使用可穿戴技术量化身体活动恢复:来自COVID-19幸存者随机研究AFTER(应用程序促进远程康复)计划的二次报告

介绍

重症COVID-19住院患者身体功能低下和缺乏身体活动[1，2]。了解与covid -19相关的住院治疗和随后的康复如何影响出院后的身体活动轨迹，可以为预后和护理提供信息。

很少有研究提供SARS-CoV-2感染和住院后身体活动水平的详细数据。一项大规模人群研究发现，那些在COVID-19大流行前2年报告进行有氧和肌肉强化活动达到或超过体力活动建议的人，感染、感染后严重疾病和COVID-19相关死亡的风险较低[3.]。另一项纵向研究发现，在症状出现后3至6个月，与病前估计的步行时间相比，持续症状与显著减少的自我报告步行时间之间存在联系[4]。

可穿戴健身追踪器，包括智能手表，可以实现客观、连续、长期的监测，并在医疗保健环境中有各种应用，如健康监测和药物依从性监测[5]。然而，关于使用可穿戴设备监测COVID-19幸存者在康复过程中的身体活动的研究有限。据我们所知，Hunter等人进行的一项研究[1是唯一一项使用智能手表评估COVID-19幸存者在重症监护住院后步数变化的研究。他们发现，在出院后的第一个月，参与者平均每天走4359步，与基线相比，他们的平均步数在出院和住院后3个月之间增加了37%，在出院后1年增加了82% [1]。

针对COVID-19幸存者的AFTER(应用程序促进远程康复)计划是一项试点研究，该研究将参与者随机分配到教育和非结构化体育活动中，或在COVID-19相关医院住院出院后进行远程康复计划[6]。收集步数数据作为次要结果，先验地指定为从基线到6周平均每日步数的变化。正如第一篇试验论文所报道的那样，我们发现6周时两组之间的总步数轨迹没有显著差异[6]。由于对COVID-19疾病后的步数恢复知之甚少，我们试图在整个研究期间(12周)进一步调查这些数据。本分析的目的是检查整个研究期间所有参与者(合并为一组)的步数轨迹及其相关性。我们假设在出院时，参与者的基线步数将低于健康成年人，并在12周的研究中观察到持续的改善。

方法

数据、样本和结果测量

有关AFTER研究方法的详细说明，请参阅[6]。简而言之，AFTER试验将参与者(N=44)以2:1的比例随机分配到(1)由物理治疗师(N= 29)远程提供的一对一远程康复课程(N= 12)或(2)涵盖COVID-19康复领域的全面教育讲义，包括身体活动、睡眠和认知健康(N= 15)。AFTER试验的参与者通过聚合酶链反应测试确诊为SARS-CoV-2，年龄≥35岁，住院时间≥24小时，出院后6周内，并且可以上网。排除标准是不稳定的医学合并症，排除了研究期间的运动、怀孕或同时进行的物理治疗。所有参与者都收到了Fitbit Inspire 2活动监测器(Fitbit LLC公司)和Kindle Fire平板电脑(亚马逊公司)，预装了Fitbit软件和Health in Motion应用程序(Blue Marble Health)，该应用程序提供身体功能测试、健康日记、教育和锻炼。参与者被要求在任何时候都把Fitbit戴在手腕上(充电时除外)。研究团队成员检查了同步账户，并提醒参与者在物理治疗期间(实验组)和每周报到电话(对照组)佩戴Fitbit。为参与者提供了他们基于网络的账户密码，用于活动监控;研究小组也可以访问这些账户。使用标准Fitbit算法计算步数。 Data from each participant's Fitbit account were downloaded and used in the data analysis.

该应用程序的教育和锻炼组件仅规定给干预组，尽管对照组的参与者可以自行访问教育模块和身体功能测试。

伦理批准

AFTER试验由科罗拉多大学机构审查委员会批准(参考编号:COMIRB 20-2415)，并在ClinicalTrials.gov上注册(试验编号:NCT04663945)。

统计分析

我们分析了所有的参与者，他们被合并成一组。采用随机效应的线性混合模型对研究天数内的每日步数进行建模。考虑具有0、1和2个拐点的模型，并根据最高的对数似然值选择最终模型。最后的模型包括随机截距和随机效应对拐点前后轨迹的影响。所有具有任何同步Fitbit活动数据的参与者都被包括在内。模型稳健性评估通过审查结果后，排除记录的每日步数超过2个标准差从参与者的总体平均。分析中考虑的调整变量包括治疗组、性别、年龄和BMI。治疗组提供基线人口统计数据和COVID-19住院信息，并酌情使用卡方检验或心境中位数检验进行比较。所有统计分析均采用SAS 9.4 (SAS Institute Inc .);我们假设显著性水平为P<。0.05，多重比较无调整。使用R软件(R Foundation for Statistical Computing)进行所有数据清理、汇总统计和绘图。

结果

参与者包括44名成年人，他们在2020年12月2日至2021年7月2日期间注册。41名参与者的Fitbit数据可用，中位数为78 (IQR 64-83)贡献天。表1呈现参与者特征。

参与者的中位年龄为53岁(IQR 44-61)， 46%(19/41)为女性。参与者在医院度过的中位数天数为4天(IQR 2-8)， 22%(9/41)的参与者被送入重症监护病房。出院至入组的平均时间为3.5周。队列基线时的中位步数为4928 (IQR 3083-7574)。

尽管个体之间和个体内部的基线步数有很大差异(多媒体附录1)，一般来说，参与者在前三周的每日步数有明显的改善，随后在剩下的九周内逐渐改善。最初，步数平均增加930步(95% CI 547-1312;P< 0.001)，最终平均每日步数为7658 (95% CI 6257-9059;P<.001)。在剩下的9周的研究中，每周步数平均增加67 (95% CI - 30至163;P< 0.17)，最终估计为8258 (95% CI 6933-9584;P<.001)每日步数(图1）.当从分析中去除低步数天数(定义为低于参与者几何平均值的2个标准差)时，这些结果受到的影响最小。

在12周的研究期间，被认为可能预测每日步数增加的协变量被放入一个完全调整的模型中，包括性别、BMI、年龄和治疗组。考虑到步数的巨大差异，治疗组和性别之间的差异没有达到统计学意义。对照组的参与者有更高的平均每日步数(平均866;95% CI - 932 ~ 2664;P=.35)，与干预组比较。女性受试者有1153例(95% CI - 2887 ~ 581;P=.19)与男性参与者相比，她们每天的步数更少。平均而言，年龄较大的参与者和BMI较高的参与者每天的步数较低。年龄每增加1年，每日步数减少67步(95% CI - 159 ~ 25;P= 0.15)步。同样，BMI每增加1点，平均每日步数减少182步(95% CI为- 280至- 84;P<措施)的步骤。

‎

讨论

主要研究结果

该研究表明，在研究入组后的前3周，从COVID-19恢复后步数的最大改善发生。干预组和对照组在步数恢复方面表现出相似的改善。尽管对照组没有进行任何正式的结构化康复，但提供给对照组的材料(包括讲义、设备和带有健康日记的应用程序)以及与研究小组的定期检查可能有助于解释组间类似的结果[7]。在猎人等[1在一项关于COVID-19幸存者康复的研究中，参与者表示，智能手表激励他们恢复并增加他们的身体活动水平。这一点很重要，因为使用智能手表是一种相对低成本、低负担且易于实施的医院后干预。

我们的研究是第一批报告COVID-19幸存者的客观身体活动数据(步数)的研究之一。在我们所知的另一项研究中，Hunter等人[1研究发现，从COVID-19中恢复并入住重症监护病房的个体在出院后的第一个月平均每天行走4359步(SD 3488)，并在1年后将其步数增加到平均每天7914步(SD 4146)。P= .003) (1]。在我们的研究中，参与者在研究入组后1周(平均出院后3.5周)的中位基线步数为4928 (IQR 3083-7574)，低于健康成人的目标(每天约8000-10,000步)[8]。我们的参与者在研究入组后3周的平均每日步数为7658步，这与Hunter等人报道的1年随访估计(平均7914步，标准差4146步)非常相似[1]，表明在接下来的一年里，基本的活动水平可以相对较快地达到并维持。和我们的研究一样，Hunter等人[1]包括一个介入部分，其中队列的一个亚组由一个多学科团队每月审查他们的智能手表数据，并远程告知患者康复目标。这可能影响了整个队列的步数恢复估计。需要注意的一个重要区别是，我们的研究人群并不局限于入院并需要重症监护和通气的患者[1]。因此，相比之下，我们研究中的步数恢复速度可能会加快，并且更能代表出院后恢复的一般人群。

我们数据集的一个限制是，我们没有关于Fitbit设备佩戴时间的指标;因此，我们的每日平均步数可能无法反映真实的活动情况，而且可能被低估了。此外，该试验只在科罗拉多州的一个中心进行;因此，我们的结果是最普遍的类似人群。最后，我们的样本很小，12周的随访被认为是短期的。然而，鉴于这是第一项报告来自异质组COVID-19幸存者的院后出院步数数据的研究，我们认为我们的结果值得注意。

结论

我们的发现，结合先前的研究，表明身体活动数据和步数恢复轨迹可以被认为是生理恢复的替代品，尽管还需要进一步的研究。此外，尽管活动轨迹可能会因是否存在covid -19后疾病而有所不同，但随着时间的推移监测变化可以为患者提供即时、客观的反馈，并支持患者在住院后恢复到先前功能水平的特定目标。