Waiting
Login processing...

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

Medicine

Utilisation de la technologie de suivi en continu des données pour étudier exercice adhésion en réadaptation pulmonaire

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

La réadaptation pulmonaire est largement reconnu dans la gestion des maladies respiratoires. Un élément clé de la réadaptation pulmonaire réussie est l'adhésion à la formation d'exercice recommandé. Le but du présent Protocole est de décrire comment la technologie continue de suivi des données peut être utilisé pour mesurer précisément l'adhésion à une intensité d'entraînement aérobique prescrite.

Abstract

La réadaptation pulmonaire (RP) est un élément important dans la gestion des maladies respiratoires. L'efficacité de la PR dépend adhésion à exercer des recommandations de formation. L'étude de l'exercice adhésion est donc une étape clé pour l'optimisation des programmes de relations publiques. À ce jour, la plupart des mesures indirectes, comme les taux de participation, l'achèvement et la participation, ont été utilisées pour déterminer la conformité à PR. Le but du présent Protocole est de décrire comment la technologie continue de suivi des données peut être utilisé pour mesurer l'adhésion à une intensité d'entraînement aérobique prescrite sur une seconde par seconde base.

Dans nos enquêtes, l'adhésion a été définie comme le temps de pour cent dépensé dans une fourchette cible de fréquence cardiaque spécifié. En tant que tel, en utilisant une combinaison de matériel et de logiciels, la fréquence cardiaque est mesurée, suivie et enregistrée au cours du cyclage seconde par seconde pour chaque participant, pour chaque séance d'exercice. En utilisant le logiciel statistique, til est ensuite extrait les données et les analyser. Le même protocole peut être appliqué pour déterminer l'adhésion à d'autres mesures de l'intensité de l'exercice, tels que le temps passé à une puissance, niveau spécifié, ou la vitesse de la bicyclette ergométrique. En outre, le matériel et le logiciel est également disponible pour mesurer l'adhésion à d'autres modes de formation, tels que le tapis de course, elliptique, stepper, et le bras ergomètre. Le présent protocole a donc une vaste applicabilité de mesurer directement l'adhésion à l'exercice aérobie.

Introduction

La réadaptation pulmonaire (RP) combine l'entraînement physique, l'éducation du patient et le soutien psychosocial, et est largement reconnue comme la pierre angulaire de la gestion de la maladie pulmonaire 1-5. Les objectifs de PR sont de réduire les symptômes, d'optimiser l'état fonctionnel, la qualité de vie liée à la santé, et de réduire les coûts de soins de santé 4,5. Dans une méta-analyse de 31 essais contrôlés randomisés à la maladie pulmonaire obstructive chronique (MPOC), PR a été montré pour améliorer de façon significative la capacité d'exercice, de réduire la dyspnée et la fatigue, améliorer la fonction émotionnelle et renforcer le sentiment de contrôle sur leur état ​​de 6 patients. En outre, les preuves documente son efficacité dans la réduction des exacerbations respiratoires et 7 jours passés à l'hôpital 8-13. L'entraînement physique est considérée comme la clé de la réussite PR, car il est responsable de la plupart des avantages liés à cette intervention 3-5. Cependant, un problème majeur pour plusieurspatients adhèrent à la quantité recommandée ou niveau d'exercice. La non-observance au traitement recommandé peut entraîner l'échec des interventions thérapeutiques ainsi que l'utilisation inefficace des ressources de santé 14.

Selon l'Organisation mondiale de la Santé, le terme'' adhésion'' se réfère à la mesure dans laquelle le comportement d'une personne coïncide avec les recommandations données par un professionnel de la santé 15. À ce jour, l'adhésion à l'entraînement physique en milieu de réadaptation a été largement évaluée comme étant le taux de participation (c.. Inscription au programme), le taux d'achèvement (c'est à dire la fin du programme), ou le taux de fréquentation (nombre d'exercice sessions ont assisté) 16-18. À l'heure actuelle, aucune "règle d'or" existe pour mesurer l'adhérence 15 et les méthodes actuelles ne permettent pas de grande précision. En outre, selon la métho sélectionnéd, le taux d'adhésion à PR ont montré grande variabilité de 16-19. Par exemple, Hogg et al. 16 adhésion mesurée chez les patients atteints de MPOC comme le rapport entre ceux qui ont terminé le programme de celles visées et a trouvé une faible adhérence d'environ 40%. Cependant, d'autres études de relations publiques qui ont utilisé les taux de fréquentation ont démontré, en moyenne, 90% d'adhésion 10,20,21. Le manque d'homogénéité dans le calcul de l'adhérence, il est difficile de comparer les résultats entre les études. Une autre préoccupation est le manque de précision avec les méthodes de calcul existantes; participation à une séance d'entraînement physique ne garantit pas le respect de l'intensité prescrite. Ce manque d'information nous a conduit à étudier comment l'adhésion pourrait être calculé de manière plus précise.

Les récents progrès dans la technologie des équipements de remise en forme ont permis un suivi continu de données, qui peut être utilisé pour surveiller le respect d'une intensité d'entraînement aérobique prescrite pendant individusséances d'exercices al dans un contexte de relations publiques. Plus précisément, matériels et logiciels de suivi des données des permis de seconde par seconde enregistrement de durée, vitesse, niveau, puissance, rythme, rythme cardiaque, distance, consommation de calories, VO 2, METS, et en calories, et fournit des moyennes de toutes les variables avec l'exception du niveau et de VO 2. Le principal avantage de cette technologie est la possibilité d'enregistrer des mesures détaillées en continu, ce qui permet le calcul précis de l'adhésion à l'exercice prescrit contre la fréquentation générale ou les taux d'achèvement signalés précédemment. Cette procédure peut être utile pour une étude sur l'impact d'un ou plusieurs programmes de formation de l'exercice aérobie. Grâce à cette technologie, l'adhésion du patient à une intensité prescrite peut être évaluée par le temps de pour cent consacré à une puissance spécifiée, le niveau, la vitesse ou la fréquence cardiaque au cours de la phase de formation de chaque session. Pour nos enquêtes, l'adhésion à un protocole de formation de l'exercice a été défini comme le pour centle temps passé dans une fourchette cible de fréquence cardiaque spécifié. Depuis réponse de la fréquence cardiaque à une charge de travail sous-maximal donné diminue avec l'augmentation de la capacité cardiorespiratoire, cette approche assure que les patients restent au même relative (par rapport absolu) de l'intensité de la formation tout au long du programme. Le présent protocole décrit en détail comment la technologie continue de suivi des données peut être utilisé pour mesurer précisément l'adhésion à un prescrit gamme de fréquence cardiaque cible.

Protocol

Une fois les données collectées, un fichier unique par matière et par session de données brutes est obtenu. En utilisant le logiciel statistique, toutes les séances par sujet sont combinés en un seul fichier. Par la suite, l'intensité de la cible doit être calculée pour chaque sujet. Le taux d'adhésion à cette intensité cible peut alors être calculée par session par thème, pour chaque session pour tous les sujets confondus, ou par groupe.

Une. Collecte de données (effectuée par le personnel de supervision de la session de formation)

  1. Minimiser les interférences électriques en éteignant les appareils sans fil (par exemple, les téléphones cellulaires, Wi-Fi, etc.) Et minimiser la diaphonie en veillant à les écrans et les équipements de la fréquence cardiaque au moins 1 mètre. Reportez-vous à la figure 1 pour le placement de l'émetteur de fréquence cardiaque.
  2. Mettez le logiciel de suivi des données. Appuyez sur START sur l'équipement aérobie et de former les participants à l'intensité de la cible. Par exemple, dans nos études, participantalon sont invités à former de ± 5 battements / min de leur fréquence cardiaque cible. Reportez-vous à la figure 2 pour CARDIOMEMORY.
  3. Recueillir des données seconde par seconde pour chaque participant pour chaque séance de rééducation. Données collectées comprennent ce qui suit: ID objet, la durée (hhmmss), le niveau d'intensité (1-30), la charge de travail (en watts), vitesse de pédalage (tours / minute), la distance (km), le rythme (mm: ss / km), fréquence cardiaque (battements / minute), estimé la consommation d'oxygène (VO 2, ml / min / kg), soit l'équivalent métabolique d'un effort physique (MET), la dépense énergétique estimée (kcal / heure), et estimé énergie consommée (kcal). Voir la figure 3.
  4. Appuyez sur Stop sur l'équipement aérobie. Cliquez sur "enregistrer" pour télécharger les données à CARDIOMEMORY. Cliquez sur "l'exportation" pour sauvegarder le document en dehors de CARDIOMEMORY. Le document sera au format CVS. Et inclura automatiquement la date de la session.

2. Extraction des données

Clogiciel ardioMemory ne permet pas la distinction des différentes phases exercice de formation. Ainsi, les données obtenues doivent être exportées vers un logiciel statistique afin d'éliminer les phases qui ne sont pas d'intérêt (par exemple, l'échauffement et de refroidissement), de fusionner les fichiers de données, et comparer réalisé contre l'intensité de la cible.

  1. Ouvrez le logiciel d'analyse statistique pour importer un fichier Excel. Procédure: Fichier Flèche Ouvrir Flèche Données Flèche Dans "Open Data" fenêtre, sélectionnez Tous les fichiers dans le menu déroulant de "fichiers de types" Flèche Sélectionnez Excel. xls FlècheOuvrir Flèche Dans «Ouverture source de données Excel" fenêtre, cliquez sur OK.
  2. Enregistrez le fichier de données dans un logiciel d'analyse statistique. Voir la figure 4 pour une base de données d'échantillon.
  3. Éliminer les phases nontraining, c'est à dire d'échauffement et de refroidissement, si l'intérêt est le temps passé à l'intensité de la cible lors de la phase de formation.
    1. Éliminer la phase d'échauffement (par exemple le premier 10 min):
      1. Pour recoder durée, créer une variable d'identifier chaque seconde 1. Procédure: Transformez Flèche Recoder en variables différentes ... Flèche Dans "Recoder dans différentes variables" window, sélectionnez Duration_A Flèche cliquez sur la flèche Flèche Identifiez "Nom de la variable de sortie" (par exemple, de tempo) Flèche Changement Flèche Cliquez sur Anciennes et nouvelles valeurs Flèche Sous "Old Value", sélectionnez Valeur: et entrez 0 Flèche Sous "Nouvelle valeur", sélectionner la valeur: et entrez 0 Flèche Ajouter Flèche o: contenu width = ".2" src = "/ files/ftp_upload/50643/arrow.jpg" width = "20px" /> Sous "Old Value", sélectionnez Toutes les autres valeurs, puis cliquez sur Valeur, sous " Valeur "et entrez une Flèche Ajouter Flèche Continuer Flèche OK.
        • RECODER Duration_A (0 = 0) (ELSE = 1) DANS Tempo.
        • EXECUTE.
      2. Créez une seconde variable temporaire. Procédure: Transformez Flèche Maj valeurs Flèche Sélectionnez tempoiles/ftp_upload/50643/arrow.jpg "width =" 20px "/> Cliquez sur la flèche Flèche Sous "Nom:" type de variable temporaire (. Par exemple tempo2) Flèche Changement Flèche OK.
        • MAJ valeurs des variables = Tempo RÉSULTAT = tempo2 LAG = 1.
      3. Pour commencer tempo2 à 0, il doit être recodé. Procédure: Transformez Flèche Recoder en Mêmes variables Flèche Sélectionnez tempo2 Flèche Cliquez sur la flèche g alt = "Arrow" fo: contenu width = ".2" src = "/ files/ftp_upload/50643/arrow.jpg" width = "20px" /> Cliquez sur Anciennes et nouvelles valeurs Flèche Sous "Old Value", sélectionnez System-disparus Flèche Sous "Nouvelle valeur", sélectionnez Valeur et entrez 0 Flèche Ajouter Flèche Continuer Flèche OK.
        • RECODER tempo2 (SYSMIS = 0).
        • EXECUTE.
      4. Additionner les secondes à partir de zéro. Procédure: Transformez/ 50643/arrow.jpg "width =" 20px "/> Calculer la variable Flèche Sous "Variable cible:" Type tempo Flèche Sous la rubrique «Expression numérique" de type retard (tempo) 1 Flèche SI ... Flèche Sélectionnez Inclure si l'observation remplit la condition: Flèche Tapez tempo2> 0 Flèche Continuer Flèche OK.
        • SI (tempo2> 0) Tempo = Lag (tempo) + 1.
        • EXECUTE.
      5. Pour éliminer les 10 premières minutes de warm-up, de supprimer les données de tempo qui précède 599 secondes. Procédure: Les données Flèche Sélectionnez cas ... Flèche Dans la fenêtre «Sélectionner des observations", sous "Sélection", choisissez "Si la condition est satisfaite" Flèche Si ... Flèche Dans "Sélectionner observations: Si" fenêtre, l'équation d'insertion tempo> 599 Flèche Continuer Flèche Sous"Sortie", choisissez Supprimer cas non sélectionnés Flèche OK. Voir la figure 5.
        • FILTER OFF.
        • UTILISER TOUS.
        • SELECT IF (tempo> 599).
        • EXECUTE.
    2. Éliminer phase de refroidissement (par exemple 5 dernières minutes.):
      1. Trier les données d'ordre pour Duration_A pour amener la phase de refroidissement de la partie supérieure de la base de données, comme SPSS supprime les données à partir du haut du fichier partir décroissant. Procédure: Les données Flèche Trier les observations Flèche Dans la fenêtre «Trier les observations", sélectionnez Duration_A Flèche cliquez sur unRROW Flèche Dans le menu "Ordre de tri", sélectionnez décroissant Flèche OK.
        • CAS Trier par Duration_A (D).
      2. Recoder Duration_A d'identifier chaque seconde 1. Procédure: Transformez Flèche Recoder les variables en différents ... Flèche Dans la fenêtre "Recoder dans différentes variables", sélectionnez Duration_A Flèche cliquez sur la flèche Flèche Identifiez "Sortie Nom de la variable "(par exemple. TempoA) Flèche Changement Flèche Cliquez sur Anciennes et nouvelles valeurs Flèche Sous "Old Value", sélectionnez Valeur: et entrez 0 Flèche Sous "Nouvelle valeur", sélectionnez Valeur et entrez 0 Flèche Ajouter Flèche Sélectionnez Toutes les autres valeurs sous "Ancienne valeur", puis cliquez sur Valeur sous "Valeur" et entrez unead/50643/arrow.jpg "width =" 20px "/> Ajouter Flèche Continuer Flèche OK.
        • RECODER Duration_A (0 = 0) (ELSE = 1) EN TempoA.
        • EXECUTE.
      3. Créez une seconde variable temporaire. Procédure: Transformez Flèche Maj valeurs Flèche Sélectionnez tempoA Flèche Cliquez sur la flèche Flèche Sous "Nom:" type de variable temporaire (. Par exemple tempoA2) FlècheChanger Flèche OK.
        • MAJ valeurs des variables = TempoA RÉSULTAT = TempoA2 LAG = 1.
      4. Pour commencer tempoA2 à 0, il doit être recodé. Procédure: Transformez Flèche Recoder en Mêmes variables Flèche Sélectionnez tempoA2 Flèche Cliquez sur la flèche Flèche Cliquez sur Anciennes et nouvelles valeurs Flèche Sous "Old Value", sélectionnez Système-M Issing Flèche Sous "Nouvelle valeur", sélectionnez Valeur et entrez 0 Flèche Ajouter Flèche Continuer Flèche OK.
        • RECODER TempoA2 (SYSMIS = 0).
        • EXECUTE.
      5. Additionner les secondes de la variable tempoA. Procédure: Transformez Flèche Calculer la variable Flèche Sous "Variable cible:" Type tempoA 50643/arrow.jpg "width =" 20px "/> Dans« Expression numérique "de type retard (tempoA) 1 Flèche SI ... Flèche Sélectionnez Inclure si l'observation remplit la condition: Flèche Type de tempoA2> 0 Flèche Continuer Flèche OK.
        • SI (TempoA2> 0) TempoA = Lag (tempoA) + 1.
        • EXECUTE.
      6. Pour éliminer la phase de refroidissement (soit 5 min), de supprimer les données de tempo qui précède 299 secondes. Procédure: Les donnéespg "width =" 20px "/> Choisir cas ... Flèche Dans la fenêtre «Sélectionner des observations", sous "Sélection", choisissez "Si la condition est satisfaite" Flèche Si ... Flèche Dans "Sélectionner des observations: Si" fenêtre, insérer équation tempoA> 299 Flèche Continuer Flèche sous "Output", choisissez Supprimer cas non sélectionnés Flèche OK. Voir la Figure 6.
        • FILTER OFF.
        • UTILISER TOUS. SELECT IF (tempoA> 299).
        • EXECUTE.
    3. Identifier le numéro de session (ou date) associé à l'ensemble de données. Créer et nommer une nouvelle variable (par exemple. Session). Procédure: Transformez Flèche Calculer la variable Flèche Dans la fenêtre variables de calcul sous l'objectif variable de session, tapez Flèche cliquez sur Type d'étiquettes et d'ouvrir "Calculer la variable: Tapez un ..." fenêtre Flèche sous "Type", sélectionnez cordes Flèche Continuer sous Chaîne de type Expression '1 ' Flèche OK. Voir la figure 7.
      • STRING session (A8).
      • CALCUL session = '1 '.
      • EXECUTE.
    4. Enregistrez le document SPSS modifié dans un nouveau fichier (exemple: subjectID_session #).
    5. Répétez la procédure ci-dessus pour toutes les sessions restantes pour le même sujet.

3. Fusion de données - Participant unique

  1. Pour fusionner toutes les sessions dans une base de données unique SPSS, première session de participant ouvert (c'est à dire. SubjectID_session1).
  2. Fusionner sessions restantes dans le fichier actuel. Procédure: Les données Flèche Fusionner les fichiersFlèche Ajouter cas Flèche dans "Ajouter cas de subjectID_session1.sav", cliquez sur Parcourir et sélectionnez le fichier subjectID_session2 Flèche Ouvrir Flèche Continuer Flèche dans le "Ajouter cas de ..." fenêtre, cliquez sur OK. Répétez l'opération pour toutes les autres séances. Voir Figure 8.
    • Ajouter des fichiers / FILE = *
    • / FILE = 'SubjectAB001_Session1.sav.
    • EXECUTE.
  3. Ajouter une colonne qui contient le numéro d'identification de l'objet. Procédure: Tr ansform Flèche Calculer la variable Flèche Dans la fenêtre "de Calculer la variable" sous l'objectif variable, tapez SubjectID Flèche cliquez sur Type d'étiquettes et d'ouvrir "Calculer la variable: Tapez un ..." fenêtre Flèche sous "Type", sélectionnez cordes Flèche Continuer Flèche sous Chaîne de type Expression 'SubjectID »(par exemple« AB001')s/ftp_upload/50643/arrow.jpg "width =" 20px "/> OK. Voir Figure 9.
    • STRING id_sujet (A8).
    • CALCUL id_sujet = 'AB001.
    • EXECUTE.
  4. Ajouter une colonne qui contient l'intensité cible de l'objet (de taux par exemple. Cardiaque cible [THR]). Procédure: Transformez Flèche Calculer la variable Flèche Dans "Calculer la variable" fenêtre sous variable cible, le type THR Flèche cliquez sur Type d'étiquettes et d'ouvrir "Calculer la variable: Tapez un ..." fenêtre Flèche sous "Type", sélectionnez Numérique FlècheContinuer Flèche sous numérique de type Expression THR (p. ex. 110) Flèche OK. Voir la figure 10.
    • STRING THR (A8).
    • CALCUL THR = '110 '.
    • EXECUTE.
  5. Enregistrer la base de données sous un nom de fichier différent (par exemple. SubjectAB001_session1-36).
  6. Répétez l'opération pour tous les autres participants. A ce stade, chaque participant aura une base de données contenant toutes les sessions.

4. Fusion des données - Regroupement participants

  1. Pour regrouper plusieurs participants dans une seule base de données, le dossier de participant ouvert (c.-à-subjectID_session1-36).
  2. Fusionner les autres participants à la f courantile. Procédure: Les données Flèche Fusionner les fichiers Flèche Ajouter cas Flèche dans "ajouter des cas de SubjectAB001_session1-36.sav", cliquez sur Parcourir et sélectionnez le fichier SubjectCD002_session1-36 Flèche Ouvrir Flèche Continuer Flèche dans le "Ajouter cas de ..." fenêtre, cliquez sur OK. Répétez l'opération pour tous les participants que vous souhaitez grouper. Voir la figure 11.
    • Ajouter des fichiers /FILE = *
    • / RENAME (AB001 = d0)
    • / FILE = 'SubjectAB001_Session1-36.sav'
    • / RENAME (CD002 = d1)
    • / DROP = d0 d1.
    • EXECUTE.
  3. Sauvegardez la nouvelle base de données (p. ex. Group01_Subjects001-010).

5. Identification de l'intensité cible (par exemple THR Range)

  1. Identifier une gamme de THR, cliquez sur Transform Flèche Calculer la variable Flèche dans la fenêtre "Calculer la variable" sous "variable cible" entrer un nouveau nom de variable (par exemple Diff_HR_THR) Flèche «Type d'étiquettes et ..." Flèche dans le "C Variable ompute: Tapez un .... "sélectionnez Numérique Flèche Continuer Flèche Sous la rubrique «Expression numérique" entrer équation: HR - THR Flèche OK. Cela nous donne une nouvelle variable.
    • CALCUL Diff_HR_THR = HR - THR.
    • EXECUTE.
  2. Recoder des variables pour déterminer si l'HR est inférieure à, ci-dessus, ou dans la plage de THR. Procédure: Transformez Flèche Recoder en différentes variables ... Flèche sélectionnez Diff_HR_THR.2 Dans "src =" / files/ftp_upload/50643/arrow.jpg "width =" 20px "/> cliquez sur la flèche Flèche sous "Variable de sortie" dans le type "Nom" Diff_HR_THR _recoded Flèche Changement Flèche Valeurs anciennes et nouvelles ... Flèche dans "Recoder en différentes variables: Anciennes et nouvelles valeurs" fenêtre:
<td align = "center" rowspan = "4"> Ajouter
Ancienne valeur Nouvelle valeur Vieux -> Nouveau:
Echelle: de -5 à 5 1 -5 À 5 -> 1
Gamme, la plus basse par valeur: -5 0 Le plus bas travers -5 -> 0
Gamme, valeur par le biais PLUS: 5 0 5 à travers la plus haute -> 0
Manquante par défaut Manquante par défaut SYSMIS -> SYSMIS

Flèche Continuer Flèche OK. Voir Figure 12.

  • RECODER Diff_HR_THR (SYSMIS = SYSMIS) (-5 à 5 = 1) (plus bas à travers -5 = 0) (5 à travers la plus haute = 0) EN
  • Diff_HR_THR_Recoded.
  • EXECUTE.

6. Calcul du pourcentage de respect

  1. En Group01_Subjects001-010 fichiers, calculer tous les secondes que les patients étaient dans la gamme THR en procédant comme suit: données Flèche Total Flèche dans "données globales" fenêtre, sous "Break variable (s):" sélectionner subjectID et séance Flèche cliquez sur la flèche Flèche sous la rubrique «Synthèses de la variable (s):" sélectionner Diff_HR_THR _recoded Flèche cliquez sur la flèche = "Arrow" fo: contenu width = ".2" src = "/ files/ftp_upload/50643/arrow.jpg" width = "20px" /> OK. Une nouvelle variable est créée avec le nom de _recoded_mean Diff_HR_THR.
    • TOTAL
    • / OUTFILE = * MODE = ADDVARIABLES
    • / BREAK = id_sujet session
    • / Diff_HR_THR_Recoded_mean = MOYENNE (Diff_HR_THR_Recoded).
  2. Convertir la valeur obtenue en pourcentage; cliquez sur Transform Flèche Calculer la variable Flèche sous la rubrique «cible variable" entrer le nom variable (par exemple Perc_THR) Flèche sous la rubrique «Expression numérique" sélectionnez Diff_HR_THR _recoded_mean"/> Cliquez sur la flèche Flèche multiplier la valeur par 100 (Diff_HR_THR _recoded_mean * 100) Flèche OK. On obtient alors l'adhésion en tant que pourcentage de temps passé dans le THR pour chaque sujet pour chaque session. Voir la Figure 13
    • CALCUL Perc_THR = Diff_HR_THR_Recoded_mean * 100.
    • EXECUTE.
  3. Pour obtenir une adhérence pour le pourcentage de temps passé dans le THR pour chaque sujet pour toutes les séances combinées, dans "données globales" fenêtre, sous "Break variable (s):« substitut subjectID et séance avec seulement subjectID. Voir la figure 14.
  4. Pour obtenir une adhérence pour le pourcentage de temps passé dans le THR pour chaque session pour tous les sujets confondus, dans "données globales" fenêtre, sous "Cassez variable (s): «substitut subjectID et séance avec seulement session.
  5. Enregistrer la base de données sous un nom de fichier différent (par exemple. Group01_Subjects001-010_Aggregate).

Representative Results

Lorsque le protocole est réalisé correctement, un taux d'adhérence est obtenue pour chaque matière, pour chaque session (Figure 13), pour chaque objet pour toutes les sessions (Figure 14), et pour chaque session pour toutes les matières combinées. Une estimation du temps nécessaire pour compléter le protocole ci-dessus pour une session unique d'un sujet est d'environ 5 min. Résultats pour l'adhésion peuvent varier de 0-100%. En utilisant cette information, des analyses supplémentaires peuvent être effectuées pour déterminer les différences entre les sujets (ie les différences de sexe, gravité de la maladie, etc.), Afin d'identifier les changements au fil du temps, et à révéler des modèles dans le respect. De plus, la comparaison de respect entre les groupes peut être effectuée, par exemple, différents programmes de formation de l'exercice peuvent être comparés. Enfin, grâce à une enquête plus approfondie, les causes de la non-observance peuvent être identifiés à des moments spécifiques au cours de PR.

"> Figure 1
Figure 1. Placement de l'émetteur de fréquence cardiaque. Cliquez ici pour agrandir l'image .

Figure 2
Figure 2. Exemple de données recueillies en utilisant un logiciel de suivi des données. Cliquez ici pour agrandir l'image .

Figure 3
Figure 3. Exemple de sortie du logiciel de suivi des données.jove.com/files/ftp_upload/50643/50643fig3highres.jpg "target =" _blank "> Cliquez ici pour agrandir l'image.

Figure 4
Figure 4. base de données exemple illustrant un échantillon de base de données de logiciels statistiques. Cliquez ici pour agrandir l'image .

Figure 5
Figure 5. base de données exemple illustrant la phase d'échauffement éliminé. Cliquez ici pour agrandir l'image .

Figure 6 Figure 6. Base de données exemple illustrant la phase de refroidissement éliminé. Cliquez ici pour agrandir l'image .

Figure 7
Figure 7. Base de données exemple illustrant une colonne ajoutée pour le numéro de session. Cliquez ici pour agrandir l'image .

Figure 8
Figure 8 base de données. Exemple de illustrant les sessions fusionnées pour un seul PARTICIPAN t. Cliquez ici pour agrandir l'image .

Figure 9
Figure 9. Base de données exemple illustrant une colonne ajoutée pour le numéro d'identification de l'objet. Cliquez ici pour agrandir l'image .

Figure 10
Figure base de données 10. Sample illustrant une colonne ajoutée pour la fréquence cardiaque cible. Cliquez ici pour agrandir l'image .

e_content "fo: keep-together.within page =" always "> Figure 11
Figure base de données 11. Sample illustrant les dossiers des participants fusionnées. Cliquez ici pour agrandir l'image .

Figure 12
Figure base de données 12. Sample illustrant les variables de la fréquence cardiaque recodées. Cliquez ici pour agrandir l'image .

Figure 13
Faigure 13. base de données exemple illustrant l'adhésion en tant que pourcentage de temps passé dans la plage de fréquence cardiaque cible pour chaque sujet pour chaque session (ligne rouge horizontale met en évidence le changement de respect entre les sessions pour le même sujet). Cliquez ici pour agrandir l'image .

Figure 14
Figure base de données 14. Exemple de respect pour illustrer le pourcentage de temps passé dans la plage de fréquence cardiaque cible pour chaque sujet pour toutes les séances (ligne rouge horizontale met en évidence la différence entre les sujets). Cliquez ici pour agrandir l'image .

Discussion

La technologie de suivi des données en continu permet une mesure très précise de l'exercice adhésion. Cette procédure peut être facilement adaptée à d'autres définitions de l'adhésion par le remplacement fourchette cible de fréquence cardiaque avec puissance cible, le niveau, la vitesse ou le niveau MET. Dans le présent exemple, l'échauffement et de refroidissement phases ont été éliminés à isoler la phase d'exercice à cause de notre objectif de recherche spécifique. Si l'échauffement et de refroidissement phases d'intérêt pour d'autres chercheurs, l'étape 2.3 («Éliminer les phases de nontraining") peut être éliminé de protocole. En outre, le matériel et le logiciel est également disponible pour mesurer l'adhésion à d'autres modes de formation, tels que le tapis de course, elliptique, stepper, et le bras ergomètre.

En suivant le protocole ci-dessus, certaines mesures simples sont essentiels. Tout d'abord, le logiciel CARDIOMEMORY doit être démarré avant que l'équipement d'exercice (bicyclette ergométrique ex.) Pour les données de l'exercice pour être tracked, puis enregistré. Si des données sont perdues à cette étape initiale, le protocole d'extraction de données devra être ajustée en conséquence. D'autre part, les sources d'interférence doivent être réduits au minimum afin de réduire le risque de diaphonie et / ou de perte de données. Les moniteurs de fréquence cardiaque de communiquer sans fil avec le matériel et les logiciels. Ainsi, l'interférence est particulièrement préjudiciable en cas d'utilisation de la fréquence cardiaque cible pour calculer l'adhésion. Enfin, il est impératif de choisir un logiciel statistique pour la base de données qui a la capacité de permettre à de grandes quantités de données. Par exemple, dans une étude avec 10 participants de remplir 36 séances à 40 min chacun, 864 000 lignes de points de données seront générés. Excel 2007 et versions ultérieures ont la capacité de contenir 1.048.576 lignes dans une feuille de calcul 23, alors que SAS et SPSS 24 25 n'ont pas de limite pour le nombre de lignes. Selon le nombre total de points de données attendues pour une étude donnée, le logiciel doit être choisi en conséquence. Malgré les avantages notables de cette technologie, deux grandes limitations existent. Le premier est la perte de données, ce qui peut résulter de l'équipement et / ou de logiciel. Comme mentionné ci-dessus, la perte de données peut être dû à des interférences électriques avec des appareils sans fil (téléphones cellulaires ou Wi-Fi), et plus spécifiquement des interférences avec la transmission de données sans fil de la fréquence cardiaque. Cependant, parfois, une perte de données peut également être due à des causes non identifiables. Une seconde limitation est que le logiciel ne fournit pas la possibilité de marquer ou de diviser le protocole d'exercice systématique afin de distinguer / identifier les différentes phases. Si cette option était disponible, l'extraction de la phase de levée d'intérêt peut être réalisée directement dans le logiciel, ce qui limiterait les étapes du protocole de calcul de l'adhérence. En outre, la possibilité de placer des marqueurs serait pratique pour l'étude de l'adhésion aux protocoles d'entraînement par intervalles ou intermittents car il permettrait dela différenciation des différentes phases (p. ex. faible par rapport à haute intensité).

Pour les perspectives d'avenir, l'utilisation de la technologie continue de suivi des données de quantifier précisément l'adhésion permettra aux chercheurs d'étudier les caractéristiques de réponse de l'exercice pour différentes interventions, identifier les déterminants de l'adhésion, et de caractériser les bonnes et les mauvaises adherers. En fin de compte, une meilleure compréhension de l'exercice adhésion permettra l'optimisation des programmes de réhabilitation de l'exercice.

Disclosures

Les auteurs déclarent qu'ils n'ont aucun intérêt financier concurrents.

Acknowledgments

Association pulmonaire du Canada - Professionnels canadiens en santé respiratoire; Fonds de recherche du Québec - Santé (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

Médecine Numéro 81 suivi de données l'exercice la réhabilitation l'adhésion l'observance du patient le comportement de la santé de l'interface utilisateur-ordinateur.
Utilisation de la technologie de suivi en continu des données pour étudier exercice adhésion en réadaptation pulmonaire
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