Background: Activity trackers can potentially stimulate users to increase their physical activity behavior. The aim of this study was to examine the reliability and validity of ten consumer activity trackers for measuring step count in both laboratory and free-living conditions.Method: Healthy adult volunteers (n = 33) walked twice on a treadmill (4.8 km/h) for 30 min while wearing ten different activity trackers (i.e. Lumoback, Fitbit Flex, Jawbone Up, Nike+ Fuelband SE, Misfit Shine, Withings Pulse, Fitbit Zip, Omron HJ-203, Yamax Digiwalker SW-200 and Moves mobile application). In free-living conditions, 56 volunteers wore the same activity trackers for one working day. Test-retest reliability was analyzed with the Intraclass Correlation Coefficient (ICC).Validity was evaluated by comparing each tracker with the gold standard (Optogait system for laboratory and ActivPAL for free-living conditions), using paired samples t-tests, mean absolute percentage errors, correlations and Bland-Altman plots.Results: Test-retest analysis revealed high reliability for most trackers except for the Omron (ICC .14), Moves app (ICC .37) and Nike+ Fuelband (ICC .53). The mean absolute percentage errors of the trackers in laboratory and free-living conditions respectively, were: Lumoback (−0.2, −0.4), Fibit Flex (−5.7, 3.7), Jawbone Up (−1.0, 1.4), Nike+ Fuelband (−18, −24), Misfit Shine (0.2, 1.1), Withings Pulse (−0.5, −7.9), Fitbit Zip (−0.3, 1.2), Omron (2.5, −0.4), Digiwalker (−1.2, −5.9), and Moves app (9.6, −37.6). Bland-Altman plots demonstrated that the limits of agreement varied from 46 steps (Fitbit Zip) to 2422 steps (Nike+ Fuelband) in the laboratory condition, and 866 steps (Fitbit Zip) to 5150 steps (Moves app) in the free-living condition.Conclusion: The reliability and validity of most trackers for measuring step count is good. The Fitbit Zip is the most valid whereas the reliability and validity of the Nike+ Fuelband is low.
Aim: The aim of this study was to describe the experience with commercially available activity trackers embedded in the physiotherapy treatment of patients with a chronic disease. Methods: In a qualitative study, 29 participants with a chronic disease participated. They wore an activity tracker for two to eight weeks. Data were collected using 23 interviews and discussion with 6 participants. A framework analysis was used to analyze the data. Results: The framework analysis resulted in seven categories: purchase, instruction, characteristics, correct functioning, sharing data, privacy, use, and interest in feedback. The standard goal of the activity trackers was experienced as too high, however the tracker still motivated them to be more active. Participants would have liked more guidance from their physiotherapists because they experienced the trackers as complex. Participants experienced some technical failures, are willing to share data with their physiotherapist and, want to spend a maximum of e50,-. Conclusion: The developed framework gives insight into all important concepts from the experiences reported by patients with a chronic disease and can be used to guide further research and practice. Patients with a chronic disease were positive regarding activity trackers in general. When embedded in physiotherapy, more attention should be paid to the integration in treatment.
Aim: The aim of this study was to describe the experience with commercially available activity trackers embedded in the physiotherapy treatment of patients with a chronic disease. Methods: In a qualitative study, 29 participants with a chronic disease participated. They wore an activity tracker for two to eight weeks. Data were collected using 23 interviews and discussion with 6 participants. A framework analysis was used to analyze the data. Results: The framework analysis resulted in seven categories: purchase, instruction, characteristics, correct functioning, sharing data, privacy, use, and interest in feedback. The standard goal of the activity trackers was experienced as too high, however the tracker still motivated them to be more active. Participants would have liked more guidance from their physiotherapists because they experienced the trackers as complex. Participants experienced some technical failures, are willing to share data with their physiotherapist and, want to spend a maximum of €50,-. Conclusion: The developed framework gives insight into all important concepts from the experiences reported by patients with a chronic disease and can be used to guide further research and practice. Patients with a chronic disease were positive regarding activity trackers in general. When embedded in physiotherapy, more attention should be paid to the integration in treatment.
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.
