The purpose of this study was to determine the efficacy of an online self-tracking program on physical activity, glycated hemoglobin, and other health measures in patients with type 2 diabetes. Seventy-two patients with type 2 diabetes were randomly assigned to an intervention or control group. All participants received usual care. The intervention group received an activity tracker (Fitbit Zip) connected to an online lifestyle program. Physical activity was analyzed in average steps per day from week 0 until 12. Health outcome measurements occurred in both groups at baseline and after 13 weeks. Results indicated that the intervention group significantly increased physical activity with 1.5 ± 3 days per week of engagement in 30 minutes of moderate-vigorous physical activity versus no increase in the control group (P = .047). Intervention participants increased activity with 1255 ± 1500 steps per day compared to their baseline (P < .010). No significant differences were found in glycated hemoglobin A1c, with the intervention group decreasing -0.28% ± 1.03% and the control group showing -0.0% ± 0.69% (P = .206). Responders (56%, increasing minimally 1000 steps/d) had significantly decreased glycated hemoglobin compared with nonresponders (-0.69% ± 1.18% vs 0.22% ± 0.47%, respectively; P = .007). To improve effectiveness of eHealth programs, additional strategies are needed.This is an open-access article distributed under the terms of the Creative Commons Attribution-Non Commercial-No Derivatives License 4.0 (CCBY-NC-ND), where it is permissible to download and share the work provided it is properly cited. The work cannot be changed in any way or used commercially without permission from the journal.
Data collected from fitness trackers worn by employees could be very useful for businesses. The sharing of this data with employers is already a well-established practice in the United States, and companies in Europe are showing an interest in the introduction of such devices among their workforces. Our argument is that employers processing their employees’ fitness trackers data is unlikely to be lawful under the General Data Protection Regulation (GDPR). Wearable fitness trackers, such as Fitbit and AppleWatch devices, collate intimate data about the wearer’s location, sleep and heart rate. As a result, we consider that they not only represent a novel threat to the privacy and autonomy of the wearer, but that the data gathered constitutes ‘health data’ regulated by Article 9. Processing health data, including, in our view, fitness tracking data, is prohibited unless one of the specified conditions in the GDPR applies. After examining a number of legitimate bases which employers can rely on, we conclude that the data processing practices considered do not comply with the principle of lawfulness that is central to the GDPR regime. We suggest alternative schema by which wearable fitness trackers could be integrated into an organization to support healthy habits amongst employees, but in a manner that respects the data privacy of the individual wearer.
MULTIFILE
Purpose: The purpose of this study was to validate optimized algorithm parameter settings for step count and physical behavior for a pocket worn activity tracker in older adults during ADL. Secondly, for a more relevant interpretation of the results, the performance of the optimized algorithm was compared to three reference applications Methods: In a cross-sectional validation study, 20 older adults performed an activity protocol based on ADL with MOXMissActivity versus MOXAnnegarn, activPAL, and Fitbit. The protocol was video recorded and analyzed for step count and dynamic, standing, and sedentary time. Validity was assessed by percentage error (PE), absolute percentage error (APE), Bland-Altman plots and correlation coefficients. Results: For step count, the optimized algorithm had a mean APE of 9.3% and a correlation coefficient of 0.88. The mean APE values of dynamic, standing, and sedentary time were 15.9%, 19.9%, and 9.6%, respectively. The correlation coefficients were 0.55, 0.91, and 0.92, respectively. Three reference applications showed higher errors and lower correlations for all outcome variables. Conclusion: This study showed that the optimized algorithm parameter settings can more validly estimate step count and physical behavior in older adults wearing an activity tracker in the trouser pocket during ADL compared to reference applications.
Er is momenteel een enorme groei op het gebied van consumentenproducten om activiteiten en bewegingen te meten; zowel voor de fitnessindustrie (bv. Fitbit, Jawbone) als in de gaming wereld (bv Kinect, Wii). Bedrijven op het gebied van zorgtechnologie vragen zich af of zij producten en diensten kunnen ontwikkelen op basis van deze technologie. In dit project richten we ons specifiek op de vraag van de bedrijven of met deze producten het valrisico van ouderen kan worden ingeschat. De incidentele metingen in een klinische omgeving kunnen dan worden vervangen door continue metingen in het dagelijks leven. Het onderzoek dat wordt uitgevoerd betreft het bepalen van de nauwkeurigheid, robuustheid en acceptatie van technologie om in realistische omgevingen (hier: woonomgeving en ziekenhuisom-geving) de bewegingskenmerken van ouderen te meten. Het onderzoek wordt ingericht rond de onderzoeksvraag: Hoe kunnen technologieën voor bewegingsregistratie die zich hebben bewezen in een labsetting worden ingezet in de woonomgeving en in het ziekenhuis, ten behoeve van het inschatten van val-risico bij ouderen? Het onderzoek zal worden uitgevoerd in twee parallel lopende cases: valrisico meten in de woon-omgeving en valrisico meten in het ziekenhuis. In beide gevallen wordt een living lab aanpak ge-volgd: de technologische oplossingen van de MKB worden op iteratieve wijze, in de praktijk , be-studeerd en verder ontwikkeld. Ook de inbedding van de technologie in het zorgproces wordt in het onderzoek meegenomen. De kennis die wordt opgedaan zal worden gebruikt door de participerende MKB in nieuwe pro-ducten en diensten. Het onderzoek wordt uitgevoerd door een multidisciplinair team bestaande uit de Hogeschool van Amsterdam (Domein Digitale Media en Creatieve Industrie en Domein Gezond-heid), de Vrije Universiteit (Bewegingswetenschappen), het AMC (Geriatrie), zorgaanbieders Cor-daan en Amsta en de participerende MKB. De resultaten zullen worden gepresenteerd op twee publieke seminars, in vakbladen en op we-tenschappelijke conferenties.
De markt voor gezondheids-apps en ‘wearable’ gezondheidsmeters is enorm in opkomst en brengt veel beloften met zich mee om mensen in beweging te krijgen en gezonde keuzes te laten maken. De meeste van deze toepassingen zijn echter niet gebaseerd op wetenschappelijke methoden over gedragsverandering. Meer inzicht is nodig in de intrinsieke motieven van mensen om deze ICT-technieken al dan niet te gebruiken en effectiever te maken bij het gezond houden van mensen. In deze context wil een samenwerkingsverband van Selfcare BV, een technostarter die een digitaal platform heeft gebouwd waar persoonlijke gezondheidsdata van wearables worden gekoppeld, Fit!vak, de branchevereniging van erkende sport- en bewegingscentra, en het lectoraat Leven Lang in Beweging van Avans Hogeschool, een KIEM project uitvoeren met als centrale onderzoeksvraag hoe gebruikers het gebruik van wearables in combinatie met een digitaal dataplatform ervaren. Het project draagt bij aan de realisatie van het CLICK KIA cross-over programma Create Health. Een onderzoeksteam van Avans Hogeschool volgt gedurende een jaar ca. 60 medewerkers van Avans Hogeschool die een Fitbit sporthorloge in combinatie met het Selfcare dataplatform gebruiken. De uitkomsten van dit verkennend onderzoek zullen worden gebruikt om (voorlopige) aanbevelingen te doen aan de betrokken mkb’ers en een gezamenlijk voorstel voor vervolgonderzoek op te stellen.
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.
