Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Medicine
Click here for the English version

Medicine

폐 재활 운동 준수를 연구하는 지속적인 데이터 추적 기술을 사용하여

Published: November 8, 2013 doi: 10.3791/50643
Automatic Translation
1,2,3, 2,3, 1,2,3, 3, 3, 2,3
1Individualized Program, Concordia University, 2Department of Exercise Science, Concordia University, 3Centre de Recherche, Axe Maladies Chroniques, Hôpital du Sacré-Coeur de Montréal

Summary

폐 재활 널리 호흡기 질환의 관리에 인식하고 있습니다. 성공적으로 폐 재활의 핵심 구성 요소는 권장되는 운동 훈련을 준수합니다. 본 프로토콜의 목적은 연속 데이터 추적 기술이 정확하게 소정 호기성 훈련 강도에 부착을 측정하는 데 사용될 수있는 방법을 설명하는 것이다.

Abstract

폐 재활 (PR)는 호흡기 질환의 관리에 중요한 구성 요소입니다. PR의 효과는 교육의 권장 사항을 행사할 준수에 따라 달라집니다. 운동 준수의 연구는 따라서 PR 프로그램의 최적화를 향한 중요한 단계입니다. 현재까지 이러한 참여, 완료 및 출석의 비율로 주로 간접적 인 조치는 PR 준수를 결정하는 데 사용되었다. 본 프로토콜의 목적은 연속 데이터 추적 기술은 매초 기초 소정 호기성 훈련 강도에 부착을 측정하는 데 사용될 수있는 방법을 설명하는 것이다.

우리의 조사에서, 준수는 지정된 목표 심박수 범위 내에서 지출 %의 시간으로 정의하고있다. 이와 같이, 하드웨어와 소프트웨어의 조합을 사용하여, 심박수가 순환하는 동안 측정 된 추적 및 기록 매초 각 운동 세션 각 참가자. 통계 소프트웨어, t를 사용하여그 데이터는 연속적으로 추출되고 분석된다. 동일한 프로토콜이 사이클 력계에 지정된 와트 수준 또는 속도로 소요 시간 등과 같은 운동 강도의 기타 조치에 부착을 결정하기 위하여 적용될 수있다. 또한, 하드웨어와 소프트웨어는 타원형 러닝 머신, 스테퍼, 팔 에르고 미터로 훈련의 다른 모드로 준수를 측정하는 것이 가능합니다. 이 의정서는, 그러므로, 직접 유산소 운동에 준수를 측정 할 수있는 광대 한 응용이있다.

Introduction

폐 재활 (PR)는 운동 훈련, 환자 교육 및 심리 사회적 지원을 결합하여 널리 폐 질환 1-5의 관리에 초석으로 인식하고 있습니다. 증상을 감소 기능 상태를 최적화, 건강 관련 삶의 질을 향상하고, 헬스 케어 비용에게 4,5을 줄이기 위해 PR의 목표는 다음과 같다. (31)의 메타 분석에서 만성 폐쇄성 폐 질환 (COPD)의 통제 실험을 무작위, PR은 크게, 운동 능력을 향상 호흡 곤란과 피로를 감소, 정서적 기능을 개선하고 자신의 상태 6 제어의 환자의 감각을 향상시키기 위해 표시했다. 또한, 증거는 병원 8-13에서 보낸 호흡 악화 7 일 감소의 효과를 설명합니다. 그것은이 개입 3-5과 관련된 혜택의 대부분에 대한 책임이 있기 때문에 운동 훈련은 성공적인 PR의 핵심으로 간주됩니다. 그러나, 몇 가지의 주요 문제환자는 운동의 권장 금액 또는 레벨에 부착된다. 권장 치료에 대한 점착성은 치료 적 개입의 실패뿐만 아니라 건강 자원 14의 비효율적 인 사용이 발생할 수 있습니다.

세계 보건기구 (WHO)에 따르면, 용어 '준수는'사람의 행동이 의료 전문가 (15)에 의해 주어진 권고와 일치하는 정도를 의미한다. 현재까지 재활 설정에서 훈련을 행사할 준수는 크게 참여의 비율 (프로그램 즉. 등록), 완료의 비율 (즉, 프로그램 마감), 또는 출석의 속도 운동 (즉, 숫자 중 하나로 평가되었으며, 세션) 16-18에 참석했다. 현재, 더 "금 표준"큰 정밀도를 허용하지 않는 준수 (15) 및 전류 측정 방법에 대한 존재하지 않습니다. 또한, 선택에 따라 메 톡시D, PR 준수의 비율은 큰 변화의 16-19을 보여 주었다. 예를 들어, 호그 외. 지칭에게 프로그램을 완료하고 약 40 %의 낮은 부착되었다고 사람들 간의 비로서 COPD 환자에서 16 측정 부착. 그러나 출석률을 사용한 다른 PR 연구는 평균적으로 90 %의 준수 10,20,21를 보여 주었다. 부착을 계산할 균질성의 부족은 어려운 간의 연구 결과를 비교한다. 또 다른 관심사는 기존의 계산 방법과 정밀도의 부족이며, 운동 훈련 세션에 참석는 소정의 강도에 준수를 보장하지 않습니다. 정보에이 격차는 준수가 더 정확한 방법으로 계산 될 수있는 방법을 조사하기 위해 우리를 안내했다.

헬스기구 기술의 최근 발전은 개별적 동안 소정 호기성 훈련 강도 준수를 모니터링하는 데 사용될 수 연속 데이터 추적을 허용했다PR 컨텍스트에서 알 운동 세션. 매초 시간의 기록, 속도, 레벨, 소비 전력, 속도, 심박수, 거리, 칼로리 소비, VO 2, METS, 칼로리, 모든 변수의 평균을 제공합니다 함께보다 구체적으로는, 데이터 추적 하드웨어 및 소프트웨어 허용 수준과 VO 2의 예외입니다. 이 기술의 가장 큰 장점은 이전에보고 된 일반적인 출석 또는 완료 요금에 비해 소정의 운동에 준수의 정확한 계산이 가능하게 연속 자세한 조치를 기록 할 수있는 기능입니다. 이 절차는 하나 또는 여러 유산소 운동 훈련 프로그램의 영향을 조사 어떤 연구 가치가있을 수있다. 이 기술을 사용하여, 소정의 강도로 환자의 준수는 각 세션의 트레이닝 단계 동안 지정된 와트 수준, 속도, 심장 박동에서 보낸 시간 백분율에 의해 평가 될 수있다. 우리의 조사를 위해, 운동 훈련 프로토콜 준수는 백분율로 정의 된지정된 목표 심박수 범위 내에서 보낸 시간. 관련 준 최대 부하시 심박수 응답 심폐 니스가 증가함에 따라 감소하기 때문에,이 방법은 환자가 프로그램 전체 (절대 비해) 상대적으로 동일한 훈련 강도로 유지됩니다. 본 프로토콜은 연속 데이터 추적 기술이 정확하게 소정의 목표 심박수 범위 부착을 측정하는 방법을 상세히 설명한다.

Protocol

데이터가 수집되면, 원시 데이터의 세션 당 주제 당 하나의 파일을 얻을 수있다. 통계 소프트웨어를 사용하여, 피사체마다 모든 세션은 하나의 파일로 결합된다. 그 후, 대상 강도는 각각의 주제를 계산해야합니다. 그 대상 강도에 부착 율은 결합 된 모든 주제에 대한 각 세션, 그룹 당, 주제 당 세션 당 계산 될 수있다.

1. 데이터 수집 (훈련을 감독하는 인원에 의해 실시)

  1. 무선 장치 (예 : 휴대 전화, 와이파이, 등.) 해제하여 전기 간섭을 최소화하고 심장 박동 모니터 및 장비 떨어져 1m 이상입니다 보장하여 크로스 토크를 최소화 할 수 있습니다. 심장 박동수 송신기의 위치는 그림 1을 참조하십시오.
  2. 데이터 추적 소프트웨어를 켭니다. 눌러 에어로빅 장비에 시작하고 대상 강도의 참가자를 교육합니다. 예를 들어, 우리의 연구에서, partici바지는 자신의 목표 심박수의 ± 5 박 / 분 이내에 훈련을하라는 메시지가 표시됩니다. CardioMemory 그림 2를 참조하십시오.
  3. 각 재활 세션의 각 참가자에 대해 두 번째로 초 데이터를 수집합니다. 수집 된 데이터는 다음을 포함한다 : 주제 ID, 지속 시간 (HHMMSS)을 강도의 레벨 (1-30), 부하 (와트), 페달 속도 (회전 / 분), 거리 (km), 속도 (MM : SS / km) 심박수 (박 / 분), 예상 산소 소비량 (VO 2 ml / 분 / kg), 물리적 노력 (메츠)의 대사 동등한, 예상 에너지 소비량 (킬로 칼로리 / 시간), 및 예상 에너지 소비 (킬로 칼로리). 그림 3을 참조하십시오.
  4. 호기성 장비를 눌러 정지. CardioMemory에 데이터를 업로드하기 위해 "저장"을 클릭합니다. CardioMemory 외부에서 문서를 저장하려면 "내보내기"를 클릭하십시오. 이 문서는. CVS 형식이어야하고 자동으로 세션의 날짜가 포함됩니다.

2. 데이터 추출

CardioMemory 소프트웨어는 다양한 운동 교육 단계의 구별을 허용하지 않습니다. 이와 같이 얻은 데이터 (예를 들면 예열 및 냉각), 데이터 파일을 병합하고, 목표 강도에 달성 비교 관심없는 단계를 제거하기 위해 통계 소프트웨어로 내 보내야합니다.

  1. 가져올 열기 통계 분석 소프트웨어는 파일을 엑셀. 절차 : 파일 화살 열린 화살 데이터 화살 "오픈 데이터"창에서 "유형의 파일"의 드롭 다운 메뉴에서 모든 파일을 선택합니다 화살 Excel을 선택합니다. xls 파일 화살오픈 화살 "열기 Excel 데이터 소스"창을 클릭 확인합니다.
  2. 통계 학적 분석 소프트웨어에 데이터 파일을 저장한다. 샘플 데이터베이스에 대한 그림 4를 참조하십시오.
  3. 관심 트레이닝 단계에서 대상 강도에 소요되는 시간 인 경우, nontraining 단계, 즉 워밍업과 쿨 다운을 제거합니다.
    1. 워밍업 단계 (예를 들어, 처음 10 분)을 제거 :
      1. , 시간을 재 코딩의 1 초마다 확인하는 변수를 만들 수 있습니다. 절차 : 변환 화살 다른 변수로 코딩 ... 화살 "다른 변수로 코딩"진열창에서승, Duration_A을 선택 화살 화살표를 클릭 화살 "출력 변수 이름"(예를 들어, 템포를) 확인 화살 변화 화살 이전 값과 새 값을 클릭 화살 "이전 값"에서 선택 값 : 0을 입력 화살 "새 값"에서, 선택 값 : 0을 입력 화살 추가 화살 O : 콘텐츠 폭은 = SRC = "/ files/ftp_upload/50643/arrow.jpg"폭 = "20px의"/> "이전 값"에서 ".2", 다른 모든 값을 선택한 다음 값을 클릭, 새로 만들기 "에서 값 "1을 입력 화살 추가 화살 계속 화살 OK.
        • 코딩 Duration_A (= 0 0) (ELSE = 1) 템포 INTO.
        • 실행합니다.
      2. 제 2 임시 변수를 만듭니다. 절차 : 변환 화살 시프트 값 화살 선택의 템포iles/ftp_upload/50643/arrow.jpg "폭 ="20px의 "/> 화살표를 클릭 화살 에서 "이름 :"유형 임시 변수 (. 예 tempo2) 화살 변화 화살 OK.
        • SHIFT 값 VARIABLE = 템포 결과 = Tempo2 지연 = 1.
      3. 0에서 tempo2 시작하려면 다시 코딩해야합니다. 절차 : 변환 화살 같은 변수로 코딩 화살 tempo2을 선택 화살 화살표를 클릭 G의 고도 = "화살표"에 fo : 콘텐츠 폭 = SRC = "/ files/ftp_upload/50643/arrow.jpg"폭 "에서 0.2"= "20px의"/> 이전 값과 새 값을 클릭 화살 "이전 값"에서 시스템 누락 선택 화살 "새 값"에서 값을 선택하고 0을 입력 화살 추가 화살 계속 화살 OK.
        • 코딩 Tempo2 (SYSMIS = 0).
        • 실행합니다.
      4. 0부터 시작하는 초 합계입니다. 절차 : 변환/ 50643/arrow.jpg "폭 ="20px의 "/> 계산 변수 화살 "목표 변수 :"유형에서 템포 화살 "숫자 식"유형의 지연 (템포) +1에서 화살 IF ... 화살 선택 만약의 경우를 만족하는 조건을 포함한다 : 화살 입력 tempo2> 0 화살 계속 화살 OK.
        • IF (Tempo2> 0) 템포 = 지연 (템포) + 1.
        • 실행합니다.
      5. 워밍업의 첫 10 분을 제거하기 위해 599 초 앞에 템포 데이터를 제거합니다. 절차 : 데이터 화살 경우 선택 ... 화살 "조건이 만족되는 경우" "선택 케이스"창에서 "선택"에서 선택 화살 만약에 ... 화살 에서 "상자를 선택하면"창, 삽입 식 템포> 599 화살 계속 화살 아래의"출력"선택하지 않은 경우 삭제를 선택합니다 화살 OK. 그림 5를 참조하십시오.
        • OFF 필터입니다.
        • ALL을 사용합니다.
        • (템포> 599) IF를 선택합니다.
        • 실행합니다.
    2. 냉각 단계 (. 예를 들어, 마지막 5 분) 제거 :
      1. SPSS는 이후에 파일의 맨 위에서부터 데이터를 제거로 Duration_A은, 데이터베이스의 상단에 냉각 단계를 가지고하는 내림차순으로 데이터 정렬. 절차 : 데이터 화살 정렬 케이스 화살 "정렬 케이스"창에서 Duration_A에게 선택 화살 을 클릭합니다rrow 화살 "정렬 순서"메뉴에서 내림차순에게 선택 화살 OK.
        • Duration_A (D)을 기준으로 정렬 된 케이스.
      2. 1과 초마다 확인하는 Duration_A을 코딩. 절차 : 변환 화살 다른 변수로 코딩 ... 화살 "다른 변수로 코딩"창에서 Duration_A에게 선택 화살 화살표를 클릭 화살 "출력을 확인 변수 이름 "(예를 들면. tempoA) 화살 변화 화살 이전 값과 새 값을 클릭 화살 "이전 값"에서 선택 값 : 0을 입력 화살 "새 값"에서 값을 선택하고 0을 입력 화살 추가 화살 "새 값"에 1을 입력합니다 : "이전 값"에서 다른 모든 값을 선택하고 값을 클릭합니다ad/50643/arrow.jpg "폭 ="20px의 "/> 추가 화살 계속 화살 OK.
        • 코딩 Duration_A TempoA INTO (= 0 0) (ELSE = 1).
        • 실행합니다.
      3. 제 2 임시 변수를 만듭니다. 절차 : 변환 화살 시프트 값 화살 tempoA에게 선택 화살 화살표를 클릭 화살 에서 "이름 :"유형 임시 변수 (. 예 tempoA2) 화살변경 "에서 0.2" 화살 OK.
        • SHIFT는 = 1 VARIABLE = TempoA의 결과 = TempoA2 지연 값.
      4. 0에서 tempoA2을 시작하려면 다시 코딩해야합니다. 절차 : 변환 화살 같은 변수로 코딩 화살 tempoA2에게 선택 화살 화살표를 클릭 화살 이전 값과 새 값을 클릭 화살 "이전 값"에서 시스템-M을 선택 issing 화살 "새 값"에서 값을 선택하고 0을 입력 화살 추가 화살 계속 화살 OK.
        • 코딩 TempoA2 (SYSMIS = 0).
        • 실행합니다.
      5. tempoA 변수의 초 합계입니다. 절차 : 변환 화살 변수를 계산 화살 "목표 변수"에서 유형 tempoA 50643/arrow.jpg "폭 ="20px의 숫자 식 "유형의 지연 (tempoA) +1"/>에서 " 화살 IF ... 화살 선택 만약의 경우를 만족하는 조건을 포함한다 : 화살 유형 tempoA2> 0 화살 계속 화살 OK.
        • IF (TempoA2> 0) TempoA = 지연 (tempoA) + 1.
        • 실행합니다.
      6. 냉각 단계 (예 : 5 분)을 제거하기 위해 299 초 앞에 템포 데이터를 제거합니다. 절차 : 데이터PG "폭 ="20px의 "/> 선택의 경우 ... 화살 "조건이 만족되는 경우" "선택 케이스"창에서 "선택"에서 선택 화살 만약에 ... 화살 에서 "선택 케이스 : 경우"창, 수식을 삽입 tempoA> 299 화살 계속 화살 "출력"에서, 선택하지 않은 경우 삭제를 선택합니다 화살 OK. 그림 6을 참조하십시오.
        • OFF 필터입니다.
        • ALL을 사용합니다. IF (tempoA> 299)을 선택합니다.
        • 실행합니다.
    3. 데이터 집합에 연결된 세션 번호 (또는 날짜)를 확인합니다. 만들고 새 변수 (예. 세션)의 이름을 지정합니다. 절차 : 변환 화살 변수를 계산 화살 대상 변수, 형 세션에서 계산 변수 창에서 화살 열 유형 및 레이블을 클릭합니다 "계산 변수 :를 입력합니다 ..." 창 화살 "유형"의 문자열을 선택합니다 화살 계속 문자열 식 분류 '1 '아래 화살 OK. 그림 7을 참조하십시오.
      • STRING 세션 (A8).
      • COMPUTE 세션 = '1 '.
      • 실행합니다.
    4. 새 파일에 수정 된 SPSS 문서를 저장합니다 (예 : subjectID_session 번호).
    5. 동일한 주제에 대한 나머지 모든 세션에 대해 위의 절차를 반복합니다.

3. 데이터 병합 - 단일 참가자

  1. 하나의 SPSS 데이터베이스를 열고 참가자의 첫 번째 세션 (예. subjectID_session1)에 모든 세션을 병합합니다.
  2. 현재 파일에 남아있는 세션을 병합합니다. 절차 : 데이터 화살 파일보기 병합화살 케이스 추가 화살 "subjectID_session1.sav에 케이스를 추가"창에서 찾아보기를 클릭하여 파일을 선택 subjectID_session2 화살 열린 화살 계속 화살 "에서 케이스를 추가 ..."에 창 OK (확인)를 클릭합니다. 남아있는 모든 세션에 대해이 단계를 반복합니다. 그림 8을 참조하십시오.
    • 파일 / 파일을 ADD = *
    • / FILE = 'SubjectAB001_Session1.sav'.
    • 실행합니다.
  3. 주체의 ID 번호를 포함하는 열을 추가합니다. 절차 : TR ansform 화살 변수를 계산 화살 대상 변수를 입력 SubjectID에서 "계산 변수"창에서 화살 열 유형 및 레이블을 클릭합니다 "계산 변수 :를 입력합니다 ..." 창 화살 "유형"의 문자열을 선택합니다 화살 계속 화살 문자열 표현 형식 'SubjectID'(예를 들어 'AB001')에서s/ftp_upload/50643/arrow.jpg "폭 ="20px의 "/> OK. 그림 9를 참조하십시오.
    • STRING Subject_ID (A8).
    • COMPUTE Subject_ID = 'AB001'.
    • 실행합니다.
  4. 대상의 대상 강도 (예. 목표 심박수 [THR]을)이 포함 된 열을 추가합니다. 절차 : 변환 화살 변수를 계산 화살 목표 변수를 입력 THR에서 "계산 변수"창에서 화살 열 유형 및 레이블을 클릭합니다 "계산 변수 :를 입력합니다 ..." 창 화살 "유형"의 숫자를 선택 화살계속 화살 숫자 식 유형 THR에서 (예를 들면. 110) 화살 OK. 그림 10을 참조하십시오.
    • STRING의 THR (A8).
    • COMPUTE T​​HR = '110 '.
    • 실행합니다.
  5. 다른 파일 이름으로 데이터베이스를 저장 (예. SubjectAB001_session1-36).
  6. 나머지 모든 참가자에 대해 반복합니다. 이 시점에서, 각 참가자가 모든 세션을 포함하는 데이터베이스를 가질 것이다.

4. 데이터 병합 - 그룹화 참가자

  1. 하나의 데이터베이스에 여러 그룹 참가자들에게 열려 참가자의 파일 (예 : subjectID_session1-36).
  2. 현재 F에 남아있는 참가자를 병합일. 절차 : 데이터 화살 파일보기 병합 화살 케이스 추가 화살 에 창 "추가 케이스 SubjectAB001_session1-36.sav에"찾아보기를 클릭하고 파일 SubjectCD002_session1-36을 선택 화살 열린 화살 계속 화살 "에서 케이스를 추가 ..."에 윈도우 클릭 OK. 그룹화하려는 모든 참가자 반복한다. 그림 11을 참조하십시오.
    • 파일을 추가 /FILE = *
    • / RENAME (AB001 = D0)
    • / FILE = 'SubjectAB001_Session1-36.sav'
    • / RENAME (CD002 = D1)
    • / DROP = D0의 D1.
    • 실행합니다.
  3. 새 데이터베이스 (예. Group01_Subjects001-010)을 저장합니다.

5. 대상 강도의 확인 (예 : THR 범위)

  1. THR 범위를 확인, 변형 클릭 화살 변수를 계산 화살 "대상 변수"새 변수 이름을 입력합니다 (예 : Diff_HR_THR)에서 "계산 변수"창에서 화살 "유형 및 라벨 ..." 화살 "C에서 ompute 변수 :를 입력합니다 .... "숫자를 선택 화살 계속 화살 "숫자 식"의 식 입력 : HR을 - THR 화살 OK.이 새로운 변수로 우리를 제공합니다.
    • COMPUTE Diff_HR_THR = HR - THR.
    • 실행합니다.
  2. HR 위, 아래에 자리 잡고, 또는 THR 범위 내에 있는지 여부를 확인하는 변수를 코딩. 절차 : 변환 화살 다른 변수로 코딩 ... 화살 Diff_HR_THR에게 선택"SRC ="/ files/ftp_upload/50643/arrow.jpg에 0.2 "폭 ="20px의 "/> 화살표를 클릭 화살 "이름"형식 Diff_HR_THR _recoded에서 "출력 변수"에서 화살 변화 화살 이전 값과 새 값 ... 화살 창 : "이전 값과 새 값을 다른 변수로 코딩"에서 :
<TD를 정렬 = "센터"행 결합 = "4"> 추가
이전 값 새 값 구 -> 새로운 기능 :
범위 : -5 ~ 5 1 -5 5를 통해 -> 1
범위 값을 통해 가장 낮은 : -5 0 -5 통해 최저 -> 0
범위, 값 HIGHEST 통해 : 5 0 5 가장 높은 통해 -> 0
시스템 실종 시스템 실종 SYSMIS -> SYSMIS

화살 계속 화살 OK. 그림 12을 참조하십시오.

  • 코딩 Diff_HR_THR (SYSMIS = SYSMIS) (-5 5 = 1을 통해 ()를 통해 -5 = 0 최저) (5 최고 = 0를 통해) INTO
  • Diff_HR_THR_Recoded.
  • 실행합니다.

6. 비율 준수의 계산

  1. Group01_Subjects001-010 파일, 환자는 다음을 수행하여 THR 범위 내에 있다고 모든 초를 계산 : 데이터 화살 집합 화살 "집계 데이터"창에서, 아래의 "(들) 변수 브레이크"를 선택 subjectID 및 세션 화살 화살표를 클릭 화살 "(들) 변수의 요약 :"아래 Diff_HR_THR이 _recoded 선택 화살 화살표를 클릭 FO = "화살표"콘텐츠 폭 = SRC = "/ files/ftp_upload/50643/arrow.jpg"폭 = "20px의"/> OK ".2". 새로운 변수는 이름 Diff_HR_THR의 _recoded_mean 만들어집니다.
    • AGGREGATE
    • / OUTFILE = * MODE = ADDVARIABLES
    • / BREAK = Subject_ID 세션
    • / Diff_HR_THR_Recoded_mean = MEAN (Diff_HR_THR_Recoded).
  2. 백분율로 얻어진 값을 변환, 변환을 클릭합니다 화살 변수를 계산 화살 "대상이 변수"변수 이름을 입력에서 (예를 들면 Perc_THR) 화살 "숫자 식"의 Diff_HR_THR의 _recoded_mean을 선택"/> 화살표를 클릭 화살 100 (Diff_HR_THR _recoded_mean * 100)에 의해 값을 곱 화살 OK. 우리는 각 세션에 대한 각각의 주제에 대해 THR 내에서 보낸 시간의 백분율로 준수를 얻을 수 있습니다. 그림 13 참조
    • COMPUTE Perc_THR = Diff_HR_THR_Recoded_mean * 100.
    • 실행합니다.
  3. 만 subjectID와 대체 subjectID 및 세션 :에서 "집계 데이터"창에서, 결합 된 모든 세션에 대한 각각의 주제에 대해 THR 내에서 소요되는 시간의 비율에 대한 준수를 얻으려면 "(들) 변수 브레이크". 그림 14을 참조하십시오.
  4. "집계 데이터"창에서, "아래에서, 결합 된 모든 주제에 대한 각 세션에 대해 THR 내에서 소요되는 시간의 비율에 대한 준수를 얻으려면전용 세션 "을 대체 subjectID 및 세션 : (의) 변수 휴식.
  5. 다른 파일 이름 (예를 들면. Group01_Subjects001-010_Aggregate)에서 데이터베이스를 저장합니다.

Representative Results

프로토콜이 올바르게 수행 될 때, 준수의 환율을 모든 세션에 대한 각 주제 (그림 14)의 경우, 각 세션 (그림 13)에 대한 각각의 주제에 대해 획득하고, 결합 된 모든 주제에 대한 각 세션입니다. 한 피사체의 단일 세션에 대한 상기 프로토콜을 완료하는데 필요한 시간의 추정은 약 5 분이다. 준수에 대한 결과 0-100% 다양합니다. 이 정보를 사용하여 추가 분석은 주제 (예 : 성별 차이, 질환의 중증도, 등.), 시간에 따른 변화를 확인하고, 준수의 패턴을 밝혀 차이를 결정하기 위해 수행 할 수 있습니다. 또한, 그룹 간의 접착의 비교가 수행 될 수 있으며, 예를 들어, 다른 운동 훈련 프로그램은 비교 될 수있다. 마지막으로, 추가 조사를 통해, 점착성의 원인은 PR 동안 특정 시간 지점에서 식별 할 수 있습니다.

"> 그림 1
그림 1. 심박수 송신기 배치. 더 큰 이미지를 보려면 여기를 클릭하십시오 .

그림 2
데이터 추적 소프트웨어를 사용하여 수집 된 데이터의 그림 2. 샘플. 더 큰 이미지를 보려면 여기를 클릭하십시오 .

그림 3
데이터 추적 소프트웨어 출력의 그림 3. 샘플.jove.com/files/ftp_upload/50643/50643fig3highres.jpg "대상 ="_blank "> 큰 이미지를 보려면 여기를 클릭하십시오.

그림 4
그림 4. 통계 소프트웨어 데이터베이스의 샘플을 보여주는 샘플 데이터베이스. 더 큰 이미지를 보려면 여기를 클릭하십시오 .

그림 5
그림 5. 제거 워밍업 단계를 보여주는 샘플 데이터베이스입니다. 더 큰 이미지를 보려면 여기를 클릭하십시오 .

그림 6 제거 냉각 단계를 설명하는 그림 6. 샘플 데이터베이스. 더 큰 이미지를 보려면 여기를 클릭하십시오 .

그림 7
세션 번호를 추가 열을 나타내는 그림 7. 샘플 데이터베이스. 더 큰 이미지를 보려면 여기를 클릭하십시오 .

그림 8
단일 participan에 대한 병합 된 세션을 나타낸 그림 8. 샘플 데이터베이스 t. 더 큰 이미지를 보려면 여기를 클릭하십시오 .

그림 9
주제 식별 번호에 대해 추가 열을 설명하는 그림 9. 샘플 데이터베이스. 더 큰 이미지를 보려면 여기를 클릭하십시오 .

그림 10
목표 심박수에 추가 열을 나타내는 그림 10. 샘플 데이터베이스. 더 큰 이미지를 보려면 여기를 클릭하십시오 .

"FO : 유지 - together.within 페이지 ="e_content 항상 "> 그림 11
병합 된 참가자의 파일을 보여주는 그림 11. 샘플 데이터베이스. 더 큰 이미지를 보려면 여기를 클릭하십시오 .

그림 12
코딩 심장 박동 변수를 설명하는 그림 12. 샘플 데이터베이스. 더 큰 이미지를 보려면 여기를 클릭하십시오 .

그림 13
에프igure 13. (빨강 수평 라인이 동일한 주제에 대한 세션 사이 준수의 변화를 강조) 각 세션에 대해 각 주제에 대한 목표 심박수 범위 내에서 보낸 시간의 백분율로 준수를 나타내는 샘플 데이터베이스입니다. 더 큰 이미지를 보려면 여기를 클릭하십시오 .

그림 14
모든 세션 (빨강 수평 라인이 주제의 차이를 강조)에 대한 각 주제에 대한 목표 심박수 범위 내에서 소요되는 시간의 비율에 대한 준수를 나타내는 그림 14. 샘플 데이터베이스. 더 큰 이미지를 보려면 여기를 클릭하십시오 .

Discussion

지속적인 데이터 추적 기술은 운동 준수의 매우 정확한 측정을 가능하게한다. 이 절차는 간단 대상 와트 수준, 속도, 또는 MET 레벨 목표 심박수 범위를 대체함으로써 부착의 다른 정의에 적응 될 수있다. 본 예에서, 워밍업 및 쿨 다운 상이기 때문에 우리의 연구의 특정 목표 건 운동의 위상을 분리 제거 하였다. 워밍업과 쿨 다운 단계는 다른 연구자들에게 관심사의이면, 단계 2.3 ( "nontraining 단계를 제거") 프로토콜에서 제거 할 수있다. 또한, 하드웨어와 소프트웨어는 타원형 러닝 머신, 스테퍼, 팔 에르고 미터로 훈련의 다른 모드로 준수를 측정하는 것이 가능합니다.

위의 절차를 따르는 경우, 특정 간단한 단계는 매우 중요합니다. 첫째, CardioMemory 소프트웨어 TRAC으로 운동 데이터를 운동 장비 (예를 들면. 사이클 에르고 미터) 전에 시작해야합니다KED 연속적으로 기록했다. 데이터가이 초기 단계에서 손실 될 경우, 데이터 추출 프로토콜 따라서 조정될 필요가있을 것이다. 둘째, 간섭 원은 누화 및 / 또는 데이터 손실의 위험을 줄이기 위해 최소화되어야한다. 심장 박동 모니터는 장비 및 소프트웨어와 무선으로 통신 할 수 있습니다. 부착을 계산하는 목표 심박수를 사용하는 경우에 따라서, 혼신 특히 해롭다. 마지막으로, 많은 양의 데이터에 대해 허용 할 수있는 능력을 가지고 데이터베이스에 대한 통계 소프트웨어를 선택하는 것이 필수적이다. 예를 들어, 10 참가자는 40 분에 각각 36 세션을 완료와 함께 연구에서, 데이터 포인트의 864,000 행이 생성됩니다. SAS 24과 SPSS 25 행의 수에 대한 제한이없는 반면, 엑셀 2007 및 이후 버전, 워크 시트 (23)에 1,048,576 행을 포함 할 수있는 능력이있다. 관련 연구를 위해 예상 데이터 포인트의 총 수에 따라, 소프트웨어에 따라 적절하게 선택할 필요가있다. 이 기술의 주목할만한 장점에도 불구하고, 두 가지 제한이 존재한다. 우선은 장비 및 / 또는 소프트웨어 고장으로 귀착 될 수있는 데이터 손실이다. 전술 한 바와 같이, 데이터 손실은 무선 장치들 (즉, 휴대폰이나 무선 인터넷)과 전기적 간섭 때문일 수 있으며,보다 구체적으로 심박수의 무선 데이터 전송을 간섭 할 수있다. 그러나, 시간에, 데이터 손실도 식별 할 수없는 원인에 기인 할 수있다. 두 번째 제한은 소프트웨어가 마킹이나 상이한 위상을 식별 / 차별화하기 위해서는 체계적으로 운동 프로토콜을 분할하는 옵션을 제공하지 않는다는 점이다. 이 옵션을 사용할 수 있다면, 그 운동 단계의 추출을 준수 계산 프로토콜의 단계를 제한 할 수있는 소프트웨어에서 직접 수행 할 수 있습니다. 그것은 수 있도록 할뿐만 아니라, 마커를 배치하는 옵션은 간격 또는 간헐적 훈련 프로토콜을 준수의 연구에 대한 실제적인 것(높은 강도 대 예. 낮은) 다른 단계의 분화.

향후 전망에 대해 정확하게 준수를 정량화에게 지속적으로 데이터를 추적 기술의 사용은 다른 개입에 운동 반응의 패턴을 조사하기 위해 연구자를 활성화 준수의 결정을 확인하고, 좋은 가난한 adherers의 특성을 것입니다. 궁극적으로, 운동 준수의 더 나은 이해는 운동 재활 프로그램의 최적화를 위해 수 있습니다.

Disclosures

저자는 더 경쟁 재정적 이익이 없다는 것을 선언합니다.

Acknowledgments

캐나다 폐 협회 - 캐나다 호흡기 건강 전문가, 퐁 드 공들인 뒤 퀘벡 - 상테 (FRQS)

Materials

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

DOWNLOAD MATERIALS LIST

References

  1. Global Strategy for the Diagnosis, Management, and Prevention of Chronic Obstructive Pulmonary Disease [Internet]. Global Initiative for Chronic Obstructive Lung Disease (GOLD). , (2013).
  2. Celli, B. R., MacNee, W. Standards for the diagnosis and treatment of patients with COPD: a summary of the ATS/ERS position paper). Eur. Respir. J. 23 (6), 932-946 (2004).
  3. O'Donnell, D. E., et al. Canadian Thoracic Society recommendations for management of chronic obstructive pulmonary disease--2003. Can. Respir. J. 10 Suppl A, 11 (2003).
  4. Lacasse, Y., Maltais, F., Goldstein, R. S. Pulmonary rehabilitation: an integral part of the long-term management of COPD. Swiss Med, Wkly. 134 (41-42), 601-605 (2004).
  5. Hui, K. P., Hewitt, A. B. A simple pulmonary rehabilitation program improves health outcomes and reduces hospital utilization in patients with COPD. Chest. 124 (1), 94-97 (2003).
  6. Lacasse, Y., et al. Pulmonary rehabilitation for chronic obstructive pulmonary disease. The Cochrane Database of Systematic Reviews. (4), (2001).
  7. Guell, R., et al. Long-term effects of outpatient rehabilitation of COPD: A randomized trial. Chest. 117 (4), 976-983 (2000).
  8. Hui, K. P., Hewitt, A. B. A simple pulmonary rehabilitation program improves health outcomes and reduces hospital utilization in patients with COPD. Chest. 124 (1), 94-97 (2003).
  9. Griffiths, T. L., et al. Results at 1 year of outpatient multidisciplinary pulmonary rehabilitation: a randomised controlled trial. Lancet. 355 (9201), 362-368 (2000).
  10. Young, P., Dewse, M., Fergusson, W., Kolbe, J. Improvements in outcomes for chronic obstructive pulmonary disease (COPD) attributable to a hospital-based respiratory rehabilitation programme. Aust. NZ J. Med. 29 (1), 59-65 (1999).
  11. Stewart, D. G., Drake, D. F., Robertson, C., Marwitz, J. H., Kreutzer, J. S., Cifu, D. X. Benefits of an inpatient pulmonary rehabilitation program: a prospective analysis. Arch. Phys. Med .Rehabil. 82 (3), 347-352 (2001).
  12. Bowen, J. B., Thrall, R. S., ZuWallack, R. L., Votto, J. J. Long-term benefits of short-stay inpatient pulmonary rehabilitation in severe chronic obstructive pulmonary disease. Monaldi Arch. Chest Dis. 54 (2), 189-192 (1999).
  13. Foglio, K., Bianchi, L., Ambrosino, N. Is it really useful to repeat outpatient pulmonaryrehabilitation programs in patients with chronic airway obstruction? A 2-year controlled study. Chest. 119 (6), 1696-1704 (2001).
  14. George, J., Kong, D. C. M., Stewart, K. Adherence to disease management programs in patients with COPD. International Journal of COPD. 2 (3), 253-262 (2007).
  15. Adherence to long-term therapies: evidence for action. Annex. 1, (2003).
  16. , Forthcoming.
  17. 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. 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. 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. Brooks, D., et al. Characterization of pulmonary rehabilitation programs in Canada in. Can. Respir. J. 14 (2), 87-92 (2005).
  21. 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. Sabit, R., et al. Predictors of poor attendance at an outpatient pulmonary rehabilitation programme. Respir. Med. 102 (6), 819-824 Forthcoming.
  23. 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. 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. 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. Raynald's SPSS Tools: FAQ [Internet]. Canada: Raynald Levesque; c2001-2004. , Available from: http://pages.infinit.net/rlevesqu/FAQ.htm#HowManyVariables (2004).

Tags

의학 제 81 데이터 추적 운동 재활 준수 환자 준수 건강 행동 사용자 컴퓨터 인터페이스.
폐 재활 운동 준수를 연구하는 지속적인 데이터 추적 기술을 사용하여
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Rizk, A. K., Wardini, R., Chan-Thim, … More

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

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter