MétaCan
Menu
Retour à la cohorte
Enregistrement W3118181319 · doi:10.2196/19859

Using Consumer-Grade Physical Activity Trackers to Measure Frailty Transitions in Older Critical Care Survivors: Exploratory Observational Study

2020· article· en· W3118181319 sur OpenAlexafffundvenueabout
Ben Kim, Miranda Hunt, John Muscedere, David M. Maslove, Joon Lee

Notice bibliographique

RevueJMIR Aging · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensUniversity of CalgaryQueen's UniversityUniversity of Waterloo
Organismes subventionnairesAGE-WELL
Mots-clésActivity trackerMedicineObservational studyIntensive care unitDeliriumWearable computerComorbidityActivities of daily livingWearable technologyGerontologyPhysical therapyEmergency medicinePhysical activityPsychiatryInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Critical illness has been suggested as a sentinel event for frailty development in at-risk older adults. Frail critical illness survivors are affected by increased adverse health outcomes, but monitoring the recovery after intensive care unit (ICU) discharge is challenging. Clinicians and funders of health care systems envision an increased role of wearable devices in monitoring clinically relevant measures, as sensor technology is advancing rapidly. The use of wearable devices has also generated great interest among older patients, and they are the fastest growing group of consumer-grade wearable device users. Recent research studies indicate that consumer-grade wearable devices offer the possibility of measuring frailty. OBJECTIVE: This study aims to examine the data collected from wearable devices for the progression of frailty among critical illness survivors. METHODS: An observational study was conducted with 12 older survivors of critical illness from Kingston General Hospital in Canada. Frailty was measured using the Clinical Frailty Scale (CFS) at ICU admission, hospital discharge, and 4-week follow-up. A wearable device was worn between hospital discharge and 4-week follow-up. The wearable device collected data on step count, physical activity, sleep, and heart rate (HR). Patient assessments were reviewed, including the severity of illness, cognition level, delirium, activities of daily living, and comorbidity. RESULTS: The CFS scores increased significantly following critical illness compared with the pre-ICU frailty level (P=.02; d=-0.53). Survivors who were frail over the 4-week follow-up period had significantly lower daily step counts than survivors who were not frail (P=.02; d=1.81). There was no difference in sleep and HR measures. Daily step count was strongly correlated with the CFS at 4-week follow-up (r=-0.72; P=.04). The average HR was strongly correlated with the CFS at hospital discharge (r=-0.72; P=.046). The HR SD was strongly correlated (r=0.78; P=.02) with the change in CFS from ICU admission to 4-week follow-up. No association was found between the CFS and sleep measures. The pattern of increasing step count over the 4-week follow-up period was correlated with worsening of frailty (r=.62; P=.03). CONCLUSIONS: This study demonstrated an association between frailty and data generated from a consumer-grade wearable device. Daily step count and HR showed a strong association with the frailty progression of the survivors of critical illness over time. Understanding this association could unlock a new avenue for clinicians to monitor and identify a vulnerable subset of the older adult population that might benefit from an early intervention.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,434
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,258
Tête enseignante GPT0,413
Écart entre enseignants0,155 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2020
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueJMIR AgingMême sujetFrailty in Older AdultsTravaux en français237 207