|

\renewcommand{\tablename}{Tableau}

knitr::opts_chunk$set(echo = FALSE, warning = FALSE, message = FALSE)
library(tidyverse)

Informations

Évaluateur

Il est possible de renseigner le nom et le prénom de l'évaluateur. Ces informations doivent être fournies afin d'avoir un document complet après avoir généré le rapport à la fin de l'application.

Patient

Il est possible de renseigner le nom et le prénom du patient, ainsi que son sexe, son âge, et sa masse. L'utilisateur doit fournir les informations de sexe, d'âge, et de masse afin d'obtenir les résultats car ces paramètres sont utilisés pour calculer le métabolisme de base (MB), ainsi que le niveau d'activité physique (NAP). Les informations concernant le patient doivent être fournies afin d'avoir un document complet après avoir généré le rapport à la fin de l'application.

Appareil

Il est possible d'indiquer où l'appareil était placé sur le corps lors de la période de mesure (hanche ou dos seulement). Les informations relatives à l'appareil doivent être fournies afin d'avoir un document complet après avoir généré le rapport à la fin de l'application. D'autres informations importantes concernant l'appareil (i.e., le model d'ActiGraph utilisé, la fréquence d'échantillonnage, le filtre des données appliqué lorsque le fichier .agd a été généré à partir des données .gt3x avec le logiciel ActiLife®) sont capturées silencieusement lors de l'importation des données dans l'application.

Importation des données, détection du temps de non-port, et visualisation des données

L'utilisateur doit importer un fichier .agd généré avec le logiciel ActiLife® et contenant au moins les données relatives aux trois axes et aux pas. Ensuite, l'utilisateur peut configurer la durée des périodes pour lesquelles il faut accumuler les données. La valeur par défaut est de 60 s étant donné qu'il s'agit de la valeur la plus utilisée dans la littérature chez l'adulte ; de plus, des durées plus courtes ralentiront les analyses à suivre. Après cette étape, il est possible de configurer l'analyse à réaliser pour détecter le temps de non-port. Cela consiste à choisir la variable (i.e., les counts liés au vecteur magnitude ou ceux liés à l'axe vertical) et l'intervalle de temps avec zéro count à considérer pour détecter le temps de non-port de l'appareil, ainsi que l'intervalle de temps avec des données de counts supérieures à 0 autorisé à l'intérieur d'une période de non-port, cela en lien avec la période de temps contenant zéro count à avoir autour de la période d'activité détectée pour confirmer le non-port de l'appareil. Les valeurs par défaut fournies dans l'application pour configurer la détection du temps de non-port reposent sur l'article de Choi et al. [-@choiAssessmentWearNonwear2012]. Finalement, lorsque tous les paramètres sont configurés comme requis, l'utilisateur doit cliquer sur le bouton "Validate configuration". L'application calculera automatiquement le vecteur magnitude ($VM = \sqrt{x^2 + y^2 + z^2}$). Si tous les paramètres renseignés sont valides, l’application détecte le temps de non-port de l'appareil grâce à une fonction issue du package R PhysicalActivity [@choiPhysicalActivityProcessAccelerometer2021]. L'application fournit alors un graphique permettant à l'utilisateur de visualiser les différentes données se trouvant dans le fichier de données. Il est nécessaire de compléter cette étape avant d'aller plus loin dans l'application.

Configuration pour le calcul des indicateurs

Il est possible de sélectionner les jours avec lesquels l'analyse doit être effectuée. Ensuite, l'utilisateur doit sélectionner une équation pour calculer les METs, et sélectionner l'axe et les valeurs seuils de counts à utiliser pour calculer le temps passé dans des comportements sédentaires (SED), d'activité physique d'intensité légère (SED), d'activité physique d'intensité modérée (MPA), d'activité physique d'intensité vigoureuse (VPA) et d'activité physique d'intensité modérée à vigoureuse (MVPA).

Les équations fournies dans l'application pour calculer les METs peuvent être retrouvées dans les articles scientifiques suivants :

Les valeurs seuils de counts/min peuvent être aussi retrouvées dans des articles scientifiques :

Ces valeurs seuils (excepté celles de Freedson et al.) ont été recommandées par Migueles et al. [-@miguelesAccelerometerDataCollection2017]. Cependant, dans le cas où aucune de ces valeurs ne serait satisfaisante pour l'utilisateur, l'application permet de personnaliser les valeurs seuils.

Ensuite, l'utilisateur peut définir les valeurs déterminant les zones d'intensité qui seront considérées pour décrire le profil de distribution de l'intensité tel qu'expliqué par Rowlands et al. [-@rowlandsCutPointsAccelerometer2018]. Les valeurs doivent être en correspondance avec les durées de périodes d'échantillonnage utilisées pour l'analyse. Par exemple, si l'utilisateur est en train d'analyser les données avec des périodes de 60 s, alors les valeurs fournies devraient être comprises comme des counts/min. Si l'utilisateur est en train d'analyser les données avec des périodes de 10s, alors les valeurs fournies devraient être comprises comme des counts/10s.

L'utilisateur a aussi la possibilité de fournir des informations relatives à de potentielles périodes d'activité physique importantes qui auraient modifié le niveau d'activité physique mais qui ne pouvaient pas être enregistrées en raison de l'enlèvement de l'accéléromètre, comme par exemple au cours d'activités de sport collectif ou de natation. L'utilisateur doit sélectionner la date à laquelle la période d'activité a été réalisée. Ensuite, deux boîtes doivent être remplies pour indiquer l'horaire de début de la période : un boîte consacrée au numéro de l'heure, et une boîte consacrée au numéro de la minute. Même chose pour l'horaire de fin de la période. Enfin, l'utilisateur doit indiquer une valeur de MET qui refléterait l'intensité moyenne de l'activité physique réalisée au cours de la période. Pour faire cela, l'utilisateur devrait utiliser le Compendium des activités physiques (https://sites.google.com/site/compendiumofphysicalactivities/) qui propose une valeur de MET pour un large panel d'activités. Ces informations fournies par l'utilisateur seront utilisées pour remplacer les données initiales de l'accéléromètre. Chaque ligne avec une date sélectionnée sera utilisée. Si une période se superpose à une période précédente, les données de la dernière période seront utilisées. De manière importante, en utilisant ces informations, le temps de port lié à l'accéléromètre sera modifié : le temps relatif à la période d'activité physique rapportée sera considérée comme "port" pour les périodes de temps qui auraient été détectées comme "non-port" initialement lors de l'utilisation de l'algorithme dédié à cela.

Finalement, cette section permet à l'utilisateur de déterminer le temps de port minimum requis pour considérer un jour comme valide, ainsi que la période au cours de laquelle le temps de port, de même que les valeurs des autres indicateurs, devraient être additionnés au cours de la journée. La valeur par défaut est de 10 heures (i.e., 600 minutes) sur la journée entière, comme recommandé [@miguelesAccelerometerDataCollection2017], mais une valeur de 8 heures devrait être utilisée pour des patients BPCO [@demeyerStandardizingAnalysisPhysical2014]. Pour obtenir automatiquement une configuration recommandée établie chez des patients BPCO dans le cas où l'appareil aurait été porté la nuit [@demeyerStandardizingAnalysisPhysical2014], l'utilisateur peut cliquer sur le bouton "PROactive config. for 24-h wearing protocol". À noter que la validation de l'ensemble de la mesure est laissée à l'appréciation de l'utilisateur. Dans la littérature scientifique, il est couramment accepté qu'il faut obtenir au moins 4 jours valides pour considérer la mesure comme pouvant refléter de manière fiable ce qui a été fait par le patient au cours de la période de mesure. Cependant, plusieurs études ayant utilisé les instruments du consortium européen PROactive pour les patients avec une BPCO ont utilisé 3 jours [@bowlerRealworldUseRescue2019; @garcia-aymerichValidityResponsivenessDaily2021; @gimeno-santosPROactiveInstrumentsMeasure2015; @korenyPatternsPhysicalActivity2021]. Quel que soit le nombre de jours valides obtenus, il convient de garder à l'esprit qu'une semaine de mesure peut ne pas refléter correctement le comportement habituel du patient sur une période plus longue (e.g., une année).

Une fois que tous les paramètres ont été correctement configurés, l'utilisateur doit cliquer sur le boutton "Run analysis". Cette action déclenche plusieurs calculs. Premièrement, l'application calcule le métabolisme de base (MB), cela à partir du sexe, de l'âge, et de la masse, et à partir d'une des équations proposées dans l'article de Henry et al. [-@henryBasalMetabolicRate2005]. Ces équations sont montrées dans le Tableau \@ref(tab:METsEquations).

library(flextable)
library(officer)
set_flextable_defaults(fonts_ignore = TRUE)
flextable(
tribble(
  ~ "Catégories d'âge (ans)", ~Sexe, ~ "Équation",
"<3",      "Masculin",   "61.0 * masse - 33.7",
"[3-10[",  "Masculin",   "23.3 * masse + 514",
"[10-18[", "Masculin",   "18.4 * masse + 581",
"[18-30[", "Masculin",   "16.0 * masse + 545",
"[30-60[", "Masculin",   "14.2  * masse + 593",
"[60-70[", "Masculin",   "13.0 * masse + 567",
">=70"   , "Masculin",      "3.7 * masse + 481",

"<3",     "Féminin" , "58.9 * masse - 23.1",
"[3-10[", "Féminin" , "20.1 * masse + 507",
"[10-18[","Féminin", "11.1 * masse + 761",
"[18-30[","Féminin", "13.1 * masse + 558",
"[30-60[","Féminin", "9.74 * masse + 694",
"[60-70[","Féminin", "10.2 * masse +  572",
">=70"   ,"Féminin", "10.0 * masse + 577")
  ) %>%
  theme_zebra() %>%
  align(align = "left", part = "all" ) %>%
  hline_top(part = "all", border = fp_border(width = 1.5)) %>%
  hline_bottom(part = "all", border = fp_border(width = 1.5)) %>%
  width(width = 3)   %>% 
  set_caption("Équations pour estimer le métabolisme de base") %>%
  autofit()

Si le patient considère que son sexe est indéfini ("undefined" dans l'application) ou choisit l'option "prefer not to say", alors l'équation pour le sexe féminin est utilisée. Si le patient tombe dans la catégorie "intersex" de l'application, alors la moyenne des résultats pour une personne de sexe masculin et pour une personne de sexe féminin est utilisée (ATTENTION : Au moment de l'écriture de ce guide, il n'y a pas de donnée scientifique pour justifier un calcul pour des personnes intersexes). Ces équations fournissent le MB en kcal/jour, mais l'application calcule aussi silencieusement le MB en kcal/min pour l'utiliser dans des calculs spécifiques. Ensuite, les variables suivantes sont calculées pour chaque période du jeu de données :

À noter que les kilocalories et les MET-heures sont initiallement calculés sur une base de 1 minute et sont ensuite ajustés en utilisant un facteur de correction pour correspondre à la durée de la période de temps choisie pour analyser les données de l'accéléromètre.

Une fois ces nouvelles variables ajoutées au jeu de données initial, l'application résume les résultats pour chaque jour de mesure à partir des données correspondant à du temps de port sur la période considérée par l'utilisateur pour l'analyse, cela pour les indicateurs suivants :

Pour calculer le NAP, la dépense énergétique totale (DET) liée à la période de la journée que l'utilisateur souhaitait analyser est divisée par le MB, qui lui est calculé pour correspondre aussi à la période de la journée à analyser. La DET est obtenue en faisant la somme des kilocalories mesurées durant le temps de port et des kilocalories liées au MB dépensées durant les périodes de non-port (il est supposé que les périodes lors desquelles l'appareil n'était pas porté correspondaient à des périodes de sommeil, durant lesquelles la dépense énergétique est proche du MB), et en multipliant cette somme par 10/9 afin de prendre en compte l'effet thermique des aliments. En principe, le NAP devrait être calculé en utilisant l'ensemble de la journée, pas une période donnée de la journée. Bien sûr, de tels calculs peuvent conduire à sous-estimer la DET et le NAP si l'appareil était enlevé pendant des périodes prolongées d'activité physique, à moins que l'utilisateur ajoute manuellement des périodes d'activité physique dans les espaces de l'application prévus à cet effet comme expliqué plus haut. De plus, même si l'appareil était correctement porté, l'estimation du NAP reste très approximative étant donné qu'à la fois le MB et les kilocalories liées au temps de port étaient estimées à partir de méthodes qui peuvent ne pas être exactes au niveau individuel.

Pour déterminer le gradient d'intensité, l'application calcule le nombre de minutes accumulées dans les zones d'intensité qui ont été définies précédemment par l'utilisateur (cf. explications fournies plus haut). Ensuite, un modèle linéaire est calculé pour décrire la relation entre le logarithme népérien des minutes accumulées dans les zones d'intensité, et la logarithme népérien des valeurs médianes (en counts/min) des zones d'intensité correspondantes. Le gradient d'intensité est le coefficient de pente de ce modèle [@rowlandsCutPointsAccelerometer2018]. Moins le gradient d'intensité est négatif, plus le patient tend à passer du temps à des intensités plus élevées.

Finalement, l'application calcule les moyennes et les médianes journalières des indicateurs en utilisant les jours considérés comme valides. Si l'utilisateur a analysé les données en utilisant des périodes de 60 s, alors l'application fournira en plus les indicateurs suivants relatifs à l'accumulation des périodes sédentaires et d'activité physique :

Résultats et export

Dans l'application, les résultats par jour et ceux résumés (moyennes ou médianes) en utilisant les jours valides sont montrés dans des tableaux. Quatre boutons différents permettent à l'utilisateur de générer un rapport où tous les paramètres de l'analyse sont enregistrés, de même que les résultats. Deux premiers boutons permettent d'obtenir un rapport .html (format long) soit en anglais soit en français, avec tous les résultats dans des tableaux et figures. Deux autres boutons permettent d'obtenir un rapport .pdf (format court) soit en anglais soit en français, avec des informations similaires à la version longue, mais sans les vues tabulaires des résultats pour chaque jour de mesure. Dans tous les rapports, quelques commentaires sont proposés pour aider à positionner le patient par rapport à des normes ou des recommandations. L'utilisateur peut aussi cliquer sur des boutons spécifiques pour exporter vers des fichiers .csv soit le jeu de données marqué, soit les résultats par jour, soit les résultats moyens relatifs aux jours valides, ou soit les résultats médians relatifs aux jours valides. Enfin, un dernier bouton permet de diriger l'utilisateur vers des écrans visant à remplir les questionnaires Daily- and Clinical visit-PROactive Physical Activity in COPD (D-PPAC and C-PPAC) et d'en obtenir les scores, soit à partir des médianes des scores relatifs aux jours valides [@gimeno-santosPROactiveInstrumentsMeasure2015], soit à partir des moyennes des scores relatifs aux jours valides [@garcia-aymerichValidityResponsivenessDaily2021] lors de l'utilisation de l'outil C-PPAC. Les scores peuvent être exportés dans un rapport .html et dans un rapport .pdf.

De manière importante, la comparaison des résultats journaliers avec des valeurs normales ou les recommandations devrait être faite avec prudence. Concernant le nombre total de pas, les données illustrées sur la figure ont été obtenues avec des podomètres classiques. Il convient d'être conscient du fait que si l'accéléromètre ActiGraph qui a été utilisé était un appareil de la génération GT3X, le résultat final obtenu est susceptible de sous-estimer ou de surestimer le nombre de pas en comparaison avec un podomètre classique selon que le filtre normal ou le filtre acceptant les accélérations de basse fréquence était activé, respectivement, lors de la création du fichier .agd avec le logiciel ActiLife® [@barreiraComparisonOlderAdults2013].

Les résultats journaliers pour les temps MVPA et SED sont montrés en relation avec le risque de mortalité qui a été estimé à partir de données d'accéléromètres (modèles ActiGraph 7164, GT1M and GT3X+ [filtre normal], et l'Actical) chez des adultes de plus de 40 ans par Ekelund et al. [-@ekelundDoseresponseAssociationsAccelerometry2019]. De manière similaire, le rapport MVPA/SED journalier est montré en relation avec le risque de mortalité qui a été estimé à partir de données d'accéléromètres (modèle ActiGraph 7164 [filtre normal]) chez des adultes de 50 à 79 ans par Chastin et al. [-@chastinStrikingRightBalance2021]. Les risques de mortalité montrés sur les figures ont été obtenus de la manière suivante : tout d'abord, la plateforme web WebPlotDigitizer a été utilisée pour obtenir les coordonnées de plusieurs points qui constituaient les courbes montrant les risques de mortalité dans les articles. Puis, une procédure de régression loess a été utilisée sur les coordonnées avec le logiciel R. Les données modélisées ont enfin été utilisées pour construire les figures. Il est important de noter aussi que les positions des résultats des patients sur les courbes des risques de mortalité ne devraient pas être considérées comme des estimations claires et précises du risque de santé pour le patient, au moins pour les deux raisons suivantes : (i) ces courbes ont été établies à l'échelle d'une population et sont susceptibles de ne pas intégrer la multiplicité des facteurs pouvant affecter le risque de santé au niveau individuel; (ii) les formes de ces courbes sont liées à des appareils spécifiques, à des choix particuliers concernant les valeurs seuils de counts/min pour déterminer le temps passé dans les catégories d'intensité SED et MVPA, et à des choix particuliers concernant l'analyse du temps de non-port de l'appareil. Ainsi, si l'analyse avec l'application activAnalyzer a été réalisée suite à l'utilisation d'un modèle ActiGraph qui était différent de ceux utilisés dans les études citées ci-dessus, et/ou que le filtre Lower Frequency Extension a été utilisé lors de la création du fichier .agd, et/ou que les choix d'analyse des données étaient différents de ceux faits dans les études citées ci-dessus (des choix différents pourraient être plus appropriés pour étudier le comportement physique d'un patient spécifique), alors les résultats du patient peuvent être difficiles à interpréter. Plutôt que de comparer les résultats des patients avec des risques de mortalité spécifiques à un moment précis, une manière plus appropriée d'utiliser ces figures pourrait être d'en faire un outil pédagogique pour montrer l'effet dose-réponse globalement non linéaire de l'activité physique et du comportement sédentaire sur la santé, et pour mettre en lumière l'évolution des scores du patient au cours du temps. Pour information, les choix faits dans les études de Ekelund et al. [-@ekelundDoseresponseAssociationsAccelerometry2019] et Chastin et al. [-@chastinStrikingRightBalance2021] sont montrés dans le Tableau \@ref(tab:StudiesSettings) ci-dessous.

library(flextable)
library(officer)
set_flextable_defaults(fonts_ignore = TRUE)
flextable(
tribble(
  ~ "Étude",               ~"Axe pour la classification de l'intensité d'AP",   ~"Seuil pour SED ",     ~"Seuil pour MVPA",      ~"Algorithme pour le non-port",
"Ekelund et al. (2019)", "Axe vertical",                          "<= 100 counts/min", ">= 1952 counts/min", "Axe: vertical ; Période : 90 min ; Autorisation : 2 min ;  Période de part et d'autre de celle autorisée : 30 min",           
"Chastin et al. (2021)", "Axe vertical",                          "< 100 counts/min",   "> 2020 counts/min", "Axe: vertical ; Période : 60 min ; Période autorisée : 2 min avec counts/min <50",           
)
  ) %>%
  theme_zebra() %>%
  align(align = "left", part = "all" ) %>%
  hline_top(part = "all", border = fp_border(width = 1.5)) %>%
  hline_bottom(part = "all", border = fp_border(width = 1.5)) %>%
  width(width = 1) %>% 
  set_caption("Choix d'analyse réalisés dans les études de Ekelund et al. (2019) and Chastin et al. (2021)")

Références



Try the activAnalyzer package in your browser

Any scripts or data that you put into this service are public.

activAnalyzer documentation built on May 29, 2024, 10:21 a.m.