使用数字表型化对社区老年人体育活动模式进行表征:一项为期2周的观察性研究协议

科学领域:

• 老年学和数字健康
• 行为科学和可穿戴技术

背景情况:

• 身体活动 (PA) 对老年人健康至关重要,但了解其在现实环境中的动态决定因素是具有挑战性的.
• 传统的方法往往无法捕捉影响日常生活中PA的因素的波动性.
• 数字表型 (DP) 为自然环境中持续的实时行为评估提供了一种新的方法.

研究的目的:

• 介绍一个研究协议,用于在社区居住的老年人体育活动行为的数字表型.
• 在现实世界中动态评估身体活动的个人级别决定因素.
• 探索 PA 模式及其影响因素的日内和日间变异性.

主要方法:

• 一个为期2周的多维评估,结合监督 (问卷,临床评估) 和无监督方法 (可穿戴监测,生态瞬间评估 (EMA)).
• 通过Garmin Vivosmart V.5手表 (动脉压强度,步骤,心率) 和EMA提示 (身体/精神健康,动机,疗效,上下文) 连续7天24小时收集数据.
• 机器学习 (无监督和监督) 用于模式识别和行为影响的预测,与行为变化轮框架保持一致.

主要成果:

• 本节不适用,因为摘要描述的是研究方案,而不是结果.
• 该协议概述了使用机器学习识别PA行为模式和预测影响的方法.
• 在PA和EMA反应中的时间模式将被分析为可变性.

结论:

• 本研究方案引入了一种强大的数字表型化方法,以了解对老年人身体活动的动态影响.
• 预计这些发现将为促进这个人口群体活跃的生活方式提供新的见解.
• 获得了道德认可,并将通过会议和同行评审的出版物传播发现.