Il Ruolo dell'Aderenza negli Strumenti di Salute Digitale
Esaminando come l'aderenza influisce sull'efficacia dei programmi di salute digitale.
― 6 leggere min
Indice
La tecnologia sta giocando un ruolo sempre più importante nella sanità oggi. Questo include cose come app sui telefoni, dispositivi indossabili e servizi di salute online. Questa combinazione di sanità e tecnologia è spesso chiamata salute digitale. Un’area interessante nella salute digitale si chiama exergames, cioè videogiochi che ti fanno muovere. Usano i movimenti del corpo come controlli, permettendoti di esercitarti mentre giochi.
Gli exergames offrono un modo divertente per fare esercizi di riabilitazione a casa. Possono anche tenere traccia dei tuoi progressi nel tempo, cosa che può essere difficile da fare con la fisioterapia tradizionale. Un concetto chiave per misurare quanto siano efficaci questi strumenti di salute digitale si chiama "Aderenza". Questo significa quanto bene gli utenti seguono il piano o le istruzioni loro fornite.
L'aderenza può essere misurata in diversi modi. Alcuni ricercatori guardano a quanto spesso qualcuno usa lo strumento digitale, mentre altri osservano quanto bene una persona segue gli esercizi consigliati. Nel caso degli exergames, l'aderenza è particolarmente importante perché questi giochi forniscono feedback in tempo reale, che aiuta a motivare gli utenti. Gli elementi di gioco, come guadagnare punti o raggiungere nuovi livelli, possono incoraggiare i partecipanti a completare il loro programma di esercizi.
Perché l'Aderenza è Importante
L'aderenza è fondamentale per vedere risultati positivi per la salute. Se le persone non seguono il loro programma di esercizi, è meno probabile che vedano miglioramenti nella loro salute. Misurare l'aderenza permette agli sviluppatori e ai fornitori di sanità di capire quanto bene gli utenti siano coinvolti nel programma. È particolarmente utile per comprendere gruppi di persone, come gli anziani o i bambini, che potrebbero avere esperienze diverse con gli strumenti di salute digitale.
Tuttavia, definire e misurare l’aderenza è complicato. Possono essere usati termini diversi in diversi campi, rendendo difficile confrontare i risultati di studi diversi. Ad esempio, "compliance" o "concordanza" possono significare cose leggermente diverse a seconda di chi chiedi.
Punti Chiave della Ricerca
Una recente revisione ha esaminato molti studi sugli exergames. Ha scoperto che oltre il 10% degli studi non riportava quanti partecipanti li hanno completati. Quasi la metà non forniva informazioni su quanti sessioni di esercizio erano state concluse. Questa incoerenza nel riportare l’aderenza rende difficile trarre conclusioni chiare.
Dal punto di vista dell'utente, monitorare l’aderenza può offrire feedback significativi. Quanto spesso qualcuno segue la propria routine di esercizi può aiutare a personalizzare i consigli e migliorare i risultati di salute a lungo termine. Per i fornitori di servizi, i dati sull'aderenza sono utili per pianificare risorse e gestire la domanda di servizi di salute digitale.
Dal punto di vista della ricerca, l'aderenza può essere valutata a livello individuale o su popolazioni più ampie. Per gli individui, confrontare il numero di sessioni completate con quelle assegnate può aiutare a identificare chi potrebbe abbandonare. Analizzare i dati sull'aderenza a livello di popolazione può contribuire a migliorare la progettazione e l'efficacia dei programmi di salute digitale.
Misurare l’Aderenza nella Salute Digitale
È cruciale misurare l’aderenza in modo coerente. Le misure utili specifiche per la salute digitale devono essere tenute separate da altri tipi di interventi. Solo allora possiamo confrontare i risultati di studi diversi.
Per comprendere meglio l’aderenza nella fisioterapia digitale, i ricercatori hanno definito diverse dimensioni chiave. Queste includono:
Adozione Iniziale
Questo guarda se un utente si impegna con lo strumento digitale dopo averlo provato. Misura quante sessioni un partecipante completa entro il tempo raccomandato. Se qualcuno completa abbastanza sessioni per superare un benchmark stabilito, è visto come "adottato" lo strumento. Questo controlla anche se gli utenti continuano a seguire il programma di salute digitale dopo che l’eccitazione iniziale svanisce.
Coerenza
Un'altra misura è la coerenza, che guarda quanto regolarmente un partecipante si esercita nel tempo. Ad esempio, verifica se un utente completa un numero minimo di sessioni ogni settimana. Questo può aiutare a determinare se l'utente ha formato l'abitudine di esercitarsi regolarmente.
Durata dell'Esercizio
La durata dell'esercizio misura quanto tempo qualcuno trascorre a fare i propri esercizi. Guarda se gli utenti raggiungono un impegno minimo di tempo ogni settimana. Questo ci dice se gli utenti stanno svolgendo un'adeguata quantità di attività fisica.
Abbandono
Il tasso di abbandono è importante per identificare quanti partecipanti hanno smesso di usare il programma. Monitorare l’abbandono può fornire intuizioni su eventuali problemi con il programma di salute digitale e aiutare a fare le necessarie modifiche. Un alto tasso di abbandono può indicare che il programma è troppo difficile o non abbastanza coinvolgente.
Intensità
Anche se l'intensità media dell'esercizio potrebbe essere considerata, questa misura è spesso soggettiva. Per questo motivo, potrebbe non essere sempre affidabile, specialmente quando si confronta con programmi non basati su exergame.
Risultati dall'Analisi
In uno studio che utilizzava dati da una prova di fisioterapia digitale, sono stati analizzati diversi metodi chiave di aderenza. I partecipanti hanno dovuto completare sessioni di esercizio tre volte a settimana per un programma di 12 settimane. L'età media dei partecipanti era di 78 anni, e i dati raccolti includevano durate degli esercizi e tassi di completamento.
L'analisi iniziale ha rivelato un basso tasso di abbandono del 3% per lo studio. Tuttavia, solo una piccola percentuale di partecipanti ha completato l'intero programma come raccomandato. Ad esempio, solo il 20% è riuscito a finire tre sessioni di esercizio a settimana per tutte le 12 settimane.
Ulteriori analisi dei dati hanno mostrato che, su 56 partecipanti, molti hanno avuto difficoltà a raggiungere gli obiettivi di esercizio di base fissati dal programma. Circa il 61% non ha raggiunto i 20 minuti di esercizio richiesti ogni settimana, e il 77% non ha completato 30 minuti di attività settimanali.
Importanza delle Metriche Individuali di Aderenza
Comprendere le diverse dimensioni dell’aderenza aiuta a dipingere un quadro più completo dell'impegno dei partecipanti. Ad esempio, se due individui hanno completato entrambi 25 sessioni, uno potrebbe averlo fatto in un periodo più lungo, mentre l'altro ha completato in un tempo più breve. Sapere questo può fornire intuizioni sulle loro esperienze e aiutare a personalizzare interventi futuri.
Inoltre, le metriche di aderente aiutano anche a evidenziare particolari aree che potrebbero necessitare miglioramenti. Se molti partecipanti non stanno usando costantemente uno strumento digitale, questo potrebbe indicare problemi con l'accessibilità o l'usabilità del programma. Potrebbe anche suggerire la necessità di migliori promemoria o funzionalità di motivazione.
Direzioni Future
Andando avanti, è essenziale concentrarsi su come migliorare la misurazione dell’aderenza nella salute digitale. Una comprensione più chiara delle definizioni e delle misure utilizzate può fare una grande differenza nel modo in cui i risultati sono riportati e interpretati. Ogni metrica offre intuizioni uniche sul coinvolgimento dei partecipanti e può guidare futuri miglioramenti delle piattaforme di salute digitale.
Inoltre, esaminare come le metriche di aderente si relazionano a dati demografici degli utenti, come età o genere, potrebbe fornire intuizioni più profonde su come vari gruppi interagiscono con strumenti di salute digitale. Essere in grado di catturare il comportamento sfumato di diversi gruppi potrebbe portare a interventi sanitari più efficaci.
In conclusione, valutare l’aderenza negli interventi di salute digitale è cruciale. Diverse metriche come adozione iniziale, coerenza, durata e abbandono forniscono intuizioni dettagliate su quanto bene gli utenti interagiscono con i loro programmi di salute. Comprendere queste metriche migliorerà il panorama della salute digitale, assicurando che gli utenti abbiano una migliore esperienza e raggiungano i migliori risultati possibili.
Titolo: Development and exploratory analysis of a multi-dimensional metric of adherence for digital health interventions
Estratto: IntroductionAdherence is often cited as an important metric to demonstrate sustained engagement of an individual or population with a health technology, but its definition is often ill-defined. Any adherence definition made for digital health interventions must be clearly defined to ensure a consistent approach to measuring sustained use as an indicator of impact. MethodsThis study followed mathematically-defined definitions of distinct aspects of adherence: initial adoption, consistency, duration, and dropout. These were then applied to a digital physiotherapy dataset of older adults (N=56). Participants were assigned 3 sessions a week of exergames (exercise-based videogames) for 12 weeks using MIRA rehab software platform. ResultsThe following adherence characteristics emerged: an initial dropout of 3% (completed [≤]3 sessions), 20% of participants achieving the desired consistency ([≥]3 sessions a week for 12 weeks), 39% of participants passing a duration threshold (completing [≥]20 minutes a week for 12 weeks), and an average dropout at 72.3% (when judged by percentage of sessions completed at dropout). ConclusionThe approach used for measuring and reporting adherence metrics allows readers to draw clear conclusions about the different aspects of engagement that users displayed with the digital health programme. This type of reporting is recommended for all future digital health studies reporting adherence measures to ensure a consistent approach to reporting and comparing digital health interventions and their impact.
Autori: Emma Stanmore, H. T. Mason, S. O'Connor, D. C. Wong
Ultimo aggiornamento: 2024-02-24 00:00:00
Lingua: English
URL di origine: https://www.medrxiv.org/content/10.1101/2024.02.23.24303246
Fonte PDF: https://www.medrxiv.org/content/10.1101/2024.02.23.24303246.full.pdf
Licenza: https://creativecommons.org/licenses/by/4.0/
Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.
Si ringrazia medrxiv per l'utilizzo della sua interoperabilità ad accesso aperto.