PofoliaPofolia ile paylaşıldı

npj Digital Medicine· 2026Q1

Yeni Çerçeve Dijital Sağlık Veri Toplamayı Standartlaştırıyor

Aggregation framework for continuous digital health measures and application to walking activity data

Sarah Koch, Joren Buekers, Paula Alvarez-Riu, Clemens Becker ve diğerleri

Kısa özet

Modifiye Delphi yaklaşımıyla geliştirilen ve 2181 bireyden alınan yürüme aktivitesi verilerine uygulanan yeni bir çerçeve, sürekli dijital sağlık ölçümlerinin klinik olarak anlamlı ve istatistiksel olarak kararlı değerlere toplanmasını standartlaştırıyor.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Ana noktalar

  • Sürekli dijital sağlık ölçümlerinin toplanmasını standartlaştıran yeni bir üç bölümlü çerçeve geliştirildi.
  • Çerçeve, toplama yöntemlerini seçmek için teknik geçerlilik, yorumlanabilirlik, örneklem büyüklüğü, dağılım, katılımcı içi kararlılık (ICC'ler) ve ayırt edici kapasiteyi (AUC) kullanıyor.
  • 2181 bireyden alınan yürüme aktivitesi verilerine uygulanan çerçeve, 24 toplu dijital mobilite çıktısı (DMO) belirledi.
  • Çalışmada günlük ICC'ler %0,45–1,00, AUC'ler ise %0,43–0,90 aralığında yer aldı.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Özet (abstract)

Abstract No standardized procedures for aggregating continuous digital health measures exist. Using a modified Delphi approach, we developed a framework to standardize the selection of aggregations that provide clinically meaningful, stable values. This was applied to aggregate seven digital mobility outcomes (DMOs:walking bout (WB) duration, step count, walking speed, stride length, cadence, stride duration, and number of WBs), collected over 7 days, in 2181 individuals with and without mobility disabilities. We defined aggregations as combinations of restrictions (data segments) and summary statistics, and developed a three-part framework. In Part 1, candidate restriction–summary statistic combinations are identified considering technical validity, interpretability, sample size, and distribution. Part 2 assesses within-participant stability with intraclass correlation coefficients (ICCs), and discriminant capacity between healthy and mobility disabilities with the area under the curve (AUC) on as many temporal levels as needed. Part 3 involves expert discussions combining subject-specific experience, guidelines, and data-driven results to select final aggregation(s). Applied to DMOs, we identified candidate aggregations (Part 1), found moderate-to-high daily ICCs (range 0.45–1.00) and varying AUCs (range 0.43–0.90) (Part 2), and finally selected 24 daily- and weekly-aggregated DMOs, classified into walking activity and gait DMOs (Part 3). In summary, reducing digital health data into clinically meaningful, statistically stable values is achievable with standardized procedures.

Yazarların özeti; kaynağından alınmıştır. npj Digital Medicine, 2026 · DOI ↗

ÇıkarımlarPremium
Makaleye SorÜcretsiz hesapla

Ücretsiz hesapla devam et

Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.

Web'de ücretsiz devam et

Google ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.

Telefonda:

Alan: Fizyoterapi, Spor Terapisi ve Rehabilitasyon

Physical Therapy, Sports Therapy and RehabilitationHealth Professions