Skip to content
Torna ai risultati

Raccolta di dati longitudinali da sensori — Monitoraggio continuo basato su sensori nel tempo

Introdotto da
Emerging from ambulatory assessment and wearable technology research communities
Anno
1990s–2000s (accelerated with IoT and wearable devices from ~2010)
Tipo
Longitudinal quantitative/mixed data collection technique
Famiglia
Data collection

Questo testo è una traduzione automatica e non è ancora stato revisionato. Leggi l’originale in inglese

Dimensione del carattere

A cosa serve?

La raccolta di dati longitudinali da sensori impiega sensori fisici o digitali per registrare fenomeni in modo continuo o a intervalli regolari per un periodo di studio esteso — giorni, mesi o anni.

A differenza della misurazione in un unico momento, la struttura temporale ripetuta cattura cambiamenti, traiettorie e variabilità negli esiti quali attività fisica, esposizione ambientale, sonno o stato fisiologico. L'approccio combina la validità ecologica del rilevamento nel mondo reale con la potenza analitica del disegno longitudinale.

L’intuizione alla base del metodo

Si pensi a partecipanti dotati di un accelerometro da polso per sei mesi per tracciare l'attività fisica durante un programma di riabilitazione cardiaca. Il sensore registra ogni movimento 24 ore su 24 senza chiedere ai partecipanti di ricordare o riferire — registra semplicemente. Esaminando come i modelli di attività evolvono settimana dopo settimana, i ricercatori possono rilevare chi migliora, chi ricade e quali fattori contestuali (meteo, umore, eventi sociali) predicono tali traiettorie. La dimensione longitudinale è ciò che trasforma un'istantanea in una storia di cambiamento.

Storia

La raccolta di dati ambulatoriali basata su sensori ha radici nei monitor della pressione sanguigna ambulatoriale degli anni '60 e nei dispositivi di attigrafia sviluppati negli anni '70-'80 per la ricerca sul sonno. L'integrazione di disegni longitudinali con sensori elettronici è accelerata negli anni '90 con la metodologia di valutazione ecologica momentanea (EMA) formalizzata da Stone e Shiffman. La proliferazione degli smartphone dopo il 2007 e dei tracker di fitness indossabili dopo il 2010 ha drasticamente ridotto i costi e aumentato la risoluzione del rilevamento longitudinale, rendendolo una routine nella ricerca sui comportamenti sanitari, negli studi clinici e nell'epidemiologia ambientale.

Quando usarlo

Utilizzare la raccolta di dati longitudinali da sensori quando la domanda di ricerca riguarda il cambiamento, la traiettoria o l'esposizione cumulativa nel tempo e quando l'auto-segnalazione retrospettiva sarebbe inaffidabile o onerosa. È ben adatta alla ricerca sui comportamenti sanitari (attività fisica, sonno, aderenza), alla scienza ambientale (esposizione all'inquinamento), al calcolo affettivo e agli studi di riabilitazione o intervento. Il metodo è appropriato quando i partecipanti possono indossare o interagire con i dispositivi durante la finestra di studio, esiste un'infrastruttura dati istituzionale per l'archiviazione sicura e il budget di ricerca copre l'hardware del sensore e la manutenzione. Non utilizzarla quando il fenomeno di interesse non può essere operazionalizzato come segnale di un sensore, quando l'onere per il partecipante del monitoraggio continuo è inaccettabile, quando la finestra di studio è molto breve (una singola sessione) o quando dati trasversali sarebbero sufficienti per rispondere alla domanda.

Limiti e considerazioni

  • L'hardware del sensore, l'infrastruttura cloud e la gestione dei dati aggiungono costi significativi rispetto ai sondaggi cartacei o online.
  • La conformità dei dispositivi e l'abbandono sono minacce persistenti: i partecipanti possono rimuovere i dispositivi, non caricarli o abbandonare lo studio, creando dati mancanti sistematici.
  • I flussi grezzi dei sensori richiedono una notevole competenza di pre-elaborazione; errori nella pulizia o nella derivazione delle epoche si propagano in tutte le analisi a valle.
  • I disegni longitudinali sollevano preoccupazioni etiche riguardo alla sorveglianza continua, alla sicurezza dei dati e al diritto di recesso — i processi di consenso informato devono affrontare esplicitamente tutti questi aspetti.
  • La validità del sensore varia in base alla qualità del dispositivo e alla popolazione; i dispositivi indossabili di livello consumer potrebbero non soddisfare i requisiti di accuratezza di livello di ricerca.

Le condizioni della fonte non sostituiscono una revisione scientifica indipendente né la validazione da parte di un motore di analisi.

Punti di forza

  • Cattura il comportamento e la fisiologia nel mondo reale senza fare affidamento sull'auto-segnalazione retrospettiva, riducendo sostanzialmente il bias di richiamo.
  • L'alta risoluzione temporale rivela la variabilità intra-individuale, i pattern circadiani e i cambiamenti a micro-livello invisibili ai sondaggi settimanali o mensili.
  • La registrazione continua o quasi continua massimizza la densità dei dati rispetto al numero di contatti di raccolta dati con i partecipanti.
  • La validità ecologica è elevata: i dati riflettono il comportamento in contesti naturali piuttosto che in condizioni di laboratorio controllate.
  • Scalabile: una volta dispiegati, i sensori possono monitorare ampie coorti contemporaneamente con un minimo onere per il ricercatore per partecipante al giorno.

Applicazioni

  • Monitoraggio delle traiettorie quotidiane di attività fisica e comportamento sedentario durante programmi di riabilitazione cardiaca.
  • Monitoraggio longitudinale dell'architettura del sonno in studi sull'insonnia o sugli esiti sanitari del lavoro a turni.
  • Misurazione dell'esposizione personale all'inquinamento atmosferico per mesi in coorti di epidemiologia ambientale urbana.
  • Cattura di dati continui di glucosio e variabilità della frequenza cardiaca nella ricerca sull'autogestione del diabete.
  • Registrazione di modelli di mobilità GPS per mesi per studiare le traiettorie di isolamento sociale negli anziani.
  • Registrazione di indicatori fisiologici di stress (conduttanza cutanea, cortisolo tramite cerotti indossabili) durante un semestre accademico nella ricerca sul benessere studentesco.

Come funziona

Come funziona

1

Il ricercatore specifica la durata dello studio, la risoluzione di campionamento (streaming continuo vs. epoche fisse come ogni 60 secondi), il tipo di sensore (accelerometro, cardiofrequenzimetro, GPS, sensore ambientale, ecc.) e il disegno temporale (panel, coorte o misure ripetute intensive). Protocolli etici, inclusi la minimizzazione dei dati e le procedure di ritiro del partecipante, vengono stabiliti prima del dispiegamento.

2

I sensori vengono calibrati, inizializzati e distribuiti ai partecipanti (o installati negli ambienti). I partecipanti ricevono istruzioni per indossare o mantenere i dispositivi, programmi di ricarica e procedure per la gestione dei malfunzionamenti. I dati demografici di base e contestuali vengono raccolti in questa fase per supportare le successive analisi delle covariate.

3

I sensori registrano dati autonomamente durante la finestra di studio. A seconda della connettività, i dati possono trasmettere a un server centrale quasi in tempo reale tramite Bluetooth o collegamenti cellulari, oppure accumularsi localmente per il trasferimento periodico durante le visite di controllo. Il monitoraggio della conformità — verifica che i dispositivi siano indossati e funzionanti — viene condotto durante tutto il periodo sul campo.

4

I flussi di dati grezzi del sensore vengono archiviati in database con marcatura temporale. Metadati di provenienza dei dati (ID dispositivo, versione firmware, stato batteria, ID partecipante, epoca) vengono registrati insieme alle misurazioni. L'archiviazione sicura e ridondante con controlli di accesso è essenziale data la natura personalmente sensibile dei dati fisiologici e di localizzazione.

5

L'output grezzo del sensore viene pulito: artefatti causati dalla rimozione o malfunzionamento del dispositivo vengono identificati e rimossi o imputati; i segnali vengono calibrati rispetto ai valori di riferimento del produttore o del laboratorio; vengono derivate metriche riassuntive a livello di epoca (ad es., conteggi medi di attività per ora, conteggi di passi al giorno). I modelli di dati mancanti vengono documentati e gestiti in modo trasparente.

6

I dati longitudinali puliti del sensore vengono analizzati con metodi adatti a dati strutturati nel tempo con misure ripetute — modelli multilivello, modelli a effetti misti, modelli di curva di crescita latente o approcci di serie temporali. Vengono stimate le traiettorie di cambiamento, modellano le differenze individuali nelle traiettorie e vengono testate le associazioni con le covariate (età, stato clinico, condizione di intervento).

Errori comuni

  • Sottovalutazione dei dati mancanti: il tempo di non utilizzo viene frequentemente confuso con bassa attività; i ricercatori devono implementare algoritmi validati per il non utilizzo e documentare le assunzioni in modo trasparente.
  • Ignorare la deriva della calibrazione: l'accuratezza del sensore può degradare durante un lungo periodo di studio; sono necessari controlli periodici di ricalibrazione per studi di durata superiore a poche settimane.
  • Raccolta eccessiva senza piano di analisi: l'archiviazione di vasti flussi di sensori senza un piano di analisi pre-specificato porta a ricerche esplorative e tassi gonfiati di falsi positivi; registrare ipotesi e scelte analitiche prima della raccolta dati.
  • Trattare tutti i partecipanti come equivalenti: le differenze individuali nel modo in cui i partecipanti indossano i dispositivi (posizionamento, aderenza, tipo di pelle) creano un'eterogeneità sistematica di misurazione che deve essere modellata o controllata.
  • Trascurare l'onere per il partecipante: anche il rilevamento passivo impone un onere cognitivo e di stile di vita; requisiti di conformità eccessivi riducono la fidelizzazione e introducono bias di abbandono.

Domande frequenti

Quanto tempo deve durare uno studio longitudinale con sensori?

La durata dipende interamente dalla domanda di ricerca. Studi che esaminano ritmi giornalieri o settimanali possono richiedere solo da due a quattro settimane; quelli che tracciano il cambiamento comportamentale attraverso un intervento spesso durano da tre a sei mesi; studi di coorte su traiettorie di malattie croniche possono estendersi per anni. Il criterio chiave è se la finestra di studio è sufficientemente lunga per osservare una variazione significativa nel fenomeno di interesse.

Come gestisco il tempo di non utilizzo nei miei dati del sensore?

Il tempo di non utilizzo deve essere distinto dai periodi di bassa attività genuina. Algoritmi validati (ad es., gli algoritmi Choi o Troiano per l'accelerometria) utilizzano finestre consecutive di zero conteggi di una durata specificata per classificare le epoche come non utilizzate. Queste epoche vengono quindi escluse dalle analisi o gestite con imputazione basata su principi. L'algoritmo di rilevamento del non utilizzo, le soglie utilizzate e la proporzione di tempo di utilizzo valido richiesto al giorno devono essere riportati nella sezione metodi.

Di quale dimensione del campione ho bisogno?

Il calcolo della potenza per studi longitudinali con sensori deve tenere conto della dimensione dell'effetto attesa nell'esito della traiettoria, del numero di osservazioni ripetute per partecipante, della correlazione intraclasse (raggruppamento delle osservazioni all'interno delle persone) e del tasso di abbandono previsto. Strumenti di potenza multilivello come Optimal Design o il pacchetto R longpower sono appropriati. Studi con risoluzione temporale molto elevata per partecipante possono talvolta raggiungere una potenza adeguata con N più piccolo, ma il compromesso deve essere giustificato.

I dispositivi indossabili di consumo (Fitbit, Apple Watch) sono accettabili per la ricerca?

I dispositivi di consumo offrono comodità e familiarità ai partecipanti, ma tipicamente hanno un'accuratezza inferiore rispetto ai dispositivi di livello di ricerca, algoritmi proprietari e opachi, e accesso limitato ai dati. Sono appropriati quando: la domanda di ricerca riguarda il cambiamento relativo piuttosto che valori calibrati assoluti, il dispositivo è stato validato rispetto a uno standard di riferimento per la popolazione e l'esito di interesse, e l'esportazione dei dati è sufficientemente granulare per il piano di analisi. Citare sempre lo studio di validazione per il dispositivo specifico e la metrica utilizzata.

In cosa si differenzia dalla valutazione ecologica momentanea (EMA)?

L'EMA è un metodo di auto-segnalazione che sollecita i partecipanti a registrare le proprie esperienze in momenti casuali o legati a eventi nella vita quotidiana. La raccolta di dati longitudinali da sensori è in gran parte passiva: il dispositivo registra automaticamente senza richiedere un input attivo da parte del partecipante. I due metodi sono spesso combinati: i flussi del sensore forniscono un contesto comportamentale o fisiologico oggettivo accanto agli stati psicologici auto-segnalati dai prompt EMA.

Metodi correlati

Fonti

  1. Lanza, S. T., Collins, L. M., Lemmon, D. R., & Schafer, J. L. (2005). PROC LCA: A SAS procedure for latent class analysis. Structural Equation Modeling, 14(4), 671–694. [For longitudinal intensive repeated-measures designs context, see also: Shiffman, S., Stone, A. A., & Hufford, M. R. (2008). Ecological momentary assessment. Annual Review of Clinical Psychology, 4, 1–32.]

    Apri il riferimento della pubblicazione
    Copiato.
  2. Stone, A. A., & Shiffman, S. (2002). Capturing momentary, self-report data: A proposal for reporting guidelines. Annals of Behavioral Medicine, 24(3), 236–243.

    Apri il riferimento DOI
    Copiato.