren in dieselben Variablen Wählen tempoA2 Klicken Sie auf den Pfeil Klicken Sie auf Alte und neue Werte Unter "Alter Wert", wählen Sie System-M Issing Unter "New Value", wählen Sie Wert: 0, und geben Sie Hinzufügen Fortsetzen OK. RECODE TempoA2 (SYSMIS = 0). EXECUTE. Addieren Sie die Sekunden der tempoA variabel. Vorgehensweise: Trans Variable berechnen Unter "Zielvariable:" Typ tempoA 50643/arrow.jpg "width =" 20px "/> Unter" Numerischer Ausdruck "Art lag (tempoA) ein WENN … Wählen Sie Fall einschließen, wenn Bedingung erfüllt: Typ tempoA2> 0 Fortsetzen OK. IF (TempoA2> 0) TempoA = Lag (tempoA) + 1. EXECUTE. Um die Cool-Down-Phase (dh 5 min) zu eliminieren, entfernen Tempodaten, die 299 Sekunden vorausgeht. Vorgehensweise: Datenpg "width =" 20px "/> Select Fällen … Im Fenster "Fälle auswählen" unter "Auswahl", wählen Sie "Falls Bedingung erfüllt ist" Wenn … In "Fälle auswählen: Falls"-Fenster, legen Gleichung tempoA> 299 Fortsetzen unter "Output", wählen Sie Löschen ausgewählte Fälle OK. Siehe 6. Filter aus. Verwenden Sie alle. </li> SELECT IF (tempoA> 299). EXECUTE. Identifizieren Sie die Sitzungsnummer (oder Datum) in der Datenmenge. Erstellen und benennen Sie eine neue Variable (zB. Session). Vorgehensweise: Trans Variable berechnen In Rechen variable Fenster unter Zielvariable, Typ Session klicken Sie auf Typ & Label zu öffnen "Variable berechnen: Geben Sie an …" Fenster unter "Typ" wählen String Fortsetzen </em> Expression unter String-Typ '1 ' OK. Siehe Abbildung 7. STRING Session (A8). COMPUTE Session = '1 '. EXECUTE. Speichern Sie die geänderte SPSS-Dokument in einer neuen Datei (Beispiel: subjectID_session #). Wiederholen Sie den Vorgang für alle weiteren Sitzungen für dasselbe Thema. 3. Datenzusammenführung – Einzel Teilnehmer Um alle Sitzungen in einen einzigen SPSS-Datenbank, offene Teilnehmers ersten Sitzung (dh. SubjectID_session1) verschmelzen. Merge verbleibenden Sitzungen, um die aktuelle Datei. Vorgehensweise: Daten Zusammenführen von Dateien Fälle hinzufügen im Fenster "Add-Hüllen zu subjectID_session1.sav", klicken Sie auf Durchsuchen und wählen Sie Datei subjectID_session2 Öffnen Fortsetzen in der "Fälle von Add …" Fenster klicken Sie auf OK. Wiederholen Sie für den restlichen Sitzungen. Siehe Abbildung 8. ADD FILES / FILE = * / FILE = 'SubjectAB001_Session1.sav. EXECUTE. Fügen Sie eine Spalte, die ID-Nummer des Patienten enthält. Vorgehensweise: Tr ansform Variable berechnen Im Fenster "Variable berechnen" unter Zielvariable, Typ SubjectID klicken Sie auf Typ & Label zu öffnen "Variable berechnen: Geben Sie an …" Fenster unter "Typ" wählen String Fortsetzen unter String Expression Typ 'SubjectID' (zB 'AB001)s/ftp_upload/50643/arrow.jpg "width =" 20px "/> OK. Siehe Abbildung 9. STRING Subject_ID (A8). COMPUTE Subject_ID = 'AB001. EXECUTE. Fügen Sie eine Spalte, die der Person Zielintensität (zB. Zielherzfrequenz [THR]) enthält. Vorgehensweise: Trans Variable berechnen Im Fenster "Variable berechnen" unter Zielvariable, Typ THR klicken Sie auf Typ & Label zu öffnen "Variable berechnen: Geben Sie an …" Fenster unter "Typ" wählen Sie Numerisch <img alt="Pfeil" fo:content-width = "0,2 in" src = "/ files/ftp_upload/50643/arrow.jpg" width = "20px" /> weiter unter Numerischer Ausdruck Typ THR (zB. 110) OK. Siehe Abbildung 10. STRING THR (A8). COMPUTE THR = '110 '. EXECUTE. Sparen Datenbank unter einem anderen Dateinamen (zB. SubjectAB001_session1-36). Wiederholen Sie das für alle übrigen Teilnehmer. Zu diesem Zeitpunkt wird jeder Teilnehmer über eine Datenbank, die alle Sitzungen. 4. Datenzusammenführung – Gruppieren Teilnehmer So gruppieren mehrere Teilnehmer in einer einzigen Datenbank, Datei geöffnet Teilnehmers (dh subjectID_session1-36). Führen Sie die verbleibenden Teilnehmer auf den aktuellen file. Vorgehensweise: Daten Zusammenführen von Dateien Fälle hinzufügen in "Fälle hinzufügen, um SubjectAB001_session1-36.sav"-Fenster, klicken Sie auf Durchsuchen und wählen Sie Datei SubjectCD002_session1-36 Öffnen Fortsetzen in der "Fälle von Add …" Fenster klicken Sie auf OK. Wiederholen Sie das für alle Teilnehmer, die Sie gruppieren möchten. Siehe Abbildung 11. ADD FILES /FILE = * / RENAME (AB001 = d0) / FILE = 'SubjectAB001_Session1-36.sav' / RENAME (CD002 = d1) / DROP = d0 d1. EXECUTE. Sparen Sie neue Datenbank (zB. Group01_Subjects001-010). 5. Identifizierung der Zielintensität (zB THR Range) Identifizieren Sie eine THR-Bereich; klicken Trans Variable berechnen im Fenster "Variable berechnen" unter "Zielvariable" einen neuen Variablennamen (zB Diff_HR_THR) "Typ & Label …" in der "C ompute Variable: Geben Sie ein …. "wählen Sie Numerisch Fortsetzen Unter "Numerischer Ausdruck" eingeben Gleichung: HR – THR OK. Dieser bietet uns eine neue Variable. COMPUTE Diff_HR_THR = HR – THR. EXECUTE. Recode Variablen zu identifizieren, ob der HR liegt unterhalb, oberhalb oder innerhalb der THR-Bereich. Vorgehensweise: Trans Umkodieren in andere Variablen … Wählen Diff_HR_THR0,2 in "src =" / files/ftp_upload/50643/arrow.jpg "width =" 20px "/> klicken Sie auf den Pfeil unter "Output Variable" unter "Name" Art Diff_HR_THR _recoded Ändern Alte und neue Werte … in "Umkodieren in andere Variablen: Alte und neue Werte"-Fenster: Alter Wert New Value Alt -> Neu: Bereich: -5 bis 5 1 <td align = "center" rowspan = "4"> hinzufügen -5 Bis 5 -> 1 Range, Günstige durch Wert: -5 0 Niedrigster bis -5 -> 0 Range, Wert durch HÖCHSTE: 5 0 5 bis Höchste -> 0 System fehlt System fehlt SYSMIS -> SYSMIS Fortsetzen OK. Siehe Abbildung 12. RECODE Diff_HR_THR (SYSMIS = SYSMIS) (-5 bis 5 = 1) (niedrigste bis -5 = 0) (5 bis Highest = 0) IN Diff_HR_THR_Recoded. EXECUTE. 6. Berechnung der prozentualen Einhaltung In Group01_Subjects001-010-Datei, berechnet sie alle Sekunden, die Patienten waren in der THR-Bereich, indem Sie folgendermaßen: Daten Aggregat im Fenster "Aggregatdaten" unter "Break Variable (n):" wählen subjectID und Sitzungs klicken Sie auf den Pfeil unter "Zusammenfassungen der Variable (n):" wählen Diff_HR_THR _recoded klicken Sie auf den Pfeil <img alt = "Arrow" fo: content-width = "0,2 in" src = "/ files/ftp_upload/50643/arrow.jpg" width = "20px" /> OK. Eine neue Variable mit dem Namen Diff_HR_THR _recoded_mean erstellt. GESAMT / OUTFILE = * MODE = ADDVARIABLES / BREAK = Subject_ID Session / Diff_HR_THR_Recoded_mean = MITTELWERT (Diff_HR_THR_Recoded). Konvertieren Sie den erhaltenen Wert in Prozent; klicken Trans Variable berechnen unter "Zielvariable" Variablennamen eingeben (zB Perc_THR) unter "Numerischer Ausdruck" wählen Diff_HR_THR _recoded_mean"/> Klicken Sie auf den Pfeil multiplizieren Sie den Wert mit 100 (Diff_HR_THR _recoded_mean * 100) OK. Wir erhalten dann die Einhaltung als Prozentsatz der Zeit, in der THR verbrachte für jedes Thema für jede Sitzung. Siehe Abbildung 13. COMPUTE Perc_THR = Diff_HR_THR_Recoded_mean * 100. EXECUTE. Um die Einhaltung der Prozentsatz der Zeit, in der THR verbrachte für jedes Thema für alle Sitzungen kombiniert unter zu erhalten, in dem Fenster "Aggregatdaten", "Break Variable (n):" Ersatz subjectID und Sitzung mit nur subjectID. Siehe Abbildung 14. Um die Einhaltung der Prozentsatz der Zeit, in der THR verbrachte für jede Sitzung für alle Fächer kombiniert in Fenster "Aggregatdaten" unter "zu erhalten,Break-Variable (n): "Ersatz subjectID und Sitzungs nur mit Sitzung. Speichern Sie die Datenbank unter einem anderen Dateinamen (zB. Group01_Subjects001-010_Aggregate).

Representative Results

Wenn das Protokoll korrekt durchgeführt wird, wird ein Festhalten Rate für jedes Thema für jede Sitzung (Abbildung 13) erhalten, für jedes Thema für alle Sitzungen (Abbildung 14), und für jede Sitzung für alle Fächer kombiniert. Eine Schätzung der Zeit erforderlich, um die oben genannten Protokoll für eine einzige Sitzung von einem Thema abzuschließen ist ca. 5 min. Ergebnisse für die Einhaltung kann von 0-100% liegen. Mit Hilfe dieser Informationen können zusätzliche Analysen durchgeführt, um Unterschiede zwischen den Probanden (dh Geschlechtsunterschiede, die Schwere der Erkrankung, etc.), Um Veränderungen über die Zeit zu identifizieren und Muster in Einhaltung offenbaren zu bestimmen. Darüber hinaus kann der Vergleich der Anhaftung zwischen den beiden Gruppen durchgeführt werden, beispielsweise können verschiedene Bewegungstraining Programme verglichen werden. Schließlich, durch weitere Untersuchungen, Ursachen von nonadherence kann zu bestimmten Zeitpunkten während der PR identifiziert werden. "> Abbildung 1. Herzfrequenz-Sender Platzierung. Klicken Sie hier für eine größere Ansicht . Abbildung 2. Probe der gesammelten Daten mit Daten-Tracking-Software. Klicken Sie hier für eine größere Ansicht . Abbildung 3. Stichprobe von Daten-Tracking-Software ausgegeben.jove.com/files/ftp_upload/50643/50643fig3highres.jpg "target =" _blank "> Klicken Sie hier für eine größere Ansicht. 4. Beispieldatenbank eine Probe von Statistik-Software-Datenbank veranschaulicht. Klicken Sie hier für eine größere Ansicht . 5. Beispieldatenbank, die die beseitigt Aufwärmphase. Klicken Sie hier für eine größere Ansicht . <img alt="Fig. 6" fo:content-width= "5in" src = "/ files/ftp_upload/50643/50643fig6.jpg" width = "600px" /> Abbildung 6. Beispieldatenbank, die die beseitigt Cool-Down-Phase. Klicken Sie hier für eine größere Ansicht . Abbildung 7. Beispieldatenbank, welche eine für die Sitzungsnummer hinzugefügt Spalte. Klicken Sie hier für eine größere Ansicht . Abbildung 8. Beispieldatenbank veranschaulicht die zusammengeführten Sitzungen für einen einzigen TEILNEHMER t. Klicken Sie hier für eine größere Ansicht . Abbildung 9. Beispieldatenbank, welche eine für die Fach Kennummer hinzugefügt Spalte. Klicken Sie hier für eine größere Ansicht . Abbildung 10. Beispieldatenbank, welche eine für die Zielherzfrequenz aufgenommen Spalte. Klicken Sie hier für eine größere Ansicht . e_content "fo: keep-together.within-page =" always "> Abbildung 11. Beispieldatenbank der fusionierten Teilnehmer Dateien veranschaulicht. Klicken Sie hier für eine größere Ansicht . Abbildung 12. Beispieldatenbank, welches die Herzfrequenz Variablen umkodiert. Klicken Sie hier für eine größere Ansicht . Fild 13. Beispieldatenbank veranschaulicht, die Einhaltung als Prozentsatz der Zeit innerhalb der Zielherzfrequenzbereich ausgegeben für jedes Thema für jede Sitzung (horizontale rote Linie verdeutlicht die Veränderung der Haftung zwischen Sitzungen für dasselbe Thema). Klicken Sie hier für eine größere Ansicht . Abbildung 14. Beispieldatenbank veranschaulicht, die Einhaltung der Prozentsatz der Zeit, in der Herzfrequenz-Zielbereich ausgegeben für jedes Thema für alle Sitzungen (horizontale rote Linie verdeutlicht den Unterschied zwischen Probanden). Klicken Sie hier für eine größere Ansicht .

Discussion

Kontinuierliche Daten-Tracking-Technologie ermöglicht eine sehr präzise Messung der Bewegungstreue. Dieses Verfahren kann leicht auf andere Definitionen der Einhaltung durch Austausch Herzfrequenz-Zielbereich mit der Ziel Leistung, Level, Geschwindigkeit oder MET Ebene angepasst werden. Im vorliegenden Beispiel wurden die Warm-up und Cool-down-Phasen eliminiert, um die Übungsphase aufgrund unserer spezifischen Forschungsziel zu isolieren. Sollten die Warm-up und Cool-down-Phasen von Interesse für andere Forscher sein kann Schritt 2.3 ("Beseitigen Sie die nontraining Phasen") aus dem Protokoll beseitigt werden. Darüber hinaus ist die Hard-und Software zur Verfügung, um die Einhaltung zu anderen Verkehrs Ausbildung, wie dem Laufband, Cross, Stepper, Ergometer-und Arm zu messen.

Wenn nach dem obigen Protokoll sind bestimmte einfache Schritte kritisch. Zunächst muss die Software CardioMemory vor der Sportgeräte (zB. Fahrradergometer) für Trainingsdaten begonnen trac seinked und anschließend aufgezeichnet. Daten sollten in diesem Anfangsschritt verloren gehen, wird der Datenextraktionsprotokoll müssen entsprechend angepasst werden. Zweitens muss Störquellen minimiert das Risiko des Übersprechens und / oder Datenverlust zu reduzieren. Die Herzfrequenz-Messgeräten kommunizieren drahtlos mit dem Gerät und Software. So ist besonders nachteilig, wenn Störungen mit Herzfrequenz-Ziel, um die Einhaltung zu berechnen. Schließlich ist es zwingend notwendig, um Statistiksoftware für die Datenbank, die die Kapazität für große Datenmengen zu ermöglichen hat zu wählen. Beispielsweise in einer Studie mit 10 Teilnehmern Abschluss 36 Sitzungen bei 40 min jeweils 864.000 Reihen von Datenpunkten erzeugt. Excel 2007 und späteren Versionen haben die Fähigkeit, 1.048.576 Zeilen in einem Arbeitsblatt 23 enthalten, während SAS und SPSS 24 25 haben keine Begrenzung für die Anzahl der Zeilen. Abhängig von der Gesamtzahl der Datenpunkte für eine gegebene Untersuchung erwartet, muss die Software entsprechend gewählt werden. </p>

Trotz der bemerkenswerten Vorteile dieser Technik bestehen zwei Haupteinschränkungen. Die erste ist, Datenverlust, der von der Ausrüstung und / oder Software-Fehler führen kann. Wie oben erwähnt, kann Datenverlust durch elektrische Interferenzen mit drahtlosen Geräten (zB Handys oder Wi-Fi) Interferenz mit der drahtlosen Datenübertragung der Herzfrequenz sein, genauer gesagt. Doch manchmal, Datenverlust kann auch durch nicht identifizierbare Ursachen. Eine zweite Einschränkung ist, dass die Software nicht bieten die Möglichkeit, Kennzeichnung oder Spaltung der Bewegung Protokoll systematisch, um zu differenzieren / identifizieren verschiedene Phasen. Wenn diese Option zur Verfügung standen, konnte die Extraktion der Übungsphase von Interesse direkt in der Software durchgeführt werden, welche Schritte in der Einhaltung Berechnungsprotokoll einschränken würde. Wie gut, die Möglichkeit, Marker setzen wäre praktisch für die Untersuchung der Einhaltung Intervall oder intermittierende Trainingsprotokolle, wie es für die erlauben würde,die Differenzierung der verschiedenen Phasen (zB. Tief gegenüber hohe Intensität).

Für die Zukunftsperspektiven, wird der Einsatz von kontinuierlichen Daten-Tracking-Technologie, um genau zu quantifizieren Einhaltung Forschern ermöglichen, um Muster der Übung Reaktion auf verschiedene Interventionen zu untersuchen, zu identifizieren Determinanten der Einhaltung und charakterisieren guten und schlechten adherers. Letztlich wird ein besseres Verständnis der Übung Einhaltung für die Optimierung der Übung Rehabilitationsprogramme zu ermöglichen.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Canadian Lung Association – Canadian Respiratory Health Professionals, Fonds de recherche du Québec – Santé (FRQS)

Materials

Bike Excite Med 700 Technogym – www.technogym.com SCIFIT (http://scifit.com/)
CardioMemory software Technogym – www.technogym.com Version 1.0 SCIFIT (http://scifit.com/)
Polar heart rate monitor Polar – www.polarca.com T31 coded Transmitter
SPSS Statistical Software SPSS Inc. – www.spss.com/ Version 16.0 SAS/STAT software (http://www.sas.com/)

References

  1. . Global Strategy for the Diagnosis, Management, and Prevention of Chronic Obstructive Pulmonary Disease [Internet]. Global Initiative for Chronic Obstructive Lung Disease (GOLD). , (2013).
  2. Celli, B. R., MacNee, W. Standards for the diagnosis and treatment of patients with COPD: a summary of the ATS/ERS position paper). Eur. Respir. J. 23 (6), 932-946 (2004).
  3. O’Donnell, D. E., et al. Canadian Thoracic Society recommendations for management of chronic obstructive pulmonary disease–2003. Can. Respir. J. 10 Suppl A, 11 (2003).
  4. Lacasse, Y., Maltais, F., Goldstein, R. S. Pulmonary rehabilitation: an integral part of the long-term management of COPD. Swiss Med, Wkly. 134 (41-42), 601-605 (2004).
  5. Hui, K. P., Hewitt, A. B. A simple pulmonary rehabilitation program improves health outcomes and reduces hospital utilization in patients with COPD. Chest. 124 (1), 94-97 (2003).
  6. Lacasse, Y., et al. Pulmonary rehabilitation for chronic obstructive pulmonary disease. The Cochrane Database of Systematic Reviews. (4), (2001).
  7. Guell, R., et al. Long-term effects of outpatient rehabilitation of COPD: A randomized trial. Chest. 117 (4), 976-983 (2000).
  8. Hui, K. P., Hewitt, A. B. A simple pulmonary rehabilitation program improves health outcomes and reduces hospital utilization in patients with COPD. Chest. 124 (1), 94-97 (2003).
  9. Griffiths, T. L., et al. Results at 1 year of outpatient multidisciplinary pulmonary rehabilitation: a randomised controlled trial. Lancet. 355 (9201), 362-368 (2000).
  10. Young, P., Dewse, M., Fergusson, W., Kolbe, J. Improvements in outcomes for chronic obstructive pulmonary disease (COPD) attributable to a hospital-based respiratory rehabilitation programme. Aust. NZ J. Med. 29 (1), 59-65 (1999).
  11. Stewart, D. G., Drake, D. F., Robertson, C., Marwitz, J. H., Kreutzer, J. S., Cifu, D. X. Benefits of an inpatient pulmonary rehabilitation program: a prospective analysis. Arch. Phys. Med .Rehabil. 82 (3), 347-352 (2001).
  12. Bowen, J. B., Thrall, R. S., ZuWallack, R. L., Votto, J. J. Long-term benefits of short-stay inpatient pulmonary rehabilitation in severe chronic obstructive pulmonary disease. Monaldi Arch. Chest Dis. 54 (2), 189-192 (1999).
  13. Foglio, K., Bianchi, L., Ambrosino, N. Is it really useful to repeat outpatient pulmonaryrehabilitation programs in patients with chronic airway obstruction? A 2-year controlled study. Chest. 119 (6), 1696-1704 (2001).
  14. George, J., Kong, D. C. M., Stewart, K. Adherence to disease management programs in patients with COPD. International Journal of COPD. 2 (3), 253-262 (2007).
  15. . Adherence to long-term therapies: evidence for action. Annex. 1, (2003).
  16. Hogg, L., Garrod, R., Thornton, H., McDonnell, L., Bellas, H. &. a. m. p. ;., White, P. Effectiveness, attendance, and completion of an integrated, system-wide pulmonary rehabilitation service for COPD: prospective observational study. COPD. 9 (5), 546-554 (2012).
  17. Singh, S. J., Smith, D. L., Hyland, M. E., Morgan, M. D. L. A short outpatient pulmonary rehabilitation programme: immediate and longer term effects on exercise performance and quality of life. Respir. Med. 92, 1146-1154 (1998).
  18. Young, P., Dewse, M., Fergusson, W., Kolbe, J. Respiratory rehabilitation in chronic obstructive pulmonary disease: predictors of nonadherence. Eur. Respir. J. 13, 855-859 (1999).
  19. Brooks, D., et al. Characterization of pulmonary rehabilitation programs in Canada in. Can. Respir. J. 14 (2), 87-92 (2005).
  20. Fischer, M. J., Scharloo, M., et al. Drop-out and attendance in pulmonary rehabilitation: the role of clinical and psychosocial variables. Respir. Med. 103 (10), 1564-1571 .
  21. Sabit, R., et al. Predictors of poor attendance at an outpatient pulmonary rehabilitation programme. Respir. Med. 102 (6), 819-824 .
check_url/50643?article_type=t

Play Video

Cite This Article
Rizk, A. K., Wardini, R., Chan-Thim, E., Trutschnigg, B., Forget, A., Pepin, V. Using Continuous Data Tracking Technology to Study Exercise Adherence in Pulmonary Rehabilitation. J. Vis. Exp. (81), e50643, doi:10.3791/50643 (2013).

View Video