The increasing popularity of activity trackers has shown a remarkable shift in human computer interaction; individuals seem willing to wear a device that constantly tracks health related metrics such as movement, exercise, sleep, and calorie burnUsing the insights derived from their activity trackers, individuals are expected to be more empowered to set and stick to personal health goals. Whereas theoutcome of using activity trackers is of great importance to both individuals and society at large, there are no empirical studies substantiating this presumption. This study aims to contribute to filling this research gap. Making use of self-regulation theory as theoretical framework, we developed a model that proposes six system specific elements (attractiveness, monitoring, feedback, privacy protection, readability, and gamification) as determinants of health empowerment, and thereof health commitment. Using survey data collected from individuals wearing smart wristbands (N = 210), the model was validated. Overall, the results provide strong support for the health empowering capabilities of smart wristbands. The paper concludes with implications for theory and practice, and some suggestions for future research.
Aim: Wearables technology plays an important role in supporting patients in self-management. This study aims to identify the functions and purposes of activity trackers that contribute to and assist in addressing the nursing diagnosis of Sedentary Lifestyle in patients with heart failure. Design: A scoping review was conducted. Depending on the type of study, critical appraisal took place using PRISMA, CONSORT, STROBE, or SRQR. Methods: A systematic search was performed in CINAHL, MEDLINE/PubMed, and the Cochrane library. Publications from January 2010 through May 2019 were included. The main subjects of the review were the functions and purposes of activity trackers that are used to support heart failure patients who live a sedentary lifestyle. Results: Thirteen articles were used for the analysis. The main feature of an activity tracker is the registration of steps, active/sedentary time, and calories burnt during the day. The following functions were mentioned in the articles: data collection, monitoring/self-monitoring, feedback, goal setting, awareness of own behaviour, motivation, and providing social support through the sharing of data.
BackgroundPromoting physical activity (PA) in patients during and/or after an inpatient stay appears important but challenging. Interventions using activity trackers seem promising to increase PA and enhance recovery of physical functioning.ObjectiveTo review the effectiveness of physical activity interventions using activity trackers on improving PA and physical functioning, compared to usual care in patients during and/or after inpatient care. In addition, it was determined whether the following intervention characteristics increase the effectiveness of these interventions: the number of behaviour change techniques (BCTs) used, the use of a theoretical model or the addition of coaching by a health professional.DesignSystematic review and meta-analysis.Data SourcesPubMed, EMBASE, Cinahl, SportDiscus and Web of Science databases were searched in March 2020 and updated in March 2021.Eligibility criteria for selecting studiesRandomized controlled trials (RCTs) including interventions using activity trackers and feedback on PA in adult patients during, or less than 3 months after, hospitalization or inpatient rehabilitation.MethodsFollowing database search and title and abstract screening, articles were screened on full text for eligibility and then assessed for risk of bias by using the Physiotherapy Evidence Database (PEDro) scale. Meta-analyses, including subgroup analysis on intervention characteristics, were conducted for the outcomes PA and physical functioning.ResultsOverall, 21 RCTs totalling 2355 patients were included. The trials covered a variety of clinical areas. There was considerable heterogeneity between studies. For the 13 studies that measured PA as an outcome variable(N = 1435), a significant small positive effect in favour of the intervention was found (standardized mean difference (SMD) = 0.34; 95%CI 0.12–0.56). For the 13 studies that measured physical functioning as an outcome variable (N = 1415) no significant effect was found (SMD = 0.09; 95%CI -0.02 - 0.19). Effectiveness on PA seems to improve by providing the intervention both during and after the inpatient period and by using a theoretical model, multiple BCTs and coaching by a health professional.ConclusionInterventions using activity trackers during and/or after inpatient care can be effective in increasing the level of PA. However, these improvements did not necessarily translate into improvements in physical functioning. Several intervention characteristics were found to increase the effectiveness of PA interventions.Trial registrationRegistered in PROSPERO (CRD42020175977) on March 23th, 2020.
MULTIFILE
Veel patiënten binnen de GGZ kampen met chronische pijn en depressie. Het bevorderen van een gezond beweegpatroon speelt een belangrijke rol in hun behandeling. Deze patiënten kunnen echter door emoties en veranderde prikkelverwerking signalen van het lichaam niet goed inschatten. Daarbij zijn hun klachten belemmerend in hun activiteiten waardoor motivatie vaak afwezig is. GGZ-professionals gebruiken zorgstandaarden waarbij uitgegaan wordt van 'one-size-fits-all' behandelprogramma's. Deze sluiten onvoldoende aan bij de behoefte aan gepersonaliseerde interventies uitgaande van zelfmanagement van de individuele patiënt. Dit pleit voor een instrument dat professionals helpt objectief inzicht te krijgen in het beweegpatroon van hun patiënten, dat gepersonaliseerde feedback geeft en ondersteunt bij de verdere individueel passende begeleiding van de patiënt. Zelfmeettechnologie ('activity trackers') lijkt hier goed te passen. De mogelijkheden om zelfmeettechnologie als basis voor de behandeling van deze patiënten te gebruiken zijn echter bij GGZ-professionals veelal onbekend. Daarnaast is het inzetten van alleen zelfmeettechnologie waarschijnlijk onvoldoende en is niet goed bekend hoe deze patiënten gemotiveerd kunnen worden om deze technologie te (blijven) gebruiken. In dit project willen de Hanzehogeschool Groningen, Inter-Psy, Transcare en MobileCare samen met professionals en patiënten en andere nog te betrekken partners (o.a. het Rob Giel Onderzoekscentrum als trekker van het eHealth netwerk Noord-Nederland heeft aangegeven een bijdrage te willen leveren) ontdekken hoe op een goede manier aan de bovenbeschreven behoefte van GGZ-professionals kan worden bijgedragen. Beoogd wordt om met deze subsidie een proof of concept te leveren van een digitaal instrument dat op basis van zelfmeettechnologie meerwaarde biedt in de behandeling van patiënten met chronische pijn en depressie. Deze proof of concept vormt de basis voor een te schrijven subsidievoorstel om dit verder te ontwikkelen.
De diëtist kan in de eerstelijns situatie slechts rekenen op 3 uur vergoeding per jaar uit de basisverzekering, hetgeen voor veel cliënten te weinig is. Digitaal ondersteunde (voedings)interventies die gebaseerd zijn op relevante, continu verzamelde persoonlijke data van de cliënt kunnen helpen de beschikbare tijd efficiënter te benutten. Er zijn tegenwoordig veel mogelijkheden in de vorm van apps en activity trackers, zoals de Eetmeter, Runkeeper en Fitbit, die diëtisten kunnen helpen inzicht te krijgen in het gedrag van hun cliënten, en zodoende bij de coaching van de cliënten. Het gebruik van dergelijke technologie en het delen van data met de diëtist om dit coachingsproces te optimaliseren is echter nog niet gangbaar en diëtisten maken niet of weinig gebruik van digitale hulpbronnen. Een belangrijke reden hiervoor is dat de beschikbare technologie niet altijd even goed aansluit op de behoeften van diëtisten en hun cliënten. Daarbij is het niet duidelijk welke data de diëtisten precies (kunnen) gebruiken en hoe deze verzameld kunnen worden die in de begeleiding ook echt meerwaarde hebben. In dit project willen onderzoekers van de Hanzehogeschool Groningen in samenwerking met diëtisten van de Diëtisten Coöperatie Groningen (DCG), het Voedingscentrum, het lectoraat Zorg voor Voeding en Gezondheid van de Christelijke Hogeschool Ede verkennen welke data het beste verzameld kunnen worden met digitale apps om coaching bij leefstijl beter af te stemmen op de situatie van de cliënt en welke apps het meest geschikt zijn in de praktijk. Op basis van deze input wordt met deze subsidie een toolkit ontwikkeld, gebaseerd op bestaande technologie, om de gewenste data te verzamelen. Dit prototype toolkit vormt de basis voor een toekomstig subsidievoorstel om een e-assistent te realiseren, een app die de diëtist en cliënt kan ondersteunen door middel van uit de data verkregen visualisaties en op de cliënt gepersonaliseerde inzichten en adviezen.
Wheelchair users with a spinal cord injury (SCI) or amputation generally lead an inactive lifestyle, associated with reduced fitness and health. Digital interventions and sport and lifestyle applications (E-platforms) may be helpful in achieving a healthy lifestyle. Despite the potential positive effects of E-platforms in the general population, no studies are known investigating the effects for wheelchair users and existing E-platforms can not be used to the same extent and in the same manner by this population due to differences in physiology, body composition, exercise forms and responses, and risk injury. It is, therefore, our aim to adapt an existing E-platform (Virtuagym) within this project by using existing data collections and new data to be collected within the project. To reach this aim we intend to make several relevant databases from our network available for analysis, combine and reanalyze these existing databases to adapt the existing E-platform enabling wheelchair users to use it, evaluate and improve the use of the adapted E-platform, evaluate changes in healthy active lifestyle parameters, fitness, health and quality of life in users of the E-platform (both wheelchair users and general population) and identify determinants of these changes, identify factors affecting transitions from an inactive lifestyle, through an intermediate level, to an athlete level, comparing wheelchair users with the general population, and comparing Dutch with Brazilian individuals. The analysis of large datasets of exercise and fitness data from various types of individuals with and without disabilities, collected over the last years both in the Netherlands and Brazil, is an innovative and potentially fruitful approach. It is expected that the comparison of e.g. wheelchair users in Amsterdam vs. Sao Paulo or recreative athletes vs. elite athletes provides new insight in the factors determining a healthy and active lifestyle.
