Summary
La riabilitazione polmonare è ampiamente riconosciuta nella gestione delle malattie respiratorie. Un componente chiave per la riabilitazione polmonare successo è l'aderenza alla formazione esercizio consigliato. Lo scopo del presente protocollo è quello di descrivere come continuo tecnologia di tracciamento dati può essere utilizzato per misurare con precisione l'adesione a una prescritta intensità di allenamento aerobico.
Abstract
La riabilitazione polmonare (PR) è una componente importante nella gestione delle malattie respiratorie. L'efficacia di PR dipende aderenza esercitare raccomandazioni formazione. Lo studio di esercizio aderenza è quindi un passo fondamentale verso l'ottimizzazione dei programmi di PR. Ad oggi, la maggior parte misure indirette, come i tassi di partecipazione, il completamento e la partecipazione, sono stati utilizzati per determinare l'aderenza al PR. Lo scopo del presente protocollo è quello di descrivere come continuo tecnologia di tracciamento dati può essere utilizzato per misurare l'adesione a una prescritta intensità di allenamento aerobico su un secondo per secondo base.
Nelle nostre indagini, l'aderenza è stata definita come il tempo trascorso per cento entro un bersaglio gamma di frequenza cardiaca specificato. Come tale, utilizzando una combinazione di hardware e software, frequenza cardiaca viene misurata, monitorato e registrato durante pedalata secondo per secondo per ogni partecipante, per ogni sessione di esercizio. Utilizzando il software statistico, tegli dati vengono successivamente prelevati ed analizzati. Lo stesso protocollo può essere applicato per determinare l'adesione ad altre misure di intensità di esercizio, come il tempo trascorso ad una potenza specifica, livello, o velocità sul cicloergometro. Inoltre, l'hardware e il software è disponibile anche per misurare l'adesione ad altre modalità di formazione, come il tapis roulant, ellittica, stepper, e braccio ergometro. Il presente protocollo, quindi, ha una vasta applicabilità a misurare direttamente l'aderenza all'esercizio aerobico.
Introduction
La riabilitazione polmonare (PR) combina esercizio fisico, l'educazione del paziente e sostegno psicosociale, ed è ampiamente riconosciuto come una pietra miliare nella gestione della malattia polmonare 1-5. Gli obiettivi di PR sono per ridurre i sintomi, ottimizzare lo stato funzionale, migliorare la salute connessi qualità della vita e ridurre i costi di assistenza sanitaria 4,5. In una meta-analisi di 31 studi randomizzati controllati nella malattia polmonare ostruttiva cronica (BPCO), PR ha dimostrato di migliorare in modo significativo la capacità di esercizio, ridurre la dispnea e la fatica, migliorare la funzione emozionale e rafforzare il senso di controllo sulla loro condizione 6 dei pazienti. Inoltre, la prova documenta la sua efficacia nel ridurre le riacutizzazioni respiratorie 7 e giorni trascorsi in ospedale 8-13. L'esercizio fisico è considerata la chiave del successo di PR in quanto è responsabile di gran parte dei benefici connessi con questo intervento 3-5. Tuttavia, una questione importante per moltipazienti è l'adesione alla quantità raccomandata o il livello di esercizio fisico. Non aderenza al trattamento raccomandato può comportare il fallimento di interventi terapeutici così come l'uso inefficiente delle risorse sanitarie 14.
Secondo l'Organizzazione Mondiale della Sanità, il termine'' adesione'' si riferisce alla misura in cui il comportamento di una persona coincide con le raccomandazioni fornite da un operatore sanitario 15. Fino ad oggi, l'adesione di esercitare la formazione in contesti riabilitativi è stata ampiamente valutata sia come il tasso di partecipazione (vale a dire. Iscrizione al programma), il tasso di completamento (cioè finito il programma), o il tasso di frequenza (cioè il numero di esercizio sessioni hanno partecipato) 16-18. Allo stato attuale, nessun "gold standard" esiste per misurare l'aderenza 15 ed i metodi attuali non consentono grande precisione. Inoltre, a seconda della metodologia selezionatad, i tassi di adesione al PR hanno dimostrato grande variabilità 16-19. Ad esempio, Hogg et al. 16 aderenza misurata nei pazienti con BPCO come rapporto tra coloro che hanno completato il programma a quelli di cui e trovato una bassa aderenza di circa il 40%. Tuttavia, altri studi di PR che hanno utilizzato i tassi di frequenza hanno dimostrato, in media, un 90% di aderenza 10,20,21. La mancanza di omogeneità nel calcolo aderenza rende difficile confrontare i risultati tra gli studi. Un altro problema è la mancanza di precisione con i metodi di calcolo esistenti; partecipazione a una sessione di allenamento non garantisce l'adesione alla intensità richiesta. Questo divario dell'informazione ci ha portato a studiare come l'aderenza potrebbe essere calcolato in modo più preciso.
I recenti progressi nella tecnologia di attrezzature per il fitness hanno permesso per il monitoraggio continuo dei dati, che può essere utilizzato per monitorare l'adesione a una prescritta intensità di allenamento aerobico durante individuAL sessioni di allenamento in un contesto PR. Permessi Più specificamente, hardware e software di monitoraggio dati per secondo per secondo di registrazione di durata, velocità, livello, potenza, velocità, frequenza cardiaca, distanza, consumo calorico, VO 2, METS, e calorie, e fornisce le medie di tutte le variabili con eccezione di livello e VO 2. Il vantaggio principale di questa tecnologia è la possibilità di registrare continue misure dettagliate, che consente il calcolo preciso del rispetto all'esercizio prescritto contro i tassi di frequenza generale o di completamento precedentemente riportati. Questa procedura può essere di valore per qualsiasi studio che esamina l'impatto di uno o più programmi di allenamento di esercizio aerobico. Grazie a questa tecnologia, l'aderenza del paziente ad una intensità richiesta può essere valutato dal tempo trascorso per cento in una potenza specifica, di livello, velocità o frequenza cardiaca durante la fase di addestramento di ogni sessione. Per le nostre indagini, l'adesione a un protocollo di allenamento è stata definita come la percentuale ditempo trascorso all'interno di un target gamma di frequenza cardiaca specificato. Poiché la risposta di frequenza cardiaca ad un determinato carico di lavoro submassimale diminuisce all'aumentare del fitness cardiorespiratorio, questo approccio garantisce che i pazienti restano allo stesso relativo (rispetto assoluto) intensità di allenamento per tutto il programma. Il presente protocollo descrive in dettaglio come continuo tecnologia di tracciamento dati possono essere utilizzati per misurare con precisione l'adesione ad una gamma di frequenza cardiaca prescritto.
Protocol
Una volta che i dati vengono raccolti, un singolo file per ogni soggetto per ogni sessione di dati grezzi si ottiene. Utilizzando il software statistico, di tutte le sessioni per argomento vengono combinati in un unico file. Successivamente, l'intensità di destinazione deve essere calcolato per ogni soggetto. Il tasso di adesione a tale intensità di destinazione può quindi essere calcolato per ogni sessione per materia, per ogni sessione per tutti i soggetti combinati, o per gruppo.
1. Raccolta dati (eseguita da personale supervisione della sessione di allenamento)
- Ridurre al minimo l'interferenza elettrica spegnendo i dispositivi wireless (ad esempio telefoni cellulari, Wi-Fi, ecc.) E ridurre al minimo le interferenze, garantendo i monitor e le attrezzature della frequenza cardiaca sono almeno 1 metro di distanza. Fare riferimento alla Figura 1 per il posizionamento di trasmettitore della frequenza cardiaca.
- Accendere il software di monitoraggio dei dati. Premere Avvio sul apparecchiature aerobica e addestrare il partecipante all'intensità bersaglio. Ad esempio, nei nostri studi, i partecipantii pantaloni sono invitati a formare entro ± 5 battiti / min della loro frequenza cardiaca. Fare riferimento alla Figura 2 per CardioMemory.
- Raccogliere dati secondo per secondo per ogni partecipante per ciascuna sessione di riabilitazione. I dati raccolti comprendono: ID oggetto, la durata (hhmmss), livello di intensità (1-30), del carico di lavoro (watt), velocità di pedalata (giri / minuto), distanza (km), passo (mm: ss / km), frequenza cardiaca (battiti / minuto), il consumo stimato di ossigeno (VO 2 ml / min / kg), equivalente metabolico di sforzo fisico (MET), il dispendio energetico stimato (kcal / ora), e la stima di energia consumata (kcal). Vedere la Figura 3.
- Premere stop sul apparecchiature aerobica. Fare clic su "salva" per caricare i dati CardioMemory. Fare clic su "export" per salvare il documento al di fuori di CardioMemory. Il documento sarà in formato. Cvs e comprenderà automaticamente la data della sessione.
2. Estrazione dei dati
Csoftware ardioMemory non consente la distinzione di varie fasi di esercizio di formazione. Come tale, i dati ottenuti devono essere esportati in un software statistico al fine di eliminare le fasi che non sono di interesse (ad esempio warm-up e cool-down), unire i file di dati e confronta realizzato contro intensità bersaglio.
- Apri il software di analisi statistica per importare file excel. Procedura: File
Aperto Dati In "Open Data", selezionare tutti i file nel menu a tendina di "file di tipo" Selezionare Excel. xls Apri
In "Apertura di Excel Data Source" finestra fare clic su OK. - Salvare il file di dati in un software di analisi statistica. Vedere Figura 4 per un database di esempio.
- Eliminare le fasi nontraining, cioè warm-up e cool-down, se l'interesse è il tempo trascorso al di intensità destinazione durante la fase di addestramento.
- Eliminare fase di warm-up (ad esempio, prima 10 min):
- Per ricodificare durata, creare una variabile per identificare ogni secondo come 1. Procedimento: Transform Ricodificare in variabili differenti ... In windo "Ricodifica in variabili differenti"w, selezionare Duration_A fare clic sulla freccia Identificare "Output Nome Variabile" (ad esempio, tempo) Cambia Fare clic su Valori vecchi e nuovi In "Old Valore", selezionare Valore: e immettere 0 In "New Value" Seleziona valore: e immettere 0 Aggiungere
o: content-width = ".2 in" src = "/ files/ftp_upload/50643/arrow.jpg" width = "20px" /> In "Old Valore", selezionare Tutti gli altri valori quindi fare clic su Valore: sotto "Nuovo Valore "e inserire 1
Aggiungere Continuare OK. - RICODIFICARE Duration_A (0 = 0) (ELSE = 1) nel Tempo.
- ESEGUI.
- Creare una seconda variabile temporanea. Procedimento: Transform Valori Maiusc Seleziona ritmoiles/ftp_upload/50643/arrow.jpg "width =" 20px "/> Fare clic sulla freccia Alla voce "Nome:" tipo di variabile temporanea (. Es. TEMPO 2) Cambia OK.
- SHIFT VALORI VARIABILE = Tempo RISULTATO = TEMPO 2 LAG = 1.
- Per iniziare TEMPO 2 a 0, deve essere ricodificato. Procedimento: Transform Ricodifica nelle stesse variabili Selezionare TEMPO 2 Fare clic sulla freccia In "Old Valore", selezionare Sistema-mancanti In "New Value", selezionare valore: e immettere 0 Aggiungere Continuare OK.
- RICODIFICARE TEMPO 2 (SYSMIS = 0).
- ESEGUI.
- Sommare i secondi partendo da zero. Procedimento: Transform/ 50643/arrow.jpg "width =" 20px "/> Calcola variabile Sotto "Variabile di destinazione:" tipo tempo Sotto "Numeric Expression" tipo di lag (tempo) +1 IF ... Selezionare Includi se il caso soddisfa la condizione: Digitare TEMPO 2> 0 Continuare OK.
- IF (TEMPO 2> 0) Tempo = Lag (tempo) + 1.
- ESEGUI.
- Per eliminare i primi 10 minuti di warm-up, rimuovere i dati del tempo che precede 599 secondi. Procedimento: dati Seleziona casi ... Nella finestra "Seleziona casi", sotto "Select", scegliere "Se la condizione è soddisfatta" Se ... In "Seleziona casi: Se" finestra, equazione inserto tempo> 599 Continuare Sotto"Uscita", scegliere Elimina casi non selezionati OK. Vedere la Figura 5.
- FILTER OFF.
- Utilizzare tutti.
- SELEZIONARE SE (tempo> 599).
- ESEGUI.
- Per ricodificare durata, creare una variabile per identificare ogni secondo come 1. Procedimento: Transform
- Eliminare fase di defaticamento (ad es ultimi 5 minuti.):
- Ordinamento dati in ordine per Duration_A portare la fase di raffreddamento all'inizio del database, come SPSS rimuove i dati dalla parte superiore del file poi decrescente. Procedimento: dati Ordina casi Nella finestra "Ordina casi", selezionare Duration_A fare clic su unRROW Nel menu "Ordine" selezionare Discendente OK.
- Casi ordinamento Duration_A (D).
- Ricodificare Duration_A identificare ogni secondo come 1. Procedimento: Transform Ricodifica in variabili differenti ... Nella finestra "Ricodifica in variabili differenti", selezionare Duration_A fare clic sulla freccia Identificare "Uscita Nome variabile "(ad es. TempoA) Cambia Fare clic su Valori vecchi e nuovi In "Old Valore", selezionare Valore: e immettere 0 In "New Value", selezionare valore: e immettere 0 Aggiungere Selezionare Tutti gli altri valori in "Old Value", quindi fare clic su Valore: sotto "New Value" e inserire 1ad/50643/arrow.jpg "width =" 20px "/> Aggiungi Continuare OK.
- RICODIFICARE Duration_A (0 = 0) (ELSE = 1) INTO TempoA.
- ESEGUI.
- Creare una seconda variabile temporanea. Procedimento: Transform Valori Maiusc Selezionare tempoA Fare clic sulla freccia Alla voce "Nome:" tipo di variabile temporanea (. Es. tempoA2) OK.
- SHIFT VALORI VARIABILE = TempoA RISULTATO = TempoA2 GAL = 1.
- Per iniziare tempoA2 a 0, deve essere ricodificato. Procedimento: Transform Ricodifica nelle stesse variabili Selezionare tempoA2 Fare clic sulla freccia Fare clic su Valori vecchi e nuovi In "Old Valore", selezionare Sistema-M Issing In "New Value", selezionare valore: e immettere 0 Aggiungere Continuare OK.
- RICODIFICARE TempoA2 (SYSMIS = 0).
- ESEGUI.
- Sommare i secondi della variabile tempoA. Procedimento: Transform Calcola variabile Sotto "Variabile di destinazione:" Tipo tempoA 50643/arrow.jpg "width =" 20px "/> Under" Numeric Expression "tipo di lag (tempoA) +1 IF ... Selezionare Includi se il caso soddisfa la condizione: Tipo tempoA2> 0 Continuare OK.
- IF (TempoA2> 0) TempoA = Lag (tempoA) + 1.
- ESEGUI.
- Per eliminare la fase di defaticamento (ad esempio 5 minuti), rimuovere i dati del tempo che precede 299 secondi. Procedimento: dati"width =" pg 20px "/> Seleziona casi ... Nella finestra "Seleziona casi", sotto "Select", scegliere "Se la condizione è soddisfatta" Se ... In "Seleziona casi: Se" finestra, inserire l'equazione tempoA> 299 Continuare sotto "Output", scegliere Elimina casi non selezionati OK. Vedere la Figura 6.
- FILTER OFF.
- Utilizzare tutti. SELEZIONARE SE (tempoA> 299).
- ESEGUI.
- Ordinamento dati in ordine per Duration_A portare la fase di raffreddamento all'inizio del database, come SPSS rimuove i dati dalla parte superiore del file poi decrescente. Procedimento: dati
- Identificare il numero di sessione (o la data) associato al dataset. Creare e nominare una nuova variabile (ad es. Session). Procedimento: Transform Calcola variabile Nella finestra di calcolo variabile sotto destinazione variabile, il tipo di sessione fare clic su Tipo & Label aprire "Calcola variabile: Digitare un ..." finestra Alla voce "Tipo" selezionare Stringa Continuare sotto String tipo Expression '1 ' OK. Vedere la Figura 7.
- STRING Session (A8).
- CALCOLA Session = '1 '.
- ESEGUI.
- Salvare il documento SPSS modificato in un nuovo file (esempio: subjectID_session #).
- Ripetere la procedura per tutte le sessioni rimanenti per lo stesso soggetto.
- Eliminare fase di warm-up (ad esempio, prima 10 min):
3. Fusione Dati - Partecipante singolo
- Per unire tutte le sessioni in un unico database SPSS, prima seduta pubblica del partecipante (vale a dire. SubjectID_session1).
- Unisci rimanenti sessioni per il file corrente. Procedimento: dati Unire file Aggiungi Cases in "Aggiungi cause a subjectID_session1.sav" finestra, fare clic su Sfoglia e selezionare il file subjectID_session2 Aperto Continuare nel "Aggiungi cause da ..." Finestra fare clic su OK. Ripetere l'operazione per tutte le sessioni rimanenti. Vedere la Figura 8.
- Aggiungere file / FILE = *
- / FILE = 'SubjectAB001_Session1.sav'.
- ESEGUI.
- Aggiungere una colonna che contiene il numero ID del soggetto. Procedimento: Tr ansform Calcola variabile Nella finestra "Calcola variabile" sotto destinazione variabile, tipo SubjectID fare clic su Tipo & Label aprire "Calcola variabile: Digitare un ..." finestra Alla voce "Tipo" selezionare Stringa Continuare sotto String tipo Expression 'SubjectID' (ad esempio 'AB001')s/ftp_upload/50643/arrow.jpg "width =" 20px "/> OK. Vedere la Figura 9.
- STRING icLsoggetto (A8).
- CALCOLA icLsoggetto = 'AB001'.
- ESEGUI.
- Aggiungere una colonna che contiene l'intensità obiettivo del soggetto (ad es. Frequenza cardiaca [THR]). Procedimento: Transform Calcola variabile In "Calcola variabile" finestra sotto Variabile di destinazione, tipo THR fare clic su Tipo & Label aprire "Calcola variabile: Digitare un ..." finestra Alla voce "Tipo" selezionare Numerico sotto numerico tipo Expression THR (ad es. 110) OK. Vedere la Figura 10.
- STRING THR (A8).
- CALCOLA THR = '110 '.
- ESEGUI.
- Salvare database con un nome diverso (ad es. SubjectAB001_session1-36).
- Ripetere l'operazione per tutti i partecipanti rimanenti. A questo punto, ciascun partecipante avrà una banca dati contenente tutte le sessioni.
4. Dati oggetto di fusione - Raggruppamento partecipanti
- Per raggruppare diversi partecipanti in un unico database, file aperti del partecipante (cioè subjectID_session1-36).
- Unire i restanti partecipanti alla f correnteile. Procedimento: dati Unire file Aggiungi Cases in "Aggiungi cause di SubjectAB001_session1-36.sav finestra", fare clic su Sfoglia e selezionare il file SubjectCD002_session1-36 Aperto Continuare nel "Aggiungi cause da ..." Finestra fare clic su OK. Ripetere l'operazione per tutti i partecipanti che si desidera raggruppare. Vedere la Figura 11.
- Aggiungere file /FILE = *
- / RENAME (AB001 = d0)
- / FILE = 'SubjectAB001_Session1-36.sav'
- / RENAME (CD002 = d1)
- / GOCCIA = d1 d0.
- ESEGUI.
- Salva nuovo database (ad es. Group01_Subjects001-010).
5. Identificazione dei Intensità Target (ad es THR Range)
- Identificare una serie THR, fare clic su Trasforma Calcola variabile nella finestra "Calcola variabile" sotto "Target Variabile", inserire un nuovo nome di variabile (ad esempio Diff_HR_THR) "Type & Label ..." in "C Variabile ompute: Digitare un .... "selezionare Numerico Continuare Sotto "Espressione numerica" entrare equazione: HR - THR OK. Ciò ci fornisce una nuova variabile.
- CALCOLA Diff_HR_THR = HR - THR.
- ESEGUI.
- Ricodificare le variabili per identificare se l'HR si trova sotto, sopra o all'interno della gamma THR. Procedimento: Transform Ricodifica in variabili differenti ... seleziona Diff_HR_THR.2 In "src =" / files/ftp_upload/50643/arrow.jpg "width =" 20px "/> Fare clic sulla freccia sotto "Variabile di uscita" in tipo "Nome" Diff_HR_THR _recoded Cambia Valori vecchi e nuovi ... in "Ricodifica in variabili differenti: Valori vecchi e nuovi" window:
| Old Valore | Nuovo valore | Old -> Nuovo: | |
| Gamma: -5 a 5 | 1 | <td align = rowspan "Centro" = "4"> Aggiungi-5 Thru 5 -> 1 | |
| Range, più basso in termini di valore: -5 | 0 | Più basso thru -5 -> 0 | |
| Range, di valore attraverso ALTISSIMA: 5 | 0 | 5 thru alto -> 0 | |
| System-missing | System-missing | SYSMIS -> SYSMIS |
Continuare OK. Vedere la Figura 12.
- RICODIFICARE Diff_HR_THR (SYSMIS = SYSMIS) (-5 thru 5 = 1) (a partire thru -5 = 0) (da 5 a più alto = 0) INTO
- Diff_HR_THR_Recoded.
- ESEGUI.
6. Calcolo della Percentuale aderenza
- In Group01_Subjects001-010 di file, calcolare tutti i secondi che i pazienti erano all'interno della gamma THR effettuando le seguenti operazioni: Dati Aggregato in "Dati aggregati" finestra, in "Break variabile (s):" select subjectID e la sessione fare clic sulla freccia in "Sintesi della variabile (s):" select Diff_HR_THR _recoded fare clic sulla freccia
= "Arrow" fo: content-width = ".2 in" src = "/ files/ftp_upload/50643/arrow.jpg" width = "20px" /> OK. Una nuova variabile viene creato con il nome _recoded_mean Diff_HR_THR.
- AGGREGATO
- / OUTFILE = * MODE = ADDVARIABLES
- / BREAK = icLsoggetto sessione
- / Diff_HR_THR_Recoded_mean = MEDIA (Diff_HR_THR_Recoded).
- Convertire il valore ottenuto in percentuale; fare clic su Trasforma Calcola variabile sotto "Target Variabile" inserire il nome della variabile (ad esempio Perc_THR) sotto "Espressione numerica" selezionare Diff_HR_THR _recoded_mean"/> Fare clic sulla freccia moltiplicare il valore per 100 (Diff_HR_THR _recoded_mean * 100) OK. Abbiamo poi ottenere l'adesione come percentuale di tempo trascorso all'interno della THR per ciascun soggetto per ciascuna sessione. Vedere la Figura 13
- CALCOLA Perc_THR = Diff_HR_THR_Recoded_mean * 100.
- ESEGUI.
- Per ottenere l'adesione per la percentuale di tempo trascorso all'interno della THR per ciascun soggetto per tutte le sessioni combinate, in "Dati aggregati" finestra, in "Break variabile (s):" subjectID sostitutiva e sessione con solo subjectID. Vedere la Figura 14.
- Per ottenere l'adesione per la percentuale di tempo trascorso all'interno della THR per ogni sessione per tutti i soggetti combinati, in "Dati aggregati" finestra, sotto "Rompere variabile (s): "subjectID sostitutiva e sessione con unica sessione.
- Salvare il database con un nome diverso (ad es. Group01_Subjects001-010_Aggregate).
Representative Results
Quando il protocollo è eseguita correttamente, un tasso di adesione è ottenuta per ciascun soggetto per ciascuna sessione (Figura 13), per ciascun soggetto per tutte le sessioni (Figura 14), e per ogni sessione per tutti i soggetti combinati. Una stima del tempo necessario per completare il protocollo sopra per una singola sessione di un soggetto è di circa 5 min. Risultati per adesione può variare da 0-100%. Utilizzando queste informazioni, ulteriori analisi possono essere eseguite per determinare le differenze tra soggetti (cioè le differenze di sesso, gravità della malattia, ecc.), Per identificare i cambiamenti nel tempo, e per rivelare modelli in aderenza. Inoltre, dal confronto di aderenza tra gruppi può essere eseguita, ad esempio, diversi programmi di formazione esercizio possono essere confrontati. Infine, attraverso ulteriori indagini, le cause di non adesione possono essere identificate in punti temporali specifici durante PR.
">
Figura 1. Collocamento trasmettitore della frequenza cardiaca. Clicca qui per vedere l'immagine ingrandita .
Figura 2. Campione di dati raccolti utilizzando software di monitoraggio dei dati. Clicca qui per vedere l'immagine ingrandita .
Figura 3. Campione di produzione software di monitoraggio dei dati.jove.com/files/ftp_upload/50643/50643fig3highres.jpg "target =" _blank "> Clicca qui per vedere l'immagine ingrandita.
Figura 4. Database di esempio che illustra un esempio di database di software statistico. Clicca qui per vedere l'immagine ingrandita .
Figura 5. Database di esempio che illustra la fase di warm-up eliminato. Clicca qui per vedere l'immagine ingrandita .
Figura 6. Del database di esempio che illustra la fase di defaticamento eliminato. Clicca qui per vedere l'immagine ingrandita .
Figura 7. Del database di esempio che illustra una colonna aggiunto per numero di sessione. Clicca qui per vedere l'immagine ingrandita .
Figura banca dati 8. Esempio che illustra le sessioni unite per un singolo PARTECIPAN t. Clicca qui per vedere l'immagine ingrandita .
Figura 9. Del database di esempio che illustra una colonna aggiunta per il numero di identificazione del soggetto. Clicca qui per vedere l'immagine ingrandita .
Figura database di 10. Esempio che illustra una colonna aggiunta per la frequenza cardiaca. Clicca qui per vedere l'immagine ingrandita .
Figura database di 11. Esempio di illustrare i file dei unite partecipanti. Clicca qui per vedere l'immagine ingrandita .
Figura database di 12. Esempio di illustrare le variabili della frequenza cardiaca ricodificati. Clicca qui per vedere l'immagine ingrandita .
FIGURA 13. del database di esempio che illustra l'adesione come percentuale di tempo trascorso all'interno della gamma di frequenza cardiaca per ciascun soggetto per ciascuna sessione (linea orizzontale rossa evidenzia il cambiamento di aderenza tra le sessioni per lo stesso soggetto). Clicca qui per vedere l'immagine ingrandita .
Figura database di 14. Esempio che illustra l'adesione per la percentuale di tempo trascorso all'interno della gamma di frequenza cardiaca per ciascun soggetto per tutte le sessioni (linea rossa orizzontale evidenzia la differenza tra soggetti). Clicca qui per vedere l'immagine ingrandita .
Discussion
Continuo tecnologia di tracking dati consente una misurazione molto precisa di esercizio aderenza. Questa procedura può essere facilmente adattato ad altre definizioni di aderenza sostituendo bersaglio gamma di frequenza cardiaca con potenza di destinazione, il livello, la velocità, o il livello MET. Nel presente esempio, le fasi di warm-up e cool-down sono stati eliminati per isolare la fase di esercizio a causa del nostro obiettivo di ricerca specifico. Qualora le fasi di warm-up e cool-down interessare altri ricercatori, passo 2.3 ("Eliminare le fasi nontraining") può essere eliminato dal protocollo. Inoltre, l'hardware e il software è disponibile anche per misurare l'adesione ad altre modalità di formazione, come il tapis roulant, ellittica, stepper, e braccio ergometro.
Quando seguendo il protocollo sopra indicato alcuni semplici passaggi sono critici. In primo luogo, il software CardioMemory deve essere avviato prima che l'attrezzatura da palestra (ad es. Cicloergometro) per i dati di allenamento per essere tracked e successivamente registrato. Dati dovrebbero essere persi in questa fase iniziale, il protocollo di estrazione dei dati dovrà essere adeguato di conseguenza. In secondo luogo, le fonti di interferenza deve essere ridotta per ridurre il rischio di diafonia e / o perdita di dati. I cardiofrequenzimetri comunicare in modalità wireless con le apparecchiature e software. Così, l'interferenza è particolarmente dannoso se si usa frequenza cardiaca per calcolare l'aderenza. Infine, è imperativo per selezionare software statistico per il database che ha la capacità di consentire per grandi quantità di dati. Ad esempio, in uno studio con 10 partecipanti Completando 36 sessioni a 40 min ciascuno, saranno generati 864.000 righe di punti di dati. Excel 2007 e le versioni successive hanno la capacità di contenere 1.048.576 righe in un foglio di lavoro di 23, mentre 24 SAS e SPSS 25 non hanno alcun limite per il numero di righe. A seconda del numero totale di punti di dati attesi per un dato studio, il software deve essere selezionato conseguenza. Nonostante i notevoli vantaggi di questa tecnologia, esistono due limitazioni principali. La prima è la perdita di dati, che può derivare da apparecchiature e / o software. Come accennato in precedenza, la perdita di dati può essere causa di interferenze elettriche con dispositivi wireless (ad esempio telefoni cellulari o Wi-Fi), e più in particolare l'interferenza con la trasmissione wireless dei dati della frequenza cardiaca. Tuttavia, a volte, la perdita di dati può anche essere dovuto a cause identificabili. Una seconda limitazione è che il software non fornisce la possibilità di marcatura o suddividere il protocollo di esercizio sistematicamente per differenziare / identificazione delle fasi differenti. Se questa opzione fosse disponibile, l'estrazione della fase esercizio di interessi può essere effettuata direttamente nel software, che limiterebbe passi nel protocollo calcolo aderenza. Inoltre, la possibilità di inserire marcatori sarebbe pratico per lo studio di adesione a protocolli di allenamento a intervalli o intermittente in quanto permetterebbela differenziazione delle diverse fasi (ad es. bassi rispetto ad alta intensità).
Per le prospettive future, l'uso della tecnologia di tracciamento continuo dei dati per quantificare con precisione l'adesione permetterà ai ricercatori di studiare i modelli di risposta all'esercizio fisico per diversi interventi, individuare le determinanti di aderenza, e caratterizzare buoni e poveri adherers. In definitiva, una migliore comprensione di esercizio adesione consentirà l'ottimizzazione dei programmi di riabilitazione di esercizio.
Disclosures
Gli autori dichiarano di non avere interessi finanziari in competizione.
Acknowledgments
Canadian Lung Association - Canadian Professionals respiratoria Salute; 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/) |
References
- Global Strategy for the Diagnosis, Management, and Prevention of Chronic Obstructive Pulmonary Disease [Internet]. Global Initiative for Chronic Obstructive Lung Disease (GOLD). , (2013).
- 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).
- 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).
- 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).
- 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).
- Lacasse, Y., et al. Pulmonary rehabilitation for chronic obstructive pulmonary disease. The Cochrane Database of Systematic Reviews. (4), (2001).
- Guell, R., et al. Long-term effects of outpatient rehabilitation of COPD: A randomized trial. Chest. 117 (4), 976-983 (2000).
- 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).
- Griffiths, T. L., et al. Results at 1 year of outpatient multidisciplinary pulmonary rehabilitation: a randomised controlled trial. Lancet. 355 (9201), 362-368 (2000).
- 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).
- 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).
- 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).
- 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).
- 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).
- Adherence to long-term therapies: evidence for action. Annex. 1, (2003).
- , Forthcoming.
- 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).
- 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).
- 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).
- Brooks, D., et al. Characterization of pulmonary rehabilitation programs in Canada in. Can. Respir. J. 14 (2), 87-92 (2005).
- 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.
- Sabit, R., et al. Predictors of poor attendance at an outpatient pulmonary rehabilitation programme. Respir. Med. 102 (6), 819-824 Forthcoming.
- 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).
- 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).
- 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).
- Raynald's SPSS Tools: FAQ [Internet]. Canada: Raynald Levesque; c2001-2004. , Available from: http://pages.infinit.net/rlevesqu/FAQ.htm#HowManyVariables (2004).
