原始论文
摘要
背景:虚弱对老年家庭护理客户的健康有有害影响,并与增加住院和长期护理住院有关。家庭护理客户中体弱多病的普遍情况了解甚少,范围为4.0%至59.1%。尽管存在缺陷筛选工具,但它们在实践中的不一致使用需要更创新和更容易使用的工具。由于可穿戴设备容量的增加,以及加拿大老年人的技术素养和采用程度的提高,可穿戴设备正在成为评估这一人群虚弱程度的可行工具。
摘要目的:本研究的目的是证明使用可穿戴设备来评估老年家庭护理客户的虚弱是可能的。
方法:从2018年6月到2019年9月,我们招募了55岁及以上的家庭护理客户,使用可穿戴设备对他们进行至少8天的监测。详细的社会人口学信息和患者评估,包括共病程度和日常生活活动被收集。脆弱是用油炸脆弱指数来衡量的。从可穿戴设备收集的数据被用于推导变量,包括每日步数、总睡眠时间、深度睡眠时间、浅睡眠时间、清醒时间、睡眠质量、心率和心率标准差。使用可穿戴和传统的评估数据,通过顺序逐步特征选择拟合多个逻辑回归模型来预测衰弱。
结果:共有37位老年家庭护理客户完成了这项研究。平均年龄82.27 (SD 10.84)岁,女性占76% (28/37);13名参与者体弱多病,年龄明显较大(P<.01),使用更多的家居照顾服务(P=.01),走路更少(P= 0.04),睡眠时间更长(P= 0.01),深度睡眠时间较长(P< . 01)。总睡眠时间(r=0.41,P=.01)和深度睡眠时间(r=0.53,P<.01)与虚弱有中度相关。logistic回归模型拟合深度睡眠时间、步数、年龄和受教育程度的预测效果最好,受试者工作特征曲线值下面积为0.90 (Hosmer-LemeshowP= .88点)。
结论:我们证明了可穿戴设备可以用来评估老年家庭护理客户的虚弱程度。可穿戴数据补充了现有的评估,增强了预测能力。可穿戴技术可用于识别可能受益于额外家庭护理服务的脆弱老年人。
doi: 10.2196/19732
关键字
简介
在居住在社区的老年人中,虚弱对健康有有害影响。虚弱与较高的死亡率有关[
- ],功能障碍[ , ,住院治疗[ , ],入住长期护理设施[ ],以及在日常生活活动方面的残疾[ ].体弱多病还增加了对正式和非正式照顾者的需求,包括家庭和社区照顾服务和家庭成员[ ].最近的一项研究[ 的研究发现,护理人员负担可以根据老年患者的身体虚弱程度进行预测。由于其对健康结果的重大影响及其对卫生保健系统的负担,改进对社区老年人衰弱的筛查和监测被认为是至关重要的[ ].人们对居住在社区的老年人中普遍存在的虚弱现象知之甚少。系统检讨[
]报告其患病率介于4.0%至59.1%之间;不同的业务定义和研究中使用的工具的异质性导致了广泛的估计。然而,当排除社会或认知缺陷,仅将身体表现型虚弱的患病率相加时,患病率范围缩小至4.0%至17.0% [ ].家庭和社区卫生保健都面临需求增加的挑战,这主要是由于人口老龄化和对就地老龄化的强调[
].预期家庭及社区卫生保健服务的需求将继续上升,以努力让病人留在自己的社区,以降低卫生保健费用[ ].筛查和监测这一人群的虚弱状况可以从多个方面使家庭和社区卫生保健部门受益。有效的虚弱干预计划包括生活方式的改变,包括改善营养、增加体育活动和改善家庭环境[ ].家庭和社区卫生保健临床医生在提供和监测这种纵向干预方面具有独特的地位,这有助于成功地改变生活方式。在社区一级筛查疾病也可帮助家庭和社区卫生保健部门确定弱势群体并更有效地分配资源[ ].存在筛查社区老年人衰弱的工具,但这些工具的使用不一致,而且往往不切实际或已失效[
].可穿戴设备被认为是监测虚弱的潜在工具,一些研究研究[ - 研究了这种可能性。这些研究探索了使用研究级可穿戴设备的可行性,如ActiGraph或自主开发的可穿戴设备。这些研究为研究级可穿戴设备筛选弱点的内部构造有效性提供了证据[ ,以及不同睡眠质量参数与虚弱之间的强烈关联[ - ].近年来,消费级可穿戴设备变得更小、更便宜、更容易获得,是一种很有前途的监测衰弱的工具。 ],老年人是增长最快的可穿戴设备用户群体[ ].研究研究[ - ]已经证明了这些设备在测量步数、睡眠质量和心率方面的可靠性,与实验室和临床环境中使用的金标准测量方法相比。进一步的验证研究表明,在特定人群(包括慢性阻塞性肺疾病患者)中,消费级和医疗级设备之间存在高度一致性[ ],儿科病人[ ],加护病房的病人[ ],以及心脏康复病人[ ].认识到需要一种创新的解决方案来测量社区居住的老年人的虚弱,我们开始研究使用消费级可穿戴设备的可能性。我们检查了由家庭护理客户佩戴的可穿戴设备产生的数据,以确定与虚弱的关联。我们还旨在确定可以预测虚弱状态的关键可穿戴设备措施。研究程序,工具和统计分析被描述。然后展示研究结果,然后进行讨论,解释新发现并与现有知识进行比较。对脆弱研究研究,可穿戴设备研究研究的影响,以及在家庭和社区卫生保健部门,以及研究的局限性提出了。
方法
研究设计
为满足研究目标,我们进行了一项前瞻性观察研究。参与者被要求至少8天佩戴可穿戴设备。在研究结束时,对参与者的虚弱、日常生活活动和共病水平进行了评估。
招聘
大多伦多地区的家庭护理客户是在2018年8月至2019年9月期间通过VHA家庭保健招募的。VHA家庭保健是一家家庭护理机构,在大多伦多地区和加拿大安大略省的其他大都市地区为超过3000名客户提供服务。55岁或以上接受个人支持服务超过3个月的患者符合研究条件。被诊断为原发性神经肌肉病理、依赖轮椅、参加临终计划或有可能干扰可穿戴设备使用的认知障碍的患者被排除在外。合资格的家居护理病人是透过VHA的电子病历系统确定的。
可穿戴设备
小米Mi Band Pulse 1S(以下简称Mi Band)是一款可在手腕上佩戴的商用可穿戴设备。它使用一个三轴加速度计捕捉运动,以近似步数和睡眠事件。它配备了光学心率传感器(光电体积描记术)来测量每分钟的心率。虽然小米手环既可以戴在手腕上,也可以戴在脖子上(作为吊坠),但在研究中,它的位置仅限于手腕。小米手环在步行和慢跑时测量步数的可靠性和内部一致性已得到验证[
, ].腕带式可穿戴设备在运动过程中显示出系统性的较低心率,但小米手环的准确率最高[ ].我们收集了每天的步数、浅睡眠时间、深度睡眠时间、总睡眠时间、清醒时间、睡眠质量、平均心率和心率标准差。睡眠质量计算为睡眠时间占总睡眠时间的百分比;睡眠时间由总睡眠时间减去清醒时间[
, ].心率的单位是每分钟的跳动次数。在整个研究过程中使用了10个设备,并进行了消毒。坚持佩戴设备的时间定义为每天10小时或以上的佩戴时间[ ].弱点评估
衰弱评估采用弗里德衰弱指数,这是一种为社区老年人开发并广泛使用的工具[
].油炸虚弱指数评估表型虚弱基于5个标准:体重减轻,疲惫,迟钝,虚弱和低体力活动。该指数根据满足的标准的数量将虚弱分为3个阶段:非虚弱、前虚弱和虚弱,分别对应于0、1-2和3-5分[ ].我们将弗里德虚弱指数分为虚弱组(3分或更高)和非虚弱组(2分或更低)[ ].其他变量
通过简短的背景问卷和回顾患者的病历收集社会人口统计学变量。这些社会人口变量包括年龄、性别、体重、身高、种族、教育水平、收入和婚姻状况。采用Charlson共病指数(CCI)评估共病水平[
].用卡茨独立指数(Katz index of independence)评估日常生活活动的水平[ ].每周接受的服务小时数是通过查看患者的病历收集的。统计分析
采用描述性统计和平均值、中位数和比例的单变量比较来描述社会人口学信息和根据患者的虚弱状态进行的患者评估。教育水平被浓缩为两个级别:高中(部分或完成)和高等教育。家庭收入被分为年收入3万美元(约22,653美元)或以下的低收入者和年收入3万美元或以上的高收入者。种族分为两个级别:白种人和其他包括土著身份、拉丁美洲人、非裔美国人、南亚人、东南亚人、东亚人、菲律宾人、阿拉伯人和西亚人。
研究人员检查了可穿戴设备的数据,以确定参与者的坚持程度,并排除了佩戴时间少于10小时的天数。当设备没有良好的皮肤接触时,心率测量值为零。这些测量被视为缺失,并从分析中删除。
进行夏皮罗-威尔克检验以检查是否正常。当满足正态分布假设时,检验体弱患者和非体弱患者之间的显著差异,双尾独立t采用Mann-WhitneyU否则执行测试。类别变量采用卡方检验。当观察到显著性时,进行术后卡方检验。
皮尔逊和斯皮尔曼相关统计数据被用来检查衰弱、社会人口统计信息、患者评估和从可穿戴设备收集的数据之间的关系。
建立了多种逻辑回归模型来预测脆弱状态。采用顺序逐步特征选择方法选取拟合变量。在社会人口学和患者评估变量池中使用特征选择来确定模型1中的特征。通过对可穿戴设备数据中的变量进行特征选择,建立模型2。模型3在特征选择算法中使用了所有可用变量;选取变量建立logistic回归模型。采用Hosmer-Lemeshow检验检验各模型的拟合优度。利用受试者工作特征曲线(AUROC)下面积来评估和比较每种模型的预测性能。
统计学显著性设于α=。所有统计结果为05。使用Bonferroni方法对事后检验的显著性水平进行校正。所有统计分析均使用R studio(版本1.2.1335;R工作室公司)。使用MASS库中的函数(stepAIC,版本7.3-51.4)进行逐步特征选择[
].道德规范、同意和许可
本研究获得了滑铁卢大学研究伦理委员会办公室的伦理批准(ORE22842)。
结果
招聘
共有72名老年人回复了邮寄的招聘宣传册。研究人员联系了所有72名老年人,其中45人同意参与研究;4名参与者在8天研究结束前退出。由于技术问题造成的数据损耗导致4名参与者的数据未被包括在内。共有37位老年家庭护理客户参与了这项研究。
参与者的特征
参与者年龄57 ~ 96岁,平均年龄82.23岁(SD 10.84岁),76%(28/37)为女性(
).研究人群中虚弱的患病率为35%(13/37)。参与者平均被观察9.43天(SD 1.99)。体弱多病(平均年龄:83.92岁)的参与者年龄明显较长者(P<.001)高于非体弱多病者(平均年龄:80.61岁)。体弱的老年人与非体弱的老年人在收入水平上有显著差异(P= 03)。3个收入水平之间的事后比较显示无统计学意义(低收入:P= iseq指数;中高收入:P>.999)后,用Bonferroni法校正α水平。体弱病人每周得到的家庭护理服务时间明显多于非体弱病人(P= . 01)。由此产生的P给出了Shapiro-Wilk正态检验的值 .组间差异检验结果见 .特征 | 虚弱(n = 13) | Nonfrail (n = 24) | P价值 | |
年龄(年),平均值(SD) | 83.92 (9.66) | 80.61 (13.96) | <措施一个 | |
性别,n (%) | > .999b | |||
男性 | 3 (23) | 6 (25) | ||
女 | 10 (77) | 18 (75) | ||
BMI(公斤/米2),平均值(SD) | 26.96 (6.70) | 28.54 (5.43) | 无误c | |
诽谤联盟d平均分(SD) | 4.62 (1.45) | 5.08 (0.88) | 点一个 | |
CCIe平均分(SD) | 1.92 (1.26) | 1.25 (1.11) | 厚一个 | |
婚姻状况,n (%) | 29b | |||
单 | 1 (8) | 7 (29) | ||
离婚或分居 | 2 (15) | 5 (21) | ||
丧偶的 | 4 (31) | 7 (29) | ||
现在结婚了 | 6 (46) | 5 (21) | ||
教育,n (%) | 点b | |||
高中及以下 | 8 (62) | 7 (29) | ||
大专或以上学历 | 5 (38) | 17 (71) | ||
收入,n (%) | 03b | |||
不愿意回答 | 7 (54) | 3 (12) | 06f | |
低的收入 | 4 (31) | 13 (54) | 公布f | |
中高收入人群 | 2 (15) | 8 (33) | > .999f | |
种族,n (%) | 点b | |||
白色 | 10 (77) | 21 (88) | ||
其他 | 3 (23) | 3 (12) | ||
个人支持服务,每周数小时 | 5.15 (3.51) | 2.77 (1.85) | . 01一个 |
一个Mann-WhitneyU采用测试法。
b采用卡方检验。
c一个独立的t采用测试法。
dADL:日常生活活动;采用Katz独立指数。
eCCI: Charlson共病指数。
f采用事后卡方检验。
脆弱性和可穿戴设备数据
老年人平均每天佩戴该设备的时间为20.03(1.64)小时(
).身体虚弱的家庭护理客户报告的每日步数显著低于身体健康的客户(平均每天步数:367.11 vs. 1023.95;P= .04点)。总睡眠时间(P=.01)和深度睡眠时间(P<.01)显著长于体弱多的老年人,但在浅睡眠时间(P= .04点)。在心率测量上没有发现差异。对应的箱线图 载于 .措施 | 体弱(n=13),平均值(SD) |
非脆弱(n=24),平均值(SD) |
P价值 | |
磨损时间(每天小时) | 20.66 (1.03) | 19.69 (1.82) | 16一个 | |
每日步数 | 367.11 (272.63) | 1023.95 (863.83) | .04点一个 | |
睡眠措施 | ||||
深度睡眠时间(分钟) | 138.90 (64.00) | 75.65 (39.12) | <措施一个 | |
浅睡眠时间(分钟) | 350.88 (130.56) | 312.78 (82.32) | .35点b | |
总睡眠时间(分钟) | 489.78 (139.54) | 388.44 (93.28) | . 01一个 | |
苏醒时间(分钟) | 36.03 (24.27) | 65.05 (57.97) | 。一个 | |
睡眠质量(%) | 92.48 (5.62) | 78.95 (26.53) | 。08一个 | |
心率测量 | ||||
心率(bpm) | 82.77 (10.25) | 77.43 (8.66) | 13。b | |
心率SD(每分钟) | 22.12 (7.61) | 18.78 (4.54) | 。b |
一个Mann-WhitneyU采用测试法。
b一个独立的t采用测试法。
与虚弱相关的因素
可穿戴数据与脆弱性之间的相关性总结在
.每日步数与衰弱程度呈负相关(r= -0.52,P<措施)。所有5项睡眠指标都与虚弱适度相关。教育程度与体弱状况呈正相关(r= -0.40,P= .02点)。没有发现心率测量和虚弱状态之间的关系。脆弱 | |||
相关系数 | P价值 | ||
每日步数 | -0.52 | 措施 | |
睡眠措施 | |||
总睡眠时间 | 0.52 | 措施 | |
深度睡眠时间 | 0.47 | .003 | |
浅睡眠时间 | 0.35 | 03 | |
睡眠质量 | 0.56 | <措施 | |
醒着的时间 | -0.54 | <措施 | |
心率测量 | |||
平均心率 | 0.11 | 54 | |
心率SD | -0.25 | 16 | |
社会人口的 | |||
年龄 | 0.29 | 。08 | |
性 | 0.074 | 点 | |
身体质量指数 | -0.068 | i = | |
收入水平 | -0.066 | .74点 | |
教育水平 | -0.40 | 02 | |
病人评估 | |||
诽谤联盟一个分数 | -0.18 | 低位 | |
CCIb分数 | 0.16 | .33 | |
个人支持时间 | 0.23 | 。 |
一个ADL:日常生活活动;采用Katz独立指数。
bCCI: Charlson共病指数。
脆弱的预测
模型描述
共拟合3个多变量逻辑回归模型,以预测社会人口学变量、患者评估和可穿戴数据(
).收入被排除在特征选择方法之外,因为很多参与者拒绝回答。模型1的制定从拟合社会人口变量和患者评估开始。特征选择方法得到了一个包含CCI和教育水平的模型。模型2使用的变量仅来自可穿戴设备数据。所得模型拟合步数、深度睡眠时间、清醒时间和心率标准差。模型3使用了所有可用变量,拟合深度睡眠时间、步数、年龄和教育水平。模型 | 变量池 | 选择变量 |
模型1 | 社会人口学和患者评估变量 | CCI一个,教育水平 |
模型2 | 可穿戴设备派生的变量 | 步数,深度睡眠时间,浅睡眠时间,心率标准差 |
模型3 | 社会人口学、患者评估和可穿戴设备派生变量 | 深度睡眠时间,步数,年龄,教育程度 |
一个CCI: Charlson共病指数。
模型评价
展示了多元逻辑回归分析的结果和虚弱的预测因素。模型1显示无显著相关性。对于模型2,深度睡眠时间是虚弱的一个显著预测因子(P< . 01)。增加深度睡眠时间与增加虚弱的几率显著相关(调整后的比值比[OR] 1.02, 95% CI 1.01-1.05,P< . 01)。对于模型3,深度睡眠时间(P=.02)和年龄(P=.03)是显著的预测因子。增加深度睡眠时间与虚弱几率增加相关(调整后OR 1.03, 95% CI 1.01-1.07,P= 0.02),而年龄的增加与衰弱几率的降低相关(调整后OR 0.90, 95% CI 0.80-0.99,P= 03)。
使用Hosmer-Lemeshow统计量评估所有3个模型的拟合优度。总的来说,没有一个模型在这个测试中显示出统计显著性,表明它们具有可接受的拟合优度,预测的弱点与观察到的弱点状态匹配(
).AUROC对预测性能进行评估时,3个模型均为中高值。基于社会人口学和患者评估变量的模型1 (AUROC 0.77)的表现优于模型2 (AUROC 0.88),该模型拟合了可穿戴设备变量。模型3 (AUROC 0.90)具有最好的预测性能(
).接收机工作特性曲线如图所示 每种型号。模型和变量 |
调整或一个(95% ci) | P价值 | |||
模型1 | |||||
CCIb | 1.78 (0.95, 3.66) | .09点 | |||
教育水平——高中或以下 | 参考 | - - - - - - | |||
教育程度:大专以上学历 | 0.22 (0.04, 0.96) | 0。 | |||
模型2 | |||||
步数 | 1.00 (1.00, 1.00) | 。 | |||
深度睡眠时间 | 1.02 (1.01, 1.05) | 02 | |||
醒着的时间 | 0.97 (0.93, 1.01) | 只要 | |||
心率标准差 | 1.17 (0.99, 1.46) | .10 | |||
模型3 | |||||
深度睡眠时间 | 1.03 (1.01, 1.07) | .04点 | |||
步数 | 1.00 (1.00, 1.00) | 06 | |||
年龄 | 0.90 (0.80, 0.99) | .04点 | |||
教育水平——高中或以下 | 参考 | - - - - - - | |||
教育程度:大专以上学历 | 0.11 (0.01, 0.94) | 06 |
一个OR:比值比。
bCCI: Charlson共病指数。
模型 | 精度 | 灵敏度 | 特异性 | AUROC一个 | Hosmer-Lemeshow测试 P价值 |
模型1:社会人口学和患者评估变量 | 0.76 | 0.46 | 0.92 | 0.77 | 0.73 |
模型2:可穿戴设备派生变量 | 0.81 | 0.69 | 0.88 | 0.88 | 0.95 |
模型3:所有变量来自模型1和2 | 0.81 | 0.69 | 0.88 | 0.90 | 0.85 |
一个AUROC:接收器工作特性曲线下的面积。
讨论
主要研究结果
加拿大日益增长的老龄化人口和对就地老龄化的重视要求以创新的方式提高家庭和社区卫生保健部门的效率。由于信息和通信技术(如消费级可穿戴设备)日益普及、易于使用以及持续收集数据的潜在用途,人们对将信息和通信技术(如消费级可穿戴设备)集成到医疗保健服务中越来越感兴趣[
].本研究的目的是调查使用可穿戴设备评估和预测衰弱的可能性。我们对37位老年家庭护理客户进行了至少8天的观察。在研究样本中,虚弱的患病率为35%(13/37),与调查家庭护理客户的其他研究研究中发现的结果相似[
, ].许多研究[ , ]报告说,与老年男性相比,老年女性的虚弱患病率明显更高,但这在我们的研究样本中没有观察到。然而,另一项研究[ ,该研究对同一人群进行了调查,并没有发现性别之间有任何显著差异。总的来说,研究样本似乎合理地代表了家庭护理人口。以往的研究[ , )报告了收入、教育水平和身体虚弱之间的联系。我们的研究样本有显著不同的收入水平在两个弱势群体(P= 03)。但术后卡方分析结果无统计学意义(低收入:P= iseq指数;中高收入:P> .999)。教育程度与虚弱程度呈正相关(r= -0.40,P= .02点)。总体而言,我们的研究样本显示了虚弱人群的一般特征[ , ].我们的研究发现,与身体健康的老年人相比,体弱多病的老年人对家庭护理服务的利用率显著更高(每周平均小时数:5.15 vs 2.77;P= . 01)。不幸的是,目前的制度未能满足家庭护理客户的所有护理需求,表现为家庭护理客户的非正式护理时数增加,以及照顾者对病情更严重的家庭护理客户的困扰。[
].造成不利的健康后果和增加卫生保健利用[ ],强调有必要把家居照顾服务更好地分配给最受惠的人士。在我们的研究样本中,身体不虚弱的老年人明显比身体虚弱的老年人多走路。这一结果与先前的研究结果一致,即观察到居住在社区的体弱老年人每日步数和体力活动减少[
]和ICU病人[ ].在之前的一项研究中[ ],每日步数与衰弱显著相关。我们的研究将这一证据扩展到受控环境之外,并扩展到24小时监测期[ , ,并在一个没有监督的环境中演示了这种关系。睡眠测量包括更长的总睡眠时间、深度睡眠和浅睡眠时间;醒着的时间;睡眠质量被证明与更严重的虚弱有关。这与人们普遍认为的睡眠质量和数量随年龄增长而下降的认识相反。
].然而,在流行病学研究中,较长的睡眠时间与心脏病和全因死亡率的增加有关[ ].每晚睡眠约7小时的人死亡风险最低。 而每天睡眠超过8小时的男性患心脏病的风险增加了两倍[ ].这种关系在我们的研究样本中得到了证明,身体不虚弱的老年人和身体虚弱的老年人的总睡眠时长显著不同(P= . 01)。身体不虚弱的老年人的平均总睡眠时长为6.48小时(接近7小时),而身体虚弱的老年人的睡眠时长为8.16小时。这些发现证明了可穿戴设备比传统的睡眠质量评估提供更多的信息。在本研究中,我们使用序贯逐步特征选择方法建立逻辑回归模型。一般来说,特征选择有助于提高预测性能[
].它将模型中所需的特征数量最小化,鉴于本研究的样本量较小,这一点至关重要。虽然基于专家知识的手动特征选择可能是一个可行的替代方案,但我们的目标是通过利用经验特征选择方法最大化数据集中的脆弱性预测性能。多元逻辑回归模型的分析表明,可穿戴设备数据是预测衰弱的优于社会人口统计学信息和患者评估的信息来源。然而,使用可穿戴设备数据、社会人口学和患者评估信息的模型获得了0.90的最高AUROC。此前,一项类似的研究[ ],使用颈戴式可穿戴设备获取步数和身体活动相关变量,在区分虚弱前期组和虚弱及非虚弱组时,AUROC为0.88。另一项研究[ ]同时使用2个研究级可穿戴设备,通过步长识别3种虚弱状态的AUROC为0.86。这两项研究都是在实验室环境下进行的,因为其48小时的观察期很短。我们的研究表明,在家中使用可穿戴设备进行无监督的衰弱监测是可能的。我们的研究结果证实,可穿戴技术应该补充而不是取代现有的实践[ ].许多移动医疗和远程医疗应用程序在提供医疗服务方面取得了成功,同时提高了效率[
].一项研究[ 的研究发现,最具成本效益的远程保健方案使用了生命体征的自动监测,以减少卫生服务的使用,并促进远程随访。可穿戴设备正变得越来越便宜,能够提供与远程健康应用程序类似的用例,自动监测身体活动、睡眠和心率。随着心电图、血糖水平、氧饱和度和真皮电活性等传感器技术的进步,从可穿戴设备收集的信息范围也在不断扩大。当与校准良好的算法相结合,能够早期发现健康状况恶化(如虚弱),可以进一步节省成本。可穿戴设备在为家庭护理客户和社区居住的老年人评估衰弱方面的附加价值应仔细评估其在现实生活环境中的可行性。每个家庭或社区卫生保健系统都是独特的,包括但不限于其目标人口、地理区域和资金结构。未来的研究应该在评估可穿戴设备的临床价值和成本节约时考虑这些因素。未来的研究应该证实来自可穿戴设备的数据的预测能力,并将其扩展到家庭和社区护理部门之外。我们的结果表明,当使用适当的分析过程时,可穿戴设备是一个有效的工具。我们建议,未来的家庭护理研究应利用消费级可穿戴设备的潜力,帮助确定可能从额外的家庭护理服务和更多的卫生保健获取中受益的脆弱和脆弱群体。
限制
我们的研究有几个局限性。首先,小规模的研究样本使我们无法将患者分为非体弱、前期体弱和体弱组。第三种脆弱状态可以帮助我们演示可穿戴数据的梯度测量。小的样本量也限制了可以用于开发多个逻辑回归模型的变量的数量。3个logistic回归模型各拟合2 ~ 4个特征。它们超过了1 / 10的一般规则,这可能增加了过拟合的风险[
].由于样本量小,无法将我们的数据划分为训练集和测试集。结果,报告的预测表现高估了将在不同的老年人样本中发现的表现。由于样本量小,在解释Hosmer-Lemeshow检验结果时应进一步谨慎。我们的研究采用了8天的观察期。虽然这比大多数使用可穿戴设备的其他研究的观察周期更长,但可能需要更长的观察周期来揭示在8天内无法观察到的新模式,如工作日与周末和季节差异。最后,检验小米手环的验证研究[
, ]在较年轻的参与者中进行,限制了其在本研究中对老年人的普遍性。结论
在这项研究中,我们证明了使用手腕佩戴的消费级可穿戴设备来评估老年家庭护理客户的虚弱的概念。从可穿戴设备收集的数据,如总睡眠时间和深度睡眠时间,与虚弱有关。与仅使用社会人口学和评估变量或仅使用可穿戴设备衍生变量的其他预测模型相比,基于可穿戴设备、社会人口学变量和患者评估变量的衰弱预测模型获得了最高的AUROC,为0.90。
致谢
这项工作得到了AGE-WELL卓越中心网络(WP7.3)的核心研究项目补助金的支持。
利益冲突
没有宣布。
所有连续变量的Shapiro-Wilk正态检验结果。
DOCX文件,15 KB
体弱多病和非体弱多病患者之间比较的基本社会人口学和患者特征的T检验统计数据和卡方检验统计数据(n=37)。
DOCX文件,17 KB
可穿戴设备数据的箱线图,比较体弱和非体弱参与者。
DOCX文件,181 KB参考文献
- Fried LP, Tangen CM, Walston J, Newman AB, Hirsch C, Gottdiener J,等。老年人的虚弱:表现型的证据。中华老年生物学与医学杂志2001年3月56(3):M146-M156。[Medline]
- Shamliyan T, Talley KMC, Ramakrishnan R, Kane RL。虚弱与生存的关系:一项系统的文献综述。2013年3月12日(2):719-736。[CrossRef] [Medline]
- Campitelli MA, Bronskill SE, Hogan DB, Diong C, Amuah JE, Gill S,等。以人口为基础的老年家庭护理队列中虚弱的患病率和健康后果:不同测量方法的比较BMC Geriatr 2016 july 07; 16:33 [免费全文] [CrossRef] [Medline]
- Vermeulen J, Neyens JCL, van RE, Spreeuwenberg MD, de WLP。利用身体虚弱指标预测社区居住老年人的ADL残疾:一项系统综述。BMC Geriatr 2011 july;11:33 [免费全文] [CrossRef] [Medline]
- Fried LP, Ferrucci L, Darer J, Williamson JD, Anderson G.理清残疾、虚弱和共病的概念:改善目标和护理的意义。中华老年生物学与医学杂志2004年3月59(3):255-263。[Medline]
- 辛哈M.照料者画像,2012。加拿大统计局目录号。89 - 652 - X。渥太华:加拿大统计局;2013年9月https://www150.statcan.gc.ca/n1/pub/89-652-x/89-652-x2013001-eng.pdf[访问2018-06-13][WebCite缓存]
- Ringer TJ, Hazzan AA, Kennedy CC, Karampatos S, Patterson C, Marr S,等。在社区环境中,非正式照护者的身体虚弱与主观负担独立相关:一项横断面研究。BMC Geriatr 2016年11月17日;16(1):186 [免费全文] [CrossRef] [Medline]
- 穆斯德雷,Andrew MK, Bagshaw SM, stabrooks C, Hogan D, Holroyd-Leduc J,等。加拿大卫生保健系统的弱点筛查:行动的时刻。可以。J.老化2016年5月23日;35(3):281-297。[CrossRef]
- 科拉德RM,博特H,舍弗斯RA,奥德VRC。在社区居住的老年人中虚弱的流行:一项系统回顾。J Am Geriatr social 2012 Aug;60(8):1487-1492。[CrossRef] [Medline]
- 家庭卫生保健及相关服务,2017年。加拿大统计局目录号。11 - 001 x。渥太华:加拿大统计局;2019年31日。URL:https://www150.statcan.gc.ca/n1/en/daily-quotidien/190731/dq190731c-eng.pdf?st=siWEGqn7[2020-05-05]访问
- 通过信息通信技术整合加拿大家庭护理:最终报告。加拿大家庭护理协会。渥太华:加拿大家庭护理协会;2008年3月https://cdnhomecare.ca/wp-content/uploads/2020/03/Information-Technology-in-Home-Care-March-2008-English.pdf[2019-04-21]访问
- 普特斯,图巴斯S,安德鲁MK,阿什MC, Ploeg J,阿特金森E,等。预防或降低社区老年人虚弱水平的干预措施:文献和国际政策的范围回顾2017年5月01;46(3):383-392 [免费全文] [CrossRef] [Medline]
- Maxwell CJ, Campitelli MA, Diong C, Mondor L, Hogan DB, Amuah JE,等。在家庭护理客户中与虚弱相关的健康结果的变化:护理人员痛苦和客户性的相关性。BMC Geriatr 2018年9月12日;18(1):211 [免费全文] [CrossRef] [Medline]
- Dwyer JT, Gahche JJ, Weiler M, Arensberg MB。筛查社区生活老年人的蛋白质、能量营养不良和虚弱:最新进展和下一步。社区卫生杂志2019年9月30日;45(3):640-660。[CrossRef]
- Rumer KK, Saraswathula A, Melcher ML.我们最虚弱的外科病人的预适应。器官移植研究进展2016;21(2):188-193。[CrossRef]
- Razjouyan J, Naik A, Horstman M, Kunik M, Amirmazaheri M, Zhou H,等。可穿戴传感器和脆弱老年人衰弱评估:一项观察性队列研究。传感器2018年4月26日;18(5):1336。[CrossRef]
- Mohler MJ, Wendel CS, Taylor-Piliae RE, Toosizadeh N, Najafi B.运动表现和身体活动作为社区居住老年人衰弱程度预期跌倒的预测因子:可穿戴技术的应用老年医学2016年4月30日;62(6):654-664。[CrossRef]
- Parvaneh S, Mohler J, Toosizadeh N, Grewal GS, Najafi B.日常生活活动中的姿势转换可以识别虚弱状态:应用可穿戴技术识别无监督状态下的虚弱。老年医学2017年3月11日;63(5):479-487。[CrossRef]
- 陈s, Honda T,陈t, Narazaki K, Haeuchi Y, Supartini A,等。在日本西部郊区社区,通过客观测量的体育活动筛选虚弱表型:来自笹久里Genkimon研究的证据。BMC Geriatr 2015 Apr 02;15:36 [免费全文] [CrossRef] [Medline]
- Nóbrega PVDN, Maciel ACC, de Almeida Holanda CM, Oliveira Guerra R, Araújo JF。长期住院机构老年人的睡眠和虚弱综合征:一项横断面研究。Geriatr Gerontol Int 2014 july;14(3):605-612。[CrossRef] [Medline]
- Ensrud KE, Blackwell TL, Redline S, Ancoli-Israel S, Paudel ML, Cawthon PM,男性骨质疏松性骨折研究组。老年社区男性的睡眠障碍和虚弱状况。J Am Geriatr Soc 2009年11月;57(11):2085-2093 [免费全文] [CrossRef] [Medline]
- Vaz Fragoso CA, Gahbauer EA, Van Ness PH, Gill TM。社区老年人的睡眠-觉醒障碍和虚弱。J Am Geriatr Soc 2009 11月;57(11):2094-2100 [免费全文] [CrossRef] [Medline]
- Baig MM, Afifi S, GholamHosseini H, Mirza F.老年人可穿戴传感器和物联网监测应用的系统综述——关注老龄化人口和独立生活。J Med Syst 2019 6月15日;43(8):233。[CrossRef] [Medline]
- 美国老年人推动可穿戴互联网的增长。eMarketer。2018年12月13日。URL:https://www.emarketer.com/content/older-americans-drive-growth-of-wearables[2019-10-11]访问
- Evenson KR, Goto MM, Furberg RD.消费者可穿戴活动追踪器的有效性和可靠性的系统综述。国际行为物理法2015;12(1):159 [免费全文] [CrossRef] [Medline]
- Shcherbina A, Mattsson CM, Waggott D, Salisbury H, Christle JW, Hastie T,等。不同队列佩戴腕带,基于传感器测量心率和能量消耗的准确性。J Pers Med 2017 5月24日;7(2):3 [免费全文] [CrossRef] [Medline]
- 王锐,Blackburn G, Desai M, Phelan D, gillovv L, Houghtaling P,等。腕戴式心率监测器的准确性。JAMA Cardiol 2016年10月12日104-106。[CrossRef] [Medline]
- Vooijs M, Alpay LL, Snoeck-Stroband JB, Beerthuizen T, Siemonsma PC, Abbink JJ,等。基于互联网的慢性阻塞性肺疾病患者身体活动自我监测的低成本加速计的有效性和可用性。互动医学杂志2014;3(4):e14 [免费全文] [CrossRef] [Medline]
- Voss C, Gardner RF, Dean P, Harris K.商业活动追踪器在先天性心脏病儿童中的有效性。Can J Cardiol 2017 Jun;33(6):799-805。[CrossRef] [Medline]
- Kroll RR, Boyd JG, Maslove DM.腕戴式可穿戴设备监测住院患者心率的准确性:一项前瞻性观察性研究。J Med Internet Res 2016年9月20日;18(9):e253 [免费全文] [CrossRef] [Medline]
- Alharbi M, Bauman A, Neubeck L, Gallagher R.在社区III期心脏康复人群中,Fitbit-Flex作为自由生活身体活动测量的有效性。2016年9月23日(14):1476-1485。[CrossRef] [Medline]
- 李志刚,李志刚,李志刚。不同价格的健身追踪器测量步数和心率的可靠性:一项初步研究。《中欧体育科学与医学杂志》2018;24:57-64。[CrossRef]
- 刘山。米手环可穿戴设备测量步数和心率的有效性和可靠性。国际运动科学2020;13(4):689-701 [免费全文] [Medline]
- Kroll RR, McKenzie ED, Boyd JG, Sheth P, Howes D, Wood M,医院住院患者可穿戴信息技术(wear - in)研究组。可穿戴设备用于ICU患者出院后监测的可行性研究。J重症监护2017;5:64 [免费全文] [CrossRef] [Medline]
- Duncan MJ, Vandelanotte C, Trost SG, Rebar AL, Rogers N, Burton NW,等。平衡:一项随机试验,研究了基于应用程序的多行为干预的两种自我监测方法的有效性,以改善成年人的身体活动、坐姿和睡眠。BMC公共卫生2016年12月30日;16:67 [免费全文] [CrossRef] [Medline]
- Tudor-Locke C, Barreira TV, Schuna JM, Mire EF, Chaput J, Fogelholm M, ISCOLE研究集团。在儿童肥胖、生活方式和环境国际研究(ISCOLE)中,提高穿着时间与24小时腰磨损加速计协议的一致性。Int J Behav Nutr Phys Act 2015年2月11日;12:11 [免费全文] [CrossRef] [Medline]
- 卡茨,张lc,僧伽O,福赛尔AH,贝茨DW。共病是否可以通过问卷调查而不是病历审查来衡量?医疗保健1996 Jan;34(1):73-84。[CrossRef] [Medline]
- 卡茨S,唐斯TD,卡什HR,格罗兹RC。ADL指标的研究进展。老年病学家1970;10(1):20 - 30。[Medline]
- Venables W, Ripley B.现代应用统计学与S,第4版。纽约:Springer-Verlag;2002.
- 国家信息委员会。2020年个人健康和保健。数字健康。2014年11月https://www.digitalhealth.net/includes/images/news0254/PDF/0172_NHS_England_NIB_Report_WITH_ADDITIONAL_MATERIAL_S8.pdf[已访问2018-10-17][WebCite缓存]
- Kelly S, O'Brien I, Smuts K, O'Sullivan M, Warters a .接受低水平家庭支持的社区老年人中虚弱的患病率:北都柏林队列的横断面分析。BMC Geriatr 2017 Jun 07;17(1):121 [免费全文] [CrossRef] [Medline]
- Avila-Funes JA, Helmer C, Amieva H, barber - gateau P, Le Goff M, Ritchie K,等。法国居住在社区的老年人的虚弱:三个城市的研究。中国老年医学杂志2008年10月;63(10):1089-1096 [免费全文] [CrossRef] [Medline]
- 圣约翰PD,蒙哥马利PR,泰亚斯SL。社会地位与脆弱。《老年医学杂志》2013年9月32(3):250-259。[CrossRef] [Medline]
- Cavanaugh JT, Coleman KL, Gaines JM, Laing L, Morey MC.使用阶梯活动监测来表征社区居住老年人的流动活动。中国老年医学杂志2007年1月;55(1):120-124。[CrossRef] [Medline]
- McNelly AS, Rawal J, Shrikrishna D, Hopkinson NS, Moxham J, Harridge SD,等。危重症幸存者长期预后指标的探索性研究:构建身体活动、虚弱和健康相关生活质量指标的效度。Crit Care Med 2016 Jun;44(6):e362-e369。[CrossRef] [Medline]
- Theou O, Jakobi JM, Vandervoort AA, Jones GR.身体活动(PA)评估工具在不同虚弱水平之间的比较。中华老年医学杂志2012;54(3):e307-e314。[CrossRef] [Medline]
- Cook DJ, Thompson JE, Prinsen SK, Dearani JA, Deschamps C.老年人大手术后功能恢复:使用无线技术评估活动能力恢复。Ann Thorac外科2013年9月96(3):1057-1061。[CrossRef] [Medline]
- Schwenk M, Mohler J, Wendel C, D'Huyvetter K, Fain M, Taylor-Piliae R,等。基于可穿戴传感器的居家步态、平衡和身体活动评估以鉴别虚弱状态:亚利桑那虚弱队列研究的基线结果老年医学2015;61(3):258-267 [免费全文] [CrossRef] [Medline]
- Espiritu JRD。与年龄相关的睡眠变化。老年医学临床2008年2月24(1):1-14。[CrossRef]
- 睡眠时间与死亡率:一项系统综述和荟萃分析。J Sleep Res 2009 Jun;18(2):148-158 [免费全文] [CrossRef] [Medline]
- Tamakoshi A, Ohno Y, JACC研究组。自我报告的睡眠时间作为全因死亡率的预测因子:来自日本JACC研究的结果。睡眠2004 Feb 01;27(1):51-54。[Medline]
- 睡眠超过8小时——地中海人群死亡率增加的标志:随访人群研究。Croat Med J 2003 Apr;44(2):193-198 [免费全文] [Medline]
- Kassambara A.机器学习要领:R.实用指南电子书:STHDA;2008.
- 法萨诺A,曼奇尼M.基于可穿戴设备的移动监测:前路漫漫。Lancet Neurol 2020 5月;19(5):378-379。[CrossRef] [Medline]
- iribald SJ, Cato K, Falzon L, Stone PW。移动健康的经济证据是什么?移动医疗解决方案的经济评价系统综述。PLoS One 2017 Feb;12(2):e0170581 [免费全文] [CrossRef] [Medline]
- Barlow J, Singh D, Bayer S, Curry R.家庭远程护理对体弱多病的老年人和那些有长期条件的人的好处的系统回顾。J Telemed Telecare 2016 Jun 23;13(4):172-179。[CrossRef]
- Peduzzi P, Concato J, Kemper E, Holford TR, Feinstein AR. logistic回归分析中每个变量事件数的模拟研究。临床流行病学杂志1996 12月;49(12):1373-1379。[Medline]
缩写
AUROC:接收器工作特性曲线下的面积 |
CCI:Charlson共病指数 |
G·埃森巴赫编辑;提交30.04.20;S Tedesco, M Bardus的同行评议;对作者25.05.20的评论;修订版收到04.07.20;接受14.07.20;发表03.09.20
版权©Ben Kim, Sandra M McKay, Joon Lee。最初发表于《医学互联网研究杂志》(//www.mybigtv.com), 2020年9月3日。
这是一篇开放获取的文章,根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)发布,该协议允许在任何媒体上不受限制地使用、分发和复制,前提是要正确引用最初发表在《医学互联网研究杂志》上的原始作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物链接,以及版权和许可信息。