Waiting
Login processing...

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

Medicine

Использование серийной отслеживания DATA Technology по изучению Упражнение Соблюдение в легочной реабилитации

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

Легочная реабилитация широко признается в управлении респираторных заболеваний. Ключевым компонентом для успешного легочной реабилитации является соблюдение рекомендованной лечебной физкультуры. Целью настоящего протокола является описать, как непрерывная технология слежения данные могут быть использованы, чтобы точно измерить приверженность предписанного аэробной интенсивности тренировок.

Abstract

Легочная реабилитация (PR) является важным компонентом в управлении респираторных заболеваний. Эффективность PR зависит от приверженности осуществлять учебные рекомендации. Изучение упражнений приверженности таким образом, является ключевым шагом на пути к оптимизации PR программ. На сегодняшний день, в основном косвенные меры, такие как темпы участия, завершения, и посещаемости, были использованы для определения соблюдения PR. Целью настоящего протокола является описать, как непрерывная технология слежения данные могут быть использованы для измерения соблюдения предписанного аэробной интенсивности тренировок на второй по второй основе.

В наших исследованиях, соблюдение был определен как время процентов отработанного в пределах указанного диапазона целевой пульсовой. Таким образом, с использованием комбинации аппаратных и программных средств, частота сердечных сокращений измеряется, отслеживается, и записан во время езды на велосипеде второй по второй для каждого участника, для каждой тренировки. Использование статистическая программа, тон данные затем экстрагируют и анализируют. То же протокол может быть применен для определения соблюдения других мер интенсивности упражнений, таких как время, проведенное в указанное номинальной мощностью, уровень, или скорости на велоэргометре. Кроме того, аппаратное и программное обеспечение также доступно для измерения приверженности к другим видам обучения, таких как беговая дорожка, эллиптический, степпер, и руки велоэргометре. Настоящий протокол, таким образом, имеет огромный применимость для непосредственного измерения приверженность аэробных упражнений.

Introduction

Легочная реабилитация (PR) сочетает осуществления профессиональной подготовки, обучение пациентов и психосоциальной поддержки, и широко признана в качестве краеугольного камня в управлении болезнью легких 1-5. Цели PR являются для уменьшения симптомов, оптимизации функционального состояния, улучшить качество здоровья, связанных с жизни, а также снизить затраты на здравоохранение 4,5. В мета-анализе 31 рандомизированных контролируемых исследований при хронической обструктивной болезни легких (ХОБЛ), PR было показано, значительно улучшить толерантность к физической нагрузке, снижению одышка и усталость, улучшить эмоциональное функцию и повысить чувство пациентов контроля над их состоянием 6. Кроме того, свидетельства документирует свою эффективность в снижении дыхательных обострений 7 и дни, проведенные в больнице 8-13. Физическая тренировка считается ключом к успешной PR, так как он отвечает за большую часть выгод, связанных с этой интервенции 3-5. Тем не менее, главной проблемой для несколькихпациенты придерживается рекомендованной суммы и уровня физических упражнений. Несоблюдение рекомендованной лечения может привести к сбою в терапевтических вмешательств, а также неэффективное использование ресурсов здравоохранения 14.

По данным Всемирной организации здравоохранения, термин'' соблюдение'' относится к степени, в которой поведение человека совпадает с рекомендациями по профессиональной медицинской помощи 15. На сегодняшний день, соблюдение осуществлять подготовку в настройках реабилитации в значительной степени оценивается как любой скорости участия (т.е. регистрации. Программе), скорость завершения (т.е. окончания программы), или скорости участием (т.е. количество упражнений сессии присутствовали) 16-18. В настоящее время ни «золотой стандарт» не существует для измерения присоединения 15 и современные методы не позволяют большой точностью. Кроме того, в зависимости от выбранного метод, темпы присоединения к PR показали большой изменчивости 16-19. Например, Hogg и соавт. 16 измеряется присоединение у больных ХОБЛ как соотношение между теми, кто завершил программу для упомянутых и обнаружили, низкую адгезию примерно на 40%. Тем не менее, другие исследования PR, которые использовали посещаемости продемонстрировали, в среднем, на 90% приверженность 10,20,21. Отсутствие однородности в расчете соблюдение затрудняет сравнение результатов различных исследований. Еще одной проблемой является отсутствие точности с существующими методами расчета; посещаемости в тренажерный тренировке не гарантирует соблюдение предписанного интенсивности. Этот пробел в информации привел нас исследовать, как соблюдение могут быть рассчитаны в более точно.

Последние достижения в области технологии фитнес оборудования позволили для непрерывного отслеживания данных, который может быть использован для контроля за соблюдением предписанного аэробной интенсивности тренировок во время индивидуаль тренировок в контексте PR. В частности, отслеживание данных аппаратного и программного обеспечения разрешений на второй по второй записи продолжительности, скорости, уровня, мощность, скорость, частота сердечных сокращений, расстояние, расход калорий, VO 2, Мец, и калории, и обеспечивает средние всех переменных с за исключением уровня и VO 2. Основным преимуществом этой технологии является возможность записи непрерывные подробные меры, что позволяет для точного расчета соблюдения предписанного упражнения против сообщалось ранее ставок вообще посещаемости или завершения. Эта процедура может иметь значение для любого исследования по изучению влияния одного или нескольких учебных программ аэробных упражнений. Используя эту технологию, соблюдение пациентом предписанного интенсивности можно оценить по времени, проведенного процентов при заданном уровне мощности,, скорости или частоты сердечных сокращений в процессе обучения фазы каждой сессии. Для наших исследований, соблюдение протокола лечебной физкультуры была определена как процентВремя, проведенное в пределах указанного диапазона целевой пульсовой. Поскольку реакция ЧСС в данный субмаксимальной нагрузки уменьшается с сердечно-сосудистой деятельности возрастает, такой подход гарантирует, что пациенты остаются на том же родственника (по сравнению с абсолютным) интенсивности обучения на протяжении всей программы. Настоящий протокол подробно описывает, как непрерывная технология слежения данные могут быть использованы, чтобы точно измерить приверженность заданном диапазоне частотой пульса.

Protocol

После того, как данные собраны, один файл на каждый объект в сессии исходных данных получается. Использование статистического программного обеспечения, все сеансы в теме объединены в одном файле. Далее, интенсивность цель должна быть рассчитана для каждого субъекта. Скорость следование этой целевой интенсивности можно рассчитать за сессию на тему, для каждой сессии для всех субъектов вместе взятых, или на группу.

1. Сбор данных (выполняется персоналом, курирующих тренировку)

  1. Свернуть электрические помехи, выключив беспроводных устройств (например, сотовые телефоны, Wi-Fi, и т.д..) И свести к минимуму перекрестные помехи, обеспечивая мониторы сердечного ритма и оборудование, по крайней мере 1 метра друг от друга. См. Рисунок 1 для размещения передатчика сердечного ритма.
  2. Включите программного обеспечения отслеживания данных. Пресс начать на аэробным оборудованием и обучить участника в интенсивности целевой. Например, в наших исследованиях, учабрюки просят обучать в пределах ± 5 уд / мин их частоты сердечных сокращений. См. Рисунок 2 для CardioMemory.
  3. Сбор данных второй по второй для каждого участника для каждого реабилитационного сессии. Собранные данные включают в себя следующее: Тема ID, продолжительность (ччммсс), уровень интенсивности (1-30), рабочей нагрузки (Вт), скорость вращения педалей (оборотов / мин), расстояние (км), темп (мм: сс / км), частота сердечных сокращений (уд / мин), расчетное потребление кислорода (VO 2, мл / мин / кг), метаболический эквивалент физических усилий (Мец), оцененный расход энергии (ккал / час), и оценивается энергия, потребляемая (ккал). См. Рисунок 3.
  4. Пресс остановка на аэробным оборудованием. Нажмите "Сохранить", чтобы загрузить данные в CardioMemory. Нажмите "экспорт", чтобы сохранить документ за пределами CardioMemory. Документ будет в формате. CVS и автоматически включать дату сессии.

2. Извлечение данных

СardioMemory программное обеспечение не позволяет для различения различных фаз упражнения-обучения. Таким образом, полученные данные должны быть экспортированы в статистического программного обеспечения в целях устранения фазы, которые не представляют интереса (например, разогрев и охлаждение), объединять файлы данных, и сравнить достигнуто против интенсивности целевой.

  1. Программное обеспечение с открытым статистический анализ импорта преуспеть файл. Порядок действий: Файл Стрелка Открыто Стрелка Данные Стрелка В окне "Open Data", выберите Все файлы в выпадающем меню из "архивов типов" Стрелка Выберите Excel. XLS файл СтрелкаОткрыть Стрелка В "Открытие Excel источника данных" окна нажмите кнопку ОК.
  2. Сохраните файл данных в программное обеспечение статистического анализа. См. рисунок 4 для образца базы данных.
  3. Устранить nontraining фазы, т.е. разминку и охлаждение, если интерес время, проведенное в интенсивности целевой на этапе обучения.
    1. Ликвидировать тепло-фазы (например, первые 10 мин):
      1. Чтобы перекодировать продолжительность, создать переменную для идентификации каждой секундой как 1. Процедура: Transform Стрелка Перекодировать в различных переменных ... Стрелка В "перекодировать в разных переменных" Windoж выберите Duration_A Стрелка нажмите стрелку Стрелка Определить "Output Variable Name" (например, темп) Стрелка Изменение Стрелка Нажмите на старые и новые значения Стрелка В разделе "Старое значение", выберите значение: и введите 0 Стрелка Под "New Value", Выберите значение: и введите 0 Стрелка Добавлять Стрелка о: содержание-шир = "0,2 в" Первоначально "/ files/ftp_upload/50643/arrow.jpg" ширина = "20px" /> Под "Старое значение", выберите Все другие значения нажмите Ценность: под "Нью- Значение "и введите 1 Стрелка Добавлять Стрелка Продолжать Стрелка ОК.
        • RECODE Duration_A (0 = 0) (ELSE = 1) в Tempo.
        • EXECUTE.
      2. Создайте второй временную переменную. Процедура: Transform Стрелка Сдвиг значения Стрелка Выберите темпiles/ftp_upload/50643/arrow.jpg "ширина =" 20px "/> Нажмите стрелку Стрелка Под "Название:" временный тип переменной (. Например tempo2) Стрелка Изменение Стрелка ОК.
        • SHIFT ЦЕННОСТИ переменная = Tempo РЕЗУЛЬТАТ = Tempo2 LAG = 1.
      3. Чтобы начать tempo2 на 0, он должен быть перекодированы. Процедура: Transform Стрелка Перекодировать в те же переменные Стрелка Выберите tempo2 Стрелка Нажмите стрелку г альт = "Стрелка" FO: контент-ширины = "0,2 в" Первоначально "/ files/ftp_upload/50643/arrow.jpg" ширина = "20px" /> Нажмите старые и новые значения Стрелка В разделе "Старое значение", выберите Система-Missing Стрелка В разделе "New Value" выберите значение: и введите 0 Стрелка Добавлять Стрелка Продолжать Стрелка ОК.
        • RECODE Tempo2 (SYSMIS = 0).
        • EXECUTE.
      4. Посчитаем секунд начиная с нуля. Процедура: Transform/ 50643/arrow.jpg "ширина =" 20px "/> Вычислить Переменная Стрелка Под "Target Variable:" Тип темп Стрелка Под "числовое выражение" типа лагом (темп) 1 Стрелка ЕСЛИ ... Стрелка Выберите Включить, если случай удовлетворяет условию: Стрелка Введите tempo2> 0 Стрелка Продолжать Стрелка ОК.
        • ЕСЛИ (Tempo2> 0) Tempo = Лаг (темп) + 1.
        • EXECUTE.
      5. Для устранения первых 10 мин разминки, удалить темп данные, предшествующий 599 секунд. Процедура: Данные Стрелка Выберите случаи ... Стрелка В окне "Select Cases", в разделе "Выбор", выберите "Если условие" Стрелка Если ... Стрелка В "Выберите случаях: если" окно, уравнение вставки темп> 599 Стрелка Продолжать Стрелка Под"Выход", выберите команду Удалить невыбранные случаи Стрелка ОК. См. Рисунок 5.
        • Отфильтровывают.
        • Использовать все.
        • Выберите, если (темп> 599).
        • EXECUTE.
    2. Ликвидировать фазу круто вниз (например, за последние 5 минут).:
      1. Сортировка данных в нисходящем порядке для Duration_A, чтобы довести фазу круто вниз к верхней части базе данных, как SPSS удаляет данные из верхней части файла года. Процедура: Данные Стрелка Сортировать ящики Стрелка В окне "Сортировка случаях", выберите Duration_A Стрелка нажмитеrrow Стрелка В меню "сортировку" выберите По убыванию Стрелка ОК.
        • SORT случаях Duration_A (D).
      2. Перекодировать Duration_A определить каждую секунду как 1. Процедура: Transform Стрелка Перекодировать в различные переменные ... Стрелка В окне "перекодировать в разных переменных", выберите Duration_A Стрелка нажмите стрелку Стрелка Определить "Выход Имя переменной "(например,. TempoA) Стрелка Изменение Стрелка Нажмите старые и новые значения Стрелка В разделе "Старое значение", выберите значение: и введите 0 Стрелка В разделе "New Value" выберите значение: и введите 0 Стрелка Добавлять Стрелка Выбрать все другие ценности под "Старое значение", то нажмите на стоимости: в разделе "New Value" и введите 1ad/50643/arrow.jpg "ширина =" 20px "/> Добавить Стрелка Продолжать Стрелка ОК.
        • RECODE Duration_A (0 = 0) (ELSE = 1) в TempoA.
        • EXECUTE.
      3. Создайте второй временную переменную. Процедура: Transform Стрелка Сдвиг значения Стрелка Выберите tempoA Стрелка Нажмите стрелку Стрелка Под "Название:" временный тип переменной (. Например tempoA2) СтрелкаИзменить Стрелка ОК.
        • SHIFT ЦЕННОСТИ переменная = TempoA результат = TempoA2 LAG = 1.
      4. Чтобы начать tempoA2 на 0, он должен быть перекодированы. Процедура: Transform Стрелка Перекодировать в те же переменные Стрелка Выберите tempoA2 Стрелка Нажмите стрелку Стрелка Нажмите старые и новые значения Стрелка В разделе "Старое значение", выберите System-M Иссингом Стрелка В разделе "New Value" выберите значение: и введите 0 Стрелка Добавлять Стрелка Продолжать Стрелка ОК.
        • RECODE TempoA2 (SYSMIS = 0).
        • EXECUTE.
      5. Посчитаем секунд переменной tempoA. Процедура: Transform Стрелка Вычислить переменную Стрелка Под "Target Variable:" Тип tempoA 50643/arrow.jpg "ширина =" 20px "/> В разделе" числовое выражение "типа лагом (tempoA) 1 Стрелка ЕСЛИ ... Стрелка Выберите Включить, если случай удовлетворяет условию: Стрелка Тип tempoA2> 0 Стрелка Продолжать Стрелка ОК.
        • IF (TempoA2> 0) TempoA = Лаг (tempoA) + 1.
        • EXECUTE.
      6. Для устранения остынет фазу (т.е. 5 мин), удалить темп данные, предшествующий 299 секунд. Процедура: Данныепг "ширина =" 20px "/> Выбрать случаи ... Стрелка В окне "Select Cases", в разделе "Выбор", выберите "Если условие" Стрелка Если ... Стрелка В "Выбор случаях: если" окно, вставить уравнение tempoA> 299 Стрелка Продолжать Стрелка в разделе "Output", выберите команду Удалить невыбранные случаи Стрелка ОК. См. Рисунок 6.
        • Отфильтровывают.
        • Использовать все. Выберите, если (tempoA> 299).
        • EXECUTE.
    3. Определить номер сессии (или дата), связанный с набором данных. Создание и назвать новую переменную (например,. Session). Процедура: Transform Стрелка Вычислить переменную Стрелка В вычислительном переменной окна под целевой переменной, типа сессии Стрелка щелкните Тип & Этикетка, чтобы открыть "Compute Variable: Введите ..." окно Стрелка под "Тип" выберите строку Стрелка Продолжать под струнного типа Выражение '1 ' Стрелка ОК. См. Рисунок 7.
      • STRING сессии (А8).
      • COMPUTE Session = '1 '.
      • EXECUTE.
    4. Сохраните измененный документ SPSS в новом файле (пример: subjectID_session #).
    5. Повторите описанную выше процедуру для всех оставшихся сессий на ту же тему.

3. Слияние данных - Один участник

  1. Чтобы объединить все сеансы в единую базу данных SPSS, первая сессия открыть участника (то есть. SubjectID_session1).
  2. Слияние остальных сеансов в текущий файл. Процедура: Данные Стрелка Слияние файловСтрелка Добавить случаи Стрелка в окне "Добавить случаях subjectID_session1.sav", нажмите кнопку Обзор и выберите файл subjectID_session2 Стрелка Открыто Стрелка Продолжать Стрелка в "Добавить случаи из ..." окна нажмите кнопку ОК. Повторите эти действия для всех остальных сессиях. См. Рисунок 8.
    • Добавить файлы / FILE = *
    • / FILE = 'SubjectAB001_Session1.sav'.
    • EXECUTE.
  3. Добавьте столбец, содержащий идентификационный номер субъекта. Процедура: Тр ansform Стрелка Вычислить переменную Стрелка В окне "Вычислить Variable" под целевой переменной, типа SubjectID Стрелка щелкните Тип & Этикетка, чтобы открыть "Compute Variable: Введите ..." окно Стрелка под "Тип" выберите строку Стрелка Продолжать Стрелка под струнного типа Выражение "SubjectID '(например,' AB001 ')s/ftp_upload/50643/arrow.jpg "ширина =" 20px "/> ОК. См. Рисунок 9.
    • STRING subject_id (А8).
    • COMPUTE subject_id = 'AB001 ".
    • EXECUTE.
  4. Добавить столбец, содержащий целевую интенсивность субъекта (например,. Ставки целевой сердце [THR]). Процедура: Transform Стрелка Вычислить переменную Стрелка В окне под целевой переменной, типа THR "Вычислить Переменная" Стрелка щелкните Тип & Этикетка, чтобы открыть "Compute Variable: Введите ..." окно Стрелка под "Тип" выберите Numeric СтрелкаПродолжить Стрелка под числового типа Выражение THR (например. 110) Стрелка ОК. См. рисунок 10.
    • СТРОКА THR (A8).
    • COMPUTE THR = '110 '.
    • EXECUTE.
  5. Сохранить базу данных под другим именем файла (например,. SubjectAB001_session1-36).
  6. Повторите эти действия для всех остальных участников. На данный момент, каждый участник будет иметь базу данных, содержащую все сеансы.

4. Данные слияния - Группировка Участники

  1. Для группировки нескольких участников в единую базу данных, файл открытым участника (то есть subjectID_session1-36).
  2. Слияние остальных участников к текущему фИль. Процедура: Данные Стрелка Слияние файлов Стрелка Добавить случаи Стрелка в "Установка делам в SubjectAB001_session1-36.sav" окна, нажмите кнопку Обзор и выберите файл SubjectCD002_session1-36 Стрелка Открыто Стрелка Продолжать Стрелка в "Добавить случаи из ..." окна нажмите кнопку ОК. Повторите эти действия для всех участников, которые вы хотите группы. См. Рисунок 11.
    • Добавить файлы /FILE = *
    • / ПЕРЕИМЕНОВАТЬ (AB001 = d0)
    • / FILE = 'SubjectAB001_Session1-36.sav'
    • / ПЕРЕИМЕНОВАТЬ (CD002 = d1)
    • / DROP = d0 d1.
    • EXECUTE.
  3. Сохранить новую базу данных (например,. Group01_Subjects001-010).

5. Идентификация целевой интенсивности (например, THR хребта)

  1. Определить диапазон THR; нажмите Transform Стрелка Вычислить переменную Стрелка в окне под "Target Variable" ввод нового имени переменной (например Diff_HR_THR) "Вычислить Переменная" Стрелка "Тип & Этикетка ..." Стрелка в "C ompute Переменная: Введите .... "выберите Numeric Стрелка Продолжать Стрелка В разделе "числовое выражение" введите уравнение: HR - THR Стрелка ОК. Это дает нам новую переменную.
    • COMPUTE Diff_HR_THR = HR - THR.
    • EXECUTE.
  2. Перекодировать переменные для выявления лежит ли HR ниже, выше или в пределах THR. Процедура: Transform Стрелка Перекодировать В разных переменных ... Стрелка выберите Diff_HR_THR0,2 в "Первоначально" / files/ftp_upload/50643/arrow.jpg "ширина =" 20px "/> нажмите стрелку Стрелка под "Output Variable" под типа "Имя" Diff_HR_THR _recoded Стрелка Изменение Стрелка Старые и новые значения ... Стрелка в "перекодировать В разных переменных: старые и новые значения" окно:
<TD выровняйте = "центр" RowSpan = "4"> Добавить
Старый Значение Новое значение Старый -> Новый:
Диапазон: от -5 до 5 1 -5 Через 5 -> 1
Диапазон, низкие через значения: -5 0 Самая низкая через -5 -> 0
Диапазон, стоимость через ВЫСОКИЙ: 5 0 5 через Высший -> 0
Система-отсутствует Система-отсутствует SYSMIS -> SYSMIS

Стрелка Продолжать Стрелка ОК. См. Рисунок 12.

  • RECODE Diff_HR_THR (SYSMIS = SYSMIS) (-5 через 5 = 1) (низкая через -5 = 0) (5 через Высший = 0) в
  • Diff_HR_THR_Recoded.
  • EXECUTE.

6. Расчет Процент Приверженность

  1. В Group01_Subjects001-010 файла, рассчитать все секунд, что пациенты находились в диапазоне THR, выполнив следующие действия: Данные Стрелка Совокупный Стрелка в окне "агрегирование данных", в разделе "Перерыв переменная (ы):" выберите subjectID и сессия Стрелка нажмите стрелку Стрелка под "Тезисы переменная (ы):" выберите Diff_HR_THR _recoded Стрелка нажмите стрелку = "Стрелка" FO: контент-ширины = "0,2 в" Первоначально "/ files/ftp_upload/50643/arrow.jpg" ширина = "20px" /> ОК. Новая переменная создается с именем Diff_HR_THR _recoded_mean.
    • СОВОКУПНАЯ
    • / OUTFILE = * MODE = ADDVARIABLES
    • / ПЕРЕРЫВ = subject_id сессии
    • / Diff_HR_THR_Recoded_mean = СРЕДНЕЕ (Diff_HR_THR_Recoded).
  2. Преобразование полученное значение в процентах; нажмите Transform Стрелка Вычислить переменную Стрелка под "Целевая переменная" введите имя переменной (например Perc_THR) Стрелка в разделе "числовое выражение" выберите Diff_HR_THR _recoded_mean"/> Нажмите стрелку Стрелка умножить значение на 100 (Diff_HR_THR _recoded_mean * 100) Стрелка ОК. Затем мы получаем приверженность как процент от времени, проведенного в THR по каждому предмету для каждой сессии. См. рисунок 13
    • COMPUTE Perc_THR = Diff_HR_THR_Recoded_mean * 100.
    • EXECUTE.
  3. Для получения приверженность к проценту времени, проведенного в THR по каждому предмету для всех сеансов в сочетании, в окне "агрегирование данных", в разделе "Перерыв переменная (ы):" заменой subjectID и сессия только subjectID. См. Рисунок 14.
  4. Для получения приверженность к проценту времени, проведенного в THR для каждой сессии для всех субъектов вместе взятых, в окне "агрегирование данных", в разделе "Перерыв переменная (ы): "заменой subjectID и сессия только с сессии.
  5. Сохраните базу данных под другим именем файла (например,. Group01_Subjects001-010_Aggregate).

Representative Results

Когда протокол выполняется правильно, скорость соблюдение получается для каждого субъекта для каждой сессии (рис. 13), для каждого субъекта для всех сессий (рис. 14), и для каждой сессии для всех субъектов, вместе взятых. Оценка времени, необходимого для завершения выше протокол для одного сеанса одного субъекта составляет примерно 5 мин. Результаты для присоединения может варьироваться от 0-100%. Используя эту информацию, дополнительные анализы могут быть выполнены, чтобы определить различия между субъектами (т.е. половые различия, тяжести заболевания и др.), Для выявления изменений во времени, и выявить закономерности в приверженности. Кроме того, сравнение присоединения между группами могут быть выполнены, например, различные программы подготовки упражнения могут быть сопоставлены. Наконец, через дальнейшего расследования, причины несоблюдения режима терапии могут быть идентифицированы в определенные моменты времени в течение PR.

"> Рисунок 1
Размещение передатчика Рисунок 1. Частота сердечных сокращений. Нажмите здесь, чтобы увеличить изображение .

Рисунок 2
Рисунок 2. Пример данных, собранных с помощью отслеживания данных программного обеспечения. Нажмите здесь, чтобы увеличить изображение .

Рисунок 3
Рисунок 3. Пример вывода отслеживания данных программного обеспечения.jove.com/files/ftp_upload/50643/50643fig3highres.jpg "целевых =" _blank "> Нажмите здесь, чтобы посмотреть увеличенное изображение.

Рисунок 4
Рисунок 4. Образец базы данных, иллюстрирующая образец статистической базы данных программного обеспечения. Нажмите здесь, чтобы увеличить изображение .

Рисунок 5
Рисунок 5. Образец базы данных, иллюстрирующая устранены разминка фазу. Нажмите здесь, чтобы увеличить изображение .

Рисунок 6 Рисунок 6. Пример базы данных, иллюстрирующая устранены остынет фазу. Нажмите здесь, чтобы увеличить изображение .

Рисунок 7
Рисунок 7. Пример базы данных, иллюстрирующая колонку добавлен числа сеанса. Нажмите здесь, чтобы увеличить изображение .

Рисунок 8
Рисунок базы данных 8. Образец иллюстрирующая объединенные занятия для одного УЧАСТНИКОВ т. Нажмите здесь, чтобы увеличить изображение .

Рисунок 9
Рисунок 9. Пример базы данных, иллюстрирующая колонку добавлен для идентификации подлежат числа. Нажмите здесь, чтобы увеличить изображение .

Рисунок 10
Рисунок базы данных 10. Образец иллюстрирующая колонку добавлен для целевой частоты сердечных сокращений. Нажмите здесь, чтобы увеличить изображение .

e_content "FO: держать-together.within страницах =" всегда "> Рисунок 11
Рисунок 11 базы данных. Пример, иллюстрирующий файлы объединенной участников. Нажмите здесь, чтобы увеличить изображение .

Рисунок 12
Рисунок 12 базы данных. Пример, иллюстрирующий перекодировано переменные сердечного ритма. Нажмите здесь, чтобы увеличить изображение .

Рисунок 13
FНа рис 13. Образец базы данных, иллюстрирующая приверженность в процентах от времени, проведенного в пределах целевой частоты сердечных сокращений для каждого субъекта для каждого сеанса (горизонтальная красная линия подчеркивает изменение в приверженности между сессиями по той же теме). Нажмите здесь, чтобы увеличить изображение .

Рисунок 14
Рисунок базы данных 14. Образец иллюстрирующая приверженность к проценту времени, проведенного в пределах целевой частоты сердечных сокращений для каждого субъекта для всех сессий (горизонтальная красная линия подчеркивает разницу между субъектами). Нажмите здесь, чтобы увеличить изображение .

Discussion

Непрерывная технология отслеживания данных позволяет в течение очень точного измерения упражнений приверженности. Эта процедура может быть легко адаптированы для других определений приверженности заменив спектр частоты пульса с целевой мощности, уровня, скорости, или уровень MET. В данном примере, разминка и охлаждения фазы были устранены, чтобы изолировать фазу упражнения из-за нашей конкретной цели исследования. Если разминка и охлаждения фазы представлять интерес для других исследователей, шаг 2.3 ("Ликвидация фазы nontraining") могут быть исключены из протокола. Кроме того, аппаратное и программное обеспечение также доступно для измерения приверженности к другим видам обучения, таких как беговая дорожка, эллиптический, степпер, и руки велоэргометре.

Когда после выше протокол, некоторые простые шаги имеют решающее значение. Во-первых, CardioMemory программа должна быть запущена перед тренажерами (например. Велоэргометре) для данных упражнений, чтобы быть ПРОФкед и впоследствии записал. Если данные будут потеряны на этом начальном этапе, протокол извлечения данных необходимо будет соответствующим образом скорректированы. Во-вторых, источники помех должны быть сведены к минимуму, чтобы уменьшить риск помех и / или потерю данных. В мониторы сердечного ритма беспроводную связь с оборудованием и программным обеспечением. Таким образом, вмешательство особенно вредно при использовании целевой пульс для расчета приверженность. Наконец, крайне важно, чтобы выбрать статистического программного обеспечения для базы данных, которая в состоянии разрешить для больших объемов данных. Например, в исследовании, с 10 участников завершения 36 сеансов на 40 мин каждый, будет генерироваться 864000 ряды точек данных. Excel 2007 и более поздних версиях имеют возможности содержать 1048576 строк на листе 23, в то время как SAS 24 и SPSS 25 не имеют предела для количества строк. В зависимости от общего количества точек данных, ожидаемыми для данного исследования, программное обеспечение должно быть выбрана соответствующим образом. Несмотря на заметные преимущества этой технологии, существуют два основных ограничения. Первый потери данных, что может привести от оборудования и / или программного сбоя. Как упоминалось выше, потери данных может быть связано с электрическим помехам с беспроводными устройствами (то есть сотовые телефоны или Wi-Fi), а более конкретно вмешательство в беспроводной передачи данных частоты сердечных сокращений. Тем не менее, время от времени, потеря данных может быть также связано с неидентифицируемых причин. Второе ограничение заключается в том, что программное обеспечение не обеспечивает возможность маркировки или разделения протокол тренировки систематически, чтобы отличать / определить различные фазы. Если эта опция были доступны, извлечение фазы упражнений интереса может быть выполнена непосредственно в программном обеспечении, которое будет ограничивать действия в протоколе расчета приверженности. Кроме того, вариант размещения маркеров будет иметь практическое значение для изучения соблюдения интервала или прерывистых протоколов учебных поскольку это позволитдифференциация различных этапах (например. низких по сравнению с высокой интенсивностью).

Для будущих перспектив, использование технологии непрерывного отслеживания данных дать точную количественную соблюдение позволит исследователям изучить примеры ответ упражнений для различных мероприятий, определить детерминанты приверженности, и характеризуют хорошие и плохие приверженцам. В конечном счете, более глубокое понимание упражнений приверженности позволит для оптимизации реабилитационных программ упражнений.

Disclosures

Авторы заявляют, что они не имеют конкурирующие финансовые интересы.

Acknowledgments

Канадская ассоциация легких - канадские профессионалы органов дыхания Здоровье; Fonds по исследованиям Квебека - Здоровье (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

Медицина выпуск 81 отслеживание данных физические упражнения реабилитация соблюдение согласие пациента поведение в отношении здоровья пользователь-компьютерный интерфейс.
Использование серийной отслеживания DATA Technology по изучению Упражнение Соблюдение в легочной реабилитации
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