82.000 Apple Watch hordozó tanítja a tudósokat a fitneszről és az egészségről

A szerzők: James Truslow Angela Spillane Huiming Lin Katherine Cyr Adeeti Ullal Edith Arnold Ron Huang Laura Rhodes Jennifer Block Jamie Stark James Kretlow Alexis L. Beatty Andreas Werdich Deepali Bankar Matt Bianchi Ian Shapiro Jaime Villalpando Sharon Ravindran Irida Mance Adam Phillips John Earl Rahul C. Deo Sumbul A. Desai Calum A. MacRae A szerzők: James Truslow Angéliában játszanak Gyöngy Lin Katalin Cyr Szegeden Ulló Édesanyja Arnold György Huang Laura Rózsa Jennifer Blokk Jamie Stark James Kretlow Alexis L. Beatty életrajza András Werdich Deepali bankár Mátyás Bianchi György Shapiro Jászberényi Villalpando Sharon Ravindran előzetes Írisz Mancs Ádám Phillips John Earl Rákóczi C. Deo Szombul A. Szombul Calum A. MacRae absztrakt A testmozgás vagy a strukturált testmozgás számos körülmények között előnyös. Mindazonáltal a különböző típusú tevékenységekre adott differenciálválaszokra vonatkozó egyéni szintű adatok mérete, időtartama vagy megjegyzés szintje még nem elegendő a diszkrét eredmények mechanizmusainak megértéséhez, illetve a személyre szabott ajánlások támogatásához.Az Apple Heart & Movement Study célja, hogy passzívan gyűjtsön az Apple Watchon és az iPhone-on elérhető sűrű élettani adatokat az Egyesült Államokban elterjedt nagy valós kohorszból, hogy ezeket a tudáshiányokat orvosolja. Hosszú távú kapcsolatok a testmozgás alacsonyabb incidens betegség aránya sok rendellenességek replikálták nagy tanulmányok kutatási szintű, valamint a fogyasztói szintű, viselhető , , A testmozgásra adott differenciális egyéni válaszok számos rendellenesség klinikai kimenetelének potenciális előrejelzőjeként jelennek meg, beleértve a cukorbetegséget, a csípőfrakciókat, a rákot és a kognitív hanyatlás mértékét. , , , . 1 2 3 4 5 6 7 A testre szabott orvosi tanácsadás a tevékenységre vonatkozóan változatos marad, nagyrészt az intervenciós tanulmányok korlátozott hatókörének köszönhetően, valamint a testmozgás széles körének és az összehasonlítható tevékenységekre adott válaszok heterogenitásának következtében. A bizonyítékok azt sugallják, hogy a legtöbb egyén nem felel meg a lakosság aktivitási ajánlásainak, és azt javasolták, hogy az egyénre szabottabb ajánlások hatékonyabbak lehetnek. A specifikus tevékenységek és az egyéni élettani alkalmazkodás közötti kapcsolatok jobb megértése megköveteli a különböző tevékenységek tulajdonságainak és hatásainak részletes dokumentációját a diszkrét válaszok eredményeivel rendelkező egyének körében. , , A viselhető technológiák, az elektronikus egészségügyi nyilvántartások és a modern adatkutatás konvergenciája lehetővé teszi az ilyen tanulmányok megvalósítását. 1 8 8 9 10 Az Apple Watch (Watch) egy többérzékelős hordozható eszköz, amely passzívan nyomon követett fiziológiai mutatókat (például aktivitás, gyaloglás és szívfrekvencia mutatókat) egyesít, és „a csuklón” az események jegyzékbe vételével, például az edzés típusainak naplózásával foglalkozik.Az Apple Heart & Movement Study (AH&MS) célja az volt, hogy az egyének érzékelőinek, aktivitásának és egészségügyi adatainak hosszirányú gyűjtését lehetővé tegye a tevékenység, a wellness és az egészség közötti kapcsolatok feltárására. A jelenlegi kézirat leírja a tanulmány tervezését és az alapadatokat az egyének, akik tájékozott hozzájárulást adtak a részvételhez. A tanulmány folyamatban van, és az adatgyűjtés továbbra is fejlődik az új érzékelők, új kérdőívek és egyéb adatok hozzáadásával. Kutatási alkalmazás, a mobilalkalmazás résztvevői használják feliratkozni és kölcsönhatásba lépni a tanulmány, lehetővé teszi a gyakori módosításokat a tanulmány (IRB jóváhagyással) megkönnyítve az alkalmazkodást az új körülményekhez, mint például a pandémia vagy az új adattípusok. Az adatok időben jelölve és verzió (mind a hardver, mind a szoftver), így a specifikus elemzések keretbe a releváns kontextusban A jelenlegi kézirat kohortját a tanulmány megkezdése után két évvel, 2021-11-13-ig megfigyelték, így minden résztvevőt legalább egy teljes évig és legfeljebb két évig megfigyelték. Az összes kiválasztási kritérium alkalmazása után a kezdeti kohort 82 809 résztvevőből állt. Kiegészítő asztal A tanulmány kohortja 72% Fehér, 74% Férfi születéskor, 74% önállóan azonosított férfiaként, az átlagéletkor a felvételi időpontban 39,3 év (± 13,1 év). A résztvevők 80% -a részmunkaidős vagy teljes munkaidőben foglalkoztatott, 62% főiskolai végzettséggel rendelkezik, 52% házas. A jelenlegi dohányosok a kohort 5.3% -át teszik ki. Az átlagos testtömeg-index (BMI) 28,4 kg/m2 (± 6,5 kg/m2). A résztvevők által jelentett leggyakoribb elterjedt betegségek allergiák (26.0%), depresszió (26.0%), és szorongásos rendellenességek (24,1%), de a vizsgálati résztvevők korától függetlenül más egészségügyi állapotokat jelentettek észre ) a résztvevők 61% -a jelenleg legalább egy gyógyszert szed (Kiegészítő táblázat) ) az 1 6 2 7 Annak érdekében, hogy bemutassuk a cohort által egyetlen héten keresztül megosztott HealthKit adatok körét, az eredményeket egy reprezentatív 7 napos időszak alatt összesítettük, hogy a résztvevők tevékenységének heti ciklusait átlagosan kiszámítsuk (Táblázat). A leggyakoribb tevékenységtípus a gyaloglás volt, amelyet a kohorsz 20,0%-a osztott meg legalább egyszer.A kohorszban lévő 25,304 (30,6%) ember legalább egy edzést osztott meg a megfigyelés hetében, köztük átlagosan 6,54 edzést személyenként. 3 Az edzések a testmozgás nyomon követésének különleges esete, a HealthKit minták általános osztályán belül, amelyek közül sok más típus létezik (Kiegészítő táblázat) ). Ezek közül a leggyakrabban megosztott mintatípusok a mindennapi Apple Watch-ruhák által generált minták, amelyeket passzívan gyűjtenek az érzékelők és a Watch-on alapuló szoftverek. Ennek megfelelően a lépésszámlálást, a szívfrekvenciát és az állóképességet a vizsgálat során megosztják a kohorsz körülbelül fele által képviselt héten. A kevésbé gyakran megosztott mintatípusok a következők: „Mindfulness” munkamenetek (az adott héten 5,5%-kal megosztva), amelyek a Watch által vezetett, de aktív résztvevői részvételt igénylő, figyelemfelkeltő munkamenetet rögzítenek; valamint a résztvevő által kezdeményezett vagy egy automatikusan észlelt edzés 8 A kohorsz 66,752 embert (80,6%) tartalmazott, akiknek a regisztráció utáni első évben legalább egy napig volt Apple Watch-juk, amely képes felvenni az EKG-t a Kutatási alkalmazással párosítva.Az EKG-alkalmazáson keresztül bármikor rögzíthető egy egyvezető EKG, ha az óra koronáját 30 másodpercig tartják. 25 402 EKG-t (2.2%) osztályoztak úgy, mint amelyek atriális fibrillációt mutattak, 1641 résztvevőt képviselve (a kohort 2,0% -a (lásd a kiegészítő táblázatot). Ezek közül a résztvevők közül 477 (29,1%) jelentette, hogy ismert, hogy atriális fibrillációval rendelkeznek, ami arra utal, hogy a tünetek gyakran a konkrét felvételek hajtóereje. 4 9 Az Apple Health alkalmazás lehetővé teszi a felhasználók számára, hogy klinikai egészségügyi nyilvántartásokat töltsenek le a részt vevő intézményektől azáltal, hogy bejelentkeznek az egészségügyi szolgáltató portáljára, és úgy döntenek, hogy megosztják a Gyors Egészségügyi Interoperabilitási Erőforrások (FHIR) adatait a HealthKit-el. A résztvevők időbeli bevonásának mérése érdekében két nagyon alapvető indexet mutatunk be, amelyek kiegészítik a felmérési adatok részletesebb jelentéseit és a HealthKit online megosztását. Ezek a következők: 1) milyen gyakran osztja meg a résztvevő Apple Watch a HealthKit „Stand Hour” mintatípusát a Kutatási alkalmazással; 2) milyen gyakran tölti fel a résztvevő Kutatási alkalmazása bármilyen típusú adatot az Apple biztonságos tanulmányi kiszolgálóira. Ez a két részvételi mutató diszkrét időskálán jelenik meg. az a panelen az a kohort frakciója látható, amely nem vett részt egy adott nap beiratkozása után (00:00:00-23:59:59 UTC). a b panelen az a frakció látható, amely soha nem vesz részt a egy adott nap a beiratkozás után, és az idő múlásával a kohorsz elhagyásának előfordulási gyakoriságának mértékeként tekinthető, különösen az a frakció mértéke, amely a részvételi index szerint határozatlan ideig inaktívvá válik. Így mindkét index esetében a napi részvételi arány idővel történő csökkenése nagyrészt az állandóan inaktív résztvevők idővel történő felhalmozódásának tulajdonítható, és kevésbé az aktív résztvevők körében a tanulmányi részvételi arány csökkenésének következménye. Például a kohorsz 44% -a nem osztja meg a Stand-hour mintát a 365 nap után a beiratkozás után, de ez nem sokkal nagyobb, mint a kohorsz 34% -a, amely már nem osztja meg a Stand-hour mintákat minden 1 Bármikor, miután Kék vonalak mutatják a résztvevők arányát, akik nem járultak hozzá a Stand Hour mintához, mérve a Watch-ot. Az alábbiakban azt mutatjuk be, hogy mely csoportok képviseltetik magukat, és mely csoportok nem képviseltetik magukat az adott csoportban. ( ) azt a hányadot mutatja, amely egy adott nap után egy adott időpontban már nem vesz részt, a felvételt követően, a tanulmányból való kilépés kumulatív előfordulási gyakoriságának mértékeként. a b Az AH&MS egy sor 16 felmérést is tartalmaz, amelyeket a résztvevőknek küldtek, és amelyeket a táblázat ismertet. A Watch által észlelt ritka események által kiváltott 5 felmérés kivételével szinte az összes felmérés 70%-nál nagyobb részvételi arányt mutat. mutatja a válaszadási arányokat a két leggyakoribb felmérés – a havi Stresszskála felmérés és a negyedéves Egészségügyi változások felmérés – regisztráció óta. Mint várható, a résztvevők körében a felmérés befejezésének terhe miatt ez az egyéves csökkenés mind abszolút, mind relatív értelemben nagyobb, mint az aktív felhasználók számának csökkenése, ahogyan azt a Kutatási alkalmazás feltölti a képen. Panel b, amely azt mutatja, hogy a kohorsznak csak 28%-a válik határozatlan ideig inaktívvá egy év alatt. 5 2 2 1 Az A Stress Scale felmérés esetében a százalékos arányt a 42,181-es alkohorszban számítják ki, mivel csak a 2020-05-01 után beiratkozott személyek kerülnek figyelembe, hogy elkerüljék a felmérés átadásának gyakoriságának bármilyen változását. Az AH&MS mérete hasonló a viselhető adatok több más tanulmányához, és már bizonyította a tevékenység és a fiziológiai alkalmazkodás korábbi tanulmányainak számos korlátozásának leküzdésének lehetőségét. Az Apple ökoszisztémájában több független érzékelő kombinációja, a fiziológiai adatok granuláris „karján” megjelölése, valamint az egészségügyi állapotokhoz és az egészségügyi eredményekhez való hozzáférés megkülönböztető, és nagyméretű, diszkrét orvosi jelzések nélküli kohorszhoz vezet. Az AH&MS lehetővé teszi a jóváhagyott fizikai teljesítmény tulajdonságok széles skálájának hosszirányú vizsgálatát, valamint a sűrű kontextusú metaadatokat és a kiterjedt kimeneti mutatókat. A résztvevők tartós felmérési részvétele jelentősen javul a soros egészségügyi kérdőívek korábbi tanulmányaihoz képest. , , a résztvevők rendelkezésre állása generált nagy felbontású megjegyzéseket, és hozzájárult a hozzáférés a klinikai egészségügyi nyilvántartás és a követelések adatait. 1 11 12 Arra számítunk, hogy az AH&MS tanulmány tervezése közvetlenül foglalkozik a valós viselési pályák és a tipikus biomedikai kutatások során összegyűjtött klinikai vagy biológiai kutatási adatok közötti kapcsolatok megértésének szükségességével. Sok meglévő epidemiológiai kohorsz hiányzik az alapvető életmód jellemzőire vonatkozó hosszirányú objektív adatokból, miközben szigorú kimeneti adatokat gyűjtenek a halandóság és a morbiditás konkrét okait illetően. AH&MS széles körű viselkedési és aktivitási adatelemeket gyűjt és trendel, a HealthKit bővített demográfiai, antropometriai és általános életmód-adatelemek mellett. Az AH&MS-t úgy tervezték, hogy közvetlen összehasonlításokat tegyen lehetővé a hagyományos epidemiológiai vizsgálatokkal és a randomizált klinikai vizsgálatokkal a megosztott minimális közös adatkészletek révén. Az egyes résztvevőkkel való kapcsolatfelvétel képessége lehetővé teszi a mély fenotipizálást is a strukturált mintavétel alapján. A komplex élettani mutatók hosszirányú tendenciái összehasonlíthatók az interpolált külső mérésekkel, amelyeket a múltban erősen kiválasztott populációkban kereszt-szakaszos módon mértek. A mélyen fenotipizált alkohorszokon képzett modellek ezután az egész AH&MS-ben vagy bármely hagyományos klinikai vizsgálati formátumban alkalmazhatók. A tevékenységek valós idejű, a csuklón lévő megjegyzésének és a kapcsolódó passzív rögzítésnek az Apple Watch használatával történő rendelkezésre állása részletes alapvető igazságot nyújt az AH&MS-nek.A kutatási alkalmazás nagymértékben konfigurálható a gyors módosítások lehetővé tételére, valamint a felmerülő vagy másodlagos kutatási kérdések, például a SARS Co-V-2 pandémia vizsgálati válaszának kielégítésére. Az AH&MS továbbá folyamatosan hozzáfér a résztvevők klinikai egészségügyi nyilvántartásaiból származó hozzájárult adatokhoz, valamint az FHIR alkalmazásprogramozási interfészeken (API-k) keresztül a „kék gomb” felületű nyilvántartásokból származó adatokhoz, és mindkét adattípus a COVID alatt az alacsony egészségügyi felhasználás miatt bekövetkezett kezdeti késedelem után halmozódik fel.Mivel az EHR-adatok AH&MS-be való beillesztésének folyamata egyszerűsödik, a vizsgálathoz szükséges egyedi incidens-diagnózisok egyidejű érvényesítésének megközelítéseit is feltárjuk. A tanulmánynak számos korlátozása van, amelyeket figyelembe kell venni. A tanulmány az Apple iPhone és az Apple Watch felhasználókra korlátozódik, és vannak korlátozások a más populációkra való általánosíthatóság tekintetében. A populista tanulmány tervezése, mind a mintavételben, mind az elemzésben, diszkrét zavart okozhat, mivel az új algoritmusok vagy új érzékelők folyamatos hozzáadása. A havi felmérési válaszadási arányokból becsült nyomonkövetési veszteség magasabb, mint más tanulmányi visszatartási mutatók, bár a felmérés jellemzőit és a szállítási időközöket még nem optimalizálták a válaszadás vagy a visszatartási arányok tekintetében. A hiányzó adatok más formái elterjedtek, és a Watch viselési információk értelm A külső kihívásokra adott élettani válaszok megértése rendszerszintű információkat nyújt az egyén élettani pontjairól, és kimutatták, hogy az egyének közötti belső különbségek sokkal szigorúbb megkülönböztetéséhez vezetnek, mint a passzív keresztirányú mérés.Ezek a részletek kiemelik a lehetőséget, hogy lehetővé tegyék az egyes felhasználók számára az optimális aktivitási mintákra vonatkozó sokkal konkrétabb ajánlásokat. módszerek Design tanulmány A résztvevőket az IRB által jóváhagyott anyagokon keresztül tájékoztatták a tanulmányról, beleértve az Apple, az American Heart Association (AHA) és a Brigham and Women’s Hospital által működtetett tanulmányi weboldalakat. a résztvevőket felkérik, hogy töltsenek ki egy sor felmérést, és hozzájáruljanak az egészségügyi alkalmazásukból (amely a HealthKit keretrendszert használja) gyűjtött adatok és az iPhone és az Apple Watch (Kiegészítő táblázat) által közvetlenül beszerzett érzékelő adatok megosztásához. ). A Kutatási alkalmazás keret lehetővé teszi a résztvevők számára, hogy választhassanak a konkrét típusú egészségügyi adatok megosztásáról a tanulmányban. A tanulmány 2019. november 14-én kezdte meg a regisztrációt azzal a céllal, hogy legfeljebb 500 000 résztvevőt regisztráljon. A tanulmány tervezett időtartama 5 év, azaz 2024 novemberéig, a hosszabbítás lehetőségével vagy további hosszú távú nyomon követéssel. A tanulmányt az Advarra Központi Intézményi Felülvizsgálati Testület (PRO00036784) jóváhagyta, és a ClinicalTrials.gov-nál (ClinicalTrials.gov azonosító: NCT04198194) regisztrálták. 1 A felmérési kérdéseket úgy tervezték, hogy lehetővé tegyék az összehasonlítást az Egyesült Államok hasonló méretű egészségügyi tanulmányaiból származó adatokkal, mint például a National Health and Nutrition Examination Survey (NHANES), amelyet a Centers for Disease Control and Prevention fejlesztett ki. és a All of Us Tanulmány, a Nemzeti Egészségügyi Intézetek által szponzorált nagy kutatási program A kérdéseket módosították, hogy támogassák a mobilalkalmazás felhasználói felületén belüli kézbesítést, és adott esetben az Apple 2019-ben egyidejűleg indított mindhárom tanulmányában szabványosították, beleértve az Apple Női Egészségügyi Tanulmányt is. Az Apple hallásvizsgálata . 13 14 11 12 A Kutatási alkalmazás felhasználói felületét úgy tervezték, hogy egyszerű és intuitív legyen, miközben lehetővé teszi az adatok gyűjtését olyan feladatokon keresztül, mint például a felmérés befejezése, amelyek idővel eloszlanak a résztvevők terheinek csökkentése érdekében.A felmérési válaszok becsült időigénye az első hónapban körülbelül 30 perc volt, a folyamatos részvétel során havonta 10 percet, mivel a válaszok vagy a további adatgyűjtés szükségessége alapján további felméréseket indítanak (például a COVID expozíciós adatok). Ez a tanulmány a résztvevők magánéletét szem előtt tartva készült. A résztvevők adatait a közlekedésben és a pihenés során kódolják és titkosítják. A kódolt adatokat egy olyan rendszerben tárolják, amely megfelel az Egészségbiztosítási Hordozhatósági és Elszámoltathatósági Törvény (HIPAA) technikai biztonsági követelményeinek. A résztvevők magánéletének és az egészségügyi adatok titkosságának maximalizálása, valamint a résztvevők adatokhoz való jogosulatlan hozzáférés kockázatának minimalizálása érdekében diszkrét munkafolyamatot hoztak létre, amely lehetővé teszi az Apple számára a kódolt tanulmányi adatokhoz való hozzáférést, miközben korlátozza az azonosítható információkhoz, például a nevekhez Alkalmazhatóság, szűrés és beleegyezés Hasonló az Apple Női Egészségügyi Tanulmányhoz és az Apple Hallás Tanulmányhoz , , a jogosultsági kritériumok közé tartozik az iPhone-hoz való hozzáférés a Research alkalmazással, az írásos és beszédes angol nyelvű kommunikáció kényelme, az Egyesült Államokban való tartózkodás, legalább 18 éves kor (Alabama és Nebraska területén legalább 19 éves, Puerto Rico területén legalább 21 éves), az iCloud-fiók vagy az iPhone egyedi használata, valamint a tanulmányban való részvételre vonatkozó tájékozott hozzájárulás megadása. 11 12 A regisztráció előtt a résztvevők kitöltenek egy profilot, amely tartalmazza az olyan információkat, mint a név, a születési dátum, az e-mail, a telefonszám, az aktuális régió és a lakóhely állapota. Ezeket az adatokat a jogosultság megerősítésére használják. Az AH&MS esetében a Kutatási alkalmazás azt is megerősítheti, hogy az Apple Watch párosul-e az iPhone készülékkel. Ha az életkorra, a helyre és az óra párosítási állapotára vonatkozó követelmények teljesülnek, az egyének továbbra is tanulmányozhatnak a fedélzeten, beleértve az információs hozzájárulási űrlap (ICF), a HIPAA engedély és a kaliforniai jogi törvénykönyv (ha alkalmazható) elolvasását és aláírását. Miután a beszállás befejeződött, az újonnan beiratkozott résztvevők azonnal két „feladatot” kapnak, nevezetesen a demográfiai felmérést, valamint egy rövid útmutatót „Az Apple Watch használata hozzájáruláshoz”, amely elmagyarázza, hogy mind az edzések naplózása az Watch-on, mind az EKG-k (az Watch Series 4 vagy annál magasabb) értékes a tanulmány számára. Folyamatos toborzás Az intézményi felülvizsgálati testület (IRB) jóváhagyásával a Brigham és a Női Kórház / Harvard Orvostudományi Iskola által üzemeltetett tanulmányi weboldal is nyilvánosságra került. Az American Heart Association (AHA) egyidejűleg egy információs weboldalt indított el a tanulmány tudatosságának terjesztésére (november 2019), beleértve az IRB által jóváhagyott közösségi médiát és e-mail kampányokat (október 2020). Az AHA szintén honlapot indított a heart.org-on a tanulmány tudatosságának növelése és a folyamatban lévő toborzási erőfeszítések bővítése érdekében. Ezenkívül 2020 októberében bevezették és elindították a kutatási alkalmazás új funkcióját, amely lehetővé teszi, hogy a résztvevők közvet A felmérés adatai – a regisztrációkor és azt követően évente A beiratkozáskor az AH&MS résztvevői válaszoltak a Kutatási Profil felmérésre a Kutatási alkalmazásban és a Demográfiai felmérésre. Az adatok között szerepelt a születési év, a lakóhely állapota, a faji és etnikai hovatartozás, a házassági állapot, a foglalkoztatási státusz, az oktatási szint, a nemi identitás, a születéskor kijelölt nem és a szubjektív társadalmi státusz. , orvosi előzmények felmérése, gyógyszerek felmérése és egészségügyi viselkedés felmérése (az alkoholfogyasztási rendellenességek azonosítási tesztje (AUDIT-C) alapján) és mindannyiunk tanulmányozása, NIH) A tevékenységállapot felmérését, a fizikai aktivitással kapcsolatos kérdőívet a második hónap elején adták ki.Az éves felméréseket a résztvevők terheinek csökkentése érdekében megdöbbentő időben adják ki, és várhatóan körülbelül 5 percet vesz igénybe. 15 16 14 Tervezett ideiglenes felmérések és időzítés A résztvevők negyedéves felméréseket is kaptak, nevezetesen a mentális egészségügyi felmérést (PHQ-2, GAD-2) , a tevékenységállapot felmérése (módosított Rosow-Breslau) Az észlelt stressz skála (PSS-4) A fogyatékosság értékelése (WHODAS 2.0) Ezek a felmérések szintén megdöbbentek a második, harmadik és negyedik hónapban, becslések szerint havonta 10 percet vesz igénybe a felmérés befejezésére. 17 18 19 20 Felmérések és időzítések A tanulmány tervezése magában foglalja a résztvevőknek csak akkor küldött felméréseket, ha azok megfelelnek bizonyos kritériumoknak, amelyek a tanulmányba való felvételük idején jelentkeztek.A tanulmány indításakor 3 kiváltott felmérés volt az Apple Watchon megfigyelt érzékelőadatokkal kapcsolatban, és az egyes felmérések elvégzéséhez becslések szerint 5 percre volt szükség. Az Irregular Rhythm Follow-up felmérést 3 hónappal azután adják be, hogy a résztvevő szabálytalan szívritmus-értesítést kapott, miközben a Watch ezt a funkciót támogató verzióit viselte, amelyeket a Watch passzívan észlelhet. A második kiváltott felmérést, az EKG-követést, 3 hónappal azután adják be, hogy a résztvevő az Apple Watch EKG funkciójának használata során elülső fibrillációt észlelt. A kérdések a résztvevőnek az eredményt követően tett intézkedésekre és a kapott gondoskodásra vonatkoznak. Ezt a kérdőívet a Kutatási alkalmazás az esés bekövetkeztét követő napon adja ki, és arra szolgál, hogy ellenőrizze, hogy az esemény esés volt-e, rögzítse a résztvevő tevékenységét az esés alatt, és értékelje, hogy az okozott-e sérülést.A gyakran eső résztvevők terheinek csökkentése érdekében a tanulmány a nagy valószínűségű esetekre osztályozott események esetében a Potenciális esés felméréseinek számát négyre korlátozza, az alacsony valószínűségű esetekre osztályozott események esetében pedig havonta 1 felmérésre korlátozza. Participant-approved follow-up to triggered surveys by study staff A résztvevőkkel való kapcsolatfelvételhez a BWH személyzete egy biztonságos mobilalkalmazást és munkafolyamatot használ a név, telefon és e-mail információhoz való hozzáféréshez, amelyhez az Apple nem fér hozzá. Az IRB által jóváhagyott szkripttel az eseményre vonatkozó részletes kérdésekre adott válaszokat formázott struktúrában rögzítik, amelyet a személyesen azonosítható adatok pontosságára és eltávolítására ellenőriznek, majd az érzékelővel és a felmérési adatokkal összesítik. Kutatási érzékelők és felhasználási adatok A résztvevők hozzájárultak az iPhone érzékelőiből és egy párosított Apple Watch-ból származó mutatókból származó adatok (a résztvevő által jóváhagyott) gyűjtéséhez.Ezek az adatok magukban foglalják az EKG-adatokat, az optikai érzékelő (PPG), a magasság (barométernyomás), a mozgás (gyorsításmérő, giroszkóp), a sebesség és a távolság (a GPS-től származó) és más érzékelőadatok, például a „rögzített állapot”, a pedométer adatok és a kiegészítő táblázatban összefoglalott esési statisztikák. A regisztráció után a résztvevők a kutatási alkalmazáson belül elérhető vezérlők használatával választhatják ki vagy választhatják ki az adott típusú adatok megosztását a tanulmányban. 2 Egészségügyi adatok A résztvevők által megosztani engedélyezett passzív és manuális hozzáadott adattípusok gyűjtése a HealthKit keretrendszer segítségével központi adattárat biztosít az egészségügyi és fitness-adatoknak az iPhone és az Apple Watch készülékeken. Az ilyen engedélyek alapján bizonyos alkalmazások a HealthKit használatával adatokat írnak és olvassanak, amelyeket hozzáférhetnek és megoszthatnak a Kutatási alkalmazással, miközben megtartják a résztvevők magánéletét és ellenőrzését. részvétel Ez a tanulmány célja, hogy lehetővé tegye a részvételt a következő kiegészítő módokon: (1) válasz a felmérési kérdésekre a Kutatási alkalmazásban; (2) hozzájárulás a HealthKit adatok; (3) hozzájárulás érzékelő és felhasználási adatok, amelyek magukban foglalják az érzékelő alapú adatfolyamok a SensorKit (SK); és (4) válasz a közvetlen hozzáférést a tanulmányi személyzet, ha konkrét IRB-jóváhagyott kritériumok teljesülnek. Demográfiai változók meghatározása Ugyanezt a kérdőívet használtuk a faji és etnikai hovatartozás meghatározására a NIH által szponzorált All of Us Tanulmányban, és a válaszokat a faji és etnikai hovatartozás hagyományos jelentésébe soroltuk. Ezt a skálát megfigyelték, hogy összefüggésbe hozza az egészségi állapotot az egész életen át. Megjegyzendő, hogy a MacArthur skála összefüggésbe hozható az objektív társadalmi-gazdasági státussal (SES), de szélesebb körű alkalmazhatósággal rendelkezik a társadalmi státusz markereként, mint a nem fehér populációkban a SES egyszerű objektív mérései. A válaszokat önkényesen a következő kategóriákba soroltuk: 1-4 megfelel az alacsonynak, 5-6 megfelel a közepesnek, és 7-10 megfelel a magasnak. 21 Tervezett statisztikai elemzések A statisztikai elemzéseket a következő 3 vizsgálati kategóriára tervezzük: (1) a felmérési adatok hosszirányú elemzése, (2) a passzívan összegyűjtött iPhone és Apple Watch adatok hosszirányú elemzése, és (3) a felmérési adatok és a passzívan összegyűjtött adatok közötti kapcsolatok elemzése, beleértve a klinikai egészségügyi nyilvántartási adatokat. Mindhárom típusú elemzés esetében a regressziós módszerek hosszúságos kiterjesztéseit fogjuk használni, mint például a lineáris és általánosított lineáris vegyes modelleket, a statisztikai tanulási technikákat a nagyméretű adatokhoz és a funkcionális adatelemzési módszereket. A felmérési adatok hosszúságos elemzéséhez a résztvevők jellemzői és a kockázati tényezők és a specifikus funkcionális eredmények közötti kapcsolatokat számszerűsíteni fogjuk, és hogyan változnak ezek az összefüggések a tanulmányi populáció korosztályán belül. A passzívan összegyűjtött adatok hosszúságos elemzéséhez egyéni szintű elemzéseket fogunk végezni, hogy azonosítsuk a viselkedés lehetséges változásait az idő múlásával, és hogyan kapcsolódnak a késő Azok a résztvevők, akik beiratkoztak, de nem nyújtották be a demográfiai felmérést, kizárták a cikkben vizsgált kohortból. Egy Welch kétoldalas, kétoldalas t-tesztet végeztek a beiratkozások átlagéletkorának összehasonlítására a beépített és kizárt résztvevők között. A Pearson chi-kvadrat tesztjét szimulált p-értékekkel végezték a beépített és kizárt résztvevők közötti földrajzi régiók eloszlásának összehasonlítására. Adatok Baseline Characteristics of Participants Bemutatjuk a tanulmányba az első évben, 2019-11-14 és 2020-11-13 között beiratkozott tanulmányi résztvevők kohorszának jellemzőit, amelyeket a lehető legközelebb a felvételhez mértek, így a jelenlegi kézirat kohorszát a tanulmány megkezdése után két évvel, 2021-11-13-ig megfigyelték, így minden résztvevőt legalább egy teljes évig, de legfeljebb két évig megfigyelték. Az alábbiakat nem vettük figyelembe: (1) a kutatási alkalmazás minőségbiztosítási célokra történő tesztelésére használt adatok ( = 29); 2) olyan esetek, amikor a felvétel után a jogosultság kétértelművé vált (például a résztvevő születési dátumát vagy címét a felvétel után módosította, hogy a helyi hozzájárulási kor alatti életkorra utaljon ( = 100); vagy (3) a résztvevő nem fejezte be a demográfiai felmérést a beiratkozás után ( Az összes kiválasztási kritérium alkalmazása után a kezdeti kohort 2020-11-13 óta 82 809 résztvevőből áll. n n n A táblázatban ismertetett jellemzők , az egyes résztvevők esetében az érték a Kutatási alkalmazás által az adott résztvevőre és jellemzőre vonatkozóan rögzített legkorábbi érték. Több érték is előfordulhat, ha a résztvevő elég hosszú ideig van regisztrálva ahhoz, hogy a Kutatási alkalmazás második vagy harmadik alkalommal bemutatja őket egy felméréssel, például az 1. éves demográfiai felméréssel és a 2. éves demográfiai felméréssel. A résztvevők bármikor szerkeszthetik születési dátumukat és lakóhelyüket a Kutatási alkalmazás által számukra fenntartott profilban. Azokban az esetekben, amikor a résztvevő a regisztráció után szerkesztheti ezeket az információkat, csak a legkorábbi értéket jelenítjük meg, amelyet megosztanak. 1 Ez a 82,809 személy kohorsz összehasonlítása az 1751 résztvevővel, akik nem válaszoltak a demográfiai felmérésre a Kiegészítő táblázatban az , és a résztvevők életkora és tartózkodási helye a felvételi időpontban (ezeket az adatokat a kutatási alkalmazás a felvételt megelőzően szerzi be, függetlenül attól, hogy a résztvevő benyújtja-e a demográfiai felmérést).A kizárt 1751 résztvevő átlagosan 3,2 évvel fiatalabb a kohorsznál (95% CI = [3,79 y és 2,58 y]). 3 4 5 A tanulmány kohortja 72% Fehér, 74% Férfi születéskor, 74% Önállóan azonosított férfi (Táblázat Az átlagéletkor a beiratkozáskor 39,3 év (± 13,1 év). a kohort 11% -a hispán; a hispán népesség faji összetételének részletei a Kiegészítő táblázatban találhatók A résztvevők 80 százaléka részmunkaidős vagy teljes munkaidős, 62 százaléka főiskolai végzettséggel rendelkezik, 52 százaléka házas. A jelenlegi dohányosok a kohort 5,3 százalékát teszik ki. 1 6 A résztvevők 2,684 résztvevője (a kohort 3,24% -a) a felvételtől számított egy éven belül visszavonult a tanulmányból. Azok között, akik visszavonultak, 25% -uk visszavonult az első 13 napban, és 50% -uk visszavonult 111 napon belül. Azok között, akik visszavonultak < 1% -ban automatikus visszavonulások voltak, amelyeket a résztvevő lakóhelyének vagy születési dátumának frissítése váltott ki, ami miatt már nem jogosultak a tanulmány folytatására. . 1 A résztvevők által jelentett leggyakoribb elterjedt betegségek az allergia (26,0%), a depresszió (26,0%) és a szorongásos zavarok (24,1%). A kutatásban résztvevők viszonylag fiatal koruk ellenére számos más egészségügyi állapotot jelentettek jelentős arányban. 2 A kohorsz összes résztvevője közül 61% jelenleg legalább egy gyógyszert szed (Kiegészítő táblázat). A leggyakrabban jelentett gyógyszerek az NSAID-ok (27%), az antidepresszánsok (20%) és az ACEI-k vagy az ARB-k (11%). 7 Egészségügyi adatok megosztása egy hét alatt Annak érdekében, hogy bemutassuk a HealthKit-adatok sokféleségét, amelyet a kohorsz egy hét alatt megosztott, összegyűjtöttük az eredményeket egy 7 napos időszak alatt, hogy a résztvevők tevékenységének heti ciklusait átlagosan kiszámítsuk (az adatok nem jelennek meg). A megfigyelési időszak utolsó hetét választottuk (2021-11-07-2021-11-13) különösen azért, mert valamennyi résztvevőt legalább egy évig regisztrálták volna abban a pillanatban, és mivel – a tanulmány elindítását követő két évben – ez volt a legközelebbi pont a tanulmány 5 éves időszakának közepéhez. és ) az 2A 2B asztal mutatja a leggyakoribb 82 típusú edzésmintát, amely be van jelentkezve a HealthKit-be, és amelyet legalább 100 résztvevő oszt meg a Kutatási alkalmazással. Minden egyes tevékenységtípus esetében a táblázat azt a résztvevők számát adja meg, akik az adott héten legalább egy ilyen típusú edzést osztottak meg, és a résztvevők (azok között, akik ezt a tevékenységet végezték) átlagos aktivitási számát adja. A leggyakoribb tevékenységtípus a gyaloglás volt, amelyet a kohort legalább 20,0%-a osztott meg egyszer. A kohortban összesen 25,304 (30,6%) ember osztott legalább egy edzést a megfigyelési héten, köztük átlagosan 6,54 edzést személyenként. 3 Az edzések a testmozgás nyomon követésének különleges esete, a HealthKit minták általános osztályán belül, amelyek közül sok más típus szerepel a Kiegészítő táblázatban. , amely bemutatja a HealthKit-adatokat a 2021-11-07-től kezdődő héten 100 vagy több résztvevővel, akik hozzájárulnak az egyes adattípusokhoz. Ez a minta az 1. évre korlátozódik, akik aktívak voltak az adott héten a 2. évben. Ezek közül a leggyakrabban megosztott mintatípusok általában azok, amelyeket a mindennapi Watch-wear generál, és amelyeket passzívan gyűjtenek a Watch-nak szánt szoftverek és érzékelők. A kevésbé gyakran megosztott mintatípusok közé tartoznak a következők: „Mindfulness” ülések (az adott héten 5,5%-kal megosztva), amelyek a Watch által vezetett, de a résztvevők aktív bevonását igénylő, figyelmes üléseket rögzítik; és a magas szívfrekvenciás események (az adott héten 2,4%-kal megosztva), amelyeket a Watch passzívan gyűjt, de az egészséges résztvevők számára nem gyakori esemény. 8 8 Ez a tulajdonság, és az a tény, hogy a strukturált testmozgás nem gyakori része a mindennapi tevékenységeknek, azt jelenti, hogy adatkészletünk sokkal kevesebb edzésmintát tartalmaz, mint például a pulzusszám-minták vagy a lépésszám-minták. Az EKG A kohorsz 66,752 embert (80,6%) tartalmazott, akiknek legalább egy napig az első felvételi évben az Apple Watch volt képes rögzíteni az EKG-t párosítva a Kutatási alkalmazással.Az EKG-alkalmazáson keresztül bármikor rögzíthető egy egyszeri vezetékes EKG, ha 30 másodpercig tartja az óra koronát. A meghatározott adatgyűjtési időszak alatt ennek a kohorsznak két olyan feladata volt, amely arra ösztönözte a résztvevőket, hogy EKG-t vegyenek fel.A képességgel rendelkező Watch-val rendelkező valamennyi résztvevő számára egy olyan feladatot mutatnak be a felvételi időpontban, amely ösztönzi az EKG-t, és 2021 áprilisában egy további kéthetes feladatot adtak hozzá, amely 2022 januárjáig folytatódott, hogy EKG-t vegyenek fel és rögzítsék az eredményt többválasztáson keresztül. 4 25,402 EKG-t (2.2%) osztályoztak úgy, hogy előítéletfibrillációt mutatnak, amely 1641 résztvevőt képvisel (a kohort 2,0% -a). és Ez a gyűjtési időszak magában foglalja mind az EKG 1. verzióját, mind az EKG 2. verzióját, amely elérhetővé vált a WatchOS 7.2-en és az iOS 14.3-on, amely eredetileg 2020 decemberében jelent meg, bővített EKG osztályozási képességgel. 9 10 Klinikai egészségügyi nyilvántartások Az Apple Health alkalmazás lehetővé teszi a felhasználók számára, hogy klinikai egészségügyi nyilvántartásokat (FHIR formátum) töltsenek le a részt vevő intézményektől azáltal, hogy bejelentkeznek az egészségügyi szolgáltató portáljára, és úgy döntenek, hogy megosztják az FHIR-adatokat a HealthKit-el. A vizsgálati résztvevők dönthetnek úgy, hogy megosztják ezeket az adatokat a tanulmányunkkal. Részvételi intézkedések idővel A résztvevők időbeli bevonásának mérése érdekében két nagyon alapvető indexet mutatunk be, amelyek kiegészítik a felmérési adatok és a HealthKit megosztás részletesebb jelentéseit. Ezek a következők: (1) milyen gyakran osztja meg a résztvevő Apple Watch a HealthKit „Stand Hour” mintát a Kutatási alkalmazással; (2) milyen gyakran tölti fel a résztvevő Kutatási alkalmazása bármilyen típusú adatot az Apple biztonságos tanulmányi kiszolgálóira. Minden Stand Hour minta az Apple Watch becslése arról, hogy a résztvevő a nap adott órájában legalább 1 percig állt-e és mozdult-e. Az Apple Watch viselése során a Stand Hours jelenlétét proxy-ként használjuk, mivel ezt a paramétert passzívan gyűjtjük, és mivel az Watch minden órában „Stood” vagy „Idle” jelzést rögzít, a résztvevő viseli az eszközt. Az adott napon a Stand Hour minták hiányát úgy értelmezzük, hogy a résztvevő nem viselt az Apple Watchot az adott napon. Megjegyezzük azonban, hogy legalább két egyéb feltétel eredményezheti a Stand Hour minták hiányát: (1) a Watch-ról a Kutatási alkalmazásba, majd az AH&MS-kiszolgálókra vezető adatátviteli út nem volt aktív (pl. a kapcsolat hiánya); vagy (2) a résztvevő a regisztráció után úgy döntött, hogy nem osztja meg a Stand Hours-ot a Kutatási alkalmaz A részvétel második definíciója egy szerényebb követelményen alapul: hogy a résztvevő Kutatási alkalmazása feltöltötte Az ilyen feltöltés lehet Stand Hour minta vagy más egészségügyi és érzékelési adatok, de csak az Apple Watch, az iPhone és a tanulmányi szerverek alacsony szintű működését is jelentheti, például a kutatási alkalmazás és a szerverek közötti rendszeres check-in során. Bármilyen adat Figyelem Ez a két részvételi mutató diszkrét időskálán jelenik meg. az a panelen az a kohort frakciója látható, amely nem vett részt egy adott nap beiratkozása után (00:00:00-23:59:59 UTC). a b panelen az a frakció látható, amely soha nem vesz részt a egy adott nap a beiratkozás után, és az idő múlásával a kohorsz elhagyásának előfordulási arányának mérésére tekinthető, amely a részvételi index szerint határozatlan ideig inaktív lesz (az írás idején, 2022-12-01). Ez elég hosszú ahhoz, hogy az egész kohorsz legalább egy évig beiratkozzon, de az egy év után bekövetkezett részvétel nem jelenik meg. 1 Bármikor, miután 1 In Fig. a, a kohorsz azon része, amelynek a Kutatási alkalmazása nem tölt fel semmilyen adatot a 0. napon, nagyon alacsony, körülbelül 1%, és még mindig viszonylag alacsony (körülbelül 38%) az egyéves beiratkozás utáni időszakban. A kohorsz azon része, amely nem osztja meg a Stand órákat, idővel ugyanazt a tendenciát követi, de mindenkor kissé magasabb a beiratkozás utáni időszakban, kezdve 5% -kal és növelve 44% -ra. 1 Figyelem b egy szorosan összefüggő tendenciát mutat.Az a kohorsz, amelynek a Kutatási alkalmazása a 0-as napon nem töltött fel adatokat, kevesebb mint 1%-a, ami egyéves regisztráció után 28%-ra nőtt.Az a kohorsz, amely a 0-as napon határozatlan időre abbahagyta a Stand órák megosztását, 2%, és egyéves regisztráció után 34%-ra nőtt. 1 Így mindkét részvételi mutató esetében a napi részvétel idővel történő csökkenése nagyrészt az állandóan inaktív résztvevők idővel történő felhalmozódásának tulajdonítható, és kevésbé tulajdonítható az aktív résztvevők körében a tanulmányi részvétel csökkenésének. Például a kohort 44% -a nem osztja meg a Stand óra mintát a 365 nap után a beiratkozás után, de ez nem sokkal nagyobb, mint a kohort 34% -a, amely már nem osztja meg a Stand óra mintákat minden alkalommal a 365 nap után. Kutatási válaszok asztal mutatja a kohorsz azon résztvevőinek százalékos arányát, akik a felvételt követő első évben legalább egy felmérést teljesítettek a 16 felmérési típus mindegyikére vonatkozóan.A Watch által észlelt ritka események által kiváltott 5 felmérés kivételével szinte minden felmérésnél a részvételi arány meghaladja a 70%-ot. 5 Figyelem mutatja a válaszadási arányokat, szemben a két leggyakoribb felmérés beiratkozása óta eltelt idővel - a havi Stresszskála felmérés és a negyedéves Egészségügyi változások felmérés. 2 A Stress Scale felmérés esetében csak a 2020-05-01 után beiratkozott résztvevőket veszik figyelembe annak érdekében, hogy elkerüljék a kézbesítési gyakoriság változását, amikor ez az eredetileg negyedéves felmérés 2020. május után havonta vált. Ez 42,181 (a válaszadási arány nevezője) résztvevőt eredményez. Az itt figyelembe vett időablak az egyén beiratkozási dátumától a 12. Stress Scale felmérés lejárati dátumáig terjed ki. A havi felmérés ütemezett kézbesítése a következő: az első Stress Scale felmérés a beiratkozást követő hónap első vasárnapján kerül kézbesítésre, és minden ezt követő felmérés az azt követő hónapok első vasárnapján kerül kézbesítésre. Mint várható, a résztvevők körében a felmérés befejezésének terhe miatt ez az egyéves csökkenés abszolút és relatív értelemben nagyobb, mint az aktív felhasználók számának csökkenése, ahogyan azt a Kutatási alkalmazás feltölti a képen. b, ami azt mutatja, hogy a kohorsznak csak 28% -a válik határozatlan ideig inaktívvá egy év alatt. 2 1 Az Egészségügyi Változások felméréshez az egész kohortát figyelembe veszik, és az időablakot a Fig. A felmérések a felvételt követő harmadik, hatodik, kilencedik és tizenkettedik hónapban kerültek elosztásra. A Stress Scale felméréshez hasonlóan a Változások az Egészségügyben felmérésben a válaszadási arány csökkenő tendenciát figyeltünk meg, amely 60,69% -kal kezdődött, és 34.06% -ra esett. 2 Változások az egészségügyi felmérésben Az Egészségügyi felmérés változásai célja, hogy figyelemmel kísérje az egészséggel kapcsolatos különböző kulcsfontosságú eseményeket, beleértve az új egészségügyi állapotokat, a gyógyszerek változását, az új sérüléseket és a nagy életmódbeli változásokat. asztal jelentést a résztvevők számát jelezve változás az egészség három széles kategóriában: új orvosi állapotok, új sebészeti eljárások, vagy egyéb változások. különböző összegeket jelenít meg attól függően, hogy a résztvevő megadta-e a változás dátumát, és hogy a változás dátuma egybeesett-e a tanulmány idejével.Ha egy esemény a felvétel után, de a felmérés által lekérdezett negyedéves időszak előtt van, akkor nem zárjuk ki a táblázatban szereplő számítások egyikéből sem A felmérés befejezése utáni dátumok hiányzóként vannak kódolva. 6 6 6 Miután kizárták a dátum nélküli eseményeket, és kizárták a regisztráció előtti eseményeket, a „Egyéb változások” kategóriájú eseményeket a legtöbb ember jelentette ( = 44,333). A „Orvosi állapotok” és „Kirurgiai eljárások” kategóriájú eseményeket kevesebb résztvevő jelentette ( 1443 és 1294 és így tovább.) n n n Table Ezeket az eseményeket részletesebben mutatja be. Minden új orvosi állapotot alacsony gyakorisággal jelentettek (<1% a kohort). A leggyakoribb jelentett új orvosi állapot az ízületi gyulladás (0.5%). Az új sebészeti eljárásokat is alacsony gyakorisággal jelentették. A leggyakoribb új sebészeti eljárás a „másik csontműtét” (1.1%). A leggyakrabban jelentett változás összességében a „biztosítási változás”, az első évben a kohort 16,6% -a jelentette. További események szerepeltek az Egészségügyi változások felmérésben, de nem szerepelnek a táblázatban were the following: a new or continued pregnancy, other medical emergencies, newly diagnosed pre-diabetes or impaired glucose tolerance, regularly smoking cigarettes, side effect of any medication or drug, or change in lower limb arthritis. Participants reporting respiratory problems were provided with follow-up survey questions to assess the duration and severity of their respiratory problem. Similarly, participants reporting a new or continued pregnancy were provided with follow-up survey questions to assess how far along they were in their pregnancy or the outcome of their pregnancy (vaginal delivery, Cesarean section, miscarriage, or other). Participants reporting a broken bone, accident, or trauma were provided with follow-up survey questions assessing which part of the body was affected or if they needed an assistive device (cane, crutches, leg braces, prosthetics, scooter, walker without wheels, wheelchair, or other assistive device). 7 7 Potential fall surveys and follow-up participation Ennek a kohorsznak a résztvevői 2055 felmérési választ nyújtottak be, amelyek megfeleltek a 2021-11-14 előtt meghatározott követési kritériumoknak, 1735 résztvevőt képviselve. A tanulmány 1392 felmérés telefonon történő követéséhez kapott hozzájárulást, 1179 résztvevőt képviselve. A hívók 967 ilyen esetben elértek egy résztvevőt, 829 résztvevőt képviselve (47% a teljes jogosult felmérésből, 48% a jogosult felmérésben résztvevőkből). Demográfiai referenciák A kohorsz valószínűbb volt, hogy férfi (74% vs. 49% az USA-ban), fehér (72% vs. 60% az USA-ban), és a főiskolai végzettségű (89% a kohorsz vs. 62% az USA 25 évesnél idősebb > 12 éves oktatásban). Összehasonlítva a hagyományos járványtani vagy betegség kohorszok a felvételi időpontban, a jelenlegi kohorsz hasonlóan eltorzult, de azt várjuk, hogy a folyamatos toborzás és stratégiák célja, hogy korrigálja a képviselet, a kohorsz továbbra is egyre reprezentatívabb az idő múlásával. Megjegyzendő, AH&MS nem érvényesít felső korhatárt a résztvevők életkora és a résztvevők által megosztott adatok összessége AH&MS kiterjedt. Például, a kohorsz hozzájárult ~19,300 kerékpáros edzések, ~14,700 futó edzések, ~137,000,000 szívritmus minták, és ~57,800 VO2max becslések csak egy héten. A 2021-11-07 – 2021-11-13 időszak összehasonlítása más 7 napos időszakokkal A kiegészítő ábrán. További Fig. beszámolunk a résztvevők adatmegosztásáról a 2021-11-07 és 2021-11-13 közötti időszakra vonatkozóan, és megjegyezzük, hogy ez az időszak nem volt jelentős az azt megelőző vagy azt követő többi 7 napos időszakhoz képest. 2A 2B Ezt az összehasonlítást a 2019-11-14 és 2022-09-01 között a kohort által megosztott 6 adattípus heti számának összegyűjtésével végeztük el. Összehasonlítottuk a következő három passzívan összegyűjtött HealthKit mintatípusot: állóképesség, VO2,Max és figyelmes légzés. E hatdimenziós adatkészletből kiszámítottuk a Mahalanobis távolságot, Ha feltételezzük, hogy a hat változó mindegyike normálisan eloszlik, a Mahalanobis-távolság négyzetét, Ez lehetővé teszi számunkra, hogy teszteljük a minta hete és a többi 145 hét közötti jelentős különbséget. = 1,57. Mivel nem találunk jelentős különbséget a heti és az átlagos tanulmányi hét között. d d2 d2 A 6 komponensű PCA-t is elvégeztük az adatkészleten, és az első 2 komponenst rajzoltuk, hogy grafikailag megmutassuk a minta hetünk távolságát a többi 145 héttől. . 2C Összefoglaló jelentés A kutatás tervezésével kapcsolatos további információk a kapcsolódik ehhez a cikkhez. Természettudományi jelentés összefoglalója Adatok rendelkezésre állása Data are not publicly available. Any request for data will be evaluated and responded to in a manner consistent with the specific language in the study protocol and informed consent form. Requests for data should be addressed to one of the corresponding authors (CAM). Code availability Az összes statisztikai elemzés számítógépes kódját Python és R nyelven írták, és a megfelelő szerzők egyikének (C.A.M.) kérésére felülvizsgálatra is rendelkezésre állhatnak. a kód iránti kérelmet a résztvevők titkosságának és nyelvének védelmére irányuló politikákkal összhangban kell értékelni és megválaszolni a tanulmányi protokollban és a tájékozott hozzájárulás formájában. Referenciák Arnett, D. K. et al. 2019 ACC/AHA guideline on the primary prevention of cardiovascular disease: executive summary: a report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guidelines. , 1376–1414 (2019). J. Am. Coll. Cardiol. 74 Khurshid, S. et al. Wearable accelerometer-derived physical activity and incident disease. , 131 (2022). NPJ Digit Med. 5 Master, H. et al. Association of step counts over time with the risk of chronic disease in the All of Us Research Program. , 2301–2308 (2022). Nat. Med. 28 Alemany, J. A., Delgado-Diaz, D. C., Mathews, H., Davis, J. M. & Kostek, M. C. Comparison of acute responses to isotonic or isokinetic eccentric muscle action: differential outcomes in skeletal muscle damage and implications for rehabilitation. , 1–7 (2014). Int J. Sports Med. 35 Ross, L. M., Slentz, C. A. & Kraus, W. E. Evaluating individual level responses to exercise for health outcomes in overweight or obese adults. , 1401 (2019). Front. Physiol. 10 Shigeta, T. T. et al. Cardiorespiratory and muscular fitness associations with older adolescent cognitive control. , 82–90 (2021). J. Sport Health Sci. 10 Vidoni, E. D. et al. Dementia risk and dynamic response to exercise: a non-randomized clinical trial. , e0265860 (2022). PLoS ONE 17 Ross, R. et al. Precision exercise medicine: understanding exercise response variability. , 1141–1153 (2019). Br. J. Sports Med. 53 Neufer, P. D. et al. Understanding the cellular and molecular mechanisms of physical activity-induced health benefits. , 4–11 (2015). Cell Metab. 22 Roberts, M. D. et al. Physiological differences between low versus high skeletal muscle hypertrophic responders to resistance exercise training: current perspectives and future research directions. , 834 (2018). Front. Physiol. 9 Mahalingaiah, S. et al. Design and methods of the Apple Women’s Health Study: a digital longitudinal cohort study. , 545 e541–545.e529 (2022). Am. J. Obstet. Gynecol. 226 Neitzel, R. L. et al. Toward a better understanding of nonoccupational sound exposures and associated health impacts: Methods of the Apple Hearing Study. , 1476 (2022). J. Acoust. Soc. Am. 151 Chen, T. C., Clark, J., Riddles, M. K., Mohadjer, L. K. & Fakhouri, T. H. I. National Health and Nutrition Examination Survey, 2015-2018: sample design and estimation procedures. , 1–35 (2020). Vital-. Health Stat. 2 All of Us Research Program, I. et al. The “All of Us” research program. , 668–676 (2019). N. Engl. J. Med. 381 Lohman, M. C. et al. Operationalisation and validation of the Stopping Elderly Accidents, Deaths, and Injuries (STEADI) fall risk algorithm in a nationally representative sample. , 1191–1197 (2017). J. Epidemiol. Community Health 71 Saunders, J. B., Aasland, O. G., Babor, T. F., de la Fuente, J. R. & Grant, M. Development of the alcohol use disorders identification test (AUDIT): WHO collaborative project on early detection of persons with harmful alcohol consumption-II. , 791–804 (1993). Addiction 88 Ware, J., Jr. Kosinski, M. & Keller, S. D. A 12-Item Short-Form Health Survey: construction of scales and preliminary tests of reliability and validity. , 220–233 (1996). Med. Care 34 Rosow, I. & Breslau, N. A Guttman health scale for the aged. , 556–559 (1966). J. Gerontol. 21 Cohen, B. G., Colligan, M. J., Wester, W. 2nd & Smith, M. J. An investigation of job satisfaction factors in an incident of mass psychogenic illness at the workplace. , 10–16 (1978). Occup. Health Nurs. 26 Andrews, G., Kemp, A., Sunderland, M., Von Korff, M. & Ustun, T. B. Normative data for the 12 item WHO Disability Assessment Schedule 2.0. , e8343 (2009). PLoS ONE 4 Adler, N. E., Epel, E. S., Castellazzo, G. & Ickovics, J. R. Relationship of subjective and objective social status with psychological and physiological functioning: preliminary data in healthy white women. , 586–592 (2000). Health Psychol. 19 elismerések A kutatók, a Szponzor, az Apple Inc. és az American Heart Association szeretnék köszönetet mondani a tanulmány résztvevőinek. nagylelkűségük és hajlandóságuk, hogy hozzájáruljanak az idő és az egészségügyi információk lehetővé tették ezt a kutatást. Ez a dokumentum a CC by 4.0 Deed (Attribution 4.0 International) licenc alatt áll rendelkezésre. Ez a dokumentum a CC by 4.0 Deed (Attribution 4.0 International) licenc alatt áll rendelkezésre.