在人口研究中设置用于暴露和健康监测的消费者可穿戴设备
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。
Protocol
Representative Results
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?…
Disclosures
The authors have nothing to disclose.
Acknowledgements
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
| 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).
