Opsætning af bærbare forbrugerenheder til eksponering og sundhedsovervågning i befolkningsundersøgelser

Summary

Kommercielle smartwatches udstyret med bærbare sensorer bruges i stigende grad i befolkningsundersøgelser. Imidlertid er deres anvendelighed ofte begrænset af deres begrænsede batterivarighed, hukommelseskapacitet og datakvalitet. Denne rapport giver eksempler på omkostningseffektive løsninger på virkelige tekniske udfordringer, der er stødt på under undersøgelser, der involverer astmatiske børn og ældre hjertepatienter.

Abstract

Bærbare sensorer, som ofte er indlejret i kommercielle smartwatches, giver mulighed for kontinuerlige og ikke-invasive sundhedsmålinger og eksponeringsvurderinger i kliniske undersøgelser. Ikke desto mindre kan den virkelige anvendelse af disse teknologier i undersøgelser, der involverer et stort antal deltagere i en betydelig observationsperiode, hindres af flere praktiske udfordringer.

I denne undersøgelse præsenterer vi en modificeret protokol fra en tidligere interventionsundersøgelse til afbødning af sundhedseffekter fra ørkenstøvstorme. Undersøgelsen involverede to forskellige befolkningsgrupper: astmatiske børn i alderen 6-11 år og ældre patienter med atrieflimren (AF). Begge grupper var udstyret med et smartwatch til vurdering af fysisk aktivitet (ved hjælp af en pulsmåler, skridttæller og accelerometer) og placering (ved hjælp af GPS-signaler til at lokalisere individer i indendørs "hjemme" eller udendørs mikromiljøer). Deltagerne skulle bære smartwatchet udstyret med en dataindsamlingsapplikation på daglig basis, og data blev overført via et trådløst netværk til en centralt administreret dataindsamlingsplatform til næsten realtidsvurdering af overholdelse.

Over en periode på 26 måneder deltog mere end 250 børn og 50 patienter med AF i ovennævnte undersøgelse. De vigtigste tekniske udfordringer, der blev identificeret, omfattede begrænsning af adgangen til standard smartwatch-funktioner, såsom spil, internetbrowser, kamera og lydoptagelsesapplikationer, tekniske problemer, såsom tab af GPS-signal, især i indendørs miljøer, og de interne smartwatch-indstillinger, der forstyrrer dataindsamlingsapplikationen.

Formålet med denne protokol er at demonstrere, hvordan brugen af offentligt tilgængelige applikationsskabe og enhedsautomatiseringsapplikationer gjorde det muligt at tackle de fleste af disse udfordringer på en enkel og omkostningseffektiv måde. Derudover forbedrede inkluderingen af en Wi-Fi-modtaget signalstyrkeindikator signifikant indendørs lokalisering og minimerede stort set GPS-signalfejlklassificering. Implementeringen af disse protokoller under udrulningen af denne interventionsundersøgelse i foråret 2020 førte til væsentligt forbedrede resultater med hensyn til datafuldstændighed og datakvalitet.

Introduction

Digitale sundhedsteknologiske applikationer og bærbare sensorer muliggør ikke-invasiv og omkostningseffektiv patientovervågning både i sundheds- og hjemmeindstillinger¹. Samtidig muliggør den store mængde indsamlede data og tilgængeligheden af bærbare analytiske platforme udviklingen af algoritmer til automatiseret forudsigelse, forebyggelse og intervention af sundhedshændelser for en lang række akutte og kroniske sygdomme². Kommercielt tilgængelige bærbare sensorer, der primært bruges til fitnesssporing, bruges også i stigende grad af læger inden for folkesundhedsforskning og repræsenterer et lovende værktøj til multimodal og kontinuerlig dataindsamling under virkelige forhold³. Endnu vigtigere er det dog, at upartisk dataindsamling fra wearables-sensorer giver forskere mulighed for at overvinde udfordringerne ved tilbagekaldelsesbias, der karakteriserer traditionelle dataindsamlingsmetoder såsom interviews og dagbøger⁴.

Med henblik på kliniske forsøg eller andre befolkningsundersøgelser er datanøjagtighed, pålidelighed og integritet imidlertid afgørende. Derudover kan troværdigheden af de indsamlede data også påvirkes af flere andre parametre, såsom aldersgruppeanvendelighed samt enhedens hukommelseskapacitet og energieffektivitet⁵. Nylige systematiske gennemgange af laboratorie- og feltbaserede undersøgelser med et begrænset antal deltagere har generelt bekræftet anvendeligheden af kommercielle smartwatches til aktivitets-, puls-, anfalds- og adfærdsovervågning, selvom anmeldelserne også har vist dårlig egnethed til ældre brugere samt begrænsninger for batteri, hukommelse og datakvalitet ^6,7 . Disse begrænsninger kan forstærkes yderligere i større befolkningsundersøgelser under virkelige forhold, hvor yderligere parametre såsom inkonsekvent internetforbindelse, enhedskomfort og forkert smartwatch-brug spiller ind⁸. Specifikt er udseende og ulemper betydelige barrierer for at bære sensorer dagligt⁹, mens bekymringer vedrørende privatlivets fred og fortrolighedsspørgsmål kan påvirke rekruttering i undersøgelser, der involverer bærbare sensorer¹⁰. Med hensyn til anvendeligheden af kommercielle smartwatches og fitness trackers til måling af fysisk aktivitet i forskningsundersøgelser foreslog en nylig undersøgelse af Henriksen et al., at udvælgelsen af et passende udstyr til en bestemt undersøgelse ikke kun skulle baseres på de tilgængelige indlejrede sensorer, men snarere også tage hensyn til validering og tidligere anvendelse i forskning, udseende, batterilevetid, robusthed, vandmodstand, tilslutningsmuligheder og brugervenlighed¹¹.

Med henblik på denne undersøgelse præsenterer vi en protokol til forbedring af de udfordringer, der opstod under LIFE MEDEA-projektet, et interventionsstudie til afbødning af sundhedsvirkningerne af ørkenstøvstorme¹². Undersøgelsen involverede to forskellige befolkningsgrupper: astmatiske børn i alderen 6-11 år og ældre patienter med atrieflimren (AF). Begge grupper var udstyret med et kommercielt smartwatch til vurdering af fysisk aktivitet (ved hjælp af en pulsmåler, skridttæller og accelerometer) og placering (ved hjælp af GPS-signaler til at lokalisere individer i indendørs "hjemme" eller udendørs mikromiljøer). Deltagerne skulle bære smartwatch dagligt, og data blev overført via et trådløst netværk til en centralt administreret dataindsamlingsplatform via dataindsamlingsapplikationen til næsten realtidsvurdering af overholdelse. Yderligere oplysninger om smartwatch og systemopsætning findes i en tidligere undersøgelse¹³. I løbet af det første år af projektgennemførelsen opstod der flere tekniske og virkelige udfordringer i forbindelse med enheden, hvilket påvirkede rekruttering, deltagernes overholdelse af at bære enheden dagligt og fuldstændigheden af de indsamlede data. Nogle udfordringer var befolkningsspecifikke, såsom kravet fra skoleadministratorer og mange forældre om, at børnene, der bærer smartwatches, ikke skulle have adgang til standard smartwatch-funktioner, såsom spil, internetbrowser, kamera og lydoptagelsesapplikationer. Andre udfordringer var af teknisk karakter, såsom tab af GPS-signal, især i indendørs miljøer, og interne smartwatch-indstillinger, der forstyrrede dataindsamlingsapplikationen. En detaljeret oversigt over de vigtigste identificerede udfordringer samt en kort beskrivelse af deres implikationer og løsninger fremgår af tabel 1.

I denne undersøgelse foreslår vi enkle, omkostningseffektive og hyldeløsninger til forbedring af brugeroverholdelse, datakvalitet og datafuldstændighed i befolkningsundersøgelser, der anvender bærbare sensorer og leverer de relevante protokoller. Derudover demonstrerer vi forbedringerne af datafuldstændigheden fra implementeringen af sådanne protokoller ved hjælp af repræsentative resultater fra undersøgelsen¹³.

Protocol

Administrative og etiske godkendelser blev indhentet fra Cyperns sundhedsministerium (YY5.34.01.7.6E) og Cyperns nationale bioetiske komité (ΕΕΒΚ/ΕΠ/2016.01.23). Patienter med atrieflimren og de astmatiske børns værger gav skriftligt informeret samtykke forud for deltagelse i undersøgelsen.

1. Applikationsskabe og applikationer til automatisering af enheder

BEMÆRK: Frit tilgængelige applikationsskabe og enhedsautomatiseringsapplikationer (taskers) kan findes til både Android-enheder og IOS-enheder. De specifikke anvendelser, der anvendes i denne undersøgelse, er anført i materialefortegnelsen.

1. Brug en smartphone-enhed, der helst er udstyret med den samme Android-version som smartwatchet.
   1. Fra Play Butik skal du downloade og installere dataindsamlingsprogrammet, applikationsskabet og taskeren.
   2. Download et frit tilgængeligt program, der kan udtrække Android-applikationspakken (APK) af de downloadede applikationer, der allerede er installeret på smartphonen.
      BEMÆRK: Applikationen opretter en mappe med navnet Extracted-Apks i det interne lager på smartphonen og gemmer de eksporterede APK-filer. Gem APK-filerne i stedet for at downloade applikationsskabet og taskeren under opsætningen af hver smartwatch-enhed for at sikre, at de samme versioner af applikationerne bruges på tværs af alle enheder.

2. Udvikling af de automatiserede procedurer ved hjælp af taskeren

BEMÆRK: En tasker giver mulighed for trinvis udvikling af automatiserede processer. Disse kan variere alt efter projektets krav. Tidligere kodnings- eller programmeringserfaring er ikke påkrævet. I de følgende trin anvendes følgende udtryk og definitioner: trigger (en starttilstand, der, når den er opfyldt, giver taskeren mulighed for at starte processen), betingelse (en betingelse, der, når den er opfyldt, tillader processen at fortsætte til næste trin) og handling (procesresultatet). I de leverede figurer angiver parallelogrammet en udløser, diamanten angiver en tilstand, og rektanglet angiver en handling. Hver proces kan resultere i mere end én handling, og disse er mærket som handlinger a, b, c, (...) under hver proces. Der blev oprettet en separat proces for hvert enkelt problem, der blev identificeret under projektets feltimplementering. Denne tilgang sikrede, at der ikke var nogen overlapning mellem de fastsatte betingelser, og gjorde det muligt for en problemfri drift af den automatiserede proces som helhed.

1. Start enhedsautomatiseringsprogrammet, og naviger til grænsefladen for at opbygge opgaver.
   BEMÆRK: Grænsefladen adskiller sig mellem forskellige enhedsautomatiseringsapplikationer. De trin, der er beskrevet nedenfor, er baseret på den opgave, der blev brugt i undersøgelsen, der præsenteres her¹², men lignende trin gælder på tværs af alle applikationer af denne art. Enhedsautomatiseringsapplikationer giver mulighed for udvikling af forskellige processer (også kaldet makroer). Alle de makroer, der er beskrevet i denne protokol, findes i supplerende fil 1.
   1. Hvis du vil oprette en proces, skal du vælge Makroer.
2. Opret en proces, der systematisk aktiverer dataindsamlingsapplikationen (Figur 1). Gør det ved at følge nedenstående trin.
   1. Tilføj en makro eller opgave ved at klikke på plustegnet. Tilføj en udløser for at oprette et startpunkt for processen. Klik på plustegnet på udløserfanen.
   2. Vælg Dato og klokkeslæt, og vælg fanen Regelmæssigt interval . Brug ikke en referencetid, men indstil et regelmæssigt interval.
   3. Indstil et fast tidsinterval til at fungere som en udløser til at indlede en procedure. Indstil intervallet til 7,5 min, og klik på OK.
      BEMÆRK: Denne betingelse opretter en regelmæssig udløser, der udføres hvert 7,5 minut. Valget af triggerintervallet er baseret på enhedens batterikapacitet og andre forhold, der påvirker den glatte drift af dataindsamlingsapplikationen.
   4. For at tilføje en handling skal du klikke på plustegnet på handlingsfanen. Vælg fanen Betingelser/sløjfer . Vælg HVIS-delsætningen.
   5. Tilføj en betingelse ved at klikke på plustegnet. Vælg fanen Dato og klokkeslæt. Klik på Ok.
   6. Indstil en fast varighed, der skal tilføjes som en betingelse. Som en del af proceduren er betingelsen, der testes, om en stopurværdi er enten >29 minutter eller <1 s.
      BEMÆRK: Førstnævnte afspejler præferencen for systematisk at aktivere dataindsamlingsapplikationen hvert 30. minut, og sidstnævnte repræsenterer præferencen for at aktivere dataindsamlingsapplikationen, selv i tilfælde, hvor stopuret ikke fungerer eller er stoppet.
   7. Skift AND ved at klikke på trekanten. Vælg OR.
      BEMÆRK: Når en af betingelserne er opfyldt, kan processen fortsætte.
   8. Hvis du vil tilføje en handling mellem HVIS-sætningen, skal du klikke på Afslut hvis. Vælg Tilføj handling ovenfor.
   9. Naviger for at finde fanen Skærm. Vælg handlingen Screen On, og klik på Ok.
      BEMÆRK: Når betingelserne er opfyldt, aktiverer taskeren skærmen.
   10. Følg lignende trin, tilføj en anden handling, der reducerer skærmens lysstyrke til den laveste procentdel.
   11. Tilføj en ekstra handling, der nulstiller og genstarter stopuret, der bruges i denne automatiserede proces. Dette skaber en løkke.
   12. Følg lignende trin, og tilføj en handling, der aktiverer dataindsamlingsprogrammet. Vælg Programmer.
   13. Vælg Start applikation. Find og vælg dataindsamlingsprogrammet. Vælg Force NEW, og klik på OK.
       BEMÆRK: Processen er afsluttet. Udløseren, betingelserne og handlingerne er indstillet. Denne proces gør det systematisk muligt for dataindsamlingsapplikationen i hyppige tidsintervaller at modvirke enhver tilfældig applikation, der går ned. Handlingen Screen On er designet til at forhindre dvaleindstillinger for kommercielle enheder, og handlingen Lysstyrke til 0% bruges til at reducere batteriforbruget. Handlingen Stopur (nulstil og genstart) skaber en løkke til vores overordnede proces. Hvis betingelsen er opfyldt, udføres følgende handlinger af taskeren: (a) start af dataindsamlingsprogrammet, (b) aktivering af smartwatch-skærmen, (c) reduktion af skærmens lysstyrke til 0% og (d) nulstilling og genstart af stopuret for at oprette en løkke. Handling b og handling c er designet til at modvirke standarddvaleindstillingerne for kommercielle enheder. Dvaleindstillinger kan forstyrre den normale drift af smartwatch-applikationer (inklusive dataindsamlingsapplikationen). Dvaletilstand løses ved systematisk at aktivere skærmen (handling b), og for at reducere batteriforbruget kombineres skærmaktiveringen med at reducere skærmens lysstyrke (handling c).
   14. Giv denne proces et navn, og vælg Gem.
3. Opret en proces, der systematisk aktiverer smartwatchets Wi-Fi (Figur 2).
   1. Tilføj en udløser for at oprette et startpunkt for processen. Klik på plustegnet på fanen Trigger . Vælg Enhedshændelser, og vælg Skærm til/fra. Vælg Skærm på, og klik på Ok.
   2. Tilføj en handling ved at klikke på plustegnet på fanen Handling . Vælg fanen Betingelser/sløjfer . Vælg HVIS-delsætningen. Tilføj en betingelse ved at klikke på plustegnet. Vælg fanen Forbindelse . Vælg Wi-Fi-tilstand. Vælg Wi-Fi deaktiveret, og klik på Ok.
   3. Klik på Afslut hvis. Vælg Tilføj handling ovenfor. Vælg fanen Forbindelse . Klik på fanen Wi-Fi-konfiguration . Vælg Aktivér Wi-Fi, og klik på Ok. Dette er handling a af processen i trin 2.3.
      BEMÆRK: Ved skærmaktivering, og hvis Wi-Fi er deaktiveret, aktiverer taskeren Wi-Fi.
   4. Tilføj en ekstra handling mellem den HVIS-sætning, der nulstiller og genstarter Stopwatch_2. Dette er handling b i processen i trin 2.3.
      BEMÆRK: Stopuret er vigtigt for at deaktivere Wi-Fi efter et par minutter, hvilket er en handling udført af en anden proces i protokollen (trin 2.5). Smartwatchet behøver ikke konstant at være forbundet til Wi-Fi, da dette øger batteriforbruget.
   5. Giv denne proces et navn, og vælg Gem.
4. Opret en proces, der systematisk optimerer batteriforbruget (figur 3).
   BEMÆRK: Smartwatch-enheder har normalt standardindstillinger for at deaktivere skærmen efter en periode på få sekunder. For den enhed, der blev brugt i vores undersøgelse, var denne periode 15 s. Testen præsenteres i trin 2.7.
   1. Brug standardskærmdeaktivering som en udløser.
   2. Indstil en betingelse, der tester kombinationen af, om smartwatchet ikke oplades og ikke er tilsluttet et netværk. Hvis begge gælder, deaktiverer processen Wi-Fi-forbindelsen for at reducere batteriforbruget. Dette er handling a af processen i trin 2.4.
      BEMÆRK: Hvis smartwatchet oplades, skal Wi-Fi holdes aktiveret, så alle data, der er indsamlet i løbet af dagen, kan sendes via Wi-Fi-forbindelsen til vores online server. Normalt finder opladningen sted natten over.
   3. Indstil en betingelse, der tester, om Bluetooth er aktiveret. Hvis det er tilfældet, er Bluetooth deaktiveret for at reducere batteriforbruget. Dette er handling b i processen i trin 2.4.
   4. Indstil en ekstra handling, der aktiveres automatisk efter udløseren. Denne handling indstiller skærmens lysstyrke til 50 % (handling c i processen i trin 2.4).
      BEMÆRK: Brugerinteraktioner kan ændre lysstyrkeniveauerne. Højere niveauer af skærmens lysstyrke dræner batteriet hurtigere, og som en sammensætning er skærmens lysstyrke indstillet til 50% som det optimale niveau, der giver brugeren mulighed for nemt at interagere med smartwatchet og samtidig spare på batteriet.
5. Opret en proces, der systematisk logger hændelsesoplysninger (figur 4).
   1. Tilføj en udløser for at oprette et startpunkt for processen. Klik på plustegnet på fanen Trigger . Vælg Dato og klokkeslæt. Vælg fanen Regelmæssigt interval . Brug ikke en referencetid.
   2. Indstil det regelmæssige interval. Indstil et fast tidsinterval til at fungere som en udløser for at starte proceduren. Indstil intervallet til 5 min, og klik på Ok.
      BEMÆRK: Dette skaber en uendelig udløser, der udføres hvert 5. minut; Valget af intervallet er baseret på enhedens batterikapacitet og andre forhold afhængigt af forskerens krav.
   3. For at tilføje en handling skal du klikke på plustegnet på fanen Handling. Klik på Log begivenhed.
   4. Klik på fanen Ellipsepunkter . Find og vælg Wi-Fi SSID (Wi-Fi-netværksnavn ), og vælg Ok.
   5. Ved at klikke igen på fanen Ellipsepunkter og følge nøjagtigt de samme trin skal du yderligere tilføje Wi-Fi-signalstyrken, enhedens serienummer, GPS-breddegrad, GPS-længdegrad, GPS-signalets nøjagtighed, samt om smartwatchet oplades eller ej (handling a af processen i trin 2.5).
      BEMÆRK: Denne handling opretter en loghændelse med forud angivne variabler, der er relevante for projektet.
   6. Giv denne proces et navn, og vælg Gem.
   7. Klik på fanen Logføring , og indstil en betingelse, der tester kombinationen af, om smartwatchet ikke oplades, skærmen er slukket, og stopuret beskrevet i punkt
      2.3.3 er >4 minutter og deaktiverer Wi-Fi, når alle disse betingelser er opfyldt (handling b i processen i trin 2.5).
6. Opret en proces, der giver brugermeddelelser, hvis GPS-signalet er deaktiveret (figur 5)
   1. Indstil forbindelsen til et Wi-Fi-netværk som udløser.
   2. Angiv en handling, der aktiveres automatisk efter udløseren. Denne handling opretter et loghændelsespunkt svarende til det i trin 2.5.2 (handling a i processen i trin 2.6).
      BEMÆRK: Denne ekstra loghændelse giver oplysninger om det nøjagtige tidspunkt, hvor smartwatchet blev tilsluttet Wi-Fi-netværket i hjemmet.
   3. Indstil en betingelse, der tester, om GPS-sensoren er deaktiveret, eller dens nøjagtighedsstatus er blevet ændret, eller flytilstand er aktiveret. Tilføj en handling mellem HVIS-sætningen, der viser meddelelsesfejlen "FEJL!!! Kontroller indstillingerne" (handling b i processen i trin 2.6).
7. Test hver oprettet proces.
   1. Klik på fanen Proces .
   2. Klik på fanen Trigger .
   3. Vælg Testudløser.
      BEMÆRK: Testudløseren starter handlingerne i den valgte proces. Hvis resultatet er det tilsigtede, gemmes processen.

3. Eksport af de oprettede processer (trin 2.1-2.6)

1. Eksporter og gem filerne fra de oprettede processer (trin 2.1-2.6) i mdr-format (mdr-fil) i samme smartphone-mappe som i trin 1.1.3.

4. Overførsel og installation af de filer, der er oprettet til smartwatch

1. Overfør filerne fra smartphonen til en bærbar computer / pc.
   1. Tilslut smartphonen til den bærbare computer / pc.
   2. Find mappen med de udpakkede APK- og mdr-filer (tasker-udvidelsesfiler), der er oprettet med enhedsautomatiseringsprogrammet.
   3. Kopier og indsæt alle filerne i en mappe på den bærbare computer / pc.
2. Overfør filerne fra den bærbare computer / pc til smartwatch-enheden.
   BEMÆRK: I undersøgelsen var smartwatchet også udstyret med et magnetisk opladerkabel, der også tillod overførsel af data / filer.
   1. Tilslut smartwatchet med den magnetiske oplader til den bærbare computer / pc.
   2. Vælg muligheden for at overføre filer på smartwatch-meddelelsespanelet.
   3. På den bærbare computer / pc skal du navigere til mappen med de gemte filer fra trin 4.1.2.
   4. Kopier alle filerne, og indsæt dem i en mappe i smartwatchet.

5. Opsætning af smartwatch til feltbrug

1. Installer applikationerne såvel som processerne på smartphonen til smartwatchet.
   1. Naviger til destinationen med de indsatte filer, og installer alle APK-filerne. Disse omfatter applikationsskabet, taskeren og dataindsamlingsapplikationen (se Materialetabel).
   2. Installer mdr-filen, der indeholder de processer, der blev oprettet i trin 2.
   3. Accepter alle de tilladelser, der er nødvendige for at betjene processerne.
      BEMÆRK: Tilladelserne kan variere afhængigt af arten af de oprettede processer.
2. Indstil eller skift enhedens vigtige standardindstillinger.
   BEMÆRK: Før smartwatchet gives til en deltager, skal flere vigtige indstillinger ændres.
   1. Stryg smartwatch-skærmen til venstre, og naviger til smartwatch-indstillingsfunktionen. Klik på Indstillinger.
   2. Vælg Lyd, og deaktiver alle lyde ved at minimere lydstyrken for alle de enkelte lydindstillinger. Stryg skærmen til højre for at vende tilbage til hovedindstillingsskærmen.
      BEMÆRK: Distraktioner og unødvendige meddelelser fra smartwatchet anbefales ikke, fordi dette vil skabe unødvendigt besvær for deltagerne, især i skole- og arbejdstiden.
   3. Rul ned, og vælg Connect-funktionen . Rul ned, og vælg GPS. Klik på Tilstand, og indstil GPS-indstillingerne til Høj nøjagtighed.
   4. Stryg skærmen til højre for at vende tilbage til hovedindstillingsskærmen.
   5. Rul ned, vælg strømsparefunktionen , deaktiver strømindstillingen Standbyintelligens , og kontroller, at batterispareren altid er slukket. Stryg skærmen til højre for at vende tilbage til hovedindstillingsskærmen.
      BEMÆRK: Selvom batteriforbruget skal tages i betragtning, kan det at holde standard strømbesparende tilstand aktiveret forstyrre den glatte drift af applikationerne og påvirke datakvaliteten og fuldstændigheden negativt.
   6. Rul ned, og vælg funktionen Dato og klokkeslæt . Deaktiver fanen Automatisk tidszone . Rul ned, klik på Vælg tidszone, vælg den korrekte tidszone, og aktiver 24-timers formatet.
   7. Rul op, aktiver den automatiske tidszone, og kontroller, at tilstanden Automatisk dato og klokkeslæt er indstillet til Brug netværksleveret tid.
      BEMÆRK: Dette er vigtigt for at sikre, at hver sensormåling ledsages af det korrekte tidsstempel.
   8. Stryg skærmen til højre for at vende tilbage til hovedindstillingsskærmen. Rul ned, vælg Mere, åbn indstillingen Baggrundsrenser, og deaktiver batterispareren.
      BEMÆRK: Alle indstillinger, der forstyrrer den glatte drift af applikationer i baggrunden, skal deaktiveres. I dette tilfælde er en sådan indstilling baggrundsrenseren, og hvis den forbliver aktiveret, vil disse applikationer ikke kunne arbejde i baggrunden, hvilket påvirker den generelle opsætning af smartwatchet og forstyrrer dataindsamlingsmetoden.
   9. Stryg skærmen til højre for at vende tilbage til skærmen Flere indstillinger , rul ned, vælg App-frysefunktionen , klik på Næste, rul ned, klik på Google Play Butik, og vælg Frys; Applikationen deaktiveres automatisk.
      BEMÆRK: Hvis den efterlades aktiveret, vil Play Butik sandsynligvis udføre opdateringer. Sådanne opdateringer kan forstyrre de oprettede processer. Derudover kan nogle opdateringer finde sted på forskellige dage for de forskellige undersøgelsesdeltagere, og dermed vil dataene i en periode ikke blive indsamlet på samme måde fra alle deltagerne.
   10. Stryg skærmen til højre for at vende tilbage til skærmen Flere indstillinger , vælg funktionen Notifikationer , vælg Google, og bloker alle meddelelser fra denne applikation.
       BEMÆRK: Afhængigt af enheden og operativsystemet kan andre applikationer også vise meddelelser. Distraktioner og unødvendige meddelelser fra smartwatchet anbefales ikke, fordi dette vil skabe unødvendigt besvær for deltagerne, især i skole- og arbejdstiden.
   11. Stryg skærmen til højre for at vende tilbage til skærmen Flere indstillinger , rul ned, vælg funktionen Datasparer , og deaktiver dataspareren. Stryg skærmen til højre for at vende tilbage til skærmen Flere indstillinger .
       BEMÆRK: Deaktiver enhver indstilling eller funktionalitet, der kan påvirke upload eller modtagelse af data.
   12. Vælg funktionen Appindstillinger , rul ned, vælg funktionen Speciel adgang , og klik på Batterioptimeringsindstillinger . Klik på trekanten, og vælg Alle apps.
   13. Rul ned for at finde applikationsskabet, vælg applikationsskabet, vælg Optimer ikke, og klik på Udført. Find alle de relevante programmer, der bruges i smartwatch-opsætningen (programskab, tasker, dataindsamlingsprogram), og vælg Optimer ikke.
       BEMÆRK: De vigtigste applikationer, der udfører eller understøtter dataindsamling, skal fungere uden batteribegrænsninger.
   14. Når du er færdig med opsætningen, skal du udføre en kontrol af de indstillinger, der blev implementeret i dette trin.
       BEMÆRK: Berøringsskærmens lydhørhed mangler muligvis, og vigtige ændringer af indstillingerne er muligvis ikke udført korrekt, så kør en kontrol for at sikre, at hvert trin blev udført korrekt. Kontroller igen, at alle lyde og vibrationer er minimeret, GPS'en er i høj nøjagtighedstilstand, og dato- og klokkeslætsindstillingerne er korrekte. Sørg desuden for at deaktivere alle indstillinger, der forstyrrer den glatte drift af applikationerne i baggrunden. Derudover skal du sørge for, at ethvert andet program, der kan udføre opdateringer, er frosset. Deaktiver alle indstillinger eller funktioner, der kan påvirke upload eller modtagelse af data. Sørg for, at de vigtigste applikationer, der udfører eller understøtter dataindsamlingen, kan fungere uden batteribegrænsninger.
3. Konfigurer applikationsskabet.
   1. Fra startskærmen skal du navigere for at finde de installerede applikationer.
   2. Vælg App Locker.
   3. Vælg, hvordan App Locker skal låse applikationerne (mulighederne omfatter brug af en PIN-kode eller mønsterkode).
   4. Vælg de programmer, du vil låse. Blandt andet kan kameraet, stemmeoptagelse, browser og spilapplikationer låses. Aktiver appskabet.
   5. Tilslut smartwatchet til deltagerens Wi-Fi-hjemmenetværk.
      BEMÆRK: Opsætningen er fuldført. Smartwatchet er klar til at blive givet til en deltager.
4. Tillad deltageren at bruge smartwatchet.
   1. Bed deltagerne om at bære smartwatch dagligt og oplade enheden hver nat under deres søvn.
      BEMÆRK: I løbet af dagen kunne deltagerne bruge smartwatchet som et normalt digitalt ur og vurdere deres aktivitetsniveau gennem smartwatch-skridttællerindikatoren. Deltagerne var ikke forpligtet til at udføre nogen specifikke opgaver for smartwatchet for at kunne indsamle og overføre dataene. Konfigurationen af enhederne som beskrevet i protokollen i kombination med de automatiserede processer, der er udviklet med taskeren, minimerede besværet for deltagerne.

Representative Results

Protokollen beskriver enkle og omkostningseffektive løsninger på virkelige udfordringer, der påvirker rekruttering, overholdelse og datakvalitet i befolkningsundersøgelser, der anvender bærbare sensorer. De trin, der er beskrevet her, tillod en vellykket opsætning af en bærbar enhed til forbruger til eksponering og sundhedsovervågning i en stor befolkningsundersøgelse, der involverede børn med astma og voksne med atrieflimren. Figur 6 giver et grafisk overblik over de leverede protokoller og illustrerer de vigtigste skridt, der er taget for at løse de vigtigste underliggende problemer, der er identificeret.

Her præsenterer vi de repræsentative resultater fra en delmængde på 17 deltagere (astmatiske børn i alderen 6-11 år), der deltog i LIFE MEDEA-undersøgelsen i foråret 2020¹³. De 17 deltagere var udstyret med et smartwatch, der leverede tidsstemplede data om fysisk aktivitet (skridttæller, accelerometer, puls) og GPS-placeringer før og efter implementeringen af protokollen. Disse data blev indsamlet via dataindsamlingsapplikationen og blev automatisk synkroniseret med en skybaseret database, når smartwatchet var i kontakt med Wi-Fi-netværket inde i hver deltagers hjem, som beskrevet tidligere¹³. Gennem anvendelsen af den beskrevne protokol blev oplysninger om Wi-Fi-forbindelse, Wi-Fi-signalstyrke, batterikapacitet, og om enheden opladede eller ej, imidlertid også gjort tilgængelige. Dataene om disse yderligere variabler blev ikke automatisk synkroniseret med den skybaserede database, men skulle downloades manuelt fra hvert smartwatch via Bluetooth efter afslutningen af undersøgelsesperioden. Ved at sammenligne de data, der blev indsamlet i en varighed på 2 uger før og 2 uger efter protokolimplementeringen, evaluerede vi virkningen af disse løsninger til forbedring af datafuldstændigheden, defineret som procentdelen af tid med indsamlede data pr. Dag. Figur 7A viser procentdelen af tid med data før og efter protokolimplementering for hver deltager separat, mens figur 7B viser de tilsvarende fordelinger af procentdelen af tid med data for hele gruppen før og efter protokolimplementeringen. Interessant nok førte protokolimplementeringen til en statisk signifikant stigning i datafuldstændighed, hvor procentdelen af tid med data steg fra en median på 36,5% (min: 9,3%, max: 68,1%) til en median på 48,9% (IQR: 18,4%, 77,8%, p = 0,013).

Desuden viser vi i figur 8 et ekstremt tilfælde af dårlige GPS-data indsamlet i løbet af 24 timer fra en enkelt patient med AF, der deltog i undersøgelsen. Selvom patienten havde uret på som anvist, var det faktiske rå GPS-signal, der blev indsamlet, spredt over de 24 timer (figur 8A), og estimatet af varigheden af tiden indendørs og varigheden af tiden udendørs var vanskelig. Implementeringen af en GPS-datafyldningsalgoritme (supplerende figur 1) gør det muligt at erstatte manglende data med estimerede værdier (figur 8B). Bekræftelse af, at den estimerede tid indendørs og den estimerede tid udendørs var korrekt, blev leveret af den loggede smartwatch-forbindelse med Wi-Fi-netværkssignalet (figur 8C). For den samme patient viser vi også et andet ekstremt tilfælde af en dag med dårlige GPS-data indsamlet (figur 9A). I dette tilfælde estimerede implementeringen af GPS-datafyldningsalgoritmen imidlertid ikke nøjagtigt alle de manglende data. Karakteristisk nok vurderede algoritmen korrekt, at deltageren for det meste var ude af deres bopæl mellem ca. 09:00 og 21:00 den dag, og at de vendte hjem i en kort periode omkring kl. 18:00, men det lykkedes ikke at fange, at deltageren også vendte hjem i en periode på ca. 90 minutter kl. ca. 13:30 (figur 9B). Ikke desto mindre blev denne begivenhed ikke savnet, da dataene om smartwatch-forbindelse med Wi-Fi-netværkssignalet også blev overvejet (figur 9C).

Endelig blev protokollen efter vellykket pilotforsøg implementeret på tværs af hele kohorten af Medea-deltagere i foråret 2020 i både Cypern og Grækenland (n = 108 astmatiske børn). Et par uger efter, at smartwatches blev distribueret til børnene, og dataindsamlingen begyndte, håndhævede sundhedsmyndighederne i Cypern og Grækenland imidlertid en række folkesundhedsinterventioner af stigende intensitet for at kontrollere COVID-19-pandemien i deres respektive lande. De folkesundhedsmæssige indgreb var oprindeligt præget af sociale distanceringsforanstaltninger og et forbud mod store offentlige begivenheder, men eskalerede hurtigt til strenge nationale lockdowns i månederne marts og april. I betragtning af de hidtil usete forstyrrelser i befolkningens daglige rutine og adfærd blev det besluttet at fortsætte med at spore placeringen og aktiviteten af astmatiske børn ved hjælp af smartwatches i løbet af lockdowns varighed for objektivt at kvantificere deres overholdelse af folkesundhedsinterventionsforanstaltningerne og generelle ændringer i fysisk aktivitet. De indsamlede data blev brugt til at beregne individuelle profiler af daglig "brøktid brugt derhjemme" og "samlede trin / dag" og blev analyseret statistisk for at vurdere ændringer i disse parametre i forhold til de eskalerende niveauer af COVID-19-nedlukningsforanstaltningerne. Tidslinjen og beskrivelsen af de eskalerende niveauer af COVID-19-nedlukningsforanstaltningerne i de to lande er præsenteret i figur 10 og er beskrevet detaljeret af Kouis et al. i en tidligere publikation¹³. Sammenfattende viste resultaterne en statistisk signifikant gennemsnitlig stigning i "brøktid brugt derhjemme" i begge lande på tværs af de stigende interventionsniveauer. Den gennemsnitlige stigning i "brøktid brugt hjemme" var lig med 41,4 % og 14,3 % (på niveau 1), 48,7 % og 23,1 % (på niveau 2) og 45,2 % og 32,0 % (på niveau 3) for henholdsvis Cypern og Grækenland. Fysisk aktivitet i Cypern og Grækenland viste betydelige gennemsnitlige fald på -2 531 og -1 191 trin pr. dag (på niveau 1), -3 638 og -2 337 trin pr. dag (på niveau 2) og -3 644 og -1 961 trin pr. dag (på niveau 3) i henholdsvis Cypern og Grækenland¹³ år. De ugentlige gennemsnit af "brøkdel af tid brugt hjemme" og "samlede skridt/dag" hos astmatiske børn før COVID-19 og under de tre niveauer af COVID-19-nedlukningsforanstaltninger vises i figur 11 13.

ERKLÆRING OM DATATILGÆNGELIGHED:
Det anonymiserede datasæt er blevet sendt til Figshare online open-access repository (https://doi.org/10.6084/m9.figshare.21601371.v3).

Tabel 1: Virkelige udfordringer identificeret i forhold til brugen af smartwatch-enheder og de anvendte løsninger. Klik her for at downloade denne tabel.

Figur 1: Aktivering af dataindsamlingsapplikationen. Skematisk diagram over processen til systematisk aktivering af dataindsamlingsapplikationen. Parallelogrammet angiver en udløser, diamanten angiver en tilstand, og rektanglet angiver en handling. Klik her for at se en større version af denne figur.

Figur 2: Aktivering af Wi-Fi-forbindelse. Skematisk diagram over processen til systematisk at aktivere Wi-Fi-forbindelse. Parallelogrammet angiver en udløser, diamanten angiver en tilstand, og rektanglet angiver en handling. Klik her for at se en større version af denne figur.

Figur 3: Optimering af batteriforbrug. Skematisk diagram over de processer, der fører til handlinger, der systematisk optimerer batteriforbruget. Parallelogrammet angiver en udløser, diamanten angiver en tilstand, og rektanglet angiver en handling. Klik her for at se en større version af denne figur.

Figur 4: Logføring af hændelsesoplysninger. Skematisk diagram over de processer, der systematisk logger hændelsesoplysninger, der er relevante for projektet. Parallelogrammet angiver en udløser, diamanten angiver en tilstand, og rektanglet angiver en handling. Klik her for at se en større version af denne figur.

Figur 5: Brugermeddelelse, hvis GPS-signalet er deaktiveret. Skematisk diagram over de processer, der systematisk kontrollerer GPS-signalstatus og giver meddelelser for at advare brugerne om problemer. Parallelogrammet angiver en udløser, diamanten angiver en tilstand, og rektanglet angiver en handling. Klik her for at se en større version af denne figur.

Figur 6: Skematisk oversigt over protokollerne. Skematisk oversigt over de underliggende identificerede udfordringer og de leverede protokoller med en illustration af de vigtigste trin i processerne. Klik her for at se en større version af denne figur.

Figur 7: Dataenes fuldstændighed før og efter protokollens gennemførelse. Datafuldstændighed for en repræsentativ gruppe af deltagere (n = 17) i en periode på 2 uger før og efter gennemførelsen af protokollen. (A) Procentdelen af tid med data før og efter protokollens gennemførelse for hver deltager separat. (B) De tilsvarende fordelinger for hele gruppen. Klik her for at se en større version af denne figur.

Figur 8: Implementering af GPS-datafyldningsalgoritmen (ekstremt tilfælde 1). (A) Eksempel på en dag med dårlige rå GPS-signaldata og (B) implementeringen af GPS-datafyldningsalgoritmen for at erstatte de manglende data med estimerede værdier. (C) Bekræftelse af indendørs og udendørs klassifikationer baseret på den Wi-Fi-modtagne signalindikator. Klik her for at se en større version af denne figur.

Figur 9: Implementering af GPS-datafyldningsalgoritme (ekstremt tilfælde 2). (A) Eksempel på en dag med dårlige rå GPS-signaldata og (B) implementeringen af GPS-datafyldningsalgoritmen for at erstatte de manglende data med estimerede værdier. (C) GPS-datafyldningsalgoritmen førte til en vis indendørs og udendørs fejlklassificering, som blev løst ved hjælp af Wi-Fi-modtaget signalindikator. Klik her for at se en større version af denne figur.

Figur 10: Tidslinje for folkesundhedsinterventioner i Cypern og Grækenland. Tidslinje for undersøgelsesoptagelserne i forbindelse med indførelsen af folkesundhedsinterventioner i (A) Cypern og (B) Grækenland i marts og april 2020.Billedet er gengivet under licens CC BY 4.0 uden ændringer fra den oprindelige undersøgelse af Kouis et al., først offentliggjort i Scientific Reports Journal¹³. Klik her for at se en større version af denne figur.

Figur 11: Ændringer i mobilitet som reaktion på folkesundhedsinterventioner blandt astmatiske børn. Ugentlige gennemsnit af den brøkdel, der tilbringes i hjemmet og skridt/dag for astmatiske børn før og under de tre niveauer af folkesundhedsinterventioner i (A) Cypern og (B) Grækenland. Billedet er gengivet under licens CC BY 4.0, uden ændringer, fra den oprindelige undersøgelse af Kouis et al., først offentliggjort i Scientific Reports Journal¹³. Klik her for at se en større version af denne figur.

Supplerende figur 1: Implementeringen af en GPS-datafyldningsalgoritme. Klik her for at downloade denne fil.

Supplerende sag 1: De makroer, der er beskrevet i denne protokol. Klik her for at downloade denne fil.

Discussion

Bærbare sensorer er nyttige værktøjer, der muliggør kontinuerlig og ikke-invasiv overvågning af sundhedsparametre og patientadfærd. Kommercielle smartwatches, der er udstyret med en række sensorer, udgør et lovende alternativ til traditionelle dataindsamlingsmetoder, og deres anvendelse i klinisk og folkesundhedsforskning forventes kun at stige som følge af øget variation og kvalitet af indbyggede sensorer, stærkere partnerskaber mellem akademikere og industri og reduktioner i detailpriserne¹⁴ . I denne undersøgelse fremhæver vi virkelige udfordringer, der kan påvirke rekruttering, brugeroverholdelse og datakvalitet i befolkningsundersøgelser og giver eksempler på enkle og omkostningseffektive løsninger til at overvinde dem i marken. Implementeringen af denne protokol under udrulningen af undersøgelsen¹³ førte til væsentligt forbedrede resultater med hensyn til datafuldstændighed og datakvalitet. De mest kritiske trin i protokollen er trin 2.2 (som sikrer systematisk aktivering af dataindsamlingsapplikationen med jævne tidsintervaller), trin 2.5 (som giver en separat log over vigtige begivenheder om smartwatch-status) og trin 5.2.8 (som tillader uafbrudt drift af smartwatch-baggrundsprocesserne).

Tidligere har flere undersøgelser behandlet gyldigheden af forbrugernes bærbare enheder til en række sundheds- og aktivitetsendepunkter, og resultaterne blev for nylig syntetiseret i en stor systematisk gennemgang og metaanalyse¹⁵. Men af de i alt 169 undersøgelser, der blev identificeret i den systematiske gennemgang, involverede kun 48 populationer i et frit levende miljø, mens kun 36 undersøgelser involverede befolkninger med nogen form for mobilitetsbegrænsning eller en kronisk sygdom. Selvom forfatterne konkluderede, at de kommercielle enheder generelt er nøjagtige til måling af trin og puls, især i laboratoriebaserede indstillinger, fremhævede de risikoen for overvurdering eller undervurdering i fritlevende miljøer, mens forskelle i anvendeligheden og gyldigheden af målinger mellem raske kontroller og kroniske patienter ikke blev undersøgt¹⁵ . Begge punkter er særligt vigtige, da et af hovedargumenterne for at skifte til digital sundhed er at muliggøre overvågning af patienter med kroniske sygdomme uden for sundhedsmiljøer¹⁶.

Ikke desto mindre har nogle tidligere undersøgelser fokuseret på og kvantificeret problemer, som deltagere og forskere støder på under udrulningen af kliniske undersøgelser i fritlevende miljøer, der involverer bærbare enheder til forbrugere,^17,18,19. I en veludført gennemførlighedsundersøgelse, der involverede et lille antal deltagere (n = 26), men observerede dem i en betydelig periode (3 måneder), rapporterede Beukenhorst et al., at patienter i gennemsnit bar uret på 73% af dagene, og at midlertidig og permanent ikke-brug steg i løbet af undersøgelsesuge¹⁷.

I en meget større gruppe rapporterede Galarnyk et al., at ud af i alt 230 personer, der blev rekrutteret i undersøgelsen og forsynet med et smartwatch, brugte kun 130 (57%) det mindst en gang og overførte med succes nogle data¹⁸. Desuden har nogle undersøgelser også fremhævet, at der i gennemførelsesfasen er behov for intensiv teknisk støtte^18,19. Karakteristisk nok rapporterede forfatterne i Parkinson@Home-undersøgelsen en datafuldstændighedsgrad på 88%, men fremhævede også, at næsten alle deltagere krævede mindst et supportopkald til enhedsfejlfinding i løbet af 3-måneders undersøgelsesperioden¹⁹. Vi rapporterede om en lignende oplevelse i vores undersøgelse¹³, selv om officielle optegnelser over fejlfinding af opkald og husbesøg ikke blev ført.

I vores undersøgelse fokuserede vi også på datakvalitetsproblemer relateret til GPS-signaler. Vi var nødt til at konstruere individuelle deltagereksponeringer i udendørs og indendørs (hjemme) mikromiljøer, en opgave kompliceret af det hyppige og vedvarende tab af signal, især i indendørs miljøer, og af denne grund udviklede vi en datafyldningsalgoritme, som foreslået i tidligere undersøgelser^20,21. Selvom algoritmen fungerede rimeligt godt, forbedrede inkluderingen af en Wi-Fi modtaget signalstyrkeindikator, som indsamlet af tasker-applikationen, algoritmens ydeevne betydeligt og minimerede stort set fejlklassificering. Nytten af denne Wi-Fi-modtagne signalstyrkeindikator er også blevet demonstreret i tidligere undersøgelser med fokus på indendørs lokalisering 22,23, og når den kombineres med GPS-målinger^, kan denne indikator give en gyldig måling af²⁴ timers individuel eksponering for udendørs og indendørs mikromiljøer.

Endelig blev den her foreslåede protokol implementeret og testet i virkelige forhold i foråret 2020 både hos børn og ældre. Selvom hver foreslået løsning er enkel og ikke kræver forudgående programmeringskendskab, behandlede alle løsningerne sammen alle de vigtigste identificerede problemer, især ved at forbedre og systematisere dataindsamlingen, reducere batteriforbruget, blokere uønskede applikationer og smartwatch-indstillinger og forbedre GPS-signalet. Processerne, som beskrevet i protokollen, blev dog kun testet med en smartwatch-enhed ved hjælp af Android version 7.1.1. Selvom det er muligt, at den direkte replikering af disse processer vil være mulig med andre Android-versioner, kan vi ikke udelukke muligheden for, at nogle justeringer kan være nødvendige, og som følge heraf kan protokollens direkte generaliserbarhed være begrænset. Derudover skal protokollen muligvis ændres for at afspejle variationer i de tekniske specifikationer for andre smartphone-enheder. For eksempel kan tidsudløseren til dataindsamling indstilles i henhold til smartwatch-enhedens batterikapacitet eller afhængigt af den tidsopløsning, der kræves for de indsamlede variabler. Ikke desto mindre, selvom anvendelsen af denne protokol på en anden smartphone-enhed eller en anden Android-version kan kræve fejlfinding og ændring af nogle af de enkelte trin, skal der generelt udføres lignende trin (eller det skal bekræftes, at visse trin ikke er påkrævet) under opsætningen af ethvert smartwatch, inden det gives til en undersøgelsesdeltager. Detaljeringsniveauet i protokollen giver mulighed for nem tilpasning af disse løsninger til enhver smartwatch-enhed. Desuden havde dette arbejde ikke til formål og var ikke oprindeligt designet til at vurdere årsagerne, der kan påvirke brugerens overholdelse af bærbare enheder under udførelsen af befolkningsundersøgelser. Fremtidige undersøgelser ved hjælp af passende værktøjer og metoder er nødvendige for yderligere at undersøge dette emne. Sådanne undersøgelser kan give den yderligere dokumentation, der er nødvendig for effektivt at forbedre de eksisterende metoder til inkorporering af bærbare enheder i forskningsundersøgelser, især under virkelige forhold.

I øjeblikket er de eksisterende metoder ret begrænsede og omfatter primært udvikling af et udvidet støttesystem (grunduddannelse, en brugervejledning, en hjælpelinje og besøg på stedet)¹⁹. Derudover fremhævede en tidligere undersøgelse, at der i digitaliserede kliniske forsøg bør forventes en betydelig frafaldsprocent, og a priori beredskabsplaner, såsom adgang til en bredere deltagerrekrutteringspulje, er påkrævet¹⁸. Inkorporeringen af de løsninger, der præsenteres i denne undersøgelse, kan supplere og mere kritisk reducere byrden på det udvidede supportsystem og samtidig øge dataenes fuldstændighed og datakvalitet. På grundlag af observationerne fra Galarnyk et al. kan det desuden yderligere sikre overholdelse og reducere^{frafaldsprocenten}, hvis man gør det så let som muligt at starte brugen af enheden. Endelig omfatter fremtidige anvendelser af nogle af disse løsninger, især brugen af enhedsautomatiseringsapplikationer, yderligere tilpasning af kommercielle enheder til støtte for mobilitet hos ældre eller hos personer med handicap 24,25^, understøttelse af tidlige varslingssystemer²⁶ og sikring af Bluetooth- og Wi-Fi-forbindelse i Internet of Bodies (IoB) applikationer²⁷.

Sammenfattende giver dette arbejde en protokol, der inkluderer enkle og omkostningseffektive løsninger på virkelige udfordringer, der påvirker rekruttering, overholdelse og datakvalitet i befolkningsundersøgelser, der anvender bærbare enheder til forbrugere. Protokollen er afhængig af frit tilgængelige softwareværktøjer og kræver ingen forudgående programmeringskendskab. Denne tilgang kan let replikeres eller tilpasses af sundhedsforskere, der arbejder med bærbare enheder inden for klinisk forskning og folkesundhed.

Materials

Name	Company	Catalog Number	Comments
APK Extractor	Meher	Version 4.21.08	Application
Charger/Adaptor with data cable	Jiangsu Chenyang Electron Co. Ltd	C-P17	Charger
Embrace application	EmbraceTech LTD	Version 1.5.4	Application
LEMFO LF25 Smartwatch	Shenzhen domino Times Technology Co. Ltd	DM368 Plus	Smartwatch
Lock App - Smart App Locker	ANUJ TENANI	Version 4.0	Application
Macrodroid-Device Automation	ArloSoft	Version 5.5.2	Application
Xiaomi Redmi 6A	Xiaomi	M1804C3CG	Smartphone