Article
Nutzung GPS-basierter Bewegungsdaten im Längsschnitt zur Evaluation am Beispiel der MOBILE-Intervention zur Förderung außerhäuslicher Mobilität alter Menschen
Search Medline for
Authors
-
Sandra Mümken
- Institut für Medizinische Soziologie und Rehabilitationswissenschaft, Charité – Universitätsmedizin Berlin, Berlin, Deutschland
-
Robert P. Spang
- Institut für Softwaretechnik und Theoretische Informatik, Technische Universität Berlin, Quality and Usability Lab, Berlin, Deutschland
-
Jan-Niklas Voigt-Antons
- Institut für Softwaretechnik und Theoretische Informatik, Technische Universität Berlin, Quality and Usability Lab, Berlin, Deutschland
-
Christine Haeger
- Institut für Medizinische Soziologie und Rehabilitationswissenschaft, Charité – Universitätsmedizin Berlin, Berlin, Deutschland
-
Dagmar Dräger
- Institut für Medizinische Soziologie und Rehabilitationswissenschaft, Charité – Universitätsmedizin Berlin, Berlin, Deutschland
-
Paul Gellert
- Institut für Medizinische Soziologie und Rehabilitationswissenschaft, Charité – Universitätsmedizin Berlin, Berlin, Deutschland
| Published: | September 27, 2021 |
|---|
Outline
Text
Hintergrund/Fragestellung/Problem: Außerhäusliche Mobilität ist ein wichtiger Faktor für ein gesundes Älterwerden, soziale Partizipation und Nutzung gesundheitlicher Versorgungsstrukturen. Aktuelle Studien aus der Alternsforschung beschäftigen sich mit der Erfassung und Auswertung GPS-basierter Bewegungsdaten, um den Zusammenhang des außerhäuslichen Bewegungsverhaltens mit physischer und mentaler Gesundheit zu analysieren. Hierbei wir oft ein Querschnittsdesign verwendet.
Wie kann eine Evaluation einer Hausbesuchsintervention zur Förderung außerhäuslicher Mobilität alter Menschen im ländlichen Raum unter Einbeziehung neuer konsolidierter Standards zur Erfassung GPS-basierter Bewegungsdaten im Längsschnitt-Design ausgeführt werden?
Lösungen und Lösungsvorschläge: Den Teilnehmer:innen der MOBILE-Studie wird ein Smartphone mit einer von der TU Berlin entwickelten App zur Erfassung GPS-basierter Bewegungsdaten ausgehändigt. Dieses erhebt außerhäusliche Bewegungsdaten für jeweils sieben Tage zur Baseline (T0) nach 4 Wochen (T1) und nach 3 Monaten (T3). Nach wissenschaftlichen konsolidierten Standards entwickelte Algorithmen bestimmen Kerncharakteristiken der außerhäuslichen Mobilität. Dies sind z.B. Lebensraummaße (Convex-Hull) oder andere Raum-Zeitparameter (z.B. Minuten außerhalb der Wohnung pro Tag) an deren Veränderung zwischen den Messzeitpunkten der Einfluss der Hausbesuchsintervention evaluiert wird.
Schlussfolgerung/Diskussion/Lessons Learned: Die vorgeschlagene Lösung wird bezüglich ihrer Gebrauchstauglichkeit als auch der technischeren Präzision evaluiert. Dabei wird ein besonderes Augenmerk auf die privatsphärengerechte Umsetzung der Aufzeichnung von Bewegungsdaten gelegt. Hemmnisse bei der Nutzung neuer Technologien alter Menschen müssen vor und während der Datenerhebung berücksichtigt und mit transparenten und leicht verständlichen Erklärungen versehen werden.
Weitere Nutzungsmöglichkeiten der GPS-Technologie in der Versorgungsforschung (z.B. adäquate Behandlungsplanung, Zieldefinition und Evaluation) sind zu diskutieren.
