Method Article

Wykorzystanie technologii ciągłego śledzenia danych do badania przestrzegania zaleceń dotyczących ćwiczeń w rehabilitacji pulmonologicznej

DOI:

10.3791/50643

November 8th, 2013

In This Article

Summary

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Rehabilitacja oddechowa jest powszechnie uznawana w leczeniu chorób układu oddechowego. Kluczowym elementem udanej rehabilitacji oddechowej jest przestrzeganie zalecanego treningu fizycznego. Celem niniejszego protokołu jest opisanie sposobu, w jaki technologia ciągłego śledzenia danych może być wykorzystana do precyzyjnego pomiaru przestrzegania zalecanej intensywności treningu aerobowego.

Abstract

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Rehabilitacja oddechowa (PR) jest ważnym elementem w leczeniu chorób układu oddechowego. Skuteczność PR zależy od przestrzegania zaleceń dotyczących treningu fizycznego. Badanie przestrzegania zaleceń dotyczących ćwiczeń jest zatem kluczowym krokiem w kierunku optymalizacji programów PR. Do tej pory do określenia przestrzegania PR stosowano głównie miary pośrednie, takie jak wskaźniki uczestnictwa, ukończenia i frekwencji. Celem niniejszego protokołu jest opisanie, w jaki sposób technologia ciągłego śledzenia danych może być wykorzystana do pomiaru przestrzegania zalecanej intensywności treningu aerobowego sekunda po sekundzie.

W naszych badaniach, przestrzeganie zaleceń zostało zdefiniowane jako procent czasu spędzonego w określonym docelowym zakresie tętna. W związku z tym, za pomocą kombinacji sprzętu i oprogramowania, tętno jest mierzone, śledzone i rejestrowane podczas jazdy na rowerze sekunda po sekundzie dla każdego uczestnika, dla każdej sesji ćwiczeń. Za pomocą oprogramowania statystycznego dane są następnie wyodrębniane i analizowane. Ten sam protokół można zastosować do określenia przestrzegania innych miar intensywności ćwiczeń, takich jak czas spędzony przy określonej mocy, poziomie lub prędkości na ergometrze rowerowym. Ponadto dostępny jest również sprzęt i oprogramowanie do pomiaru przestrzegania innych trybów treningu, takich jak bieżnia, orbitrek, stepper i ergometr ramienia. Niniejszy protokół ma zatem szerokie zastosowanie do bezpośredniego pomiaru przestrzegania ćwiczeń aerobowych.

Introduction

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Rehabilitacja pulmonologiczna (PR) łączy w sobie trening fizyczny, edukację pacjenta i wsparcie psychospołeczne, i jest powszechnie uznawana za kamień węgielny w leczeniu chorób płuc1-5. Celem PR jest zmniejszenie objawów, optymalizacja stanu funkcjonalnego, poprawa jakości życia związanej ze zdrowiem oraz obniżenie kosztów opieki zdrowotnej4,5. W metaanalizie 31 randomizowanych, kontrolowanych badań klinicznych dotyczących przewlekłej obturacyjnej choroby płuc (POChP) wykazano, że PR znacznie poprawia wydolność fizyczną, zmniejsza duszność i zmęczenie, poprawia funkcje emocjonalne i zwiększa poczucie kontroli pacjentów nad swoim stanem6. Ponadto dowody dokumentują jego skuteczność w zmniejszaniu zaostrzeń układu oddechowego7 i dni spędzonych w szpitalu8-13. Trening fizyczny jest uważany za klucz do udanego PR, ponieważ jest odpowiedzialny za wiele korzyści związanych z tą interwencją3-5. Jednak głównym problemem dla wielu pacjentów jest przestrzeganie zalecanej ilości lub poziomu ćwiczeń. Nieprzestrzeganie zaleceń dotyczących leczenia może skutkować niepowodzeniem interwencji terapeutycznych, a także nieefektywnym wykorzystaniem zasobów zdrowotnych14.

Według Światowej Organizacji Zdrowia, termin ''przestrzeganie'' odnosi się do stopnia, w jakim zachowanie danej osoby pokrywa się z zaleceniami wydanymi przez pracownika służby zdrowia15. Do tej pory przestrzeganie treningu ruchowego w warunkach rehabilitacji było w dużej mierze oceniane jako wskaźnik uczestnictwa (tj. rejestracja do programu), wskaźnik ukończenia (tj. ukończenie programu) lub wskaźnik frekwencji (tj. liczba sesji ćwiczeń, w których uczestniczył)16-18. Obecnie nie istnieje żaden "złoty standard" pomiaru przestrzeganiazaleceń 15, a obecne metody nie pozwalają na dużą precyzję. Ponadto, w zależności od wybranej metody, wskaźniki przestrzegania PR wykazały dużą zmienność16-19. Na przykład Hogg i wsp. 16 mierzyło przestrzeganie zaleceń lekarskich u pacjentów z POChP jako stosunek osób, które ukończyły program, do tych, którzy zostali skierowani, i stwierdzono niskie przestrzeganie zaleceń wynoszące około 40%. Jednak inne badania PR, w których wykorzystano wskaźniki frekwencji, wykazały średnio 90% przestrzeganie zaleceń10,20,21. Brak jednorodności w obliczaniu przestrzegania zaleceń lekarskich utrudnia porównywanie wyników między badaniami. Innym problemem jest brak precyzji w istniejących metodach obliczeniowych; Uczestnictwo w sesji treningowej nie gwarantuje przestrzegania zalecanej intensywności. Ta luka w informacjach skłoniła nas do zbadania, w jaki sposób można obliczyć przestrzeganie zaleceń w bardziej precyzyjny sposób.

Ostatnie postępy w technologii sprzętu fitness pozwoliły na ciągłe śledzenie danych, które mogą być używane do monitorowania przestrzegania zalecanej intensywności treningu aerobowego podczas indywidualnych sesji ćwiczeń w kontekście PR. Mówiąc dokładniej, sprzęt i oprogramowanie do śledzenia danych pozwala na rejestrowanie sekunda po sekundzie czasu trwania, prędkości, poziomu, mocy, tempa, tętna, dystansu, zużycia kalorii, VO2, METS i kalorii oraz zapewnia średnie wszystkich zmiennych z wyjątkiem poziomu i VO2. Główną zaletą tej technologii jest możliwość ciągłego rejestrowania szczegółowych pomiarów, co pozwala na precyzyjne obliczenie przestrzegania zaleconych ćwiczeń w porównaniu z wcześniej raportowanymi ogólnymi wskaźnikami frekwencji lub ukończenia. Ta procedura może być przydatna w każdym badaniu oceniającym wpływ jednego lub kilku programów treningu aerobowego. Korzystając z tej technologii, przestrzeganie przez pacjenta zalecanej intensywności można ocenić na podstawie procentu czasu spędzonego przy określonej mocy, poziomie, prędkości lub tętnie podczas fazy treningu każdej sesji. W naszych badaniach przestrzeganie protokołu treningu fizycznego zostało zdefiniowane jako procent czasu spędzonego w określonym docelowym zakresie tętna. Ponieważ reakcja tętna przy danym submaksymalnym obciążeniu zmniejsza się wraz ze wzrostem wydolności krążeniowo-oddechowej, takie podejście zapewnia, że pacjenci pozostają na tym samym względnym (w porównaniu z bezwzględnym) intensywnością treningu przez cały program. Niniejszy protokół szczegółowo opisuje, w jaki sposób technologia ciągłego śledzenia danych może być wykorzystana do precyzyjnego pomiaru przestrzegania określonego docelowego zakresu tętna.

Protocol

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Po zebraniu danych, uzyskuje się pojedynczy plik na podmiot na sesję surowych danych. Za pomocą oprogramowania statystycznego wszystkie sesje z każdego tematu są łączone w jeden plik. Następnie należy obliczyć docelową intensywność dla każdego przedmiotu. Wskaźnik przestrzegania tej docelowej intensywności można następnie obliczyć dla każdej sesji dla każdego uczestnika, dla każdej sesji dla wszystkich uczestników łącznie lub dla każdej grupy.

1. Zbieranie danych (przeprowadzane przez personel nadzorujący sesję szkoleniową)

  1. Zminimalizuj zakłócenia elektryczne, wyłączając urządzenia bezprzewodowe (np. telefony komórkowe, Wi-Fi itp.) i zminimalizuj przesłuchy, upewniając się, że monitory tętna i sprzęt są oddalone od siebie o co najmniej 1 metr. Patrz rysunek 1, aby zapoznać się z umiejscowieniem nadajnika na klatkę piersiową.
  2. Włącz oprogramowanie do śledzenia danych. Naciśnij start na sprzęcie aerobowym i trenuj uczestnika z docelową intensywnością. Na przykład w naszych badaniach uczestnicy są proszeni o trenowanie w zakresie ± 5 uderzeń/min od docelowego tętna. Patrz Rysunek 2, aby zapoznać się z CardioMemory.
  3. Zbieraj dane sekunda po sekundzie dla każdego uczestnika podczas każdej sesji rehabilitacyjnej. Zebrane dane obejmują: identyfikator podmiotu, czas trwania (hhmmss), poziom intensywności (1-30), obciążenie (waty), prędkość pedałowania (obroty/minutę), dystans (km), tempo (mm:ss/km), tętno (uderzenia/minutę), szacowane zużycie tlenu (VO2, ml/min/kg), metaboliczny ekwiwalent wysiłku fizycznego (METs), szacowany wydatek energetyczny (kcal/godz.) oraz szacowana zużyta energia (kcal). Zobacz rysunek 3.
  4. Naciśnij stop na sprzęcie aerobowym. Kliknij "zapisz", aby przesłać dane do CardioMemory. Kliknij "eksportuj", aby zapisać dokument poza CardioMemory. Dokument będzie w formacie .cvs i automatycznie będzie zawierał datę sesji.

2. Ekstrakcja danych

Oprogramowanie CardioMemory nie pozwala na rozróżnienie różnych faz ćwiczeń i treningu. W związku z tym uzyskane dane muszą zostać wyeksportowane do oprogramowania statystycznego w celu wyeliminowania faz, które nie są interesujące (np. rozgrzewka i schładzanie), scalenia plików danych i porównania osiągniętych wyników z intensywnością docelową.

  1. Otwórz oprogramowanie do analizy statystycznej, aby zaimportować plik Excel. Procedura: Plik → Otwórz → danych → W oknie "Otwórz dane" wybierz Wszystkie pliki z menu rozwijanego "Pliki typów" → wybierz Excel. Plik xls → Otwórz → W oknie "Otwieranie źródła danych Excela" kliknij przycisk OK.
  2. Zapisz plik danych w oprogramowaniu do analizy statystycznej. Rysunek 4 przedstawia przykładową bazę danych.
  3. Wyeliminuj fazy nietreningowe, czyli rozgrzewkę i schładzanie, jeśli interesuje Cię czas spędzony na docelowej intensywności podczas fazy treningowej.
    1. Wyeliminuj fazę rozgrzewki (np. pierwsze 10 min):
      1. Aby przekodować czas trwania, utwórz zmienną, która będzie identyfikować każdą sekundę jako 1. Procedura: przekształcać → Przekoduj na różne zmienne... → W oknie "Recode into Different Variables" (Przekoduj do różnych zmiennych) wybierz Duration_A img alt="Strzałka" fo:content-width=".2in" src="/files/ftp_upload/50643/arrow.jpg" width="20px" /> Kliknij strzałkę → Zidentyfikuj "Nazwę zmiennej wyjściowej" (np. tempo) → Zmień → Kliknij Stare i Nowe Wartości → W sekcji "Stara wartość" wybierz Wartość: i wprowadź 0 → W polu "Nowa wartość" wybierz Wartość: i wprowadź 0 → Dodaj → W sekcji "Stara wartość" wybierz Wszystkie inne wartości, a następnie kliknij Wartość:, w polu "Nowa wartość" i wprowadź 1 → Dodaj → Kontynuuj → OK.
        • PRZEKODUJ Duration_A (0=0) (ELSE=1) NA Tempo.
        • wykonać.
      2. Utwórz drugą zmienną tymczasową. Procedura: Przekształć → Przesuń wartości → Wybierz tempo → Kliknij strzałkę → W polu "Nazwa:" wpisz zmienną tymczasową (np. tempo2) → Zmień → OK.
        • WARTOŚCI PRZESUNIĘCIA ZMIENNA=Tempo WYNIK=Tempo2 LAG=1.
      3. Aby uruchomić tempo2 od 0, należy je przekodować. Procedura: Przekształć → przekoduj w te same zmienne → Wybierz tempo2 → Kliknij strzałkę → Kliknij Stare i Nowe wartości → W sekcji "Stara wartość" wybierz System-Missing → W sekcji "Nowa wartość" wybierz Wartość: i wprowadź 0 → Dodaj → Kontynuuj → OK.
        • RECODE Tempo2 (SYSMIS=0).
        • wykonać.
      4. Zsumuj sekundy zaczynając od zera. Procedura: Przekształć zmienną obliczeniową → → W polu "Zmienna docelowa:" wpisz tempo → W polu "Wyrażenie numeryczne" wpisz lag (tempo) +1 → IF... → Wybierz opcję Uwzględnij, jeśli wielkość liter spełnia warunek: → Wpisz tempo2 > 0 → Kontynuuj → OK.
        • IF (Tempo2 > 0) Tempo=Lag (tempo) + 1.
        • wykonać.
      5. Aby wyeliminować pierwsze 10 minut rozgrzewki, usuń dane dotyczące tempa, które poprzedzają 599 sekund. Procedura: Dane → Wybierz obserwacje... → W oknie "Wybierz obserwacje", w sekcji "Wybierz", wybierz "Jeśli warunek jest spełniony" → Jeśli... → W oknie "Wybierz obserwacje: Jeśli" wstaw tempo równania > 599 → Kontynuuj → W sekcji "Wyjście" wybierz Usuń niezaznaczone obserwacje → OK. Zobacz rysunek 5.
        • FILTRUJ WYŁĄCZ.
        • UŻYJ WSZYSTKICH.
        • WYBIERZ IF (tempo > 599).
        • wykonać.
    2. Wyeliminuj fazę schładzania (np. ostatnie 5 minut):
      1. Sortuj dane w kolejności malejącej, aby Duration_A przeniosły fazę schładzania na początek bazy danych, ponieważ program SPSS usuwa dane z górnej części pliku i później. Procedura: Dane → Sortuj sprawy → W oknie "Sortuj sprawy" wybierz Duration_A → kliknij strzałkę → W menu "Porządek sortowania" wybierz Malejąco → OK.
        • SORTUJ OBSERWACJE WEDŁUG Duration_A(D).
      2. Przekoduj Duration_A, aby identyfikować każdą sekundę jako 1. Procedura: Przekształć → przekoduj na różne zmienne... → W oknie "Recode into Different Variables" wybierz Duration_A → kliknij strzałkę → Zidentyfikuj "Nazwa zmiennej wyjściowej" (np. tempoA) → Zmień → Kliknij Stare i nowe wartości → W sekcji "Stara wartość" wybierz Wartość: i wprowadź 0 → W sekcji "Nowa wartość" wybierz Wartość: i wprowadź 0 → Dodaj → Zaznacz wszystkie inne wartości w sekcji "Stara wartość", a następnie kliknij Wartość: w sekcji "Nowa wartość" i wprowadź 1 → Dodaj → Kontynuuj → OK.
        • PRZEKODUJ Duration_A (0=0) (ELSE=1) NA TempoA.
        • wykonać.
      3. Utwórz drugą zmienną tymczasową. Procedura: Przekształć → Przesuń wartości → Wybierz tempoA → Kliknij strzałkę → W polu "Nazwa:" wpisz zmienną tymczasową (np. tempoA2) → Zmień → OK.
        • WARTOŚĆ PRZESUNIĘCIA ZMIENNA=TempoA WYNIK=TempoA2 LAG=1.
      4. Aby uruchomić tempoA2 na 0, należy go przekodować. Procedura: Przekształć → przekoduj w te same zmienne → Wybierz tempoA2 → Kliknij strzałkę → Kliknij Stare i nowe wartości → W sekcji "Stara wartość" wybierz System-Missing → W sekcji "Nowa wartość" wybierz Wartość: i wprowadź 0 → Dodaj → Kontynuuj → OK.
        • RECODE TempoA2 (SYSMIS=0).
        • wykonać.
      5. Sumuje sekundy zmiennej tempoA. Procedura: Przekształć zmienną obliczeniową → → W polu "Zmienna docelowa:" wpisz tempoA → W polu "Wyrażenie numeryczne" wpisz lag (tempoA)+1 → IF... → Wybierz opcję Uwzględnij, jeśli wielkość liter spełnia warunek: → Wpisz tempoA2> 0 → Kontynuuj → OK.
        • IF (TempoA2 > 0) TempoA=Opóźnienie (tempoA) + 1.
        • wykonać.
      6. Aby wyeliminować fazę schładzania (tj. 5 minut), usuń dane dotyczące tempa poprzedzające 299 sekund. Procedura: Dane → Wybierz obserwacje... → W oknie "Wybierz obserwacje", w sekcji "Wybierz", wybierz "Jeśli warunek jest spełniony" → Jeśli... → W oknie "Wybierz obserwacje: Jeśli" wstaw równanie tempoA > 299 → Kontynuuj → w sekcji "Wyjście", wybierz Usuń niezaznaczone przypadki → OK. Zobacz rysunek 6.
        • FILTRUJ WYŁĄCZ.
        • UŻYJ WSZYSTKICH.
        • WYBIERZ IF (tempoA > 299).
        • wykonać.
    3. Zidentyfikuj numer sesji (lub datę) skojarzoną z zestawem danych. Utwórz i nazwij nową zmienną (np. Sesja). Procedura: Przekształć zmienną obliczeniową → → W oknie zmiennej obliczeniowej w obszarze Zmienna docelowa wpisz Sesja → kliknij przycisk Typ i etykieta, aby otworzyć "Zmienna obliczeniowa: Wpisz... " → w sekcji "Typ" wybierz Ciąg → Kontynuuj → w polu Wyrażenie ciągu wpisz "1" → OK. Zobacz rysunek 7.
      • Sesja STRING (A8).
      • SESJA OBLICZENIOWA = '1'.
      • wykonać.
    4. Zapisz zmodyfikowany dokument SPSS w nowym pliku (przykład: subjectID_session#).
    5. Powtórz powyższą procedurę dla wszystkich pozostałych sesji dotyczących tego samego tematu.

3. Scalanie danych - pojedynczy uczestnik

  1. Aby scalić wszystkie sesje w jedną bazę danych SPSS, otwórz pierwszą sesję uczestnika (tj. subjectID_session1).
  2. Scal pozostałe sesje z bieżącym plikiem. Procedura: Dane → scalanie plików → dodawanie spraw → w oknie "Dodaj sprawy do subjectID_session1.sav" kliknij przycisk Przeglądaj i wybierz plik subjectID_session2 → Otwórz → kontynuuj → w sekcji "Dodaj sprawy z ... " kliknij przycisk OK. Powtórz te czynności dla wszystkich pozostałych sesji. Zobacz rysunek 8.
    • DODAJ PLIKI /FILE=*
    • /FILE='SubjectAB001_Session1.sav'.
    • wykonać.
  3. Dodaj kolumnę zawierającą numer identyfikacyjny podmiotu. Procedura: Przekształć zmienną obliczeniową → → W oknie "Zmienna obliczeniowa" w sekcji Zmienna docelowa wpisz SubjectID → kliknij Typ i etykieta, aby otworzyć "Zmienna obliczeniowa: Wpisz... " → w sekcji "Typ" wybierz Ciąg → Kontynuuj → w obszarze Wyrażenie ciągu wpisz "SubjectID" (np. "AB001") → OK. Zobacz rysunek 9.
    • CIĄG Subject_ID (A8).
    • COMPUTE Subject_ID='AB001'.
    • wykonać.
  4. Dodaj kolumnę zawierającą docelową intensywność obiektu (np. docelowe tętno [THR]). Procedura: Przekształć zmienną obliczeniową → → W oknie "Zmienna obliczeniowa" w sekcji Zmienna docelowa wpisz THR → kliknij Typ i etykieta, aby otworzyć "Zmienna obliczeniowa: Wpisz... " → w sekcji "Typ" wybierz Numeryczne → Kontynuuj → w polu Wyrażenie numeryczne wpisz THR (np. 110) → OK. Zobacz rysunek 10.
    • CIĄG THR (A8).
    • OBLICZ THR='110'.
    • wykonać.
  5. Zapisz bazę danych pod inną nazwą pliku (np. SubjectAB001_session1-36).
  6. Powtórz te czynności dla wszystkich pozostałych uczestników. W tym momencie każdy uczestnik będzie miał do dyspozycji bazę danych zawierającą wszystkie sesje.

4. Scalanie danych - grupowanie uczestników

  1. Aby zgrupować kilku uczestników w jednej bazie danych, otwórz kartotekę uczestnika (np. subjectID_session1-36).
  2. Scal pozostałych uczestników z bieżącym plikiem. Procedura: Dane → scalanie plików → dodawanie spraw → w oknie "Dodaj sprawy do SubjectAB001_session1-36.sav" kliknij przycisk Przeglądaj i wybierz plik SubjectCD002_session1-36 → Otwórz → Kontynuuj → w sekcji "Dodaj sprawy z ... " kliknij przycisk OK. Powtórz te czynności dla wszystkich uczestników, których chcesz pogrupować. Zobacz rysunek 11.
    • DODAJ PLIKI /FILE=*
    • /ZMIEŃ NAZWĘ (AB001=d0)
    • /FILE='SubjectAB001_Session1-36.sav'
    • /RENAME (CD002=d1)
    • /DROP=d0 d1.
    • wykonać.
  3. Zapisz nową bazę danych (np.Group01_Subjects001-010).

5. Identyfikacja intensywności celu (np. zasięg THR)

  1. Zidentyfikuj zakres THR; kliknij Przekształć → Zmienna obliczeniowa → w oknie "Zmienna obliczeniowa" w sekcji "Zmienna docelowa" wprowadź nową nazwę zmiennej (np. Diff_HR_THR) → "Wpisz i oznacz... " → w polu "Zmienna obliczeniowa: wpisz.... " wybierz Numeryczne → Kontynuuj → W polu "Wyrażenie numeryczne" wprowadź równanie: HR - THR → OK. To daje nam nową zmienną.
    • OBLICZ Diff_HR_THR=HR - THR.
    • wykonać.
  2. Przekoduj zmienne, aby określić, czy HR leży poniżej, powyżej, czy w zakresie THR. Procedura: Przekształć → przekoduj na różne zmienne... → wybierz Diff_HR_THR → kliknij strzałkę → w sekcji "Zmienna wyjściowa" w sekcji "Nazwa" wpisz Diff_HR_THR _recoded → Zmień → stare i nowe wartości... → w oknie "Recode Into Different Variables: Old and New Values":
Stara wartość Nowa wartość >Stary-->Nowy: Zakres: od -5 do 5 1 Dodaj -5 przez 5 --> 1 Zakres, wartość NAJNIŻSZA prze: -5 0 Najniższy do -5 --> 0 Zakres, wartość do NAJWYŻSZEJ: 5 0 5 thru Najwyższy --> 0 Brak systemu Brak systemu SYSMIS--> SYSMIS

KontynuujOK. Zobacz rysunek 12.

  • PRZEKODUJ Diff_HR_THR (SYSMIS=SYSMIS) (od -5 do 5=1) (od najniższego do -5=0) (od 5 do najwyższego=0) DO
  • Diff_HR_THR_Recoded.
  • wykonać.

6. Obliczanie procentu przestrzegania zaleceń

  1. W pliku Group01_Subjects001-010 oblicz wszystkie sekundy, w których pacjenci znajdowali się w zakresie THR, wykonując następujące czynności: Dane → Zagregowane → W oknie "Zagregowane dane", w sekcji "Przerwij zmienne":" wybierz subjectID i sesję, → kliknij strzałkę → w sekcji "Podsumowania zmiennych:" wybierz Diff_HR_THR _recoded → kliknij strzałkę → OK. Zostanie utworzona nowa zmienna o nazwie Diff_HR_THR _recoded_mean.
    • kruszywo
    • /OUTFILE=* MODE=DODAJ zmienne
    • /BREAK=Subject_ID Sesja
    • /Diff_HR_THR_Recoded_mean=ŚREDNIA(Diff_HR_THR_Recoded).
  2. Przelicz uzyskaną wartość na procent; kliknij Przekształć → Compute Variable → w sekcji "Target Variable" wprowadź nazwę zmiennej (np. Perc_THR) → w polu "Numeric Expression" wybierz Diff_HR_THR _recoded_mean → kliknij strzałkę→ pomnóż wartość przez 100 (Diff_HR_THR _recoded_mean * 100) → OK. Następnie uzyskujemy przestrzeganie zaleceń jako procent czasu spędzonego w THR dla każdego tematu dla każdej sesji. Zobacz rysunek 13
    • OBLICZ Perc_THR=Diff_HR_THR_Recoded_mean * 100.
    • wykonać.
  3. Aby uzyskać zgodność co do procentu czasu spędzonego w THR dla każdego tematu dla wszystkich sesji łącznie, w oknie "Zagregowane dane", w sekcji "Przerwij zmienną(e)" zastąp subjectID i sesję tylko subjectID. Zobacz rysunek 14.
  4. Aby uzyskać zgodność dotyczącą procentu czasu spędzonego w THR dla każdej sesji dla wszystkich tematów łącznie, w oknie "Zagregowane dane", w sekcji "Przerwij zmienną(e)" zastąp identyfikator podmiotu i sesję tylko sesją.
  5. Zapisz bazę danych pod inną nazwą pliku (np. Group01_Subjects001-010_Aggregate).

Results

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Gdy protokół jest wykonywany poprawnie, uzyskuje się wskaźnik przestrzegania dla każdego tematu dla każdej sesji (Rysunek 13), dla każdego tematu dla wszystkich sesji (Rysunek 14) i dla każdej sesji dla wszystkich przedmiotów łącznie. Szacunkowy czas potrzebny na wypełnienie powyższego protokołu dla pojedynczej sesji jednego uczestnika wynosi około 5 minut. Wyniki dotyczące przestrzegania zaleceń lekarskich mogą wahać się od 0 do 100%. Korzystając z tych informacji, można przeprowadzić dodatkowe analizy w celu określenia różnic między uczestnikami (np. różnic płci, ciężkości choroby itp.), zidentyfikowania zmian w czasie i ujawnienia wzorców w przestrzeganiu zaleceń lekarskich. Ponadto można przeprowadzić porównanie przestrzegania zaleceń między grupami; Na przykład można porównać różne programy treningu fizycznego. Wreszcie, dzięki dalszym badaniom, można zidentyfikować przyczyny nieprzestrzegania zaleceń lekarskich w określonych punktach czasowych podczas PR.

figure-results-1
Rysunek 1. Umiejscowienie nadajnika tętna. Kliknij tutaj, aby zobaczyć większy obraz.

figure-results-2
Rysunek 2. Próbka danych zebranych za pomocą oprogramowania do śledzenia danych. Kliknij tutaj, aby wyświetlić większy obraz.

figure-results-3
Rysunek 3. Przykład danych wyjściowych oprogramowania do śledzenia danych. Kliknij tutaj, aby wyświetlić większy obraz.

figure-results-4
Rysunek 4. Przykładowa baza danych ilustrująca próbkę bazy danych oprogramowania statystycznego. Kliknij tutaj, aby wyświetlić większy obraz.

figure-results-5
Rysunek 5. Przykładowa baza danych ilustrująca wyeliminowaną fazę rozgrzewania. Kliknij tutaj, aby zobaczyć większy obraz.

figure-results-6
Rysunek 6. Przykładowa baza danych ilustrująca wyeliminowaną fazę schładzania. Kliknij tutaj, aby wyświetlić większy obraz.

figure-results-7
Rysunek 7. Przykładowa baza danych ilustrująca kolumnę dodaną dla numeru sesji. Kliknij tutaj, aby zobaczyć większy obraz.

figure-results-8
Rysunek 8. Przykładowa baza danych ilustrująca połączone sesje dla pojedynczego uczestnika. Kliknij tutaj, aby wyświetlić większy obraz.

figure-results-9
Rysunek 9. Przykładowa baza danych ilustrująca kolumnę dodaną dla numeru identyfikacyjnego podmiotu. Kliknij tutaj, aby wyświetlić większy obraz.

figure-results-10
Rysunek 10. Przykładowa baza danych ilustrująca kolumnę dodaną dla docelowego tętna. Kliknij tutaj, aby wyświetlić większy obraz.

figure-results-11
Rysunek 11. Przykładowa baza danych ilustrująca scalone pliki uczestników. Kliknij tutaj, aby wyświetlić większy obraz.

figure-results-12
Rysunek 12. Przykładowa baza danych ilustrująca przekodowane zmienne tętna. Kliknij tutaj, aby zobaczyć większy obraz.

figure-results-13
Rysunek 13. Przykładowa baza danych ilustrująca przestrzeganie zaleceń jako procent czasu spędzonego w docelowym zakresie tętna dla każdego uczestnika dla każdej sesji (pozioma czerwona linia podkreśla zmianę w przestrzeganiu zaleceń między sesjami dla tego samego pacjenta). Kliknij tutaj, aby zobaczyć większy obraz.

figure-results-14
Rysunek 14. Przykładowa baza danych ilustrująca przestrzeganie zaleceń dotyczących procentu czasu spędzonego w docelowym zakresie tętna dla każdego uczestnika we wszystkich sesjach (pozioma czerwona linia podkreśla różnicę między uczestnikami). Kliknij tutaj, aby zobaczyć większy obraz.

Discussion

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Technologia ciągłego śledzenia danych pozwala na bardzo precyzyjny pomiar przestrzegania ćwiczeń. Procedurę tę można łatwo dostosować do innych definicji przestrzegania zaleceń, zastępując docelowy zakres tętna docelową mocą, poziomem, prędkością lub poziomem MET. W tym przykładzie fazy rozgrzewki i schładzania zostały wyeliminowane, aby wyizolować fazę ćwiczeń ze względu na nasz konkretny cel badawczy. Jeśli fazy rozgrzewki i schładzania są interesujące dla innych badaczy, krok 2.3 ("Wyeliminuj fazy nietreningowe") może zostać usunięty z protokołu. Ponadto dostępny jest również sprzęt i oprogramowanie do pomiaru przestrzegania innych trybów treningu, takich jak bieżnia, orbitrek, stepper i ergometr ramienia.

Postępując zgodnie z powyższym protokołem, pewne proste kroki mają kluczowe znaczenie. Po pierwsze, oprogramowanie CardioMemory musi zostać uruchomione przed sprzętem do ćwiczeń (np. ergometrem rowerowym), aby dane dotyczące ćwiczeń były śledzone, a następnie rejestrowane. Jeśli dane zostaną utracone na tym początkowym etapie, protokół ekstrakcji danych będzie musiał zostać odpowiednio dostosowany. Po drugie, źródła zakłóceń muszą być zminimalizowane, aby zmniejszyć ryzyko przesłuchów i/lub utraty danych. Monitory tętna komunikują się bezprzewodowo ze sprzętem i oprogramowaniem. W związku z tym zakłócenia są szczególnie szkodliwe, jeśli do obliczenia przestrzegania zaleceń używa się docelowego tętna. Wreszcie, konieczne jest wybranie oprogramowania statystycznego do bazy danych, które jest w stanie pozwolić na przechowywanie dużych ilości danych. Na przykład w badaniu, w którym 10 uczestników wykonuje 36 sesji po 40 minut każda, zostanie wygenerowanych 864 000 wierszy punktów danych. Program Excel 2007 i nowsze wersje mogą zawierać 1 048 576 wierszy w arkuszu23, podczas gdy programy SAS24 i SPSS25 nie mają ograniczeń co do liczby wierszy. W zależności od całkowitej liczby punktów danych oczekiwanych dla danego badania, oprogramowanie musi być odpowiednio dobrane.

Pomimo znaczących zalet tej technologii, istnieją dwa główne ograniczenia. Pierwszym z nich jest utrata danych, która może wynikać z awarii sprzętu i/lub oprogramowania. Jak wspomniano powyżej, utrata danych może być spowodowana zakłóceniami elektrycznymi urządzeń bezprzewodowych (tj. telefonów komórkowych lub Wi-Fi), a dokładniej zakłóceniami w bezprzewodowej transmisji danych o tętnie. Czasami jednak utrata danych może być również spowodowana niezidentyfikowanymi przyczynami. Drugim ograniczeniem jest to, że oprogramowanie nie zapewnia opcji systematycznego oznaczania lub dzielenia protokołu ćwiczeń w celu rozróżnienia/zidentyfikowania różnych faz. Gdyby ta opcja była dostępna, ekstrakcja interesującej nas fazy ćwiczeń mogłaby być wykonywana bezpośrednio w oprogramowaniu, co ograniczyłoby kroki w protokole obliczania przestrzegania. Opcja umieszczania markerów byłaby również praktyczna w badaniu przestrzegania protokołów treningu interwałowego lub przerywanego, ponieważ pozwoliłaby na rozróżnienie różnych faz (np. niska i wysoka intensywność).

Z perspektywy na przyszłość, zastosowanie technologii ciągłego śledzenia danych w celu precyzyjnego ilościowego określenia przestrzegania zaleceń umożliwi naukowcom zbadanie wzorców reakcji ćwiczeń na różne interwencje, zidentyfikowanie determinantów przestrzegania zaleceń oraz scharakteryzowanie osób przestrzegających zaleceń pozytywnie i słabo. Ostatecznie lepsze zrozumienie przestrzegania zaleceń dotyczących ćwiczeń pozwoli na optymalizację programów rehabilitacji ruchowej.

Disclosures

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy oświadczają, że nie mają konkurencyjnych interesów finansowych.

Acknowledgements

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Kanadyjskie Stowarzyszenie Chorób Płuc – Kanadyjscy Specjaliści ds. Zdrowia Układu Oddechowego; Fonds de recherche du Québec - Santé (FRQS)

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Rower Excite Med 700Technogym - www.technogym.comSCIFIT (http://scifit.com/)
CardioMemory Technogym - www.technogym.comWersja 1.0SCIFIT (http://scifit.com/)
Polar Czujnik pracy sercaPolar -Nadajnik kodowany www.polarca.com T31 
SPSS Statistical SoftwareSPSS Inc. - www.spss.com/Wersja 16.0oprogramowania SAS/STAT (http://www.sas.com/)
Oprogramowanie

References

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Global Strategy for the Diagnosis, Management, and Prevention of Chronic Obstructive Pulmonary Disease [Internet]. Global Initiative for Chronic Obstructive Lung Disease (GOLD). , (2013).">Global Strategy for the Diagnosis, Management, and Prevention of Chronic Obstructive Pulmonary Disease [Internet]. Global Initiative for Chronic Obstructive Lung Disease (GOLD). , (2013).
  2. 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).">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. Canadian Thoracic Society recommendations for management of chronic obstructive pulmonary disease--2003. Can. Respir. J. 10 Suppl A, 11(2003).">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. Pulmonary rehabilitation: an integral part of the long-term management of COPD. Swiss Med, Wkly. 134 (41-42), 601-605 (2004).">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. A simple pulmonary rehabilitation program improves health outcomes and reduces hospital utilization in patients with COPD. Chest. 124 (1), 94-97 (2003).">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. Pulmonary rehabilitation for chronic obstructive pulmonary disease. The Cochrane Database of Systematic Reviews. (4), (2001).">Lacasse, Y., et al. Pulmonary rehabilitation for chronic obstructive pulmonary disease. The Cochrane Database of Systematic Reviews. (4), (2001).
  7. Long-term effects of outpatient rehabilitation of COPD: A randomized trial. Chest. 117 (4), 976-983 (2000).">Guell, R., et al. Long-term effects of outpatient rehabilitation of COPD: A randomized trial. Chest. 117 (4), 976-983 (2000).
  8. A simple pulmonary rehabilitation program improves health outcomes and reduces hospital utilization in patients with COPD. Chest. 124 (1), 94-97 (2003).">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. Results at 1 year of outpatient multidisciplinary pulmonary rehabilitation: a randomised controlled trial. Lancet. 355 (9201), 362-368 (2000).">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. 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).">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. Benefits of an inpatient pulmonary rehabilitation program: a prospective analysis. Arch. Phys. Med .Rehabil. 82 (3), 347-352 (2001).">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. Long-term benefits of short-stay inpatient pulmonary rehabilitation in severe chronic obstructive pulmonary disease. Monaldi Arch. Chest Dis. 54 (2), 189-192 (1999).">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. 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).">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. Adherence to disease management programs in patients with COPD. International Journal of COPD. 2 (3), 253-262 (2007).">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).">Adherence to long-term therapies: evidence for action. Annex. 1, (2003).
  16. , Forthcoming.
  17. Effectiveness, attendance, and completion of an integrated, system-wide pulmonary rehabilitation service for COPD: prospective observational study. COPD. 9 (5), 546-554 (2012).">Hogg, L., Garrod, R., Thornton, H., McDonnell, L., Bellas, H. &, 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).
  18. A short outpatient pulmonary rehabilitation programme: immediate and longer term effects on exercise performance and quality of life. Respir. Med. 92, 1146-1154 (1998).">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).
  19. Respiratory rehabilitation in chronic obstructive pulmonary disease: predictors of nonadherence. Eur. Respir. J. 13, 855-859 (1999).">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).
  20. Characterization of pulmonary rehabilitation programs in Canada in. Can. Respir. J. 14 (2), 87-92 (2005).">Brooks, D., et al. Characterization of pulmonary rehabilitation programs in Canada in. Can. Respir. J. 14 (2), 87-92 (2005).
  21. Drop-out and attendance in pulmonary rehabilitation: the role of clinical and psychosocial variables. Respir. Med. 103 (10), 1564-1571 Forthcoming.">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 Forthcoming.
  22. Predictors of poor attendance at an outpatient pulmonary rehabilitation programme. Respir. Med. 102 (6), 819-824 Forthcoming.">Sabit, R., et al. Predictors of poor attendance at an outpatient pulmonary rehabilitation programme. Respir. Med. 102 (6), 819-824 Forthcoming.
  23. http://support-en-us.nikeplus.com/app/answers/detail/a_id/20882/p/3169,3176 (2012).">Polar Wearlink + Transmitter [Internet]. USA: Nike + Support;. 15, Available from: http://support-en-us.nikeplus.com/app/answers/detail/a_id/20882/p/3169,3176 (2012).
  24. http://office.microsoft.com/en-us/excel-help/excel-specifications-and-limits-HP010342495.aspx (2013).">Office: Excel specifications and limits [Internet]. USA: Microsoft;. , Available from: http://office.microsoft.com/en-us/excel-help/excel-specifications-and-limits-HP010342495.aspx (2013).
  25. http://support.sas.com/resources/papers/proceedings12/247-2012.pdf (2012).">Droogendyk, H. Moving data and results between SAS and Mocrosoft Excel [Internet]. USA: SAS Global Forum. , Available from: http://support.sas.com/resources/papers/proceedings12/247-2012.pdf (2012).
  26. http://pages.infinit.net/rlevesqu/FAQ.htm#HowManyVariables (2004).">Raynald's SPSS Tools: FAQ [Internet]. Canada: Raynald Levesque; c2001-2004. , Available from: http://pages.infinit.net/rlevesqu/FAQ.htm#HowManyVariables (2004).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Continuous Data TrackingExercise AdherencePulmonary RehabilitationHeart Rate MonitoringAerobic Training IntensityStatistical Software AnalysisData Collection ProtocolTarget Heart Rate RangeExercise Session TrackingAdherence Rate Calculation

Related Articles