Summary
Gli smartwatch commerciali dotati di sensori indossabili vengono sempre più utilizzati negli studi sulla popolazione. Tuttavia, la loro utilità è spesso limitata dalla durata limitata della batteria, dalla capacità di memoria e dalla qualità dei dati. Questo rapporto fornisce esempi di soluzioni economiche alle sfide tecniche della vita reale incontrate durante gli studi che coinvolgono bambini asmatici e pazienti cardiaci anziani.
Abstract
I sensori indossabili, che sono spesso incorporati negli smartwatch commerciali, consentono misurazioni continue e non invasive della salute e valutazioni dell'esposizione negli studi clinici. Tuttavia, l'applicazione reale di queste tecnologie in studi che coinvolgono un gran numero di partecipanti per un periodo di osservazione significativo può essere ostacolata da diverse sfide pratiche.
In questo studio, presentiamo un protocollo modificato da un precedente studio di intervento per la mitigazione degli effetti sulla salute delle tempeste di polvere del deserto. Lo studio ha coinvolto due distinti gruppi di popolazione: bambini asmatici di età compresa tra 6 e 11 anni e pazienti anziani con fibrillazione atriale (FA). Entrambi i gruppi sono stati dotati di uno smartwatch per la valutazione dell'attività fisica (utilizzando un cardiofrequenzimetro, un contapassi e un accelerometro) e della posizione (utilizzando i segnali GPS per localizzare le persone in microambienti interni "a casa" o all'aperto). Ai partecipanti è stato richiesto di indossare lo smartwatch dotato di un'applicazione di raccolta dati su base giornaliera e i dati sono stati trasmessi tramite una rete wireless a una piattaforma di raccolta dati amministrata centralmente per la valutazione quasi in tempo reale della conformità.
Per un periodo di 26 mesi, più di 250 bambini e 50 pazienti con fibrillazione atriale hanno partecipato al suddetto studio. Le principali sfide tecniche identificate includevano la limitazione dell'accesso alle funzionalità standard degli smartwatch, come giochi, browser Internet, fotocamera e applicazioni di registrazione audio, problemi tecnici, come la perdita del segnale GPS, specialmente in ambienti interni, e le impostazioni interne dello smartwatch che interferivano con l'applicazione di raccolta dati.
Lo scopo di questo protocollo è dimostrare come l'uso di armadietti delle applicazioni e applicazioni di automazione dei dispositivi disponibili al pubblico abbia permesso di affrontare la maggior parte di queste sfide in modo semplice ed economico. Inoltre, l'inclusione di un indicatore di potenza del segnale ricevuto Wi-Fi ha migliorato significativamente la localizzazione interna e ridotto al minimo l'errata classificazione del segnale GPS. L'implementazione di questi protocolli durante il lancio di questo studio di intervento nella primavera del 2020 ha portato a risultati significativamente migliori in termini di completezza e qualità dei dati.
Introduction
Le applicazioni tecnologiche digitali per la salute e i sensori indossabili consentono un monitoraggio dei pazienti non invasivo ed economico sia in ambito sanitario che domiciliare1. Allo stesso tempo, la grande quantità di dati raccolti e la disponibilità di piattaforme analitiche basate su dispositivi indossabili consentono lo sviluppo di algoritmi per la previsione automatizzata degli eventi sanitari, la prevenzione e l'intervento per una vasta gamma di malattie acute e croniche2. I sensori indossabili disponibili in commercio, utilizzati principalmente per il monitoraggio del fitness, sono sempre più utilizzati dai professionisti medici nella ricerca sulla salute pubblica e rappresentano uno strumento promettente per la raccolta di dati multimodale e continua in condizioni di vita reale3. Ancora più importante, tuttavia, la raccolta imparziale dei dati dai sensori indossabili consente ai ricercatori di superare le sfide della distorsione del richiamo che caratterizzano i metodi tradizionali di raccolta dei dati come interviste e diari4.
Tuttavia, ai fini di studi clinici o altri studi di popolazione, l'accuratezza, l'affidabilità e l'integrità dei dati sono essenziali. Inoltre, la credibilità dei dati raccolti può anche essere influenzata da diversi altri parametri, come l'applicabilità della fascia di età, nonché la capacità di memoria e l'efficienza energetica del dispositivo5. Recenti revisioni sistematiche di studi di laboratorio e sul campo con un numero limitato di partecipanti hanno generalmente confermato l'applicabilità degli smartwatch commerciali per l'attività, la frequenza cardiaca, le convulsioni e il monitoraggio del comportamento, sebbene le revisioni abbiano anche dimostrato scarsa idoneità per gli utenti anziani, nonché limitazioni di batteria, memoria e qualità dei dati 6,7 . Queste limitazioni possono essere ulteriormente amplificate in studi di popolazione più ampi in condizioni di vita reale in cui entrano in gioco parametri aggiuntivi come connettività Internet incoerente, comfort del dispositivo e uso scorretto dello smartwatch8. In particolare, l'aspetto e l'inconveniente sono ostacoli significativi all'uso quotidiano dei sensori9, mentre le preoccupazioni relative alla privacy e alla riservatezza possono influire sul reclutamento negli studi che coinvolgono sensori indossabili10. Per quanto riguarda l'applicabilità degli smartwatch commerciali e dei fitness tracker per misurare l'attività fisica negli studi di ricerca, un recente studio di Henriksen et al. ha suggerito che la selezione di un dispositivo appropriato per un particolare studio non dovrebbe essere basata solo sui sensori incorporati disponibili, ma piuttosto tenere conto anche della convalida e dell'uso precedente nella ricerca, Aspetto, durata della batteria, robustezza, resistenza all'acqua, connettività e usabilità11.
Ai fini di questo studio, presentiamo un protocollo per migliorare le sfide incontrate durante il progetto LIFE MEDEA, uno studio di intervento per la mitigazione degli effetti sulla salute delle tempeste di polvere del deserto12. Lo studio ha coinvolto due distinti gruppi di popolazione: bambini asmatici di età compresa tra 6 e 11 anni e pazienti anziani con fibrillazione atriale (FA). Entrambi i gruppi sono stati dotati di uno smartwatch commerciale per la valutazione dell'attività fisica (utilizzando un cardiofrequenzimetro, un contapassi e un accelerometro) e della posizione (utilizzando i segnali GPS per localizzare le persone in microambienti interni "domestici" o esterni). Ai partecipanti è stato richiesto di indossare lo smartwatch ogni giorno e i dati sono stati trasmessi tramite una rete wireless a una piattaforma di raccolta dati amministrata centralmente tramite l'applicazione di raccolta dati per la valutazione quasi in tempo reale della conformità. Ulteriori dettagli sullo smartwatch e sulla configurazione del sistema sono forniti in uno studio precedente13. Durante il primo anno di implementazione del progetto, sono emerse diverse sfide tecniche e reali relative al dispositivo, che hanno influenzato il reclutamento, la conformità dei partecipanti a indossare il dispositivo quotidianamente e la completezza dei dati raccolti. Alcune sfide erano specifiche della popolazione, come il requisito degli amministratori scolastici e di molti genitori che i bambini che indossano gli smartwatch non dovrebbero avere accesso alle funzionalità standard dello smartwatch, come giochi, browser Internet, fotocamera e applicazioni di registrazione audio. Altre sfide erano di natura tecnica, come la perdita del segnale GPS, specialmente negli ambienti interni, e le impostazioni interne dello smartwatch che interferivano con l'applicazione di raccolta dati. Una panoramica dettagliata delle principali sfide individuate e una breve descrizione delle loro implicazioni e soluzioni sono presentate nella tabella 1.
In questo studio, suggeriamo soluzioni semplici, economiche e pronte all'uso per migliorare la conformità degli utenti, la qualità dei dati e la completezza dei dati negli studi sulla popolazione che utilizzano sensori indossabili e fornire i protocolli pertinenti. Inoltre, dimostriamo i miglioramenti della completezza dei dati derivanti dall'implementazione di tali protocolli utilizzando risultati rappresentativi dello studio13.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Le approvazioni amministrative ed etiche sono state ottenute dal ministero della Salute di Cipro (YY5.34.01.7.6E) e dal Comitato nazionale di bioetica di Cipro (ΕΕΒΚ/ΕΠ/2016.01.23). I pazienti con fibrillazione atriale e i tutori dei bambini asmatici hanno fornito il consenso informato scritto prima di partecipare allo studio.
1. Armadietti delle applicazioni e applicazioni di automazione dei dispositivi
NOTA: è possibile trovare armadietti delle applicazioni e applicazioni di automazione dei dispositivi (tasker) disponibili gratuitamente sia per i dispositivi Android che per i dispositivi IOS. Le applicazioni specifiche utilizzate nel presente studio sono elencate nella tabella dei materiali.
- Utilizzare un dispositivo smartphone preferibilmente dotato della stessa versione Android dello smartwatch.
- Dal Play Store, scarica e installa l'applicazione di raccolta dati, l'armadietto dell'applicazione e il tasker.
- Scarica un'applicazione disponibile gratuitamente in grado di estrarre il pacchetto di applicazioni Android (APK) delle applicazioni scaricate già installate sullo smartphone.
NOTA: L'applicazione crea una cartella denominata Extracted-Apks nella memoria interna dello smartphone e memorizza i file APK esportati. Salva i file APK invece di scaricare l'armadietto dell'applicazione e il tasker durante la configurazione di ogni dispositivo smartwatch per assicurarti che le stesse versioni delle applicazioni vengano utilizzate su tutti i dispositivi.
2. Sviluppo delle procedure automatizzate utilizzando il tasker
NOTA: un tasker consente lo sviluppo passo-passo di processi automatizzati. Questi possono variare in base ai requisiti del progetto. Non è richiesta una precedente esperienza di codifica o programmazione. Nei passaggi seguenti vengono utilizzati i termini e le definizioni seguenti: trigger (uno stato iniziale che, una volta soddisfatto, consente al tasker di avviare il processo), condizione (una condizione che, se soddisfatta, consente al processo di continuare con il passaggio successivo) e action (il risultato del processo). Nelle figure fornite, il parallelogramma indica un trigger, il diamante indica una condizione e il rettangolo indica un'azione. Ogni processo può comportare più di un'azione e queste sono etichettate come azioni a, b, c, (...) sotto ogni processo. È stato istituito un processo separato per ogni singolo problema identificato durante l'implementazione sul campo del progetto. Questo approccio ha garantito che non vi fosse sovrapposizione tra le condizioni stabilite e ha consentito il buon funzionamento del processo automatizzato nel suo complesso.
- Avviare l'applicazione di automazione dei dispositivi e passare all'interfaccia per creare attività.
NOTA: l'interfaccia differisce tra le diverse applicazioni di automazione dei dispositivi. I passaggi descritti di seguito si basano sul tasker utilizzato nello studio presentato qui12, ma passaggi simili si applicano a tutte le applicazioni di questo tipo. Le applicazioni di automazione dei dispositivi consentono lo sviluppo di diversi processi (chiamati anche macro). Tutte le macro descritte in questo protocollo sono fornite nel file supplementare 1.- Per creare un processo, selezionare Macro.
- Creare un processo che attivi sistematicamente l'applicazione di raccolta dati (Figura 1). Fallo seguendo i passaggi seguenti.
- Aggiungere una macro o un'attività facendo clic sul segno più. Aggiungere un trigger per creare un punto iniziale per il processo. Fare clic sul segno più nella scheda trigger.
- Selezionare Data e ora, quindi selezionare la scheda Intervallo regolare . Non utilizzare un tempo di riferimento, ma impostare un intervallo regolare.
- Impostare un intervallo di tempo fisso che funga da trigger per avviare una procedura. Impostare l'intervallo a 7,5 minuti e fare clic su OK.
Nota : questa condizione crea un trigger regolare che viene eseguito ogni 7,5 minuti. La selezione dell'intervallo di attivazione si basa sulla capacità della batteria del dispositivo e su altre condizioni che influiscono sul corretto funzionamento dell'applicazione di raccolta dati. - Per aggiungere un'azione, fare clic sul segno più nella scheda azione. Selezionare la scheda Condizioni/loop . Selezionare la clausola SE.
- Aggiungi una condizione facendo clic sul segno più. Selezionare la scheda Data e ora . Selezionare Cronometro. Fare clic su OK.
- Impostare una durata fissa da aggiungere come condizione. Come parte della procedura, la condizione da testare è se un valore cronometrico è >29 min o <1 s.
NOTA: il primo riflette la preferenza di attivare sistematicamente l'applicazione di raccolta dati ogni 30 minuti e il secondo rappresenta la preferenza di attivare l'applicazione di raccolta dati anche nei casi in cui il cronometro non funziona o si è arrestato. - Cambia la AND facendo clic sul triangolo. Selezionare OR.
NOTA: ogni volta che viene soddisfatta una delle condizioni, il processo può continuare. - Per aggiungere un'azione tra l'istruzione IF, fare clic su Fine se. Seleziona Aggiungi azione sopra.
- Passare per trovare la scheda Schermo. Selezionare l'azione Screen On e fare clic su Ok.
NOTA: quando le condizioni sono soddisfatte, il tasker abiliterà lo schermo. - Seguendo passaggi simili, aggiungi una seconda azione che riduce la luminosità dello schermo alla percentuale più bassa.
- Aggiungere un'azione aggiuntiva che reimposta e riavvia il cronometro utilizzato in questo processo automatizzato. Questo crea un ciclo.
- Seguire passaggi simili e aggiungere un'azione che abiliti l'applicazione di raccolta dati. Seleziona Applicazioni.
- Seleziona Avvia applicazione. Individuare e selezionare l'applicazione di raccolta dati. Selezionare Force NEW, e fare clic su OK.
NOTA: il processo è completo. Vengono impostati il trigger, le condizioni e le azioni. Questo processo consente sistematicamente all'applicazione di raccolta dati in intervalli di tempo frequenti di contrastare qualsiasi arresto anomalo casuale dell'applicazione. L'azione Screen On è progettata per impedire le impostazioni di ibernazione dei dispositivi commerciali e l'azione Luminosità allo 0% viene utilizzata per ridurre il consumo della batteria. L'azione Cronometro (ripristino e riavvio) crea un ciclo per il nostro processo complessivo. Se la condizione è soddisfatta, il tasker esegue le seguenti azioni: (a) avvio dell'applicazione di raccolta dati, (b) attivazione dello schermo dello smartwatch, (c) riduzione della luminosità dello schermo allo 0% e (d) ripristino e riavvio del cronometro per creare un loop. L'azione b e l'azione c sono progettate per contrastare le impostazioni di ibernazione predefinite dei dispositivi commerciali. Le impostazioni di ibernazione possono interferire con il normale funzionamento delle applicazioni smartwatch (inclusa l'applicazione di raccolta dati). L'ibernazione viene risolta attivando sistematicamente lo schermo (azione b) e, per ridurre il consumo della batteria, l'attivazione dello schermo è accoppiata con la riduzione della luminosità dello schermo (azione c). - Assegnare un nome a questo processo e selezionare Salva.
- Creare un processo che abiliti sistematicamente il Wi-Fi dello smartwatch (Figura 2).
- Aggiungere un trigger per creare un punto iniziale per il processo. Fare clic sul segno più nella scheda Trigger . Selezionare Eventi dispositivo, quindi selezionare Schermo acceso/disattivato. Selezionare Schermo acceso e fare clic su OK.
- Aggiungi un'azione facendo clic sul segno più nella scheda Azione . Selezionare la scheda Condizioni/loop . Selezionare la clausola SE. Aggiungi una condizione facendo clic sul segno più. Selezionare la scheda Connettività . Seleziona Stato Wi-Fi. Seleziona Wi-Fi disabilitato e fai clic su OK.
- Fare clic su Fine se. Seleziona Aggiungi azione sopra. Selezionare la scheda Connettività . Fare clic sulla scheda Configura Wi-Fi . Seleziona Abilita Wi-Fi e fai clic su OK. Questa è l'azione a del processo nel passaggio 2.3.
NOTA: all'attivazione dello schermo e se il Wi-Fi è disabilitato, il tasker abiliterà il Wi-Fi. - Aggiungere un'ulteriore azione tra l'istruzione IF che reimposta e riavvia Stopwatch_2. Questa è l'azione b del processo nel passaggio 2.3.
NOTA: Il cronometro è importante per disabilitare il Wi-Fi dopo alcuni minuti, che è un'azione eseguita da un processo diverso nel protocollo (passaggio 2.5). Lo smartwatch non ha bisogno di essere costantemente connesso al Wi-Fi in quanto ciò aumenta il consumo della batteria. - Assegnare un nome a questo processo e selezionare Salva.
- Creare un processo che ottimizzi sistematicamente il consumo della batteria (Figura 3).
NOTA: i dispositivi smartwatch di solito hanno impostazioni predefinite per disabilitare lo schermo dopo un periodo di alcuni secondi. Per il dispositivo utilizzato nel nostro studio, questo periodo era di 15 s. Il test è presentato al punto 2.7.- Utilizzare la disattivazione dello schermo predefinita come trigger.
- Imposta una condizione che verifichi la combinazione del fatto che lo smartwatch non si stia caricando e non sia connesso a una rete. Se entrambi si applicano, il processo disabilita la connettività Wi-Fi per ridurre il consumo della batteria. Questa è l'azione a del processo nel passaggio 2.4.
NOTA: Se lo smartwatch è in carica, il Wi-Fi deve essere mantenuto abilitato, consentendo l'invio di tutti i dati raccolti durante il giorno tramite la connessione Wi-Fi al nostro server online. Di solito, la ricarica avviene durante la notte. - Impostare una condizione che verifichi se il Bluetooth è abilitato. In tal caso, il Bluetooth è disabilitato per ridurre il consumo della batteria. Questa è l'azione b del processo nel passaggio 2.4.
- Impostare un'azione aggiuntiva che viene attivata automaticamente dopo il trigger. Questa azione imposta la luminosità dello schermo al 50% (azione c del processo nel passaggio 2.4).
NOTA: le interazioni dell'utente possono modificare i livelli di luminosità. Livelli più elevati di luminosità dello schermo scaricano la batteria più velocemente e, come compreso, la luminosità dello schermo è impostata al 50% come livello ottimale che consente all'utente di interagire facilmente con lo smartwatch risparmiando anche la batteria.
- Creare un processo che registri sistematicamente le informazioni sugli eventi (Figura 4).
- Aggiungere un trigger per creare un punto iniziale per il processo. Fare clic sul segno più nella scheda Trigger . Seleziona Data e ora. Selezionare la scheda Intervallo regolare . Non utilizzare un tempo di riferimento.
- Impostare l'intervallo regolare. Impostare un intervallo di tempo fisso che funga da trigger per avviare la procedura. Impostare l'intervallo a 5 minuti e fare clic su Ok.
NOTA: questo crea un trigger infinito che viene eseguito ogni 5 minuti; La selezione dell'intervallo si basa sulla capacità della batteria del dispositivo e su altre condizioni dipendenti dalle esigenze del ricercatore. - Per aggiungere un'azione, fare clic sul segno più nella scheda Azione . Selezionare Registrazione. Fare clic su Registra evento.
- Fare clic sulla scheda Punti puntini di sospensione (Ellipsis Points ). Trova e seleziona SSID Wi-Fi (nome della rete Wi-Fi ), quindi seleziona OK.
- Facendo nuovamente clic sulla scheda Punti di sospensione e seguendo esattamente gli stessi passaggi, aggiungere ulteriormente la potenza del segnale Wi-Fi, il numero di serie del dispositivo, la latitudine GPS, la longitudine GPS, la precisione del segnale GPS e se lo smartwatch è in carica o meno (azione a del processo nel passaggio 2.5).
Nota : questa azione crea un evento di registro con variabili prespecificate rilevanti per il progetto. - Assegnare un nome a questo processo e selezionare Salva.
- Fare clic sulla scheda Registrazione e impostare una condizione che verifichi la combinazione tra cui lo smartwatch non è in carica, lo schermo è spento e il cronometro descritto nel punto
2.3.3 è >4 min e disabilita il Wi-Fi quando tutte queste condizioni sono soddisfatte (azione b del processo nel passaggio 2.5).
- Creare un processo che fornisca notifiche all'utente se il segnale GPS è disabilitato (Figura 5)
- Imposta la connessione a una rete Wi-Fi come trigger.
- Impostare un'azione che viene attivata automaticamente dopo il trigger. Questa azione crea un punto di evento di registro simile a quello del passaggio 2.5.2 (azione a del processo nel passaggio 2.6).
NOTA: questo evento di registro aggiuntivo fornisce le informazioni relative all'ora esatta in cui lo smartwatch è stato connesso alla rete Wi-Fi domestica. - Impostare una condizione che verifichi se il sensore GPS è stato disattivato o se il suo stato di precisione è stato modificato o se la modalità aereo è stata abilitata. Aggiungere un'azione tra l'istruzione IF che visualizza l'errore di notifica "ERROR!!! Si prega di controllare le impostazioni" (azione b del processo al punto 2.6).
- Testare ogni processo creato.
- Fare clic sulla scheda Processo .
- Fare clic sulla scheda Trigger .
- Selezionare Test trigger.
NOTA: il trigger di test avvia le azioni del processo selezionato. Se il risultato è quello desiderato, il processo viene salvato.
3. Esportazione dei processi creati (passaggi 2.1-2.6)
- Esportare e salvare i file dei processi creati (passi 2.1-2.6) in formato mdr (file mdr) nella stessa directory dello smartphone del punto 1.1.3.
4. Trasferimento e installazione dei file creati sullo smartwatch
- Trasferisci i file dallo smartphone a un laptop / PC.
- Collegare lo smartphone al laptop/PC.
- Trova la directory con i file APK e mdr estratti (file di estensione tasker) creati con l'applicazione di automazione dei dispositivi.
- Copia e incolla tutti i file in una directory nel laptop / PC.
- Trasferire i file dal laptop / PC al dispositivo smartwatch.
NOTA: Nello studio, lo smartwatch era dotato anche di un cavo di ricarica magnetico che consentiva anche il trasferimento di dati/file.- Collegare lo smartwatch con il caricabatterie magnetico al laptop/PC.
- Seleziona l'opzione per trasferire i file sul pannello di notifica dello smartwatch.
- Sul laptop/PC, accedere alla directory con i file salvati dal passaggio 4.1.2.
- Copia tutti i file e incollali in una directory nello smartwatch.
5. Configurazione dello smartwatch per l'uso sul campo
- Installa le applicazioni e i processi sullo smartphone sullo smartwatch.
- Passare alla destinazione con i file incollati e installare tutti i file APK. Questi includono l'archivio dell'applicazione, il tasker e l'applicazione di raccolta dati (vedere Tabella dei materiali).
- Installare il file mdr che contiene i processi creati nel passaggio 2.
- Accettare tutte le autorizzazioni necessarie per eseguire i processi.
Nota : le autorizzazioni possono variare a seconda della natura dei processi creati.
- Impostare o modificare le importanti impostazioni predefinite del dispositivo.
NOTA: Prima che lo smartwatch venga consegnato a un partecipante, è necessario modificare diverse impostazioni importanti.- Scorri lo schermo dello smartwatch verso sinistra e vai alla funzione delle impostazioni dello smartwatch. Fare clic su Impostazioni.
- Selezionare Audio e disattivare tutti i suoni riducendo al minimo i livelli di volume di tutte le singole impostazioni audio. Scorri lo schermo verso destra per tornare alla schermata delle impostazioni principali.
NOTA: Le distrazioni e le notifiche non necessarie da parte dello smartwatch non sono consigliate perché ciò creerà inutili fastidi per i partecipanti, specialmente durante l'orario scolastico e lavorativo. - Scorri verso il basso e seleziona la funzione Connetti . Scorri verso il basso e seleziona GPS. Fare clic su Modalità e impostare le impostazioni GPS su Alta precisione.
- Scorri lo schermo verso destra per tornare alla schermata delle impostazioni principali.
- Scorrere verso il basso, selezionare la funzione di risparmio energetico, disattivare l'impostazione di alimentazione Standby intelligence e verificare che il risparmio batteria sia sempre spento. Scorri lo schermo verso destra per tornare alla schermata delle impostazioni principali.
NOTA: sebbene il consumo della batteria debba essere preso in considerazione, mantenere attivata la modalità di risparmio energetico standard potrebbe interferire con il buon funzionamento delle applicazioni e influire negativamente sulla qualità e sulla completezza dei dati. - Scorri verso il basso e seleziona la funzione Data e ora . Disattivare la scheda Fuso orario automatico . Scorri verso il basso, fai clic su Seleziona fuso orario, seleziona il fuso orario corretto e abilita il formato 24 ore.
- Scorrere verso l'alto, abilitare il fuso orario automatico e verificare che la modalità automatica di data e ora sia impostata su Usa ora fornita dalla rete.
NOTA: questo è importante per garantire che ogni misurazione del sensore sia accompagnata dal timestamp corretto. - Scorri lo schermo verso destra per tornare alla schermata delle impostazioni principali. Scorri verso il basso, seleziona Altro, apri l'opzione Background Cleaner e disabilita il Risparmio batteria.
NOTA: tutte le impostazioni che interferiscono con il corretto funzionamento delle applicazioni in background devono essere disabilitate. In questo caso, tale impostazione è il pulitore di background e, se rimane abilitato, queste applicazioni non saranno in grado di funzionare in background, influenzando così la configurazione generale dello smartwatch e interferendo con l'approccio di raccolta dei dati. - Scorri lo schermo verso destra per tornare alla schermata Altre impostazioni , scorri verso il basso, seleziona la funzione di blocco dell'app , fai clic su Avanti, scorri verso il basso, fai clic su Google Play Store e seleziona Blocca; L'applicazione verrà automaticamente disabilitata.
NOTA: se lasciato attivato, è probabile che il Play Store esegua aggiornamenti. Tali aggiornamenti possono interferire con i processi creati. Inoltre, alcuni aggiornamenti possono avvenire in giorni diversi per i diversi partecipanti allo studio e, quindi, per un periodo di tempo, i dati non saranno raccolti allo stesso modo da tutti i partecipanti. - Scorri lo schermo verso destra per tornare alla schermata Altre impostazioni , seleziona la funzione Notifiche , seleziona Google e blocca tutte le notifiche da questa applicazione.
NOTA: a seconda del dispositivo e del sistema operativo, anche altre applicazioni potrebbero mostrare notifiche. Le distrazioni e le notifiche non necessarie da parte dello smartwatch non sono consigliate perché ciò creerà inutili fastidi per i partecipanti, specialmente durante l'orario scolastico e lavorativo. - Scorri rapidamente lo schermo verso destra per tornare alla schermata Altre impostazioni , scorri verso il basso, seleziona la funzione Risparmio dati e disabilita il risparmio dati. Scorri rapidamente lo schermo verso destra per tornare alla schermata Altre impostazioni .
NOTA: disattivare qualsiasi impostazione o funzionalità che possa influire sul caricamento o sulla ricezione dei dati. - Seleziona la funzione Impostazioni app , scorri verso il basso, seleziona la funzione Accesso speciale e fai clic su Impostazioni di ottimizzazione della batteria . Fai clic sul triangolo e seleziona Tutte le app.
- Scorri verso il basso per trovare l'archivio applicazioni, seleziona l'archivio applicazioni, seleziona Non ottimizzare e fai clic su Fine. Trova tutte le applicazioni pertinenti utilizzate nella configurazione dello smartwatch (blocco applicazioni, tasker, applicazione di raccolta dati) e seleziona Non ottimizzare.
NOTA: le principali applicazioni che eseguono o supportano la raccolta dei dati devono funzionare senza restrizioni della batteria. - Al termine dell'installazione, eseguire un controllo delle impostazioni implementate in questo passaggio.
NOTA: la reattività del touch screen potrebbe essere carente e le modifiche importanti alle impostazioni potrebbero non essere state eseguite correttamente, quindi esegui un controllo per assicurarti che ogni passaggio sia stato eseguito correttamente. Controlla di nuovo che tutti i suoni e le vibrazioni siano ridotti al minimo, che il GPS sia in modalità ad alta precisione e che le impostazioni di data e ora siano corrette. Inoltre, assicurati di disabilitare tutte le impostazioni che interferiscono con il buon funzionamento delle applicazioni in background. Inoltre, assicurarsi che qualsiasi altra applicazione in grado di eseguire aggiornamenti sia bloccata. Disattiva eventuali impostazioni o funzionalità che potrebbero influire sul caricamento o sulla ricezione dei dati. Assicurarsi che le principali applicazioni che eseguono o supportano la raccolta dei dati possano funzionare senza restrizioni della batteria.
- Configurare l'armadietto dell'applicazione.
- Dalla schermata iniziale, vai per trovare le applicazioni installate.
- Seleziona App Locker.
- Selezionare la modalità di blocco delle applicazioni da parte dell'App Locker (le possibilità includono l'uso di un codice PIN o di un codice modello).
- Seleziona le applicazioni che desideri bloccare. Tra gli altri, la fotocamera, la registrazione vocale, il browser e le applicazioni di gioco possono essere bloccati. Attiva l'App Locker.
- Collega lo smartwatch alla rete Wi-Fi domestica del partecipante.
NOTA: l'installazione è completa. Lo smartwatch è pronto per essere regalato a un partecipante.
- Consentire al partecipante di utilizzare lo smartwatch.
- Istruire i partecipanti a indossare lo smartwatch ogni giorno e caricare il dispositivo ogni notte durante il sonno.
NOTA: Durante il giorno, i partecipanti sono stati in grado di utilizzare lo smartwatch come un normale orologio digitale e valutare i loro livelli di attività attraverso l'indicatore del contapassi dello smartwatch. I partecipanti non erano tenuti a svolgere compiti specifici affinché lo smartwatch fosse in grado di raccogliere e trasmettere i dati. La configurazione dei dispositivi come descritto nel protocollo in combinazione con i processi automatizzati sviluppati con il tasker ha ridotto al minimo il fastidio per i partecipanti.
- Istruire i partecipanti a indossare lo smartwatch ogni giorno e caricare il dispositivo ogni notte durante il sonno.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Il protocollo descrive soluzioni semplici ed economiche alle sfide della vita reale che riguardano il reclutamento, la conformità e la qualità dei dati negli studi sulla popolazione che utilizzano sensori indossabili. I passaggi descritti qui hanno permesso la corretta configurazione di un dispositivo indossabile di consumo per l'esposizione e il monitoraggio della salute in un ampio studio di popolazione che ha coinvolto bambini con asma e adulti con fibrillazione atriale. La Figura 6 fornisce una panoramica grafica dei protocolli forniti e illustra i passaggi chiave intrapresi per affrontare i principali problemi sottostanti identificati.
Qui, presentiamo i risultati rappresentativi di un sottogruppo di 17 partecipanti (bambini asmatici di età compresa tra 6 e 11 anni) che si sono impegnati nello studio LIFE MEDEA nella primavera del 202013. I 17 partecipanti sono stati dotati di uno smartwatch che ha fornito dati con timestamp sull'attività fisica (contapassi, accelerometro, frequenza cardiaca) e posizioni GPS prima e dopo l'implementazione del protocollo. Questi dati sono stati raccolti tramite l'applicazione di raccolta dati e sono stati automaticamente sincronizzati con un database basato su cloud quando lo smartwatch era in contatto con la rete Wi-Fi all'interno della casa di ciascun partecipante, come descritto in precedenza13. Tuttavia, attraverso l'applicazione del protocollo descritto, sono state rese disponibili anche informazioni sulla connettività Wi-Fi, sulla potenza del segnale Wi-Fi, sulla capacità della batteria e sul fatto che il dispositivo fosse in carica o meno. I dati su queste variabili aggiuntive non sono stati sincronizzati automaticamente con il database basato su cloud, ma hanno dovuto essere scaricati manualmente da ogni smartwatch tramite Bluetooth dopo la fine del periodo di studio. Confrontando i dati raccolti per una durata di 2 settimane prima e 2 settimane dopo l'implementazione del protocollo, abbiamo valutato l'impatto di queste soluzioni nel migliorare la completezza dei dati, definita come la percentuale di tempo con i dati raccolti al giorno. La Figura 7A presenta separatamente la percentuale di tempo con i dati prima e dopo l'implementazione del protocollo per ciascun partecipante, mentre la Figura 7B presenta le corrispondenti distribuzioni della percentuale di tempo con i dati per l'intero gruppo prima e dopo l'implementazione del protocollo. È interessante notare che l'implementazione del protocollo ha portato a un aumento staticamente significativo della completezza dei dati, con la percentuale di tempo con i dati che è aumentata da una mediana del 36,5% (min: 9,3%, max: 68,1%) a una mediana del 48,9% (IQR: 18,4%, 77,8%, p = 0,013).
Inoltre, nella Figura 8, presentiamo un caso estremo di scarsi dati GPS raccolti durante 24 ore da un singolo paziente con fibrillazione atriale che ha partecipato allo studio. Sebbene il paziente indossasse l'orologio come indicato, il segnale GPS grezzo effettivamente raccolto era sparso nelle 24 ore (Figura 8A) e la stima della durata del tempo al chiuso e della durata del tempo all'aperto era difficile. L'implementazione di un algoritmo di riempimento dei dati GPS (figura supplementare 1) consente di sostituire i dati mancanti con i valori stimati (figura 8B). La conferma che il tempo stimato in ambienti chiusi e il tempo stimato all'aperto erano corretti è stata fornita dalla connettività dello smartwatch registrata con il segnale della rete Wi-Fi (Figura 8C). Per lo stesso paziente, mostriamo anche un altro caso estremo di un giorno con dati GPS scarsi raccolti (Figura 9A). Tuttavia, in questo caso, l'implementazione dell'algoritmo di riempimento dei dati GPS da sola non ha stimato con precisione tutti i dati mancanti. Tipicamente, l'algoritmo ha stimato correttamente che il partecipante era per lo più fuori dalla propria residenza tra le 09:00 e le 21:00 di quel giorno e che sono tornati a casa per un breve periodo intorno alle 18:00, ma non è riuscito a catturare che il partecipante è tornato a casa per un periodo di circa 90 minuti alle 13:30 circa (Figura 9B). Tuttavia, questo evento non è sfuggito quando sono stati considerati anche i dati sulla connettività degli smartwatch con il segnale della rete Wi-Fi (Figura 9C).
Infine, a seguito del successo del pilotaggio, il protocollo è stato implementato in tutta la coorte di partecipanti MEDEA durante la primavera del 2020 sia a Cipro che in Grecia (n = 108 bambini asmatici). Tuttavia, poche settimane dopo che gli smartwatch sono stati distribuiti ai bambini e la raccolta dei dati è iniziata, le autorità sanitarie di Cipro e Grecia hanno imposto una serie di interventi di sanità pubblica di crescente intensità per controllare la pandemia di COVID-19 nei rispettivi paesi. Gli interventi di sanità pubblica sono stati inizialmente caratterizzati da misure di distanziamento sociale e dal divieto di grandi eventi pubblici, ma sono rapidamente aumentati fino a rigidi blocchi nazionali durante i mesi di marzo e aprile. Considerando i disturbi senza precedenti nella routine quotidiana e nel comportamento della popolazione, è stata presa la decisione di continuare a monitorare la posizione e l'attività dei bambini asmatici che utilizzano gli smartwatch durante la durata dei blocchi per quantificare oggettivamente la loro conformità alle misure di intervento di sanità pubblica e ai cambiamenti complessivi nell'attività fisica. I dati raccolti sono stati utilizzati per calcolare i profili individuali di "frazione di tempo trascorso a casa" e "passi totali / giorno" giornalieri e sono stati analizzati statisticamente per valutare i cambiamenti in questi parametri rispetto ai livelli crescenti delle misure di blocco COVID-19. La cronologia e la descrizione dei livelli crescenti delle misure di blocco COVID-19 nei due paesi sono presentate nella figura 10 e sono descritte in dettaglio da Kouis et al. in una precedente pubblicazione13. In sintesi, i risultati hanno indicato un aumento medio statisticamente significativo della "frazione di tempo trascorso a casa" in entrambi i paesi attraverso i crescenti livelli di intervento. L'aumento medio del "tempo frazionato" è stato pari al 41,4% e al 14,3% (al livello 1), al 48,7% e al 23,1% (al livello 2) e al 45,2% e al 32,0% (al livello 3) rispettivamente per Cipro e Grecia. L'attività fisica a Cipro e in Grecia ha dimostrato diminuzioni medie significative di -2.531 e -1.191 passi/giorno (al livello 1), -3.638 e -2.337 passi/giorno (al livello 2) e -3.644 e -1.961 passi/giorno (al livello 3) a Cipro e in Grecia, rispettivamente13. Le medie settimanali di "frazione di tempo trascorso a casa" e "passi totali/giorno" nei bambini asmatici prima di COVID-19 e durante i tre livelli di misure di blocco COVID-19 sono mostrate nella figura 11 13.
DICHIARAZIONE DI DISPONIBILITÀ DEI DATI:
Il set di dati anonimizzato è stato inviato al repository ad accesso aperto online di Figshare (https://doi.org/10.6084/m9.figshare.21601371.v3).
Tabella 1: Sfide reali identificate in relazione all'uso di dispositivi smartwatch e alle soluzioni impiegate. Clicca qui per scaricare questa tabella.
Figura 1: Attivazione dell'applicazione di raccolta dati. Schema del processo per attivare sistematicamente l'applicazione di raccolta dati. Il parallelogramma indica un trigger, il diamante indica una condizione e il rettangolo indica un'azione. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Figura 2: Abilitazione della connettività Wi-Fi. Schema del processo per abilitare sistematicamente la connettività Wi-Fi. Il parallelogramma indica un trigger, il diamante indica una condizione e il rettangolo indica un'azione. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Figura 3: Ottimizzazione del consumo della batteria. Schema schematico dei processi che portano ad azioni che ottimizzano sistematicamente il consumo della batteria. Il parallelogramma indica un trigger, il diamante indica una condizione e il rettangolo indica un'azione. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Figura 4: Registrazione delle informazioni sugli eventi. Diagramma schematico dei processi che registrano sistematicamente le informazioni sugli eventi rilevanti per il progetto. Il parallelogramma indica un trigger, il diamante indica una condizione e il rettangolo indica un'azione. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Figura 5: Notifica all'utente se il segnale GPS è disabilitato. Diagramma schematico dei processi che controllano sistematicamente lo stato del segnale GPS e forniscono notifiche per avvisare gli utenti dei problemi. Il parallelogramma indica un trigger, il diamante indica una condizione e il rettangolo indica un'azione. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Figura 6: Panoramica schematica dei protocolli. Panoramica schematica delle sfide sottostanti identificate e dei protocolli forniti con un'illustrazione delle fasi chiave dei processi. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Figura 7: Completezza dei dati prima e dopo l'implementazione del protocollo. Completezza dei dati per un gruppo rappresentativo di partecipanti (n = 17) per un periodo di 2 settimane prima e dopo l'implementazione del protocollo. (A) La percentuale di tempo con i dati prima e dopo l'implementazione del protocollo per ciascun partecipante separatamente. (B) Le distribuzioni corrispondenti per l'intero gruppo. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Figura 8: Implementazione dell'algoritmo di riempimento dei dati GPS (caso estremo 1). (A) Esempio di un giorno con scarsi dati grezzi del segnale GPS e (B) l'implementazione dell'algoritmo di riempimento dei dati GPS per sostituire i dati mancanti con i valori stimati. (C) La conferma delle classificazioni interne ed esterne basate sull'indicatore del segnale ricevuto dal Wi-Fi. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Figura 9: Implementazione dell'algoritmo di riempimento dei dati GPS (caso estremo 2). (A) Esempio di un giorno con scarsi dati grezzi del segnale GPS e (B) l'implementazione dell'algoritmo di riempimento dei dati GPS per sostituire i dati mancanti con i valori stimati. (C) L'algoritmo di riempimento dei dati GPS ha portato ad alcuni errori di classificazione interni ed esterni, che sono stati risolti utilizzando l'indicatore del segnale ricevuto Wi-Fi. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Figura 10: Calendario degli interventi di sanità pubblica a Cipro e in Grecia. Cronologia delle registrazioni dello studio in relazione all'introduzione di interventi di sanità pubblica in (A) Cipro e (B) Grecia nei mesi di marzo e aprile 2020.L'immagine è riprodotta sotto licenza CC BY 4.0, senza alcuna modifica, dallo studio originale di Kouis et al., pubblicato per la prima volta su Scientific Reports Journal13. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Figura 11: Cambiamenti nella mobilità in risposta agli interventi di sanità pubblica tra i bambini asmatici. Medie settimanali della frazione di tempo trascorso a casa e passi / giorno dei bambini asmatici prima e durante i tre livelli di interventi di sanità pubblica in (A) Cipro e (B) Grecia. L'immagine è riprodotta sotto licenza CC BY 4.0, senza alcuna modifica, dallo studio originale di Kouis et al., pubblicato per la prima volta su Scientific Reports Journal13. Fare clic qui per visualizzare una versione ingrandita di questa figura.
Figura supplementare 1: L'implementazione di un algoritmo di riempimento dei dati GPS. Clicca qui per scaricare questo file.
Scheda supplementare 1: Le macro descritte in questo protocollo. Clicca qui per scaricare questo file.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
I sensori indossabili sono strumenti utili che consentono il monitoraggio continuo e non invasivo dei parametri di salute e del comportamento del paziente. Gli smartwatch commerciali, dotati di una varietà di sensori, forniscono un'alternativa promettente ai tradizionali metodi di raccolta dei dati e il loro uso nella ricerca clinica e sulla salute pubblica dovrebbe aumentare solo a causa della maggiore varietà e qualità dei sensori integrati, di partnership accademiche-industriali più forti e della riduzione dei prezzi al dettaglio14 . In questo studio, evidenziamo le sfide della vita reale che possono influenzare il reclutamento, la conformità degli utenti e la qualità dei dati negli studi sulla popolazione e forniamo esempi di soluzioni semplici ed economiche per superarle sul campo. L'implementazione di questo protocollo durante il roll-out dello studio13 ha portato a risultati significativamente migliorati in termini di completezza e qualità dei dati. I passaggi più critici all'interno del protocollo sono il passaggio 2.2 (che garantisce l'attivazione sistematica dell'applicazione di raccolta dati a intervalli di tempo regolari), il passaggio 2.5 (che fornisce un registro separato di eventi importanti sullo stato dello smartwatch) e il passaggio 5.2.8 (che consente il funzionamento ininterrotto dei processi in background dello smartwatch).
In passato, diversi studi hanno affrontato la validità dei dispositivi indossabili di consumo per una varietà di endpoint sanitari e di attività, e i risultati sono stati recentemente sintetizzati in un'ampia revisione sistematica e meta-analisi15. Tuttavia, dei 169 studi totali identificati nella revisione sistematica, solo 48 hanno coinvolto popolazioni in un ambiente di vita libera, mentre solo 36 studi hanno coinvolto popolazioni con qualsiasi tipo di limitazione della mobilità o una malattia cronica. Sebbene gli autori abbiano concluso che, nel complesso, i dispositivi commerciali sono accurati per misurare i passi e la frequenza cardiaca, specialmente in ambienti di laboratorio, hanno evidenziato il rischio di sovrastima o sottostima in ambienti di vita libera, mentre le differenze nell'usabilità e nella validità delle misurazioni tra controlli sani e pazienti cronici non sono state esplorate15 . Entrambi i punti sono particolarmente importanti in quanto uno dei principali argomenti a favore del passaggio alla sanità digitale è consentire il monitoraggio dei pazienti con malattie croniche al di fuori delle strutture sanitarie16.
Tuttavia, alcuni studi precedenti si sono concentrati e quantificati sui problemi incontrati dai partecipanti e dai ricercatori durante l'introduzione di studi clinici in ambienti di vita libera che coinvolgono dispositivi indossabili di consumo17,18,19. In uno studio di fattibilità ben condotto che ha coinvolto un piccolo numero di partecipanti (n = 26) ma li ha osservati per un periodo di tempo significativo (3 mesi), Beukenhorst et al. hanno riferito che, in media, i pazienti hanno indossato l'orologio nel 73% dei giorni e che il non utilizzo temporaneo e permanente è aumentato nel corso delle settimane di studio17.
In un gruppo molto più ampio, Galarnyk et al. hanno riferito che su un totale di 230 individui reclutati nello studio e dotati di uno smartwatch, solo 130 (57%) lo hanno utilizzato almeno una volta e hanno trasmesso con successo alcuni dati18. Inoltre, alcuni studi hanno anche evidenziato il fatto che durante la fase di implementazione è richiesto un supporto tecnico intensivo18,19. Tipicamente, nello studio Parkinson@Home, gli autori hanno riportato un tasso di completezza dei dati dell'88%, ma hanno anche evidenziato che quasi tutti i partecipanti hanno richiesto almeno una chiamata di supporto per la risoluzione dei problemi dei dispositivi durante il periodo di studio di 3 mesi19. Abbiamo riportato un'esperienza simile nel nostro studio13, sebbene non siano stati conservati registri ufficiali delle chiamate per la risoluzione dei problemi e delle visite a domicilio.
Nel nostro studio, ci siamo anche concentrati sui problemi di qualità dei dati relativi ai segnali GPS. Abbiamo dovuto costruire esposizioni individuali dei partecipanti in microambienti esterni e interni (a casa), un compito complicato dalla frequente e persistente perdita di segnale, specialmente in ambienti interni, e per questo motivo, abbiamo sviluppato un algoritmo di riempimento dei dati, come suggerito negli studi precedenti20,21. Sebbene l'algoritmo abbia funzionato ragionevolmente bene, l'inclusione di un indicatore di potenza del segnale ricevuto Wi-Fi, come raccolto dall'applicazione tasker, ha migliorato significativamente le prestazioni dell'algoritmo e ha ridotto al minimo gli errori di classificazione. L'utilità di questo indicatore di potenza del segnale ricevuto Wi-Fi è stata dimostrata anche in studi precedenti incentrati sulla localizzazione indoor 22,23 e, se abbinato alle misurazioni GPS, questo indicatore può fornire una misurazione valida dell'esposizione individuale di24 ore a microambienti esterni e interni.
Infine, il protocollo qui suggerito è stato implementato e testato in condizioni di vita reale nella primavera del 2020 sia nei bambini che negli anziani. Sebbene ogni soluzione suggerita sia semplice e non richieda conoscenze di programmazione preliminari, tutte le soluzioni insieme hanno affrontato tutti i principali problemi identificati, in particolare migliorando e sistematizzando la raccolta dei dati, riducendo il consumo della batteria, bloccando le applicazioni indesiderate e le impostazioni dello smartwatch e migliorando il segnale GPS. Tuttavia, i processi, come descritto nel protocollo, sono stati testati solo con un dispositivo smartwatch utilizzando Android versione 7.1.1. Sebbene sia possibile che la replica diretta di questi processi sia possibile con altre versioni di Android, non possiamo escludere la possibilità che possano essere necessari alcuni aggiustamenti e, di conseguenza, la generalizzabilità diretta del protocollo potrebbe essere limitata. Inoltre, potrebbe essere necessario modificare il protocollo per riflettere le variazioni nelle specifiche tecniche di altri dispositivi smartphone. Ad esempio, il trigger temporale per la raccolta dei dati può essere impostato in base alla capacità della batteria del dispositivo smartwatch o in base alla risoluzione temporale richiesta per le variabili raccolte. Tuttavia, anche se l'applicazione di questo protocollo a un dispositivo smartphone diverso o a una versione diversa di Android potrebbe richiedere la risoluzione dei problemi e la modifica di alcuni dei singoli passaggi, nel complesso, dovranno essere intrapresi passaggi simili (o dovrà essere confermato che alcuni passaggi non sono necessari) durante la configurazione di qualsiasi smartwatch prima che venga somministrato a un partecipante allo studio. Il livello di dettaglio fornito nel protocollo consente il facile adattamento di queste soluzioni a qualsiasi dispositivo smartwatch. Inoltre, questo lavoro non mirava e non era originariamente progettato per valutare le ragioni che possono influenzare la conformità degli utenti ai dispositivi indossabili durante l'esecuzione degli studi sulla popolazione. Sono necessari studi futuri che utilizzino strumenti e metodologie appropriati per esaminare ulteriormente questo argomento. Tali studi possono fornire le prove aggiuntive necessarie per migliorare in modo efficiente i metodi esistenti di incorporare dispositivi indossabili negli studi di ricerca, specialmente in condizioni di vita reale.
Attualmente, i metodi esistenti sono piuttosto limitati e comprendono principalmente lo sviluppo di un sistema di supporto esteso (formazione iniziale, un manuale utente, una linea telefonica di assistenza e visite in loco)19. Inoltre, uno studio precedente ha evidenziato che negli studi clinici digitalizzati dovrebbe essere previsto un tasso di abbandono significativo e sono necessari piani di emergenza a priori, come l'accesso a un pool di reclutamento dei partecipanti più ampio.18. L'incorporazione delle soluzioni presentate in questo studio può integrare e, più criticamente, ridurre l'onere per il sistema di supporto esteso, aumentando al contempo la completezza e la qualità dei dati. Inoltre, sulla base delle osservazioni di Galarnyk et al., rendere l'avvio dell'uso del dispositivo il più semplice possibile può garantire ulteriormente la conformità e ridurre i tassi di abbandono18. Infine, le applicazioni future di alcune di queste soluzioni, in particolare l'uso di applicazioni di automazione dei dispositivi, includono l'ulteriore personalizzazione dei dispositivi commerciali per sostenere la mobilità negli anziani o nelle persone con disabilità 24,25, supportare i sistemi di allarme rapido26 e garantire la connettività Bluetooth e Wi-Fi nelle applicazioni Internet of Bodies (IoB)27.
In sintesi, questo lavoro fornisce un protocollo che include soluzioni semplici ed economiche alle sfide della vita reale che riguardano il reclutamento, la conformità e la qualità dei dati negli studi sulla popolazione che utilizzano dispositivi indossabili di consumo. Il protocollo si basa su strumenti software liberamente disponibili e non richiede alcuna conoscenza di programmazione precedente. Questo approccio può essere facilmente replicato o adattato dai ricercatori sanitari che lavorano con dispositivi indossabili nei settori della ricerca clinica e della salute pubblica.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Gli autori non hanno conflitti di interesse da dichiarare.
Acknowledgments
Gli autori sono grati a tutti i partecipanti e alle loro famiglie, nonché al personale docente e amministrativo delle scuole primarie partecipanti a Cipro e in Grecia. Lo studio è stato finanziato dal progetto LIFE MEDEA dell'Unione europea (LIFE16 CCA/CY/000041).
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).
