#PAGE_PARAMS# #ADS_HEAD_SCRIPTS# #MICRODATA#

24hodinový profil pohybového chování seniorů z hlediska jeho intenzity, typu a postury v kontextu obezity: Výsledky z pilotní studie během pandemie COVID-19


Intensity- and posture-specific 24-h physical behavior in the context of obesity in older adults: Results from pilot study during the COVID-19 pandemi The study aimed to present a method of monitoring

Cílem studie bylo představit metodu monitoringu 24hodinového pohybového chování z hlediska jeho intenzity typu a postury a následně analyzovat data z pilotního měření pohybového chování u seniorů v období pandemie COVID-19. Výzkumný soubor tvořilo 102 samostatně žijících mužů a žen (70,14 ± 5,22 roku). Pohybové chování bylo monitorováno pomocí tří akcelerometrů umístěných na odlišných částech těla (stehnu, zápěstí a pase). Souvislosti mezi proměnnými byly ověřeny pomocí analýzy rozptylu a kompoziční analýzy.

24hodinový profil pohybového chování se i v době pandemických restrikcí významně lišil mezi seniory s rozdílnou hodnotou indexu tělesné hmotnosti. U obézních seniorů, na rozdíl od seniorů s normálním hodnotou indexu tělesné hmotnosti, bylo navýšeno sedavé chování a naopak snížena pohybová aktivita střední až vysoké intenzity (p = 0,025). Významná spojitost byla nalezena mezi nárůstem času stráveného sedavým chováním a poklesem času věnovaného pohybu a rizikem obezity u českých seniorů.

Vzhledem ke komplexnímu popisu pohybového chování může být tato metoda využita pro monitorování pohybového chování specifických skupin obyvatel a následné naplánování pohybových intervencí.

Keywords:

sleep – Physical activity – accelerometer – Sedentary behavior – older adult – compositional data analysis


Autori: Jan Vindiš;  Jana Pechová;  Jana Pelclová
Pôsobisko autorov: Institut aktivního životního stylu, Fakulta tělesné kultury UP v Olomouci
Vyšlo v časopise: Čas. Lék. čes. 2021; 160: 310-316
Kategória: Original Articles

Súhrn

Cílem studie bylo představit metodu monitoringu 24hodinového pohybového chování z hlediska jeho intenzity typu a postury a následně analyzovat data z pilotního měření pohybového chování u seniorů v období pandemie COVID-19. Výzkumný soubor tvořilo 102 samostatně žijících mužů a žen (70,14 ± 5,22 roku). Pohybové chování bylo monitorováno pomocí tří akcelerometrů umístěných na odlišných částech těla (stehnu, zápěstí a pase). Souvislosti mezi proměnnými byly ověřeny pomocí analýzy rozptylu a kompoziční analýzy.

24hodinový profil pohybového chování se i v době pandemických restrikcí významně lišil mezi seniory s rozdílnou hodnotou indexu tělesné hmotnosti. U obézních seniorů, na rozdíl od seniorů s normálním hodnotou indexu tělesné hmotnosti, bylo navýšeno sedavé chování a naopak snížena pohybová aktivita střední až vysoké intenzity (p = 0,025). Významná spojitost byla nalezena mezi nárůstem času stráveného sedavým chováním a poklesem času věnovaného pohybu a rizikem obezity u českých seniorů.

Vzhledem ke komplexnímu popisu pohybového chování může být tato metoda využita pro monitorování pohybového chování specifických skupin obyvatel a následné naplánování pohybových intervencí.

Klíčová slova:

pohybová aktivita – spánek – starší dospělí – akcelerometr – kompoziční analýza – sedavé chování

ÚVOD

Koronavirová pandemie a s ní spojená opatření vedla k významným změnám v pohybovém režimu mnoha osob. Tyto změny se mohly dotknout zejména seniorské populace, která je vzhledem k průběhu onemocnění COVID-19 a jeho následkům vnímána jako nejvíce riziková. Omezení sociálních kontaktů a izolace seniorů v domácím prostředí mohly ještě navýšit podíl sedavého chování (SB – sedentary behavior), které obecně stoupá s rostoucím věkem, a to na úkor jakékoliv formy pohybové aktivity (PA – physical activity) (1). Právě zvýšený podíl SB v rámci celého dne je spojován se zvýšeným rizikem chronických a neinfekčních chorob, jako jsou ischemická choroba srdeční, diabetes mellitus a další (2). Zároveň je vyšší míra SB pozitivně spjata s vyšší hodnotou indexu tělesné hmotnosti (BMI) jakožto jedním z ukazatelů obezity (3). Kromě toho se postupné snižování PA v denním režimu, které u seniorů může vést až k imobilitě, významně odráží i na jejich kvalitě života (4, 5). Naopak nárůst času stráveného pohybovou aktivitou střední až vysoké intenzity (MVPA – moderate-to-vigorous physical activity) je spojen s poklesem BMI (6). Proto je velmi důležité pracovat na udržení pravidelného a optimálního pohybového režimu v rámci každodenního života seniorů. Nejnovější studie také naznačují, že vyšší míra PA je významně asociována s mírnějším průběhem a menšími následky onemocnění COVID-19 (7).

Pro lepší porozumění vztahu mezi zdravotními ukazateli a pohybovým chováním (PB – physical behavior) jsou zásadní přesné informace kvantifikující každodenní PB (8). Toto chování je navíc potřebné vnímat jako uzavřenou kompozici 24hodinového cyklu, neboť navýšení jednoho typu aktivity se nutně musí projevit ve snížení objemu jiného pohybového chování (9). Díky technologickému pokroku se na přední místo mezi monitorovacími nástroji dostávají akcelerometry, které dokáží kvantifikovat více aspektů PB současně (10). Už téměř standardem při sledování PB kvantifikovaného na základě energetického výdeje je jeho objemové rozlišení v rámci 24hodinové kompozice na PA, SB a spánek (11). Zdravotní benefity, ale i rizika závisí nejenom u seniorské populace také na intenzitě pohybu, např. při rozlišení pohybové aktivity na nízkou (LPA – light physical activity) a MVPA (12). Další možností jak diagnostikovat PB je sledování času tráveného v určitých polohách (lehu, sedu, stoji) a jejich změn. Např. frekvence polohy sed-stoj během dne může být ukazatelem fyzické výkonnosti u seniorů, neboť zároveň poukazuje na sílu dolních končetin, která hraje velký význam v realizaci PA (13, 14).

Velkou debatu vyvolává téma nejvhodnějšího umístění akcelerometrů pro získání co nejkomplexnějších informací o PB. První studie umisťovaly akcelerometry do pasu kvůli blízkosti těžiště, avšak často se jednalo pouze o měření v bdělém stavu (15, 16). Velmi populární začaly být akcelerometry umístěné na zápěstí, které dokázaly zaznamenávat 24hodinové cykly, tudíž i spánek (17, 18). Nevýhodou obou těchto umístění je poměrně složité rozeznávání postury a typu PA. Jedním z řešení je umístění akcelerometru na stehno, které dokáže zaznamenávat údaje nepřetržitě 24 hodin denně a zároveň poskytuje informace o konkrétních pohybových projevech (sed/leh, stoj, chůze, běh, chůze do/ze schodů, jízda na kole) (9, 19). Další variantou monitoringu PB je současné použití několika akcelerometrů, jež zvyšují přesnost naměřených dat a umožňují detailnější popis jednotlivých dimenzí PB (20, 12).

Podrobný popis struktury PB je potřebný pro pochopení jeho dopadu na zdraví seniorů. Proto je potřeba brát PB jako celek a nahlížet na něj z několika různých pohledů. Jelikož je komplexní popis 24hodinového PB relativně novým tématem, je cílem této studie seznámit čtenáře s metodami monitorování a zpracováním 24hodinových záznamů o PB, a to skrze výsledky pilotní studie u seniorů v rámci pandemie COVID-19. Dílčím cílem je analýza 24hodinového PB ve vztahu k obezitě.

SOUBOR A METODIKA

Účastníci a design studie

Měření se zúčastnilo 119 mužů i žen ve věku 60 a více let. Tito dobrovolní účastníci podstoupili sedmidenní monitoring PB měřený pomocí tří akcelerometrů. Monitoring PB probíhal v omezených podmínkách epidemiologické situace na podzim roku 2020 a v zimě 2021. Před samotným zahájením měření byl participantům vysvětlen princip měření, způsob umístění přístrojů (obr. 1) a výjimky pro odložení akcelerometrů. Poté byly akcelerometry připevněny na tělo participantů. Dále byly od všech zúčastněných seniorů získány základní demografické údaje (věk, výška, hmotnost, pohlaví).

Obr. 1. Způsob umístění akcelerometrů na těle pro měření pohybového chování
Způsob umístění akcelerometrů na těle pro měření
pohybového chování

Samotný monitoring trval 7 po sobě následujících dní a nocí v podmínkách běžného života. Za platné měření bylo považováno takové, které obsahovalo data ze všech 7 dní ze všech 3 přístrojů. Podmínky platného měření splnilo celkem 102 seniorů. Do studie nebyli zařazeni jedinci, kteří používali lokomoční pomůcky, kteří nebyli soběstační anebo se potýkali s pohybovým omezením, jež by mohlo ovlivnit naměřená data (např. pooperační stav, motorická dysfunkce atd.).

Před samotnou realizací měření podepsali všichni účastníci výzkumu informovaný souhlas. Výzkum byl schválen etickou komisí Fakulty tělesné kultury Univerzity Palackého v Olomouci pod jednacím číslem 8/2020.

Monitoring pohybového chování

Pro měření PB byly využity 3 akcelerometry, z toho dva Axivity AX3 (Axivity Ltd., Newcastle, UK). První byl umístěný na nedominantním zápěstí pomocí silikonového náramku ve formě hodinek a sloužil pro 24hodinový monitoring intenzity PB a spánku, druhý byl umístěn na přední stranu pravého stehna, přibližně uprostřed mezi předním horním kyčelním trnem (spina iliaca anterior superior) a čéškou (patella), pomocí fixační náplasti a sloužil pro získání 24hodinových dat o poloze a pohybu dolní končetiny. Třetí akcelerometr ActiGraph wGT3X-BT (ActiGraph Ltd., Pensacola, Florida, USA) byl umístěný v kapsičce a upevněný na pravém boku, zhruba nad spina iliaca anterior superior, kde zaznamenával údaje o poloze a pohybu trupu. Tento akcelerometr se jako jediný na spánek odkládal, proto byli účastníci upozorněni, aby si ho těsně před spánkem odložili a ráno ihned po probuzení nasadili.

K nastavení a exportu dat z akcelerometrů Axivity byl použit software OmGui 1.0.0.43 (Newcastle University, UK) a pro akcelerometr Actigraph software ActiLife 6.13 (Pensacola, Florida, USA). Všechny přístroje byly inicializovány na kompatibilní záznamovou frekvenci (nejbližší frekvence 30 Hz, na které dokáže přístroj zaznamenávat data): Actigraph = 30 Hz a Axivity = 25 Hz. Akcelerometry začaly zaznamenávat údaje o půlnoci dne, kdy byly přístroje nasazeny, a přestaly měřit po 7 dnech a 12 hodinách.

Zpracování dat

Zpracování surových dat z akcelerometrů proběhlo dvěma programy. Pro analýzu intenzity PB a spánek byl použit software R 3.4.2 (R Foundation for Statistical Computing, Vienna, Austria) a datový balíček GGIR na zpracování dat z akcelerometrů (22). V tomto softwaru se analyzovala surová data získaná z akcelerometru umístěného na zápěstí, která se nejprve přepočetla na metriku ENMO (Euclidean Norm Minus One) a byla analyzována v cyklech 24 hodin (midnight to midnight).

Ke kategorizaci jednotlivých intenzit PA byly stanoveny hodnoty ENMO pro SB (< 42,5 mg), LPA (42,5–98 mg) a MVPA (≥ 98 mg) na základě podobností dat mezi přístroji Axivity AX3 a GENEActiv (23, 24). Algoritmus spánku definoval čas usnutí, probuzení a období trvalé nečinnosti (období bez změny větší než 5° po dobu nejméně 5 minut). Doba spánku pak byla definována jako čas mezi usnutím a probuzením detekovaným algoritmem a efektivita spánku jako podíl skutečné nečinnosti a celkové délky detekovaného spánku (25).

Druhým použitým programem byl Acti4 (The National Research Centre for the Working Environment, Copenhagen, Denmark and BAuA, Berlin, Germany), který pracuje se surovými daty ze všech akcelerometrů najednou a díky tomu detailní záznam postury a typu prováděné PA. Na základě sklonu a zrychlení akcelerometru bylo možno rozlišit leh, sed, stoj, neklidný stoj, chůzi, chůzi ze/do schodů, běh a jízdu na kole.

Statistická analýza dat

Analýza byla provedena v softwaru IBM SPSS verze 25.0 (IBM Corp. Released 2017, Version 25.0. Armonk, NY: IBM Corp, Armonk, USA) a softwaru R 3.4.2 (R Foundation for Statistical Computing, Vienna, Austria) s využitím balíčku Compositions.

V případě nezohledňování kompozičního charakteru dat byly charakteristiky sledovaných proměnných popsány pomocí aritmetického průměru (M) a směrodatné odchylky (SD). Naopak při zohlednění 24hodinových cyklů, ve kterých jednotlivé charakteristiky PB na základě intenzity, postury či typu PA představují část celku, byla data analyzována jako kompoziční. To znamená, že jednotlivé komponenty PB jsou na sobě závislé a změna v jednom nebo více komponentech se nutně projeví v těch zbývajících. Kompoziční analýza zohledňuje logaritmické poměry mezi složkami kompozice. Pro účely této studie byly konkrétně využity dvě kompozice 24hodinového PB o 4 komponentách. První kompozice se skládá ze spánku, SB, LPA, MVPA a druhá z proměnných leh, sed, stoj (klidný + neklidný stoj) a pohyb (chůze, chůze do/ze schodů, běh a jízda na kole).

Pro jednotlivé kompozice byl vypočten kompoziční střed, který snížil vliv odlehlých hodnot. Rozptyl hodnot byl hodnocen pomocí variační matice. Kompozice byly vizualizovány pomocí sloupcových grafů pro jednotlivé kategorie BMI. Pro nekompoziční data byl využit dvou výběrový t-test pro porovnání rozdílů PB v rámci pohlaví a ANOVA pro porovnání BP mezi skupinami s odlišným BMI (normální BMI 18,5–24,9 kg/m2, nadváha 25,0–29,9 kg/m2, obezita ≥ 30 kg/m2) (26). Pro porovnání kompozic PB mezi skupinami s odlišným BMI byl použit hotteling test.

VÝSLEDKY

Ze 119 seniorů, kteří se studie zúčastnili, mohla být do výsledné analýzy použita data od 102 z nich. Charakteristika výzkumného souboru je popsána v tab. 1.

Tab. 1. Charakteristika výzkumného souboru (n = 102)
Charakteristika výzkumného souboru (n = 102)
Pozn.: n = počet probandů; M = průměr; SD = směrodatná odchylka.

V rámci 24hodinového cyklu (průměrného dne) hodnoceného na základě intenzity PB strávili senioři 10,07 hodiny spánkem (42 %), 10,63 hodiny SB (44,3 %), 2,38 hodiny LPA (9,9 %) a 0,91 hodiny MVPA (3,8 %). V rámci 24hodinového cyklu hodnoceného z hlediska postury a typu PB strávili senioři 12,57 hodiny v poloze leh (52,4 %), 5,97 hodiny v poloze sed (24,9 %) a 3,12 hodiny v poloze stoj (13 %). V neklidném stoji strávili senioři 1,28 hodiny (5,3 %) a klasickou chůzí 1,21 hodiny (5 %). Po rozlišení rychlosti v rámci objemu chůze trávili senioři průměrně 71,2 % času rychlou chůzí a 28,8 % pomalou chůzí. Chůzí do/ze schodů strávili z celého dne 0,09 hodin (5,5 minut) a 0,11 hodiny (6,6 minut) strávili senioři v průměrném dni běháním a jízdou na kole. Průměrná efektivita spánku byla 72,11 %.

PB mužů a žen se významně lišilo pouze u času stráveného v klidném stoji, kdy ženy stály v průměrném dni o 33,1 minuty déle než muži (p = 0,020). Ženy (151,5 minuty/den) měly také více LPA než muži (131,6 minuty/den), ale tento rozdíl nebyl statisticky významný (p = 0,087).

Na základě klasifikace BMI bylo 40,2 % (n = 41) seniorů zařazeno do kategorie s nadváhou a 32,4 % (n = 33) do kategorie s obezitou. V tab. 2 je popsáno 24hodinové PB hodnocené na základě intenzity a postury a typu u seniorů s normálním BMI, nadváhou a obezitou. V rámci porovnání jednotlivých složek PB mezi třemi skupinami bez zohlednění celé kompozice byly významné rozdíly nalezeny u času tráveného SB, kdy obézní senioři trávili denně sezením o 20 minut více než skupina s nadváhou a o 60 minut více než skupina s normální hodnotou BMI (p = 0,004). Logicky se toto zjištění potvrdilo i u klasifikace PB dle postury, kdy skupina obézních opět vykazovala signifikantně vyšší objem času v poloze sed (p = 0,004).

Tab. 2. Pohybové chování seniorů dle kategorií BMI
Pohybové chování seniorů dle kategorií BMI
Pozn.: M = průměr; SD = směrodatná odchylka; p = hladina statistické významnosti pro Hottelingův test, *p < 0,05.

Kompoziční analýza pohybového chování

V rámci 24hodinové kompozice PB strávili obézní senioři nejméně času spánkem (10,02 hodiny) a zároveň nejvíce času SB (10,77 hodiny), což koresponduje i s časem stráveným v poloze leh a sed během dne (obr. 2). Skupina s nadváhou měla také nižší hodnoty spánku a vyšší hodnoty SB, přesto tito senioři strávili více času v poloze leh (12,08 hodiny), ale podstatně méně času v poloze sed (6,01 hodiny) než senioři s obezitou. Nejvíce času stráveného pohybem vykazovala skupina s normální hodnotou BMI. Jedinci v této skupině zároveň měli nejdelší dobu strávenou MVPA (1,15 hodiny), oproti skupině s nadváhou, která měla 0,89 hodiny, a skupině s obezitou, která měla 0,77 hodiny (tab. 2).

Obr. 2. Délka trvání (hodiny/den) jednotlivých složek pohybového chování z hlediska intenzity a postury a typu u seniorů s normálním BMI, nadváhou a obezitou
Délka trvání (hodiny/den) jednotlivých složek pohybového chování z hlediska intenzity a postury a typu u seniorů s normálním
BMI, nadváhou a obezitou

Proporcionalita obou kompozic PB je shrnuta v tab. 3 a 4. Hodnoty představují rozptyl párových logaritmů jednotlivých kompozic. Největší proporcionalita (nejnižší hodnota) byla mezi spánkem a SB a také mezi polohami leh a stoj. Naopak nejmenší proporcionalita (nejvyšší hodnota) byla mezi SB a MVPA, spánkem a MVPA a také mezi polohou sed a pohybem.

Tab. 3. Matice kompoziční variace složené z pohybového chování hodnoceného na základě intenzity
Matice kompoziční variace složené z pohybového chování
hodnoceného na základě intenzity
Pozn.: SB = sedavé chování; LPA = pohybová aktivita nízké intenzity; MVPA = pohybová aktivita střední až vysoké intenzity.

Tab. 4. Matice kompoziční variace složené z postury a pohybu
Matice kompoziční variace složené z postury a pohybu

Relativní profily 24hodinového PB hodnoceného na základě intenzity a postury a typu u osob s normálním BMI, nadváhou a obezitou jsou znázorněny na obr. 3. Jednotlivé sloupce v grafu reprezentují relativní průměrné hodnoty jednotlivých komponent kompozice nad nebo pod kompozičním středem. Z obr. 3 je patrné, že relativní profily PB hodnoceného na základě intenzity se mezi jednotlivými skupinami významně liší (p = 0,025). V rámci kompozice hodnocené dle intenzity vykazovali senioři s normálním BMI o 14,1 % více MVPA, naopak obézní senioři vykazovali ve svém profilu o 11,1 % méně MVPA.

Obr. 3. Relativní profily pohybového chování (hodnoceného na základě intenzity a postury a typu) u seniorů s normálním BMI, nadváhou a obezitou
Relativní profily pohybového chování (hodnoceného na základě intenzity a postury a typu) u seniorů s normálním BMI,
nadváhou a obezitou

V profilech PB posuzovaného dle postury jsou také zřetelné rozdíly mezi jednotlivými skupinami, a to i přesto, že rozdíly mezi jednotlivými kompozicemi nebyly statisticky významné (p = 0,172). Čas strávený v poloze sed byl u skupiny s normální hodnotou BMI nižší o 18 %, naopak u skupiny obézních byl o 11 % vyšší. Čas strávený jakýmkoliv pohybem byl u skupiny s normálním BMI vyšší o 14 %, zatímco u skupiny s nadváhou byl o 8 % nižší. Profil obézních seniorů se také vyznačoval o 9 % nižším objemem času stráveného v poloze stoj.

DISKUSE

V rámci této studie je v českém prostředí poprvé představeno komplexní monitorování a zpracování 24hodinového PB posuzovaného jak na základě jeho intenzity a typu, tak i postury PA. Dále jsme na pilotních datech u seniorské populace v období pandemie COVID-19 zjišťovali významné souvislosti mezi objektivně měřeným PB a BMI.

Přestože je tato studie pouze průřezová, souhrnné výsledky naznačují, že senioři v době pandemie tráví mnohem více času SB (10,6 hodiny/den), než tomu bylo v období před pandemií, kdy se průměrné hodnoty SB pohybovaly okolo 7,1 hodiny/den (27) a 7,8 hodiny/den (28). Tento rozdíl může být zapříčiněný omezením organizovaných PA a také omezením volného pohybu osob na území Česka mimo procházky do přírody. Na druhé straně vykazují senioři v době pandemie vysoký objem MVPA (55,2 minuty/den) v porovnání s průměrným objemem (22,2 minuty/den) z 18 studií zahrnutých v systematickém přehledu autorů Raimundo et al. (29). Také ve studii u obdobně starých českých žen byla hodnota MVPA výrazně nižší (38,6 minuty/den) (30). V poloze leh strávili senioři mnohem více času, než v poloze sed oproti studii Copenhagen City Heart, kde senioři leželi 485 minut/den a seděli 588 minut/den (1). Rozdíl může být zapříčiněn polohou pololeh (větší záklon trupu než u sedu), kterou software neumí identifikovat, a tak tento čas přisuzuje ležení.

Přestože se již kompoziční analýza používá, stále se jedná o relativní novinku při zpracování 24hodinových dat z akcelerometrů. Tato metoda nabízí možnost nahlédnout na PB jako celek, jehož komponenty se navzájem ovlivňují a jakýkoliv pokles jedné způsobí proporcionální nárůst v jiné, nebo ve všech ostatních (31). Při srovnání kompozic 24hodinového PB se studií Powella et al. (32) strávili senioři v této studii o 6,2 % více času spánkem, o 10,4 % méně SB, o 3,1 % více LPA a o 1,1 % více MVPA. Odlišné hodnoty mohou být zapříčiněny tím, že ve zmiňované studii byl použit odlišný akcelerometr activPAL 3, který byl navíc upevněn na stehno, kdežto v naší studii byla data o intenzitě zpracována z akcelerometru na zápěstí.

V rámci 24hodinové kompozice dle intenzity PB se ukázaly rozdílné profily v PB mezi skupinami s rozdílným BMI. Zjednodušeně by se dalo říci, že s hodnotou BMI rostl i čas strávený SB a klesal čas strávený LPA a MVPA. Tyto rozdíly mezi kategoriemi BMI byly potvrzeny i ve studii Cabanas‐Sánchezové et al. (33), avšak mezi seniory s nadváhou a obezitou nebyly tak velké rozdíly jako v naší studii. V předchozích výzkumech se u jednotlivých skupin BMI také ukázaly výrazně nižší hodnoty MVPA a naopak vyšší hodnoty LPA než v naší studii, přesto byl s rostoucí hodnotou BMI stále zachován trend rostoucího SB a klesajícího MVPA (34).

Určitý dopad na BMI může mít i přerozdělení času v rámci jednotlivých kompozic. To souvisí se současným doporučením k PA – uvádí se minimálně 150 minut MVPA, resp. 30 minut/den MVPA a snížení času stráveného SB (35). Přerozdělení času z SB na MVPA (v rámci 15minutových úseků) může vést ke snížení BMI u starší populace, benefity přerozdělení času z SB na LPA nebyly potvrzeny (36, 37). Zároveň se ukazuje pozitivní dopad přerozdělení času z času stráveného v poloze klidný stoj na PA spojený s poklesem tělesného tuku (32). V naší studii nebyly v rámci pilotní analýzy tyto predikční modely využity.

PŘÍNOSY A LIMITY STUDIE              

Přínos studie spočívá v představení nových metod měření a zpracování PB pomocí akcelerometrů. Doposud bylo hodnoceno PB pouze z hlediska intenzity (28, 30). Díky využití dalších akcelerometrů jsme tak schopni prozkoumat i novou dimenzi PB, která se týká postury a typu PA. Tato studie představuje pilotní měření PB u českých seniorů pomocí těchto nových metod.

Limity studie vyplývají z následujících charakteristik: Nejednalo se o randomizovanou studii, proto není možné výsledky generalizovat na celou českou seniorskou populaci. Při tomto 24hodinovému monitoringu nebyl použit záznamový arch, který by sloužil jako podklad a kontrolu pro časovou analýzu jednotlivých chování. Pro analýzu PB hodnoceného na základě postury a typu PA byla zvolena kompozice se 4 komponenty, ve kterých byly sdruženy všechny typy PA do jedné komponenty (pohyb). Je možné, že zachování vícesložkové kompozice by přineslo další detailnější výsledky vztahu mezi PB a BMI seniorů.

ZÁVĚR

Představená metodika komplexního měření PB seniorů umožňuje podrobný popis struktury PB v rámci 24hodinových cyklů. Z výsledků je patrné, že 24hodinový profil PB se i v době pandemických restrikcí významně liší mezi seniory s rozdílným BMI: U obézních seniorů na rozdíl od seniorů s normálním BMI bylo navýšeno množství SB a naopak snížena MVPA. Naše zjištění upozorňují na přínosy redukce SB a zvýšení PA, jež mohou vést ke snížení rizika obezity u seniorské populace. Pro ověření zjištěných vztahů a predikci optimalizovaného 24hodinového PB ve vztahu ke zdraví prospěšné hodnotě BMI je třeba provést tento výzkum na větším výzkumném vzorku.

Poděkování

Poděkování patří Zbyňku Bardoňovi, Denise Kubienové, Petru Havlišovi, Pavle Spurné a Andree Strnadlové, kteří se v rámci studia na Fakultě tělesné kultury Univerzity Palackého v Olomouci podíleli na sběru dat. Velké poděkování patří také všem seniorům, kteří se dobrovolně zúčastnili výzkumného šetření.

Tato studie vznikla za podpory interního grantového projektu Univerzity Palackého v Olomouci pod číslem IGA_FTK_2020_001 „Ověření využití akcelerometrů GT3X+ a Axivity pro komplexní a kontextuální hodnocení pohybového chování seniorů“.

Čestné prohlášení

Autoři práce prohlašují, že v souvislosti s tématem, vznikem a publikací tohoto článku nejsou ve střetu zájmu.

Seznam zkratek

BMI           index tělesné hmotnosti

LPA           pohybová aktivita nízké intenzity

MVPA       pohybová aktivita střední až vysoké intenzity

PA              pohybová aktivita

PB              pohybové chování

SB              sedavé chování

Adresa pro korespondenci:

Mgr. Jan Vindiš

Institut aktivního životního stylu FTK UP

Tř. Míru 671/117, 771 11  Olomouc

Tel.: 585 636 739

e-mail: jan.vindis01@upol.cz


Zdroje
  1. Johansson MS, Korshøj M, Schnoh P et al. Time spent cycling, walking, running, standing and sedentary: a cross-sectional analysis of accelerometer-data from 1670 adults in the Copenhagen City Heart Study. BMC Public Health 2019; 19: 1370.
  2. Garber CE, Blissmer B, Deschenes MR et al. Quantity and quality of exercise for developing and maintaining cardiorespiratory, musculoskeletal, and neuromotor fitness in apparently healthy adults. Med Sci Sports Exerc 2011; 43: 1334–1359.
  3. Dumuid D, Olds T, Lewis LK et al. The adiposity of children is associated with their lifestyle behaviours: A cluster analysis of school-aged children from 12 nations. Pediatr Obes 2018; 13: 111–119.
  4. Meneguci J, Sasaki, JE, Santos A et al. Sitting time and quality of life in older adults: A population-based study. J Phys Act Health 2015; 12: 1513–1519.
  5. Rosenkranz RR, Duncan MJ, Rosenkranz, SK, Kolt GS. Active lifestyles related to excellent self-rated health and quality of life: cross sectional findings from 194,545 participants in the 45 and up study. BMC Public Health 2013; 13: 1071.
  6. Colley RC, Michaud I, Garriguet D. Reallocating time between sleep, sedentary and active behaviours: associations with obesity and health in Canadian adults. Health Rep 2018; 29: 3–13.
  7. Sallis R, Young DR, Tartof SY et al. Physical inactivity is associated with a higher risk for severe COVID-19 outcomes: a study in 48 440 adult patients. Br J Sports Med 2021; 55): 1099–1105.
  8. Crowley P, Skotte J, Stamatakis E et al. Comparison of physical behavior estimates from three different thigh-worn accelerometers brands: a proof-of-concept for the Prospective Physical Activity, Sitting, and Sleep consortium (ProPASS). Int J Behav Nut Phys Act 2019; 16: 65.
  9. Pedišić Z. Measurement issues and poor adjustments for physical activity and sleep undermine sedentary behaviour research - the focus should shift to the balance between sleep, sedentary behaviour, standing and activity. Kinesiology 2014; 46: 135–146.
  10. Jørgensen MB, Gupta N, Korshøj, M et al. The DPhacto cohort: an overview of technically measured physical activity at work and leisure in blue-collar sectors for practitioners and researchers. Appl Ergon 2019; 77: 29–39.
  11. Pedišić Ž, Dumuid D, Olds TS. Integrating sleep, sedentary behaviour, and physical activity research in the emerging field of time-use epidemiology: definitions, concepts, statistical methods, theoretical framework, and future directions. Kinesiology 2017; 49: 252–269.
  12. Global recommendations on physical activity for health. World Health Organization, Geneva, 2010.
  13. Hardy R, Cooper R, Shah I et al. Is chair rise performance a useful measure of leg power? Aging Clin Exp Res 2010; 22: 412–418.
  14. Yoshioka S, Nagano A, Hay DC, Fukashiro S. Biomechanical analysis of the relation between movement time and joint moment development during a sit-to-stand task. Biomed Eng 2009; 8: 27.
  15. Howard VJ, Rhodes JD, Mosher A et al. Obtaining accelerometer data in a national cohort of black and white adults. Med Sci Sports Exerc 2015; 47: 1531–1537.
  16. Molina-Garcia P, Medrano M, Pelclová J et al. Device-measured physical activity, sedentary behaviors, built environment, and adiposity gain in older women: a seven-year prospective study. Int J Env Res Pub Health 2021; 18: 3074.
  17. Doherty A, Jackson D, Hammerla N et al. Large scale population assessment of physical activity using wrist worn accelerometers: the UK biobank study. PLoS One 2017; 12: e0169649.
  18. Kerr J, Marinac CR, Ellis K et al. Comparison of accelerometry methods for estimating physical activity. Med Sci Sports Exerc 2017; 49: 617–624.
  19. Stemland I, Ingebrigtsen J, Christiansen C S et al. Validity of the Acti4 method for detection of physical activity types in free-living settings: comparison with video analysis. Ergonomics 2015; 58: 953–965.
  20. Cleland I, Kikhia B, Nugent C et al. Optimal placement of accelerometers for the detection of everyday activities. Sensors 2013; 13: 9183–9200.
  21. Stevens ML, Gupta N, Inan Eroglu E et al. Thigh-worn accelerometry for measuring movement and posture across the 24-hour cycle: a scoping review and expert statement. BMJ Open Sport Exerc Med 2020; 6: e000874.
  22. Migueles JH, Rowlands AV, Huber F et al. GGIR: A research community-driven open source R package for generating physical activity and sleep outcomes from multi-day raw accelerometer data. JMPB 2019; 2: 188–196.
  23. Fraysse F, Post D, Esto R et al. Physical activity intensity cut-points for wrist-worn GENEActiv in older adults. Front Sports Act Living 2021; 2: 579278.
  24. Rowlands AV, Mirkes EM, Yates T et al. Accelerometer-assessed physical activity in epidemiology. Med Sci Sports Exerc 2018; 50: 257–265.
  25. van Hees VT, Sabia S, Jones SE et al. Estimating sleep parameters using an accelerometer without sleep diary. Sci Rep 2018; 8: 12975.
  26. WHO. Obesity: preventing and managing the global epidemic. Report of a WHO consultation. World Health Organization, Geneva, 2000.
  27. Garcia Meneguci CA, Meneguci J, Sasaki JE et al. Physical activity, sedentary behavior and functionality in older adults: a cross-sectional path analysis. PLoS One 2021; 16: e0246275.
  28. Svozilová Z, Pelclová J, Pechová J et al. Associations between adiposity and physical activity and sedentary behaviour patterns in older women. Acta Gymnica 2019; 49: 83–91.
  29. Raimundo A, Marmeleira J, Ferreira S. A systematic review of studies that included both measures of physical activity and sedentary behaviour in older adults. Rev Andal Med Depot 2020; 13: 45–50.
  30. Pechová J, Pelclová J, Gába A a kol. Sedavé chování a adipozita u žen starších 55 let. Časopis lékařů českých 2019; 158: 112–117.
  31. Štefelová N, Dygrýn J, Hron K et al. Robust compositional analysis of physical activity and sedentary behaviour data. Int J Environ Res Public Health 2018; 15: 2248.
  32. Powell C, Browne LD, Carson BP et al. Use of compositional data analysis to show estimated changes in cardiometabolic health by reallocating time to light-intensity physical activity in older adults. Sports Med 2020; 50: 205–217.
  33. Cabanas‐Sánchez V, Esteban‐Cornejo I, Migueles JH et al. Twenty four‐hour activity cycle in older adults using wrist‐worn accelerometers: the seniors‐ENRICA‐2 study. Scand J Med Sci Sports 2020; 30: 700–708.
  34. Cabanas-Sánchez V, Higueras-Fresnillo S, De La Cámara MÁ et al. 24-h Movement and nonmovement behaviors in older adults. The IMPACT65+ Study. Med Sci Sports Exerc 2019; 51: 671–680.
  35. Bull FC, Al-Ansari SS, Biddle S et al. World Health Organization 2020 guidelines on physical activity and sedentary behaviour. Br J Sports Med 2020; 54: 1451–1462.
  36. Dumuid D, Lewis LK, Olds TS et al. Relationships between older adults’ use of time and cardio-respiratory fitness, obesity and cardio-metabolic risk: A compositional isotemporal substitution analysis. Maturitas 2019; 110: 104–110.
  37. Pelclová J, Štefelová N, Hodonská J et al. Reallocating time from sedentary behavior to light and moderate-to-vigorous physical activity: What has a stronger association with adiposity in older adult women? Int J Environ Res Public Health 2018; 15: 1444.
Štítky
Addictology Allergology and clinical immunology Angiology Audiology Clinical biochemistry Dermatology & STDs Paediatric gastroenterology Paediatric surgery Paediatric cardiology Paediatric neurology Paediatric ENT Paediatric psychiatry Paediatric rheumatology Diabetology Pharmacy Vascular surgery Pain management Dental Hygienist

Článok vyšiel v časopise

Journal of Czech Physicians

Číslo 7–8

2021 Číslo 7–8
Najčítanejšie tento týždeň
Najčítanejšie v tomto čísle
Prihlásenie
Zabudnuté heslo

Zadajte e-mailovú adresu, s ktorou ste vytvárali účet. Budú Vám na ňu zasielané informácie k nastaveniu nového hesla.

Prihlásenie

Nemáte účet?  Registrujte sa

#ADS_BOTTOM_SCRIPTS#