Examensarbete, 15 hp Fysioterapeutprogrammet 180 hp
Vt 2020
FYSISK AKTIVITET
BLAND ÄLDRE PERSONER SOM INTE TRÄNAR
En jämförelse av subjektiv och objektiv mätmetod
Linus Gummesson, Anton Ryman
Fysioterapeutprogrammet 180 hp Titel svenska:
Fysisk aktivitet bland äldre personer som inte tränar
År:
2020 Titel engelska:
Physical activity amongst non-traning aged people Författare:
Linus Gummesson
Tvistevägen 1E, 90729 Umeå Anton Ryman
Hemvägen 5, 90336 Umeå
Handledare:
Frida Bergman, Första forskningsingenjör vid Institutionen för folkhälsa och klinisk medicin Erik Rosendahl, Professor vid Institutionen för samhällsmedicin och rehabilitering
Emma Simonsson, Doktorand vid Institutionen för samhällsmedicin och rehabilitering
Nyckelord:
Accelerometri, Actigraph, Frågeformulär, Självrapportering, Cut-points, Validitet Extern medverkan Nej Pågående projekt Ja
Introduktion:
Ett kostnadseffektivt sätt att kartlägga fysisk aktivitet (FA) är med hjälp av subjektiva mätmetoder som frågeformulär, till exempel socialstyrelsens indikatorfrågor för FA (FASTA). Dessa kan valideras mot objektiva mätinstrument (aktivitetsmätare), till exempel Actigraph GT3X+, men detta har ännu inte gjorts för FASTA-formuläret på den äldre populationen.
Syfte:
Syftet med studien var att undersöka samband mellan Socialstyrelsens indikatorfrågor om fysisk aktivitet och fysisk aktivitet uppmätt med Actigraph GT3X+ hos äldre personer som är friska men inte tränar.
Metod:
Sjuttio äldre personer (över 65 år) som var friska men inte tränade bar aktivitetsmätare (Actigraph GT3X+) under sin vakna tid i 7–8 dagar. I anknytning till detta fick deltagarna fylla i FASTA-formuläret.
Formuläret består av två frågor där mängden vardagsmotion och fysisk träning under en typisk vecka uppskattas. Korrelation mellan uppmätt och uppskattad FA analyserades med hjälp av Spearman’s rho.
Resultat:
Måttlig korrelation upptäcktes mellan medelintensiv FA och självskattad vardagsmotion (rho=0.545, p<0.05). Övriga resultat nådde inte statistisk signifikans. Under aktivitetsmätningsperioden var
deltagarnas uppmätta tid i medeltal 892 ± 63.0 minuter per valid dag och 5.59 ± 0.885 valida dagar per person.
Konklusion:
Hos äldre personer som är friska men inte tränar sågs måttligt korrelation mellan medelintensiv FA (MFA) uppmätt med Actigraph GT3X+ och FASTA-formulärets fråga om vardagsmotion. Sambandet mellan högintensiv FA (HFA) uppmätt med Actigraph GT3X+ och FASTA-formulärets fråga om fysisk träning var inte statistiskt signifikant. Mer framtida forskning behövs för att utveckla bättre metoder för att validera FASTA-formuläret på den äldre populationen.
Introduktion
Fysisk inaktivitet har bevisats medföra en ökad risk för hjärt- och kärlsjukdom, diabetes typ 2, bröstcancer och coloncancer samt förkorta livslängden (1). Enligt
Världshälsoorganisationen är fysisk inaktivitet dessutom den fjärde största riskfaktorn för mortalitet i världen (2). En viktig del i kampen mot inaktivitet är att kunna kartlägga och mäta detta folkhälsoproblem (3). I mätningar utanför labbmiljö används framför allt olika typer av frågeformulär, så kallade subjektiva mätmetoder för att uppskatta fysisk aktivitet (FA). Fördelen med subjektiva mätmetoder är att de är enkla att utföra, kostnaden är låg och det går relativt fort att genomföra beroende på formulärets omfattning (4). Ett annat sätt att mäta FA är genom objektiva mätmetoder. Objektiva mätmetoder innefattar olika typer av aktivitetsmätare som till exempel accelerometrar.
Fördelen med dessa är att de har bättre precision än de subjektiva mätinstrumenten men medför nackdelen att de är dyrare och kräver att testobjektet har den på sig under flera dagar (5). På grund av den höga precisionen hos de objektiva mätinstrumenten används dessa ofta för att testa validitet hos subjektiva mätmetoder (5, 6).
Vid subjektiva mätmetoder får individen själv göra en uppskattning av till exempel sin fysiska aktivitetsnivå eller sin tid i stillasittande (5). Ett av dessa subjektiva
mätinstrument för FA är Socialstyrelsens indikatorfrågor om fysisk aktivitetsnivå (FASTA) framtagna av Gymnastik- och idrottshögskolan (GIH) (7). Instrumentet består av två frågor med fasta svarsalternativ, vilket innebär att respondenten får välja ett av flera förutbestämda svarsalternativ. I första frågan skattas fysisk träning och i andra frågan skattas vardagsmotion, båda frågorna besvaras som minuter/vecka (7, 8).
Instrumentet togs fram genom att hos en population på 365 svenskar i åldrarna 20–65 år testa olika typer av svarsmetoder för att se vilken som hade bäst validitet. De metoder som testades var fasta svarsalternativ, öppna frågor samt att deltagarna fick fylla i ett veckoschema (4). Alla dessa svarsmetoder användes tidigare inom vården i Sverige (7).
Resultatet visade att de fasta svarsalternativen var den metod som visade starkast korrelation med rörelsemått från accelerometrar, fysisk prestationsförmåga och en mängd hälsomarkörer (4). Syftet med FASTA-formuläret är att fånga upp förändringar i aktivitetsnivå hos de som är minst aktiva. Frågornas utformning gör det möjligt att både fånga upp stegvis förbättring hos de minst aktiva men också visa att det går att göra hälsovinster genom att ytterligare öka sin FA även om den rekommenderade
aktivitetsnivån redan uppnåtts (9).
Objektiva mätinstrument placeras på kroppen, vanligtvis på handled, lår eller höft, och mäter rörelse i en dimension även kallat vertikal axel (VA), eller i flera dimensioner även kallat vektor magnitud (VM) (10). VM är den nyare teknologin och har visat sig vara bättre på att estimera energiåtgång än VA (11). En av de mer använda aktivitetsmätarna som mäter i VM är Actigraph GT3X+ (12), den mäter duration, frekvens och intensitet av FA (4). Actigraph mäter FA i counts, vilket är ett värde av rörelsens frekvens och
intensitet. Dessa counts sammanställs sedan för ett visst tidsintervall, en så kallad epoch, vanligtvis 60 sekunder för vuxna. För att standardisera rörelsefrekvensen omvandlas counts/epoch till counts per minut (cpm), vilket i fallet med 60 sekunders epoch-längd blir samma värde. Beroende på cpm klassificeras sedan tiden inom en viss aktivitetsnivå, till exempel medelintensiv FA (MFA) eller högintensiv FA (HFA). Beroende på syftet med studien kan testpersonerna bära mätarna dygnet runt eller endast under dygnets vakna timmar (10).
Än så länge har inte FASTA-formulärets validitet testats på en äldre population. På grund av att försämrad syn, minnesproblematik och nedsatt kognitiv funktion är vanliga
svårigheter bland den äldre befolkningen kan deras förmåga att självskatta sin FA skilja sig från övriga befolkningen (5). Av dessa anledningar är det viktigt att undersöka formulärets validitet för denna population i synnerhet.
Syftet med studien var att undersöka samband mellan Socialstyrelsens indikatorfrågor om fysisk aktivitet och fysisk aktivitet uppmätt med Actigraph GT3X+ hos äldre personer som är friska men inte tränar.
Frågeställningar:
• Hur korrelerar MFA med självskattad vardagsmotion?
• Kommer vi kunna se korrelation mellan HFA och självskattad fysisk träning trots att studiepopulationen inte tränar?
Material och Metod
Denna studie baserades på baslinjedata från ett pågående forskningsprojekt vid Umeå universitet med titeln ”The Umeå High-Intensity Training Study” där de jämför högintensiv träning (HIT) mot kontinuerlig träning på måttlig intensitet (MICT) hos fysiskt inaktiva äldre personer. Studiepopulationen består av 70 äldre personer som är friska men inte tränar.
Urval
Rekryteringen till studien skedde via en annons i en lokaltidning där personer uppmanades anmäla sitt intresse via mejl om de var äldre än 65 år, inte tränade regelbundet och var friska. Därefter utfördes en telefonscreening för att fastställa att inklusionskriterierna infriades. Exklusionskriterier var regelbundet delaktig i fysisk träning (t.ex kondition eller styrketräning), under 27 poäng på Mini-Mental State Examination (MMSE) eller tecken på hjärt-kärlsjukdom (t.ex tidigare hjärtinfarkt, tidigare kranskärlsoperation, hjärtsvikt, okontrollerad hypertension, eller ischemi eller betydande hjärtarytmier vid fysiska tester). Varje deltagare undersöktes av erfaren kardiolog.
MMSE är ett test som uppskattar kognitiv förmåga. Testet inkluderar frågor som testar bland annat minne, språk och syn- och rumstolkningsförmåga. Resultatet ger mellan 0–
30 poäng där 30 poäng är max, poäng under 24 tyder på demenssjukdom (13).
Datainsamling
Efter inklusion fick deltagarna fylla i ett omfattande frågeformulär där bland annat FASTA-formuläret ingick. Frågorna med dess svarsalternativ kan ses i Figur 1. Dessa frågor besvarades före, under eller efter perioden för aktivitetsmätning. Detta utgjorde en del av baslinjen och var den data som undersöktes i denna studie.
Figur 1: Frågorna i FASTA-formuläret där poängen skrivits ut till vänster om svarsalternativen (7).
Varje svarsalternativ i FASTA ger poäng som matas in i en skala som kan bedöma om tillräcklig FA uppnås (8), skalan kan ses i Tabell 1. Denna skala utgår från de svenska rekommendationerna för FA. Rekommendationerna är minst 150 minuter i måttlig intensitet eller 75 minuter i hög intensitet per vecka (14). När poängen från FASTA ska överföras till skalan så räknas varje poäng från frågan om fysisk träning dubbelt till skillnad från frågan om vardagsmotion. För att uppnå rekommendationerna från fysisk aktivitet i sjukdomsprevention och sjukdomsbehandling (FYSS) krävs ett värde av minst 11 på skalan (8).
Tabell 1: FASTA-skalan
För att uppnå svenska rekommendationerna för fysisk aktivitet krävs ett värde av minst 11.
Värdet beräknas genom [Fysisk träning × 2 + Vardagsmotion].
Objektiv mätning med aktivitetsmätare, Actigraph GT3X+, utfördes under en period på 7–8 sammanhängande dagar. Deltagarna instruerades att ta på mätaren när de gick upp på morgonen och ta av den när de gick och la sig på kvällen. Varje deltagare fick ett instruktionsblad där det beskrevs att mätaren skulle placeras 10 centimeter till höger om naveln, i navelhöjd eller i linningen på byxorna. Deltagarna uppmanades att fortsätta med sina vardagliga rutiner och aktivitetsvanor som vanligt under mätperioden. De skulle även ta av sig mätaren vid dusch, bad och bastubad då mätaren inte tål vatten. Om deltagaren glömt använda aktivitetsmätaren, sovit en stund på dagen eller av någon annan anledning tagit av mätaren dagtid under mätperioden skulle deltagaren registrera detta. Endast en period av 30 minuter eller längre behövde noteras.
Deltagarnas längd och vikt registrerades vid besök på Kliniskt Forskningscentrum och utifrån dessa data beräknades BMI (Body Mass Index). Formeln,
𝐵𝑀𝐼 = 𝑉𝑖𝑘𝑡(𝑘𝑔)
𝐾𝑟𝑜𝑝𝑝𝑠𝑙ä𝑛𝑔𝑑2(𝑚2), används för att beräkna BMI (15).
Bearbetning av aktivitetsdata
Efter slutförd insamling överfördes rådatan till programmet ActiLife för initial
bearbetning. En evidensöversikt över Actigraph och mätning på den äldre populationen utfördes. Översikten utgjordes av ca 15 studier och användes för att motivera
nedanstående val. Aktiviteten mättes i VM. Algoritmen Choi användes för att definiera data som non-wear time om ingen aktivitet registrerats under 90 minuters duration, med en tolerans för aktivitet under 2 minuter om dessa angränsas av 30 minuter utan aktivitet före eller efter. Choi är den algoritm med högst bevisad validitet hos äldre, 76–96 år (12), och har även högre validitet än anteckningar som deltagarnas själv skrivit vad gäller non- wear time (10). Normal filter användes. Epoch-längden sattes till 60 sekunder vilket är standard för vuxna och äldre (10). Aktivitetsnivån MFA definierades som 2690–6166 cpm (16) och aktivitetsnivån HFA definierades som >6166 cpm (16, 17). FASTA-formulärets fråga som handlar om vardagsmotion, förväntades korrelera med MFA. Den andra frågan, som handlar om fysisk träning undersöktes mot HFA men där förväntades lägre korrelation då studiepopulationen inte skulle vara tränande.
Efter initial bearbetning exporterades all data till Microsoft Office Excel version 2002 där den validerades.
Ställningstaganden för dataexkludering:
• Data för dagar eller del av dagar som under testperioden inte representerar normal aktivitet togs bort. Detta innefattar dagar då deltagare till exempel gjort olika fysiska tester, sockerbelastningstest och/eller magnetkameraundersökning.
• Data från perioder då deltagare rapporterat vila, sömn, bad, bastu m.m.
hanterades enligt algoritmen från ActiLife (12).
• Data från perioder då deltagare rapporterat mätaren som “felvänd” eller “upp och ner” hanterades enligt algoritm.
• Data för dagar där algoritmen registrerat non-wear time men deltagaren inte rapporterad orsak plockades bort då de inte ansågs representativa.
• Data som registrerats mellan två non-wear time tillfällen nattetid eller tidig morgon plockades bort.
Efter dataexkludering skulle dessa huvudkriterier uppfyllas för inklusion:
• Minst 600 minuter registrerad data för en valid dag (3, 16, 18).
• Minst fyra dagar varav en helgdag under en sjudagarsperiod för en valid vecka (3).
Två personer exkluderades från analysen då de inte uppfyllde huvudkriterierna.
Statistisk analys
Data analyserades i statistikprogrammet Jamovi version 1.0.7.0 (19). Gränsen för
statistisk signifikans sattes till p<0.05 för samtliga analyser. En veckototal beräknades för varje aktivitetsnivå genom att summera värdena från accelerometern för alla valida dagar och normalisera för en vecka. Shapiro-wilks test utfördes för att undersöka
normalfördelning hos MFA (p<0.05) och HFA (p<0.05). Eftersom icke-normalfördelad data identifierades användes Spearman’s Rho för att undersöka korrelation mellan MFA och vardagsmotion samt mellan HFA och fysisk träning. Korrelationenens styrka tolkades enligt Mukaka och gränsvärden kan observeras i Tabell 2 (20). Korrelationerna redovisas som en linje i graferna (Figur 5 & 6) och det skuggade området är konfidensintervallet, 95%.
Tabell 2: Gränsvärden för korrelationsstyrka
Värden enligt Spearman’s Rho
Etik
Etiskt godkännande för huvudprojektet Högintensiv intervallträning anpassad för äldre personer har godkänts av regionala etikprövningsnämnden i Umeå avdelningen för medicinsk forskning (Dnr 2018-421-32M). Deltagarna blev informerade muntligt och skriftligt om studiens utförande samt fick skriftligt godkänna att all data behandlas konfidentiellt. Vidare var deltagande helt frivilligt och medverkan kunde avslutas när som helst utan att behöva uppge någon anledning. I nuvarande studie bearbetades all data avidentifierad.
Resultat
Deltagarnas demografi presenteras i Tabell 3. Av de 68 deltagare som inkluderades, bar 15%, 41%, 32% respektive 12% aktivitetsmätaren i 7, 6, 5 respektive 4 valida dagar.
Deltagarna bar mätaren i snitt 892 minuter per dag, dvs 14 h och 52 minuter.
Tabell 3: Deltagarnas demografi
sd: standardavvikelse BMI: Body Mass Index
FASTA
Svarsfrekvensen från FASTA-formulärets fråga om vardagsmotion visas i Figur 2. Det minst frekventa svaret (0.0%) var 0 minuter vardagsmotion per vecka och det mest frekventa svaret (25.0%) var 150-300 minuter vardagsmotion per vecka. I Figur 3 kan istället FASTA-formulärets fråga om fysisk träning ses. Här visas att det vanligaste svaret (39.7%) var 0 minuter fysisk träning per vecka. I Figur 4 har värdet från FASTA-skalan beräknats, de svarta staplarna representerar de som uppnår FYSS rekommendationer för FA (14).
Figur 2: Svarsfrekvens för FASTA-formulärets fråga om vardagsmotion, x-axeln visar svarsalternativen och y-axeln antalet svar.
Figur 3: Svarsfrekvens för FASTA-formulärets fråga om fysisk träning, x-axeln visar svarsalternativen och y-axeln antalet svar.
0 minuter /ingen tid
150-300 minuter 90-150
minuter 60-90
minuter 30-60
minuter Minder än
30 minuter
Mer än 300 minuter
0 minuter
/ingen tid Mer än 120
minuter 90-120
minuter 60-90
minuter 30-60
minuter Minder än
30 minuter
Figur 4: Deltagarnas värde från FASTA-skalan. Av de 68 deltagarna uppnår 22 st (32.4%) ett värde av minst 11, vilket motsvarar FYSS rekommendationer för FA (7, 14).
Korrelation mellan FASTA och Actigraph
Medianvärdena för uppmätt MFA och HFA var 251 respektive 1.40 minuter per vecka, ytterligare deskriptiva data kan ses i Tabell 4. HFA är tydligt positivt skev. Måttlig korrelation (rho=0.545; p <0.05) hittades mellan MFA och självskattad vardagsmotion, medan obetydlig korrelation (rho=0.116; p >0.05) hittades mellan HFA och självskattad fysisk träning. Korrelation redovisas i Tabell 5 och graferna i Figur 5 och Figur 6.
Tabell 4: Antal aktivitetsminuter per vecka inom MFA och HFA
MFA: Medelintensiv fysisk aktivitet HFA: Högintensiv fysisk aktivitet Tabell 5: Korrelationstabell
* p <.05
MFA: Medelintensiv fysisk aktivitet HFA: Högintensiv fysisk aktivitet
Figur 5: x-axeln visar svarsalternativen för FASTA-formulärets fråga om vardagsmotion och förtydligas i rutan till höger. y-axeln visar antal minuter
medelintensiv fysisk aktivitet (MFA) per vecka. Linjen representerar korrelation mellan MFA och självskattad vardagsmotion.
Figur 6: x-axeln visar svarsalternativen för FASTA-formulärets fråga om fysisk träning och förtydligas i rutan till höger. y-axeln visar antal minuter högintensiv fysisk aktivitet (HFA) per vecka. Linjen representerar korrelation mellan HFA och självskattad fysisk träning.
Diskussion
Denna studie jämförde samband mellan FA självskattat med FASTA-formuläret och FA uppmätt med Actigraph GT3X+ bland äldre personer som är friska men inte tränar. I analysen kan man se måttlig korrelation mellan MFA och självskattad vardagsmotion, däremot var korrelation mellan HFA och självskattad fysisk träning obetydlig. Eftersom deltagarna inte förväntades träna förväntades inte heller en korrelation mellan HFA och självskattad fysisk träning. Majoriteten av deltagarna hade mindre än 2 minuter
HFA/vecka vilket också bidrog till att det blev svårt att hitta en korrelation.
I en studie av Wanner et al undersöktes korrelation mellan accelerometerdata och det globala formuläret för fysisk aktivitet (global physical activity questionnaire, GPAQ) i tre åldersspann. Resultatet visade korrelationen mellan total subjektiv och objektiv aktivitet hade bra validitet för 18–39 år (r=0.36, p≤0.001) och 40–59 år (r=0.23, p≤0.01) men inte för ≥60 år (r=0.03, p>0.05) (21). Detta kan tyda på sambanden är svagare hos äldre personer. Datainsamling och bearbetning borde göras med hänsyn till ålder då
aktivitetsmönstret ser olika ut inom olika åldersgrupper (10). Vad vi dock kan se utifrån vårt resultat är att aktivitetsmätning har en stor individuell variation i vår
studiepopulation. Variationen kan tillräknas effekten av att åldrande bidrar till variation inom en grupp. Effekten av de levnadsvanor en person haft genom sitt liv, till exempel fysisk inaktivitet, blir större och större ju längre personen har levt, därför är behovet av individualisering större i denna grupp än i studier på till exempel barn (22). Ju längre tid en person levt med en stillasittande livsstil desto mer hinner detta påverka personens hälsa.
I vissa studier där accelerometri mäts gör de skillnad på män och kvinnor, med olika gränsvärden för de två könen (18, 23). Detta beror på att män och kvinnors nivå av ansträngning generellt skiljer sig vid en viss uppmätt aktivitet. Ansträngningen är beroende av individens VO2max, som är den maximala volymen syre som kan konsumeras per minut per kilo kroppsvikt vid maximal prestation, därför borde
gränsvärdena för de olika aktivitetsnivåerna anpassas efter detta. Om detta inte görs finns risk för att testpersonerna med lägst VO2max inte har möjlighet att nå upp till den högsta aktivitetsnivån, oavsett ansträngning (23). Kvinnor i vår studie visar en tydligare
golveffekt på HFA än män vilket skulle kunna bero på att gränsvärdet ligger för högt för kvinnor. Om deltagarnas VO2max är känt går det att anpassa gränsvärden på individnivå, detta brukar benämnas som relativa gränsvärden (23). I denna studie använder vi oss av absoluta gränsvärden då detta inte är lika tidskrävande. Skillnaden i VO2max är också den huvudsakliga anledningen till att äldre behöver lägre cut-points.
I FASTA-formulärets fråga om vardagsmotion efterfrågas aktivitet om minst 10 minuter åt gången, detta kan efterliknas i ActiLife genom att definiera bouts. En bout innebär ett tidsintervall där testpersonen ligger inom en och samma aktivitetsnivå under en bestämd tid (24). MFA hade kunnat ersättas av MFA bouts där programmet endast inkluderar aktiva minuter i intervall av minst 10 minuter åt gången. Detta hade varit mer
representativt för frågan och därmed öka dess validitet. Ett problem med hur bouts ibland beräknas är att ingen tillfällig tolerans för avbrott tillåts, det vill säga en MFA bout avbryts av att intensiteten övergår i HFA. En bout i MFA borde inte avbrytas av att intensiteten övergår i en aktivitetsnivå uppåt, eller neråt, till exempel att stanna vid ett övergångsställe, utan istället pausas och sedan återupptas när intensiteten återgår till den undersökta aktivitetsnivån. En tillåten duration på 1–2 minuter kan implementeras där en pågående bout inte avbryts, vilket gör det möjligt att efterlikna vardagliga aktiviteter (24).
Av de två filter man kan välja mellan i ActiLife valdes Normal filter då detta är det filter som det forskats mest på tidigare. Ibland används istället Low frequency extension filter (LFE) för att fånga upp rörelser vid lägre frekvenser. Actigraph släppte LFE för att möjliggöra aktivitetsmätning även på individer med ett avvikande gångmönster (25).
Forskning tyder dock på att Normal filter är bättre på att estimera aktivitet vid både stroke (26) och Parkinsons sjukdom (25). Resultat från flera studier tyder på att LFE filter överestimerar aktivitet i dagliga livet (25, 27) och antal steg jämfört med Normal filter är betydligt högre vid jämförelse i flera studier (28, 29).
Deltagarna själva har fyllt i tid och orsak för non-wear time som skett dagtid. Det är ofta anteckningar är gjorda för ett visst tidsintervall men i jämförelse med aktivitetsdatan stämmer det inte helt överens. Algoritmen från Choi et al. har därför använts för att plocka bort non-wear time data då den är validerad och mer reliabel än deltagarnas egna anteckningar (12, 30).
Det finns begränsningar med att mäta FA med hjälp av aktivitetsmätare, specifikt GT3X+
som använts i denna studie då denna mätare inte är vattentålig och klarar därför inte av att registrera aktiviteter som utförs i vatten. Detta medför att all vattenaktivitet inte fångas upp av den objektiva mätningen och korrelationen till den subjektiva mätningen blir sämre. Ytterligare en begränsning är att lågaccelererande träning såsom
styrketräning och cykling underestimeras i jämförelse med mer ambulerande aktiviteter såsom promenader (18, 31), vilket har visat sig i en studie av Smith et al. där dessa aktiviteter haft ungefär 800 counts/min mindre jämfört med vanlig gång (32).
En av de främsta styrkorna med studien är att den insamlade mängden data från varje individ är hög, vilket ökar reliabiliteten samt minskar risken för felkällor. Snittet uppmätt tid per dag ligger på nästan 300 minuter över det minimum som rekommenderas vid objektiv mätning (3, 16, 18). Även snittet på antal mätta dagar är högt och uppnår 1.59 dagar mer än rekommenderat minimum (3). Detta trots att många dagar exkluderades.
Anledningen till exklusion var framför allt att vissa deltagare fick utföra fysiskt krävande tester under samma vecka som de bar aktivitetsmätaren, till exempel VO2max-test. Hade dessa tester istället kunnat utföras utanför tiden för aktivitetsmätning hade antalet dagar per person varit ännu högre och stärkt datans reliabilitet ytterligare. Testerna kan ha påverkat aktivitetsnivå och/eller aktivitetsmängd hos dessa individer, även under de dagar som inkluderades, vilket i sin tur kan ha påverkat resultatet.
En begränsning för denna studie är bristen på tidigare forskning på VM, speciellt på den äldre befolkningen. Detta beror i huvudsak på att tekniken är relativt ny och antalet kombinationer av inställningar är i stort sett obegränsat, till exempel val av epoch-längd, cut-points etc. Då de inte finns någon överenskommen standard för val av epoch-längd, filter, non-wear time algoritm eller cpm för de olika aktivitetsnivåerna är området svårt att forska på. En standard skulle öka möjligheterna att jämföra studier samt möjligheten att skapa riktlinjer för när och vad som ska anpassas när en avvikande population undersöks. Hypotetiskt sett skulle gränsvärdet för HFA kunna sänkas med 300 cpm för personer äldre än 65, eftersom samma fysiska belastning kan upplevas olika fysiskt ansträngande beroende på ålder. När variabler valdes till denna studie efterliknades andra studier på liknande populationer. Den största vikten lades vid åldern då vi vet att aktivitetsmönstret förändras när vi åldras (10, 22).
Etikdiskussion
I studien där vår data hämtades fick den äldre populationen utstå flera fysiskt krävande moment som kan ha upplevts påfrestande och kan leda till ökad skaderisk. Det kan verka oetiskt att utsätta deltagarna för detta när man inte vet hur stora hälsoeffekter som uppnås. En etisk förtjänst huvudprojektet har försett deltagarna med är bland annat att de har fått upprepade hälsokontroller för till exempel diabetes, sömnsvårighet, psykisk ohälsa etc. Under bearbetningen behandlades all data avidentifierad för att bibehålla deltagarnas anonymitet. Endast projektansvariga för huvudprojektet har haft tillgång till deltagarnas identitet.
Konklusion
Hos äldre personer som är friska men inte tränar sågs måttligt korrelation mellan MFA uppmätt med Actigraph GT3X+ och FASTA-formulärets fråga om vardagsmotion.
Sambandet mellan HFA uppmätt med Actigraph GT3X+ och FASTA-formulärets fråga om fysisk träning var inte statistiskt signifikant. Mer framtida forskning behövs för att utveckla bättre metoder för att validera FASTA-formuläret på den äldre populationen.
Referenser
1. Lee IM, Shiroma EJ, Lobelo F, Puska P, Blair SN, Katzmarzyk PT. Effect of
physical inactivity on major non-communicable diseases worldwide: an analysis of burden of disease and life expectancy. Lancet. 2012;380(9838):219-29.
2. WHO. Global recommendations on physical activity for health. Geneva: World Health Organization, 2010.
3. Hagstromer M, Ainsworth BE, Oja P, Sjostrom M. Comparison of a subjective and an objective measure of physical activity in a population sample. J Phys Act Health. 2010;7(4):541-50.
4. Olsson SJ, Ekblom Ö, Andersson E, Börjesson M, Kallings LV. Categorical answer modes provide superior validity to open answers when asking for level of physical activity: A cross-sectional study. Scand J Public Health. 2016;44(1):70-6.
5. Cleland C, Ferguson S, Ellis G, Hunter RF. Validity of the International Physical Activity Questionnaire (IPAQ) for assessing moderate-to-vigorous physical activity and sedentary behaviour of older adults in the United Kingdom.
BMC Med Res Methodol. 2018;18(1):176.
6. Van Holle V, De Bourdeaudhuij I, Deforche B, Van Cauwenberg J, Van Dyck D.
Assessment of physical activity in older Belgian adults: Validity and reliability of an adapted interview version of the long International Physical Activity
Questionnaire (IPAQ-L). BMC Public Health. 2015;15(1):433.
7. Gymnastik- och idrottshögskolan. Bästa frågan till patienter om fysisk aktivitet [internet]. Stockholm: Gymnastik- och idrottshögskolan; 2014 [uppdaterad 2014- 12-04; citerad 2020-01-24]. Hämtad från: https://www.gih.se/OM-GIH/Press- och-media/Pressmeddelanden/Basta-fragan-om-fysisk-aktivitet-till-patienter/
8. Kallings L. Validering av socialstyrelsens screeningfrågor om fysisk aktivitet [Powerpointpresentation på Internet]. Stockholm: Gymnastik- och
Idrottshögskolan; 2019. [citerad 2020-01-24]. Hämtad från:
https://www.socialstyrelsen.se/globalassets/sharepoint-dokument/dokument- webb/nationella-riktlinjer/levnadsvanor-validering-av-indikatorfragor-till- patienter-om-fysisk-aktivitet.pdf
9. Hagströmer M, Wisén A, Hassmén P. Bedöma och utvärdera fysisk aktivitet. I:
Ståhle A, redaktör. FYSS 2017 fysisk aktivitet i sjukdomsprevention och sjukdomsbehandling. Stockholm: Läkartidningen förlag AB; 2017. s. 250-267.
10. Migueles JH, Cadenas-Sanchez C, Ekelund U, Delisle Nystrom C, Mora-Gonzalez J, Lof M, et al. Accelerometer Data Collection and Processing Criteria to Assess Physical Activity and Other Outcomes: A Systematic Review and Practical Considerations. Sports Med. 2017;47(9):1821-45.
11. Santos-Lozano A, Santin-Medeiros F, Cardon G, Torres-Luque G, Bailon R, Bergmeir C, et al. Actigraph GT3X: validation and determination of physical activity intensity cut points. Int J Sports Med. 2013;34(11):975-82.
12. Choi L, Ward SC, Schnelle JF, Buchowski MS. Assessment of wear/nonwear time classification algorithms for triaxial accelerometer. Med Sci Sports Exerc.
2012;44(10):2009-16.
13. Socialstyrelsen. MMSE, MMT (Mini Mental State Examination, Mini Mental Test) [Internet]. Stockholm: Socialstyrelsen; 2018 [uppdaterad 2019-01-26; citerad 2020-05-06] Hämtad från: https://www.socialstyrelsen.se/utveckla-
verksamhet/evidensbaserad-praktik/metodguiden/mmse-mmt-mini-mental- state-examination-mini-mental-test/
14. FYSS. Yrkesföreningar fysisk aktivitet. Rekommendation om fysisk aktivitet [Internet]. Järna: Yrkesföreningar fysisk aktivitet; 2011 [uppdaterad 2011-10-24;
citerad 2020-01-24]. Hämtad från: http://www.fyss.se/rekommendationer-for- fysisk-aktivitet/
15. Weir CB, Jan A. BMI Classification Percentile And Cut Off Points. StatPearls [Internet]. 2020-01 [uppdaterad 2019-12-07; citerad 2020-05-04]. Hämtad från:
https://www.ncbi.nlm.nih.gov/books/NBK541070/
16. Nawrocka A, Polechonski J, Garbaciak W, Mynarski W. Functional Fitness and Quality of Life among Women over 60 Years of Age Depending on Their Level of Objectively Measured Physical Activity. Int J Environ Res Public Health.
2019;16(6):972.
17. Shiroma EJ, Cook NR, Manson JE, Buring JE, Rimm EB, Lee IM. Comparison of Self-Reported and Accelerometer-Assessed Physical Activity in Older Women.
PLoS One. 2015;10(12):e0145950.
18. Aspvik NP, Viken H, Zisko N, Ingebrigtsen JE, Wisloff U, Stensvold D. Are Older Adults Physically Active Enough - A Matter of Assessment Method? The
Generation 100 Study. PLoS One. 2016;11(11):e0167012.
19. The jamovi project (2020). Jamovi, ver. 1.0.7.0 [programvara]. Sydney, Australia:
Jamovi; 2019. [citerad 2020-04-01]. Hämtad från:
https://www.jamovi.org/download.html
20. Mukaka MM. Statistics corner: A guide to appropriate use of correlation coefficient in medical research. Malawi Med J. 2012;24(3):69-71.
21. Wanner M, Hartmann C, Pestoni G, Martin BW, Siegrist M, Martin-Diener E.
Validation of the Global Physical Activity Questionnaire for self-administration in a European context. BMJ Open Sport Exerc Med. 2017;3(1):e000206.
22. Frändin K, Jorunn L. Rekommendationer om fysisk aktivitet. I: Ståhle A, redaktör. FYSS 2017 fysisk aktivitet i sjukdomsprevention och
sjukdomsbehandling. Stockholm: Läkartidningen förlag AB; 2017. s. 114-129.
23. Zisko N, Carlsen T, Salvesen O, Aspvik NP, Ingebrigtsen JE, Wisloff U, et al. New relative intensity ambulatory accelerometer thresholds for elderly men and women: the Generation 100 study. BMC Geriatr. 2015;15:97.
24. Saint-Maurice PF, Troiano RP, Matthews CE, Kraus WE. Moderate-to-Vigorous Physical Activity and All-Cause Mortality: Do Bouts Matter? J Am Heart Assoc.
2018;7(6).
25. Wallen MB, Nero H, Franzen E, Hagstromer M. Comparison of two accelerometer filter settings in individuals with Parkinson's disease. Physiol Meas.
2014;35(11):2287-96.
26. Campos C, DePaul VG, Knorr S, Wong JS, Mansfield A, Patterson KK. Validity of the ActiGraph activity monitor for individuals who walk slowly post-stroke. Top Stroke Rehabil. 2018;25(4):295-304.
27. Feito Y, Garner HR, Bassett DR. Evaluation of ActiGraph's low-frequency filter in laboratory and free-living environments. Med Sci Sports Exerc. 2015;47(1):211-7.
28. Wanner M, Martin BW, Meier F, Probst-Hensch N, Kriemler S. Effects of filter choice in GT3X accelerometer assessments of free-living activity. Med Sci Sports Exerc. 2013;45(1):170-7.
29. Feito Y, Hornbuckle LM, Reid LA, Crouter SE. Effect of ActiGraph's low frequency extension for estimating steps and physical activity intensity. PLoS One.
2017;12(11):e0188242.
30. Choi L, Liu Z, Matthews CE, Buchowski MS. Validation of accelerometer wear and nonwear time classification algorithm. Med Sci Sports Exerc. 2011;43(2):357-64.
31. Lohne-Seiler H, Hansen BH, Kolle E, Anderssen SA. Accelerometer-determined physical activity and self-reported health in a population of older adults (65-85 years): a cross-sectional study. BMC Public Health. 2014;14:284.
32. Smith MP, Horsch A, Standl M, Heinrich J, Schulz H. Uni- and triaxial
accelerometric signals agree during daily routine, but show differences between sports. Sci Rep. 2018;8(1):15055.
