שימוש רציף נתונים טכנולוגיית מעקב לחקר פעילות גופנית דבקות בשיקום ריאתי

Summary

שיקום ריאתי זוכה להכרה רחבה בניהול של מחלות בדרכי הנשימה. רכיב מפתח לשיקום ריאתי מוצלח הוא דבקות באימון גופני המומלץ. מטרתו של הפרוטוקול הנוכחי היא לתאר כיצד טכנולוגיית מעקב רציפה על נתונים יכול לשמש למדידת עמידה בעצימות אימון אירובית נקבעו במדויק.

Abstract

שיקום ריאתי (PR) הוא מרכיב חשוב בניהול מחלות בדרכי הנשימה. האפקטיביות של יחסי הציבור תלוי בדבקות למימוש המלצות אימונים. המחקר של דבקות פעילות גופנית הוא אפוא צעד מפתח לקראת אופטימיזציה של תוכניות יחסי ציבור. נכון להיום, בעיקר באמצעים עקיפים, כגון שיעורי השתתפות, השלמת, ונוכחות, היו בשימוש כדי לקבוע עמידה ביחסי הציבור. מטרתו של הפרוטוקול הנוכחי היא לתאר כיצד טכנולוגיית מעקב רציפה על נתונים יכול לשמש למדידת עמידה בעצימות אימון אירובית נקבעו על בסיס שני אחר שני.

בחקירות שלנו, היצמדות הוגדרה כזמן אחוזים בילה בתוך טווח קצב לב יעד שצוין. ככזה, באמצעות שילוב של חומרה ותוכנה, קצב לב נמדד, במעקב, ונרשם במהלך רכיבה על אופניים שני אחר שני לכל משתתף, לכל אימון. שימוש בתוכנה סטטיסטית, tהוא נתונים מופק לאחר מכן ונותח. אותו הפרוטוקול יכול להיות מיושם על מנת לקבוע עמידה במדדים אחרים של עצימות אימון, כגון זמן בילו בהספק, ברמה מסוימת, או מהירות על ergometer מחזור. יתר על כן, החומרה והתוכנה זמינה גם למדידת עמידה במצבים אחרים של אימון, כגון הליכון, אליפטי, צעד, וergometer זרוע. הפרוטוקול הנוכחי, ולכן, יש תחולה רחבה כדי למדוד ישירות דבקות בפעילות גופנית אירובית.

Introduction

שיקום ריאתי (PR) משלב אימון גופני, חינוך מטופל וסיוע נפשי, וזוכה להכרה רחבה כמו אבן פינה בניהול של מחלת ריאות ^1-5. המטרות של יחסי הציבור הן להפחית את הסימפטומים, לייעל את המצב תפקודי, לשפר את האיכות הקשורים להבריאות של חיים, ולהפחית את עלויות בריאות ^4,5. במטה אנליזה של 31 במחקרים אקראיים מבוקרים במחלת ריאות חסימתית כרונית (COPD), יחסי הציבור הוצג כדי לשפר באופן משמעותי את היכולת הגופנית, הפחתת קוצר נשימה ועייפות, לשפר את התפקוד רגשי ולהגביר את תחושת שליטה על מצבם ⁶ של חולים. יתר על כן, ראיות מתעדת את יעילותה בהפחתת החמרות נשימה ⁷ וימים בילו בבית החולים ^8-13. אימון פעילות גופני נחשב המפתח ליחסי ציבור מוצלח שכן הוא אחראי לחלק גדול מהיתרונות הקשורים להתערבות זו ^3-5. עם זאת, בעיה רצינית עבור כמהחולים הוא הקפדה על הכמות או רמה המומלצת של פעילות גופנית. Nonadherence לטיפול מומלץ עלול לגרום לכישלון של התערבויות טיפוליות, כמו גם ניצול לא יעיל של משאבי בריאות ^14.

על פי ארגון הבריאות העולמי, המונח'' דבקות'' מתייחס לאשר להתנהגותו של אדם עולה בקנה אחד עם המלצות שניתנו על ידי שירותי בריאות מקצועי ¹⁵ מידה. נכון להיום, היצמדות לאימון בהגדרות שיקום כבר העריכה במידה רבה כמו גם את שיעור ההשתתפות (כלומר. רישום לתכנית), שיעור ההשלמה (כלומר סיימתי את התכנית), או שיעור ההשתתפות (מספר כלומר של פעילות גופנית מפגשים השתתפו) ^16-18. נכון לעכשיו, אין "תקן זהב" קיים למדידת עמידה ¹⁵ ושיטות הנוכחיות אינו מאפשר דיוק רב. יתר על כן, בהתאם לmetho נבחרד, שיעורי היצמדות ליחסי הציבור הראו ^16-19 שונות גדול. לדוגמא, הוג et al. ¹⁶ דבקות נמדדה בחולי COPD כיחס בין מי שסיים את התכנית לאלה המכונה ומצאו היענות נמוכה של כ 40%. עם זאת, מחקרי יחסי ציבור אחרים שהשתמשו בשיעורי למידה הפגינו, בממוצע, דבקות 90% ^10,20,21. חוסר הומוגניות בחישוב הדבקות מקשה להשוות את התוצאות בין מחקרים. חשש נוסף הוא חוסר הדיוק בשיטות החישוב הקיים; אין נוכחות לאימון תרגיל להבטיח עמידה בעצמה שנקבעה. פער במידע זה הוביל אותנו לחקור כיצד דבקות יכולה להיות מחושבת באופן מדויק יותר.

ההתקדמות שחלה באחרונה בטכנולוגית ציוד כושר אפשרה למעקב רציף על נתונים, שניתן להשתמש בם כדי לעקוב אחר עמידה בעצימות אימון אירובית נקבעו במהלך individuאימונים אל בהקשר יחסי ציבור. היתרים באופן ספציפי יותר, חומרת מעקב נתונים ותוכנה להקלטה שנייה אחר השני של משך זמן, מהירות, רמה, חלשות, קצב, קצב לב, מרחק, קלוריות, VO _2, מטס, וקלוריות, ומספק ממוצעים של כל המשתנים עם למעט רמה וVO _2. היתרון העיקרי של טכנולוגיה זו הוא היכולת להקליט צעדים מפורטים רציפים, המאפשרים חישוב המדויק של דבקות בתרגיל שנקבע לעומת שיעורי למידה או השלמה כלליים דווחו בעבר. הליך זה יכול להיות בעל ערך עבור כל מחקר שבחן את ההשפעה של תוכניות הכשרת פעילות אירובית אחד או כמה. בעזרת טכנולוגיה זו, היצמדות מטופל לעצמה שנקבעה ניתן להעריך על ידי אחוזים הזמן בילה בהספק שצוין, ברמה, מהירות, או בקצב לב בשלב הכשרתו של כל מפגש. לחקירות שלנו, היצמדות לפרוטוקול אימון תרגיל הוגדרה כאחוזיםזמן מושקע בטווח קצב לב יעד שצוין. מאז תגובת קצב לב בעומס עבודת submaximal נתון פוחתת עם עלייה בכושר לב ונשימה, גישה זו מבטיחה כי חולים יישארו באותו יחסית (לעומת מוחלט) עצימות אימון במהלך התכנית. הפרוטוקול הנוכחי מתאר בפירוט כיצד טכנולוגיית מעקב רציפה על נתונים יכול לשמש למדידת עמידה בטווח קצב לב היעד שנקבע בדיוק.

Protocol

ברגע שנתונים שנאספו, קובץ יחיד לכל נושא בכל הפעלה של נתונים גולמיים מתקבל. שימוש בתוכנה סטטיסטית, כל הפגישות בנושא משולבות לתוך קובץ אחד. בהמשך לכך, עוצמת היעד חייבת להיות מחושב לכל נושא. שיעור הדבקות שעוצמת היעד אז יכול להיות מחושב בכל הפעלה לכל נושא, לכל פגישה לכל הנושאים גם יחד, או לכל קבוצה.

1. איסוף נתונים (שבוצע על ידי אנשי פיקוח על האימון)

1. למזער את ההפרעות חשמליות על ידי כיבוי מכשירים סלולריים (טלפונים סלולריים למשל, Wi-Fi, וכו '.) ולמזער crosstalk ידי הבטחת צגי קצב לב והציוד הם מטר לפחות 1 לגזרים. עיין באיור 1 עבור מיקום של משדר קצב לב.
2. הפעל את תוכנת מעקב נתונים. לחץ על התחל על הציוד האירובי ולאמן את המשתתף בעצמת היעד. לדוגמא, במחקרים שלנו, משתתפיםמכנסיים מתבקשים להכשיר בתוך ± 5 פעימות / דקה בקצב לב היעד שלהם. עיין באיור 2 לCardioMemory.
3. איסוף הנתונים שני אחר שני לכל משתתף לכל מפגש שיקום. הנתונים שנאספו כוללים את המרכיבים הבאים: זיהוי נושא, משך (hhmmss), רמת האינטנסיביות (1-30), עומס עבודה (ואט), מהירות דיווש (סיבובים / דקה), מרחק (קילומטר), קצב (mm: ss / קילומטר), קצב לב (פעימות / דקה), צריכת חמצן המשוערת (VO _2, מיליליטר / דקה / קילוגרם), שווה ערך חילוף חומרים של מאמץ הפיזי (מטס), הוצאה המשוערת אנרגיה (קלוריות / שעה), והערכה הוא אנרגיה הנצרכת (קלוריות). ראה איור 3.
4. עצור לחץ על הציוד האירובי. לחץ על "שמור" כדי להעלות את הנתונים לCardioMemory. לחץ על "יצוא" כדי לשמור את המסמך מחוץ לCardioMemory. המסמך יהיה ב. פורמט CVS ויכלול באופן אוטומטי את התאריך של הפגישה.

2. הפקת נתונים

Cתוכנת ardioMemory אינה מאפשרת את ההבחנה של שלבי אימון אימון שונים. ככזה, נתונים המתקבלים חייבים להיות מיוצאים לתוכנה סטטיסטית כדי לחסל את השלבים שאינם בעלי עניין (למשל חימום מגניב למטה), למזג את קבצי הנתונים, ולהשוות את השיג נגד עצמת היעד.

1. תוכנת ניתוח סטטיסטי פתוחה ליבוא קובץ Excel. נוהל: קובץ פתוח נתונים בחלון "Open Data", בחר באפשרות All Files בתפריט הנפתח של "קבצים מסוגים" בחר Excel. קובץ xls Open באישור החלון לחץ "פתיחת Excel מקור נתונים".
2. שמור את קובץ הנתונים בתוכנה לניתוח סטטיסטי. ראה איור 4 למסד נתונים לדוגמה.
3. לחסל את שלבי nontraining, כלומר חימום מגניב למטה, אם הריבית היא המשך זמן בעצימות היעד בשלב האימונים.
   1. לחסל את שלב חימום (לדוגמא ראשונה 10 דקות):
      1. כדי לקודד מחדש את משך זמן, ליצור משתנים לזהות כל שנייה כמו 1. הליך: המרה לקודד מחדש למשתנים שונים ... בwindo "Recode למשתנים שונים"w, בחר Duration_A לחץ על חץ זהה את "שם פלט משתנה" (למשל טמפו) לשנות לחץ על התנ"ך וערכים חדשים תחת "קודם ערך", ערך בחר: והזן 0 על פי "ערך החדש", ערך בחר: והזן 0 להוסיף o: תוכן width = ".2 ב" רוחב src =" / files/ftp_upload/50643/arrow.jpg "=" 20px "> תחת /" קודם ערך ", בחר כל הערכים אחרים ואז ללחוץ על ערך:, תחת" חדש ערך "והזן 1 להוסיף להמשיך על אישור.
         • Recode Duration_A (0 = 0) (ELSE = 1) לטמפו.
         • ביצוע.
      2. יצירה משתנה זמני שני. הליך: המרה ערכי Shift קצב בחר"Width =" iles/ftp_upload/50643/arrow.jpg 20px "/> לחץ על חץ תחת "שם:" משתנה זמני מהסוג (. למשל tempo2) לשנות על אישור.
         • SHIFT ערכים משתנה = תוצאת טמפו = LAG Tempo2 = 1.
      3. כדי להתחיל tempo2 ב 0, זה חייב להיות סימול חוזר. הליך: המרה לקודד מחדש לאותם משתנים בחר tempo2 לחץ על חץ גובה גרם = "חץ" עבור: תוכן width = ".2 ב" רוחב src =" / files/ftp_upload/50643/arrow.jpg "=" 20px "/> לחץ ישן וערכים חדשים תחת "קודם ערך", בחר System-חסר על פי "ערך החדש", בחר ערך: והזן 0 להוסיף להמשיך על אישור.
         • Recode Tempo2 (SYSMIS = 0).
         • ביצוע.
      4. סיכום שניות מתחילה מאפס. הליך: המרה/ "Width =" 50643/arrow.jpg 20px "/> מחשוב משתנה תחת "משתנה יעד:" הקצב מהסוג תחת "מספרי ביטוי" סוג פיגור (טמפו) +1 אם ... בחרו כלול אם מצב מקרה עונה: הקלד tempo2> 0 להמשיך על אישור.
         • IF (Tempo2> 0) = ל"ג בטמפו (טמפו) + 1.
         • ביצוע.
      5. לחסל הראשונות 10 דקות של חימום, להסיר נתונים הקצב שמקדימים 599 שניות. נוהל: נתונים בחר מקרים ... בחלון "בחרו תיקים", תחת "בחר", לבחור "אם המצב הוא מרוצה" אם ... ב" בחר מקרים: אם "חלון, הקצב משוואה להוסיף> 599 להמשיך תחת"פלט", בחר מחיקת מקרים שלא נבחרו על אישור. ראה איור 5.
         • לסנן את.
         • להשתמש בכל.
         • בחר אם (קצב> 599).
         • ביצוע.
   2. לחסל מגניב למטה שלב (5 למשל דקות האחרונות.):
      1. מיון נתונים בסדר יורד לDuration_A להביא מגניב למטה שלב לחלקו העליון של האתר, כמו SPSS מסיר נתונים מהחלק העליון של הקובץ ואילך. נוהל: נתונים ארונות מיון בחלון "מקרי מיון", בחר Duration_A לחץrrow בתפריט "סדר מיון", בחר יורד על אישור.
         • מארזים מיינו לפי Duration_A (ד ').
      2. לקודד מחדש Duration_A לזהות כל שנייה כמו 1. הליך: המרה לקודד מחדש לתוך משתנים שונים ... בחלון "Recode למשתנים שונים", בחר Duration_A לחץ על חץ זהה את "פלט שם משתנה "(למשל. TempoA) לשנות לחץ ישן וערכים חדשים תחת "קודם ערך", ערך בחר: והזן 0 על פי "ערך החדש", בחר ערך: והזן 0 להוסיף בחר כל הערכים אחרים תחת "קודם ערך", ולאחר מכן לחץ על ערך: תחת "ערך החדש" והזן 1ad/50643/arrow.jpg "width =" 20px "/> הוסף להמשיך על אישור.
         • Recode Duration_A (0 = 0) (ELSE = 1) לתוך TempoA.
         • ביצוע.
      3. יצירה משתנה זמני שני. הליך: המרה ערכי Shift בחר tempoA לחץ על חץ תחת "שם:" משתנה זמני מהסוג (. למשל tempoA2) שינוי" 20px " על אישור.
         • SHIFT ערכים המשתנה = תוצאת TempoA = LAG TempoA2 = 1.
      4. כדי להתחיל tempoA2 ב 0, זה חייב להיות סימול חוזר. הליך: המרה לקודד מחדש לאותם משתנים בחר tempoA2 לחץ על חץ לחץ ישן וערכים חדשים תחת "קודם ערך", בחר System-M issing על פי "ערך החדש", בחר ערך: והזן 0 להוסיף להמשיך על אישור.
         • Recode TempoA2 (SYSMIS = 0).
         • ביצוע.
      5. לסכם את שניות של המשתנה tempoA. הליך: המרה חישוב משתנה תחת "משתנה יעד:" tempoA הסוג "Width =" 50643/arrow.jpg 20px "> תחת /" מספרי ביטוי "סוג פיגור (tempoA) +1 אם ... בחרו כלול אם מצב מקרה עונה: tempoA2 סוג> 0 להמשיך על אישור.
         • IF (TempoA2> 0) TempoA = ל"ג (tempoA) + 1.
         • ביצוע.
      6. לחסל את השלב מגניב למטה (כלומר 5 דקות), להסיר נתונים הקצב שמקדימים 299 שניות. נוהל: נתונים"Width =" pg 20px "/> מקרים בחרו ... בחלון "בחרו תיקים", תחת "בחר", לבחור "אם המצב הוא מרוצה" אם ... "במקרים בחרו: אם" חלון, הכנס משוואה tempoA> 299 להמשיך תחת "פלט", בחר מחיקת מקרים שלא נבחרו על אישור. ראה איור 6.
         • לסנן את.
         • להשתמש בכל.
         • בחר אם (tempoA> 299).
         • ביצוע.
   3. זהה את מספר המושב (או תאריך) הקשורים לבסיס הנתונים. צור ושם משתנה חדש (למשל. מושב). הליך: המרה חישוב משתנה בחלון משתנה מחשוב תחת מושב משתנה, סוג היעד לחץ על סוג ותווית כדי לפתוח "משתנה מחשוב: הקלד ..." חלון תחת "סוג" בחר במחרוזת להמשיך תחת '1 סוג הביטוי 'מחרוזת על אישור. ראה איור 7.
      • STRING מושב (A8).
      • לחשב מושב = '1 '.
      • ביצוע.
   4. שמור את מסמך SPSS שונה בקובץ חדש (לדוגמה: # subjectID_session).
   5. חזור על התהליך לעיל לכל המפגשים שנותרו לאותו הנושא.

3. מיזוג נתונים - משתתף יחיד

1. למזג את כל הפגישות לתוך מסד נתונים SPSS בודד, המושב הראשון של פתוח המשתתף (כלומר. SubjectID_session1).
2. מיזוג מפגשים שנותרו לקובץ הנוכחי. נוהל: נתונים מיזוג קבצים הוספת ארונות בחלון "הוסף נרתיקים לsubjectID_session1.sav", לחץ על עיון ולבחור subjectID_session2 קובץ פתוח להמשיך ב" הוסף נרתיקים מ... " אישור חלון קליק. חזור לכל מפגשים שנותרו. ראה איור 8.
   • הוסף קבצים / קובץ = *
   • / קובץ = 'SubjectAB001_Session1.sav'.
   • ביצוע.
3. הוספת עמודה המכילה את מספר תעודת הזהות של הנושא. נוהל: Tr ansform חישוב משתנה בחלון "משתנה מחשוב" תחת SubjectID משתנה, סוג היעד לחץ על סוג ותווית כדי לפתוח "משתנה מחשוב: הקלד ..." חלון תחת "סוג" בחר במחרוזת להמשיך תחת 'SubjectID' מחרוזת סוג הביטוי (למשל 'AB001')"Width =" 20px "s/ftp_upload/50643/arrow.jpg /> אישור. ראה איור 9.
   • STRING Subject_ID (A8).
   • לחשב Subject_ID = 'AB001'.
   • ביצוע.
4. הוספת עמודה המכילה עוצמתו של הנושא היעד (למשל. קצב לב היעד [THR]). הליך: המרה חישוב משתנה בחלון "מחשוב משתנה" תחת משתנה יעד, THR סוג לחץ על סוג ותווית כדי לפתוח "משתנה מחשוב: הקלד ..." חלון תחת "סוג" בחר מספרי המשך תחת THR המספרי סוג הביטוי (למשל. 110) על אישור. ראה איור 10.
   • THR STRING (A8).
   • לחשב THR = '110 '.
   • ביצוע.
5. להציל את מסד הנתונים תחת שם קובץ אחר (למשל. SubjectAB001_session1-36).
6. חזור על פעולה עבור כל המשתתפים שנותרו. בשלב זה, כל משתתף יש מסד נתונים המכילים את כל המפגשים.

4. משתתפי קיבוץ - מיזוג נתונים

1. לכמה משתתפי קבוצה לתוך מסד נתונים יחיד, פתח את התיק של המשתתף (כלומר subjectID_session1-36).
2. למזג את המשתתפים שנותרו ו הנוכחיאיל. נוהל: נתונים מיזוג קבצים הוספת ארונות "במקרים הוסף לSubjectAB001_session1-36.sav" חלון, לחץ על עיון ובחר את קובץ SubjectCD002_session1-36 פתוח להמשיך ב" הוסף נרתיקים מ... " אישור חלון קליק. חזור על פעולה עבור כל המשתתפים שברצונך לקבוצה. ראה איור 11.
   • הוסף קבצים /FILE = *
   • / שינוי שם (AB001 = D0)
   • / קובץ = 'SubjectAB001_Session1-36.sav'
   • / שינוי שם (CD002 = ד 1)
   • / DROP = D1 D0.
   • ביצוע.
3. שמירת מסד נתונים חדשים (לדוגמא. Group01_Subjects001-010).

5. זיהוי של עצמת היעד (למשל טווח THR)

1. לזהות מגוון THR; לחץ Transform חישוב משתנה בחלון "מחשוב משתנה" תחת "היעד משתנה" להזין שם משתנה חדש (למשל Diff_HR_THR) "סוג ותווית ..." ב" C משתנה ompute: הקלד .... "בחר מספרי להמשיך תחת "ביטוי מספרי" להיכנס משוואה: HR - THR אישור. זה מספק לנו משתנה חדש.
   • לחשב Diff_HR_THR = HR - THR.
   • ביצוע.
2. לקודד מחדש את המשתנים כדי לזהות אם HR נמצא מתחת, מעל, או בטווח THR. הליך: המרה לקודד מחדש לתוך משתנים שונים ... בחר Diff_HR_THR.2 ב" src = "/ files/ftp_upload/50643/arrow.jpg" width = "20px" /> לחץ על חץ תחת "משתנה פלט" תחת סוג "שם" Diff_HR_THR _recoded לשנות ערכים ישנים וחדשים ... ב" Recode לתוך משתנים שונים: ישן וערכים חדשים "חלון:

הוסף

קודם ערך	ערך חדש		ישן -> חדש:
טווח: -5 עד 5	1	-5 עד 5 -> 1
טווח, נמוך ביותר בערך: -5	0	הנמוך ביותר דרך -5 -> 0
טווח, ערך באמצעות גבוהה ביותר: 5	0	5 thru הגבוה -> 0
מערכת חסרה	מערכת חסרה	SYSMIS -> SYSMIS

להמשיך על אישור. ראה איור 12.

• Recode Diff_HR_THR (SYSMIS = SYSMIS) (-5 עד 5 = 1) (הנמוך ביותר דרך -5 = 0) (5 thru הגבוה = 0) לתוך
• Diff_HR_THR_Recoded.
• ביצוע.

6. חישוב של דבקות באחוזים

1. בGroup01_Subjects001-010 קובץ, לחשב את כל שניות שחולים היו בטווח THR ידי ביצוע הפעולות הבאים: נתונים סך הכל בחלון "נתונים מצרפיים", תחת "לשבור משתנה (ים):" בחר subjectID ומושב לחץ על חץ תחת "סיכומים של משתנה (ים):" בחר Diff_HR_THR _recoded לחץ על חץ = "חץ" עבור: תוכן width = ".2 ב" src =" / files/ftp_upload/50643/arrow.jpg "width =" 20px "/> אישור. משתנה חדש שנוצר עם _recoded_mean שם Diff_HR_THR.
   • מצטבר
   • / Outfile = * MODE = ADDVARIABLES
   • / BREAK = Subject_ID מושב
   • / Diff_HR_THR_Recoded_mean = ממוצע (Diff_HR_THR_Recoded).
2. להמיר את הערך המתקבל לאחוז; לחץ Transform חישוב משתנה תחת "יעד משתנה" להזין את השם משתנה (לדוגמא Perc_THR) תחת "ביטוי מספרי", בחר _recoded_mean Diff_HR_THR"/> לחץ על חץ להכפיל את הערך על ידי 100 (Diff_HR_THR _recoded_mean * 100) אישור. לאחר מכן, אנו להשיג דבקות כאחוז מהזמן בילה בתוך THR לכל נושא לכל מפגש. ראה איור 13
   • לחשב Perc_THR = Diff_HR_THR_Recoded_mean * 100.
   • ביצוע.
3. כדי להשיג דבקות לאחוז הזמן בילה בתוך THR לכל נושא לכל ההפעלות בשילוב, בחלון "נתונים מצרפיים", תחת "לשבור משתנה (ים):" subjectID תחליף ופגישה עם subjectID בלבד. ראה איור 14.
4. כדי להשיג דבקות לאחוז הזמן בילה בתוך THR עבור כל פגישה לכל הנושאים גם יחד, בחלון "נתונים מצרפיים", תחת "לשבור משתנה (ים): "subjectID תחליף ופגישה עם הפעלה בלבד.
5. שמור את מסד הנתונים תחת שם אחר קובץ (לדוגמא. Group01_Subjects001-010_Aggregate).

תוצאות

כאשר הפרוטוקול הוא מבוצע כהלכה, שיעור הדבקות מתקבל לכל נושא לכל מפגש (איור 13), לכל נושא לכל המפגשים (איור 14), ועבור כל מושב לכל הנושאים גם יחד. הערכה של הזמן הנדרש כדי להשלים את הפרוטוקול לעיל לפגישה אחת של נושא אחד היא כ 5 דקות. תוצאות עבור דבקות יכולות לנוע בין 0-100%. שימוש במידע זה, ניתן לבצע ניתוח נוסף כדי לקבוע את ההבדלים בין הנבדקים (כלומר הבדלי מין, חומרת מחלה, וכו '.), לזהות שינויים לאורך זמן, וכדי לחשוף דפוסים בדבקות. יתר על כן, ההשוואה של דבקות בין קבוצות יכולה להתבצע, למשל, ניתן להשוות תוכניות אימון גופני שונות. לבסוף, באמצעות חקירה נוספת, ניתן לזהות גורמים לnonadherence בנקודות זמן מסוימים במהלך יחסי הציבור.

">
איור 1. מיקום משדר קצב לב. לחץ כאן לצפייה בתמונה גדולה יותר.

איור 2. דוגמא של נתונים שנאספו באמצעות תוכנת מעקב נתונים. לחץ כאן לצפייה בתמונה גדולה יותר.

איור 3. דוגמא של פלט תוכנת מעקב נתונים.jove.com/files/ftp_upload/50643/50643fig3highres.jpg "target =" _blank "> לחץ כאן לצפייה בתמונה גדולה יותר.

איור 4. מסד הנתונים לדוגמא הממחיש דוגמא של מסד הנתונים של תוכנה סטטיסטית. לחצו כאן לצפייה בתמונה גדולה יותר.

איור 5. מסד הנתונים לדוגמא הממחיש את שלב החימום בוטל. לחץ כאן לצפייה בתמונה גדולה יותר.

"600px"
איור 6. מסד הנתונים לדוגמא הממחיש את השלב מגניב למטה בוטל. לחץ כאן לצפייה בתמונה גדולה יותר.

איור 7. מסד הנתונים לדוגמא הממחיש עמודה נוספת עבור מספר פגישה. לחץ כאן לצפייה בתמונה גדולה יותר.

מסד הנתונים 8. לדוגמא איור הממחישים את המפגשים הממוזגת לparticipan אחת לא. לחץ כאן לצפייה בתמונה גדולה יותר.

איור 9. מסד הנתונים לדוגמא הממחיש עמודה נוספת עבור מספר נושא זיהוי. לחצו כאן לצפייה בתמונה גדולה יותר.

מסד הנתונים 10. לדוגמא איור הממחיש עמודה נוספת לקצב לב היעד. לחץ כאן לצפייה בתמונה גדולה יותר.

e_content "עבור: together.within-לשמור על עמודים =" תמיד ">
מסד הנתונים 11. לדוגמא איור הממחישים את הקבצים של המשתתפים הממוזגים. לחץ כאן לצפייה בתמונה גדולה יותר.

מסד הנתונים 12. לדוגמא איור הממחישים את משתני קצב לב סימול חוזר. לחץ כאן לצפייה בתמונה גדולה יותר.

Figure 13. מסד הנתונים לדוגמא הממחיש את דבקות כאחוז מהזמן בילה בטווח קצב לב היעד לכל נושא לכל מפגש (קו אדום אופקי מדגיש את השינוי בדבקות בין פגישות לאותו הנושא). לחץ כאן לצפייה בתמונה גדולה יותר.

מסד הנתונים 14. לדוגמא איור הממחישים את דבקות לאחוז מהזמן בילה בטווח קצב לב היעד לכל נושא לכל המפגשים (קו אדום אופקי מדגיש את ההבדל בין נבדקים). לחץ כאן לצפייה בתמונה גדולה יותר.

Discussion

טכנולוגיית מעקב רציפה על נתונים מאפשרת למדידה מדויקת מאוד של דבקות פעילות גופנית. הליך זה ניתן להתאים בקלות להגדרות אחרות של דבקות על ידי החלפת טווח קצב לב יעד עם הספק יעד, רמה, מהירות, או ברמת MET. בדוגמא הנוכחית, שלבי החימום מגניב למטה בוטלו כדי לבודד את שלב הפעילות הגופנית בגלל מטרת המחקר הספציפית שלנו. צריכים שלבי החימום מגניב למטה להיות עניין לחוקרים אחרים, ניתן למנוע צעד 2.3 ("לחסל את שלבי nontraining") מהפרוטוקול. יתר על כן, החומרה והתוכנה זמינה גם למדידת עמידה במצבים אחרים של אימון, כגון הליכון, אליפטי, צעד, וergometer זרוע.

כאשר בעקבות הפרוטוקול לעיל, צעדים פשוטים מסוימים הם קריטיים. ראשית, תוכנת CardioMemory חייבת להתחיל לפני תרגיל הציוד (למשל. Ergometer מחזור) עבור נתוני תרגיל להיות Tracked ולאחר מכן נרשם. יש נתונים לאיבוד בשלב ראשוני זה, פרוטוקול נתונים החילוץ יצטרך להיות בהתאם. שנית, מקורות ההפרעה חייבים להיות ממוזערים כדי להפחית את הסיכון של crosstalk ו / או לאובדן נתונים. צגי קצב לב לתקשר באופן אלחוטי עם הציוד ותוכנה. לפיכך, התערבות היא מזיקה במיוחד אם משתמש בקצב לב היעד לחשב דבקות. לבסוף, הוא הכרחי כדי לבחור תוכנה סטטיסטית עבור מסד הנתונים שיש לו את היכולת לאפשר לכמויות גדולות של נתונים. לדוגמא, במחקר שנערך עם 10 משתתפים השלימו 36 הפעלות ב40 דקות כל אחד, 864,000 שורות של נקודות נתונים יופקו. יש לי Excel 2007 וגרסאות מאוחרות יותר היכולת להכיל 1,048,576 שורות בגיליון עבודה ^23, ואילו ²⁴ SAS ו SPSS ²⁵ יש אין גבול למספר השורות. תלוי במספר הכולל של נקודות נתונים צפויות למחקר נתון, התוכנה צריכה להיות שנבחרה בהתאם.

למרות היתרונות הבולטים של טכנולוגיה זו, שתי מגבלות עיקריות קיימות. הראשון הוא אובדן נתונים, אשר יכול להיגרם כתוצאה מציוד ו / או כשל בתוכנה. כפי שצוין לעיל, אובדן נתונים יכול להיות בשל הפרעות חשמליות עם התקנים אלחוטיים (כלומר טלפונים סלולריים או Wi-Fi), ובאופן ספציפי יותר להפרעות בהעברת נתונים האלחוטית של קצב לב. עם זאת, לעתים, אובדן נתונים יכול להיות גם כתוצאה מגורמים בלתי מזוהים. מגבלה שנייה היא שהתוכנה אינה מספקת את האפשרות של סימון או פיצול פרוטוקול הפעילות הגופנית באופן שיטתי על מנת לבדל / לזהות שלבים שונים. אם אפשרות זו היתה זמינה, החילוץ של שלב המימוש של אינטרס יכול להתבצע ישירות בתוכנה, שיגביל את הצעדים בפרוטוקול חישוב הדבקות. כמו כן, האפשרות של הצבת סמנים תהיה מעשית ללימוד דבקות פרוטוקולי אימון מרווח או לסירוגין כפי שהוא יאפשרהבידול של שלבים השונים (לדוגמא. נמוכים לעומת עוצמה גבוהה).

למבט לעתיד, השימוש בטכנולוגיית מעקב רציף על נתונים לכמת דבקות דווקא יאפשר לחוקרים לחקור את דפוסי תגובה גופנית להתערבויות שונות, לזהות את הגורמים של דבקות, ולאפיין adherers טוב וגרוע. סופו של דבר, הבנה טובה יותר של דבקות תרגיל תאפשר לאופטימיזציה של תוכניות שיקום פעילות גופנית.

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/)