Validité de l'évaluation continue de l'activité physique basée sur l'informatique omniprésente chez les personnes âgées et les personnes âgées vivant en communauté
Chez les personnes âgées, l'activité physique est essentielle pour un vieillissement en bonne santé et est associée à de nombreux indicateurs et résultats en matière de santé. Des évaluations régulières de l'activité physique peuvent aider à détecter des changements précoces liés à la santé et à gérer des interventions ciblées sur l'activité physique
Narayan Schütz, Hugo Saner, Beatrice Rudin, Angela Botros, Bruno Pais, Valérie Santschi, Philipp Buluschek, Daniel Gatica-Perez, Prabitha Urwyler, Laura Marchal-Crespo, René M. Müri & Tobias Nef
Résumé
Chez les personnes âgées, l'activité physique est essentielle pour un vieillissement en bonne santé et est associée à de nombreux indicateurs et résultats en matière de santé. Des évaluations régulières de l'activité physique peuvent aider à détecter des changements précoces liés à la santé et à gérer des interventions ciblées sur l'activité physique. La quantification de l'activité physique est toutefois difficile, car les mesures autodéclarées couramment utilisées sont biaisées et ne sont pas précises à un moment donné. Les alternatives modernes sont généralement basées sur des technologies portables qui sont précises mais souffrent de problèmes d'utilisation et de conformité. Dans cette étude, nous avons évalué le potentiel d'un système discret basé sur des capteurs ambiants pour la quantification continue et à long terme de l'activité physique. Pour ce faire, nous avons analysé pendant un an les données longitudinales des capteurs et les dossiers médicaux de treize personnes âgées vivant en communauté et de personnes âgées plus âgées. Sur la base des données du capteur, le nombre quotidien de transitions dans la pièce ainsi que l'activité brute du capteur ont été calculés. Nous avons constaté que le nombre de transitions dans la pièce et, dans une certaine mesure, l'activité brute du capteur permettaient de saisir de nombreuses associations connues entre l'activité physique et les indicateurs et résultats en matière de santé cognitive, de bien-être et de motricité. Les résultats de cette étude indiquent que ces systèmes de capteurs ambiants discrets et peu coûteux peuvent fournir une approximation adéquate de l'activité physique globale des personnes âgées, suffisante pour saisir les associations pertinentes avec les indicateurs de santé et les résultats.
Introduction
Il est communément admis que l'activité physique a une influence positive sur la santé. Il existe des preuves scientifiques solides que l'activité physique réduit le risque de divers problèmes de santé tels que l'hypertension artérielle, le diabète de type 2, le cancer, la prise de poids, les chutes, la dépression, la perte des fonctions cognitives ou des capacités fonctionnelles chez les personnes âgées.1,2. Bien que ces résultats soient d'une grande pertinence pour tous les groupes d'âge, ils revêtent une importance particulière pour le nombre croissant de personnes âgées, et plus encore pour les adultes les plus âgés, d'autant plus que l'activité physique est un facteur de risque modifiable.3,4. En outre, les personnes âgées sont plus susceptibles de souffrir de maladies chroniques, de faire des chutes ou d'être confrontées à un déclin cognitif important. Ils sont également plus enclins à un mode de vie sédentaire5 et les résultats des mesures de la condition cardiorespiratoire suggèrent même une accélération du déclin lié à l'âge6qui pourrait également être détectée par l'activité physique.
S'il est évident qu'une activité physique d'intensité modérée à vigoureuse est généralement préférable, la recherche suggère qu'une activité physique d'intensité légère ou modérée est toujours préférable à l'absence d'activité physique en termes de bénéfices pour la santé.2. Ce point est important pour les personnes âgées, car il leur est souvent difficile de pratiquer des activités physiques d'intensité élevée, telles que la course à pied ou l'aérobic. Les activités physiques d'intensité légère et modérée, comme cuisiner, passer l'aspirateur ou d'autres activités quotidiennes, constituent une part importante et souvent intégrale de l'activité physique totale des personnes âgées. La mesure de ce type d'activité physique est assez difficile, mais elle peut être très importante pour la détection précoce d'un déclin évitable de l'activité physique ou pour le suivi de l'évolution des interventions. Aujourd'hui, les évaluations de l'activité physique sont souvent basées sur l'auto-déclaration, qui est non seulement sujette à un biais de réponse, mais qui souffre également d'un biais de rappel - en particulier lorsque la mémoire décline.4,7,8,9. Les alternatives fréquemment utilisées sont l'accéléromètre ou le podomètre.7,10. Bien qu'ils fournissent des mesures objectives de l'activité physique dans des conditions de vie libre, ils doivent être portés, ce qui devient encombrant dans les évaluations à long terme de plusieurs mois ou même années et s'accompagne donc souvent de problèmes de non-conformité dépendant du temps de port.10.
Les progrès technologiques ont rendu possible l'informatique omniprésente pour le vieillissement sain assisté par la technologie en intégrant des dispositifs informatiques intelligents pilotés par microprocesseur dans les objets de la vie quotidienne (comme par exemple dans les appareils des maisons intelligentes).11. De plus en plus de recherches novatrices montrent que ces systèmes sont non seulement réalisables et bien acceptés par les personnes âgées, mais qu'ils sont également utiles pour détecter les situations d'urgence ou les changements précoces de l'état de santé.9,12,13. Une technologie fréquemment utilisée et de plus en plus commercialisée est la détection de mouvement par infrarouge passif (PIR), qui est à la fois peu coûteuse et discrète, à tel point que les gens ont tendance à l'oublier14,15. Dans ce contexte, les capteurs de mouvement PIR fonctionnent en détectant la présence du mouvement d'une personne dans une pièce équipée16. Outre les applications de sécurité17,18,19,20La plupart des travaux menés dans ce sens ont principalement porté sur les résultats cognitifs. Galambos et al. ont par exemple montré que les changements dans les cartes de densité de mouvement dérivées du capteur PIR correspondent à des exacerbations de la dépression et de la démence21. De la même manière, Hayes et al. ont démontré que la variabilité des données d'activité et de vitesse de marche dérivées du capteur PIR différait entre les sujets cognitivement normaux et ceux souffrant de troubles cognitifs légers (MCI)22. De même, Urwyler et al. ont mis en évidence la différence entre les activités de la vie quotidienne dérivées des capteurs chez les sujets sains et les sujets atteints de DCL23.
Dans ce travail, nous évaluons le potentiel des capteurs PIR à la lumière de l'activité physique. En particulier, nous explorons la validité et le potentiel des relevés discrets et continus des capteurs PIR pour la quantification de l'activité physique, en ciblant l'activité physique à domicile d'intensité légère et modérée. Pour ce faire, nous avons analysé le comportement des mesures d'activité (physique) basées sur le capteur PIR et les avons comparées à une multitude d'évaluations cognitives, de bien-être et de fonctions motrices afin de déterminer si cette approximation de l'activité physique reflète suffisamment les effets connus de l'activité physique sur les indicateurs de santé et les résultats couramment utilisés. Les données utilisées pour l'analyse proviennent d'un échantillon naturaliste de treize Suisses âgés et plus âgés vivant en communauté (âge = 90,9 ± 4,3 ans, femmes = 69,23 %) de la cohorte StrongAge d'Olten (Suisse). Tous les sujets analysés partageaient le même appartement. Les sujets ont été suivis pendant un an. Simultanément, une batterie de tests et d'évaluations cliniques standardisés a été réalisée à plusieurs reprises. Les données obtenues ont été agrégées et analysées en termes de différences de base. En outre, les données relatives à l'activité physique d'un sujet dont l'état de santé s'est rapidement dégradé ont été évaluées et visualisées sous la forme d'une étude de cas.
Résultats
Sur une période d'environ un an, plus de 89 389 heures-personnes ont été enregistrées au domicile de treize participants âgés et plus âgés (âge = 90,9 ± 4,3 ans) (tableau 1), tous partageant le même agencement d'appartement et le même emplacement de capteur. Au cours de la même période, des évaluations classiques de plusieurs paramètres de santé ont été effectuées. Deux mesures normalisées de l'activité physique dérivées du capteur PIR ont été calculées. Tout d'abord, l'activité quotidienne du capteur, qui mesure le temps pendant lequel les capteurs ont détecté l'activité (équation(1)). Deuxièmement, le nombre quotidien normalisé de transitions entre les pièces (mesurant le nombre horaire de transitions entre les différentes pièces) (équation(2)). Nous présentons ici les associations et les observations qui en résultent entre ces mesures de l'activité physique basées sur les capteurs et les évaluations cliniques classiques (Fig. 1).
Visual Correlation Matrix of the four sensor-derived physical activity metrics and the clinical assessments). Shown is a visual representationh of the respective correlations as measured by the Spearman’s rank correlation coefficients (ρ) based on an α = 0.05i. The sensor-derived physical activity metrics (rows) represent the mean and the coefficient of variation (CV) of the daily measurements over the whole monitoring duration. The size as well as colour-intensity signal the correlation strength, where red means a strong positive and blue a strong negative correlation. aTimed Up & Go (TUG)27 (Counting = while additionally counting backwards from 100; Cup = while holding a full cup of water). bGeriatric Depression Scale (GDS)25. cTinetti Performance-oriented mobility assessment (POMA)28. dMontreal cognitive assessment (MoCA)24. eKnee extensor strength (Knee). fHip flexor strength (Hip). gVisual analogue scale: measuring perceived health based on the EQ-5D-3L system (EQ-VAS)26. hcreated using the R package “corrplot”34i*<0.05; **<0.01.
Adoptez la santé digitale. Essayez domo.health maintenant.
Notre équipe se fera un plaisir de vous présenter toutes les fonctionnalités qui peuvent vous aider à optimiser votre charge de travail afin de vous faire gagner du temps.