Eine Anwendung zur Kopplung mit tragbaren Geräten zur Überwachung des persönlichen Gesundheitszustands

Datenerfassung in Echtzeit
Im täglichen Leben profitieren Menschen in vielerlei Hinsicht von der physischen Umgebung. Zum Beispiel wurden positive Ergebnisse wie psychologische¹ und Herzfrequenzwiederherstellung² weitgehend gefunden. Darüber hinaus wurden die Zusammenhänge zwischen Umgebungsfaktoren wie Temperatur und Luftfeuchtigkeit und psychischer Gesundheit diskutiert ^3,4. Studien haben auch die Zusammenhänge zwischen physiologischen und psychologischen Reaktionen wie Herzfrequenz und Stress untersucht 5,6,7,8. Eine breite Palette von Beweisen für psychologische und physiologische Vorteile aus der Exposition gegenüber der Natur wurde in gut kontrollierten Laborstudien ^9,10 gefunden, die möglicherweise nicht die verschiedenen Einflussfaktoren auf diesem Gebiet repräsentierten. Um die Beziehungen zwischen menschlichen Reaktionen in Echtzeit zu messen, werden daher Vor-Ort-Studien als besser angesehen, um die realen Szenarioerfahrungen und Reaktionen auf die Umgebungen widerzuspiegeln, als Laborsimulationen¹¹. Darüber hinaus können menschliche Reaktionen auf Umgebungen vom Kontext^{abhängen 12}. Angesichts der Bedeutung des Verständnisses der Beziehung zwischen der psychologischen und physiologischen Gesundheit des Menschen und der Umweltqualität ist eine Echtzeit-Self-Tracking-Messung dringend erforderlich, die verschiedene Informationsmaßnahmen sammeln kann.

Ökologische Momentanbewertungen (EMAs) oder Erfahrungsstichprobenverfahren (ESMs) können Lösungen für Vor-Ort-Studien darstellen^13,14. EMAs und ESMs zielen darauf ab, die momentanen Reaktionen des Menschen vor Ort in realen Szenarien zu bewerten¹⁵. Durch den Einsatz von Self-Tracking-Techniken können die Reaktionen, Reaktionen und Erfahrungen vor Ort neu gemessen werden¹⁴. Die Teilnehmer werden über Signale, wie Texte oder Benachrichtigungen, benachrichtigt, Bewertungen in sogenannten signalabhängigen Stichprobenschemata durchzuführen¹⁵. Der Begriff “EMA” wird hauptsächlich in gesundheitsbezogenen Studien^{verwendet 13}, während “ESM” tendenziell in Freizeit- und Erholungsstudien im Freien^{verwendet wird 16}. Dennoch wurden die Begriffe gelegentlich synonym verwendet¹².

Die Möglichkeit, EMAs auf Umweltforschungsstudien anzuwenden, wurde von Beute et ^al.12 diskutiert, die darauf hinwiesen, dass sie es ermöglichen würden, eine größere Vielfalt von Umgebungen als nur “natürlich” oder “städtisch” zu adressieren. Beispielsweise können durch ambulante Messungen (z. B. durch GPS-Standortverfolgung) physiologische Reaktionen während eines Spaziergangs mit Echtzeit-Standortdatensätzen abgeglichen werden, was eine umfassendere räumliche Auflösung von Umgebungstypen und Umweltmerkmalen bietet⁷. Darüber hinaus gewährleistet die von EMAs ermöglichte Echtzeit-Datenerfassung eine hohe ökologische Validität und bietet eine ergänzende Sichtweise aus Laborstudien.

Immer mehr empirische Studien vor Ort haben tragbare Geräte und Smartphones eingesetzt, um den persönlichen Gesundheitszustand im täglichen Leben und zu Forschungszwecken zu überwachen^17,18,19,20. Die Verwendung dieser beiden Geräte kann mehr Vorteile bieten als die Verwendung nur eines Smartphones¹². Erstens war die Zugriffszeit mit Smartwatches kürzer als die mit Telefonen²¹, was zu einer geringeren Unterbrechungsbelastung führen kann. Zweitens bieten Uhren eine größere Körpernähe als Smartphones²², und Telefone können als momentane Datenbanken zum Speichern und Hochladen von Daten verwendet werden. Drittens bieten Smartwatches heutzutage mehrere Sensoren für verschiedene Parameter wie Herzfrequenzvariabilität, Elektrokardiogramme (EKG) und Blutdruck 23,24,25,26,27. Die individuellen und allgemeinen Aspekte menschlicher Reaktionen können auf bestimmte Aktivitäten schließen¹². Schließlich werden Smartphones für Smartphone-basierte Studien meist in der Tasche getragen, und wenn es um die Fragebögen geht, muss im Vergleich zum Fall mit Smartwatches zusätzliche Arbeit geleistet werden.

Allerdings haben nur wenige Studien die Beziehungen zwischen psychologischen und physiologischen Ergebnissen und Umweltinformationen untersucht. Daher zeigt diese Studie die Einführung einer nicht-kommerziellen, selbst entwickelten App, der HealthCloud, auf tragbaren Geräten wie Smartwatches und Smartphones, um psychologische, physiologische und Umweltinformationen in Echtzeit zu sammeln.

Die selbst entwickelte App und tragbare Geräte
Die App für die Verwendung auf tragbaren Geräten wurde vom Healthy Landscape and Healthy People Lab der National Taiwan University (HLHP-NTU) entwickelt, um zugänglichere und flexiblere Möglichkeiten zur Verfolgung menschlicher Reaktionen und Umweltdaten zu bieten, sodass Forscher die Beziehungen zwischen Informationen zur menschlichen Gesundheit und Umwelt weiter analysieren können (Abbildung 1).

Die App, basierend auf iOS, bietet mehrere Aufgaben und passive Datenerfassungsfunktionen. Die App sammelt selbst gemeldete Daten auf der Smartwatch, z. B. psychologische Elemente, die durch Pop-Quiz-Fragen gemessen werden, auf die Benutzer ihre Antworten von einem bis fünf Sternen bewerten können, um eine schnelle und einfache Beurteilung zu ermöglichen. Diese Art der Frageintervention kann als eine Art Micro Interaction-EMA (μEMA) betrachtet werden – eine In-situ-Datenerfassungsmethode, die weniger Aufmerksamkeit erfordert und eine höhere Antwortrate als Smartwatch-EMA ²⁸ aufweist. Sensorüberwachte physiologische Reaktionsdaten, einschließlich Herzfrequenz, Herzfrequenzvariabilität und Blutsauerstoffsättigung, können mit den Funktionen des iOS gemessen werden. Die Herzfrequenz wird über den optischen Herzsensor der Smartwatch mit einer Technik namens Photoplethysmographie²⁹ gemessen. Die App erkennt die Menge des Blutflusses mit grünen LED-Leuchten mit lichtempfindlichen Fotodioden, und die Herzschläge pro Minute werden ebenfalls berechnet. Die Herzratenvariabilität (HRV) und die Blutsauerstoffkonzentration (SpO2) können über Apps erkannt werden. Für das Smartphone werden die Aufgaben, wie der Stroop-Test (Abbildung 2B) und der Image-Capture-Task (Abbildung 2C) sowie der Umgebungsgeräusch-Task (Abbildung 2D), die Umgebungsbedingungen, einschließlich relativer Luftfeuchtigkeit, Wetter und Höhe, passiv von mehreren Anwendungsprogrammierschnittstellen gesammelt.

Abbildung 1: Übersicht über die App. Die Funktionen der App auf Smartwatch, Smartphone und Datenbank. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Abbildung 2: Die App-Aufgaben. Beispiele für die Aufgaben, die in der App verwendet werden können: Von links nach rechts gibt es (A) Die Popup-Frage. (B) Der Stroop-Test. (C) Die Image-Capture-Aufgabe. (D) Die Aufgabe Umwelt und Geräusche. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Alle Daten werden auf die Backend-Website hochgeladen (Zugang zu kooperativen Forschern, siehe Materialtabelle). Die Website bietet mehrere Hauptfunktionen: eine Kartenanzeige, die die aktuellen Standorte und die Herzfrequenz der Benutzer anzeigt (Abbildung 3), ein Datenblatt zum Durchsuchen und Extrahieren von Daten (Abbildung 4) und Aufgabenkonfigurationen zum Ändern der Häufigkeit, Priorität und des Inhalts der Aufgaben (Abbildung 5). Mit dieser großen Flexibilität und einem breiten Messspektrum können Forscher die zuvor genannten Aufgabenfunktionen einfach entsprechend den Forschungszielen auswählen. Darüber hinaus kann die App sowohl Nutzern als auch Forschern zugute kommen. Die App stellt ihre Zustandsberichte und GPS-Standorttrajektorien (Abbildung 6) entsprechend den beantworteten Fragen und den gewählten Routen bereit. So können sie sich schnell ein Bild von ihrem Gesundheitszustand am Tag machen und ihre Gesundheitsdaten verfolgen.

Abbildung 3: Die in der App-Datenbank angezeigte Karte. Die Kartendarstellung der App-Datenbank liefert den Forschern aktuelle Informationen wie Standorte und Herzfrequenz. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Abbildung 4: Datenblatt in der App-Datenbank. Der Datenbericht der Anzeigekarte in der App-Datenbank, in den Daten durch Filtern der Zeit-, Feld- oder Tester-ID exportiert werden können. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 5: Die Aufgabenkonfiguration in der App-Datenbank. Die Aufgabenprioritäten, Zeitintervalle, Sprache und Inhalt der Fragebögen können geändert werden. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Abbildung 6: Der Integritätsbericht für die App-Benutzer. Nach der Nutzung der App kann der Benutzer eine Reihe von individuellen Ergebnissen erhalten, die automatisch generiert werden. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Repräsentative Studie
Um die Integration verschiedener Dimensionen der Datenerfassung mit der App auf Smartphones und Smartwatches zu demonstrieren, wurde 2020 eine In-situ-Studie auf dem Campus der National Taiwan University in Taipei City, Taiwan, durchgeführt. Die Teilnehmer für die Studie wurden 1 Woche vor dem Experiment auf der Social-Media-Fanseite der National Taiwan University über ein Online-Formular rekrutiert. Das Formular enthielt den Forschungszweck, den Prozess, den Ort, die Teilnahmebedingungen, ein schematisches Diagramm des zu tragenden Forschungsgeräts und einen Bereich, in dem die Leser ihre Bereitschaft zur Teilnahme und den Zeitpunkt, zu dem sie dies tun konnten, angeben konnten. Nach Abschluss wurden die Teilnehmer 2 Tage vor dem Zeitplan per E-Mail über die genaue Zeit und den Ort ihres Experiments informiert. Da die Forschung psychologische Veränderungen, Physiologie, körperliche Aktivität (Gehen) sowie Klang- und Farbwahrnehmung untersucht, erfüllten die Teilnehmer die folgenden Bedingungen: (1) zwischen 20-36 Jahren, (2) gute körperliche und geistige Gesundheit, (3) nicht regelmäßig Medikamente einnehmen, die das zentrale Nervensystem beeinflussen, (4) nicht schwanger sein oder stillen, (5) keine Vorgeschichte von Herz-Kreislauf-Erkrankungen haben, (6) kann mehr als 30 Minuten zu Fuß gehen, (7) eine Farbe identifizieren.

Am Tag des Experiments erhielten die Teilnehmer ein Set Smartphones und Smartwatches sowie eine Routenkarte. Die Forscher präsentierten den Teilnehmern eine einheitliche Erklärung des Zwecks der Forschung, des Forschungsprozesses, der tragbaren Geräte und der Fragen, die im Forschungsprozess Aufmerksamkeit erfordern. Während des Spaziergangs wurden die psychologischen Reaktionen alle 5 Minuten mit einer Pop-Quiz-Aufgabe bewertet, und physiologische Reaktionen wie die Herzfrequenz wurden jede Minute von Sensoren in der Smartwatch gemessen. Nach dem Experiment wurden die Teilnehmer mit einer Geschenkkarte im Wert von 200 NTD (~ 7 USD) entschädigt.

Für die psychologische Messung berücksichtigte diese Studie Landschaftspräferenzen und zwei Aspekte der Perceived Restorative Scale Short Version³⁰, nämlich “weg sein” und “Faszination”. Diese Aspekte wurden gemessen, indem die Teilnehmer gebeten wurden, die Aussagen “Dies ist ein Ort, der abseits der alltäglichen Anforderungen liegt und an dem ich mich entspannen und darüber nachdenken könnte, was mich interessiert.” und “Dieser Ort ist faszinierend; Es ist groß genug, um Dinge zu entdecken und neugierig zu sein.” auf einer fünfstufigen Likert-Skala von (1) “stimme überhaupt nicht zu” bis (5) “stimme voll und ganz zu”, um die individuelle Wahrnehmung der restaurativen Faktoren der Umwelt auf der Grundlage der Aufmerksamkeitswiederherstellungstheorie^{zu messen 31}. Die Landschaftspräferenz wurde anhand einer fünfstufigen Likert-Skala mit der einzigen Frage bewertet: “Wie sehr gefällt Ihnen die Umgebung, aus welchen Gründen auch immer?” von (1) “sehr wenig” bis (5) “sehr viel”. Der Fragebogen wurde mit der Aufgabe “Pop Quiz” in einem Zeitintervall von 5 Minuten gesendet, d.h. die Teilnehmer erhielten den Fragebogen alle 5 Minuten.

Für die physiologische Messung wurde die Herzfrequenz (HR) während des Gehens verwendet, um die physiologischen Ergebnisse der Teilnehmer in einem Zeitintervall von 1 Minute darzustellen. Umweltinformationen, einschließlich GPS-Daten (Breiten- und Längengrad), Temperatur, relative Luftfeuchtigkeit, Windgeschwindigkeit und Windgrad, wurden über das Smartphone gesammelt.