„Quantified seniors“

Technisch unterstützte Selbstvermessung bei älteren Personen
Originalarbeit

Zusammenfassung

Hintergrund

Bewegungs- und Vitalwerte werden heute meist digital mit Aktivitätssensoren, Wearables und Apps auf dem Smartphone gemessen. Es gibt jedoch kaum Studien, welche die alltägliche Nutzung dieser Selbstvermessungstechnologien bei älteren Personen empirisch untersuchen.

Ziel der Arbeit

Der vorliegende Bericht untersucht die Nutzung von mobilen digitalen Selbstvermessungsanwendungen bei Personen ab 50 Jahren. Gefragt wird nach beeinflussenden Faktoren, gemessenen Parametern und Beweggründen der Nutzung.

Material und Methoden

Zur Beantwortung der Forschungsfragen wurden zwei Stichproben aus der Schweiz für eine Sekundäranalyse herangezogen. Hierbei wurden 2502 Personen befragt, wobei sich die Analyse auf Personen ab 50 Jahren fokussiert (n = 1227). Die Daten wurden deskriptiv ausgewertet und Gruppenunterschiede mittels Cramers V sowie binäre logistische Regressionen überprüft.

Ergebnisse

Fast die Hälfte der befragten Personen vermessen sich mithilfe von Selbstvermessungstechnologien. Rund ein Drittel derjenigen, die ein Smartphone besitzen, nutzen Apps zur gesundheitsbezogenen Selbstvermessung. Das Messen mithilfe von Smartphone und Apps ist die beliebteste Art der Selbstvermessung, gefolgt von Fitnesstracker und Smartwatch. Die Nutzung hängt wesentlich vom Alter und der Technikaffinität ab. Gemessen werden vorwiegend physische Aktivtäten, aber auch Vitaldaten wie der Puls. Gründe für die Selbstvermessung sind die Motivation gesund zu bleiben, die eigene Leistung zu optimieren, aber auch der Anreiz, einmal etwas Neues auszuprobieren.

Schlussfolgerung

Wearables und Gesundheits-Apps werden eher von jüngeren und technikaffinen Personen genutzt. Das Präventions- und Interventionspotenzial ist bei Personen ab 50 Jahren noch nicht ausgeschöpft.

Schlüsselwörter

Selbstvermessung Senioren Wearables Smartphones Gesundheits-Apps 

Quantified seniors

Technically assisted self-measurement among older adults

Abstract

Background

Nowadays, activity data and vital signs are generally measured digitally with activity sensors, wearables, and apps on smartphones. However, there are hardly any studies that empirically investigate the everyday use of these self-measurement technologies by older individuals.

Objectives

This report examines the use of mobile digital self-measurement applications, with a focus on smartphone apps, for individuals aged 50+ years and asks for influencing factors, measured parameters, and motivations for use.

Materials and methods

Two samples from Switzerland were used for a secondary analysis to answer the research questions. A total of 2502 persons were surveyed, with the focus of the analysis on people aged 50 and over (n = 1227). The data were descriptively analyzed and group differences were validated using Cramer-V and binary logistic regressions.

Results

Nearly half of participants measure themselves with self-measurement technologies. About one-third of the individuals, who own a smartphone, use apps for health-related self-measurement. Self-measuring with smartphones and apps is the most popular method followed by fitness trackers and smartwatches. Use depends significantly on age and technology affinity. Mainly, physical activities but also information on vital functions such as pulse are measured. The motivation for these self-measurement activities is to stay healthy, to optimize one’s performance, and the incentive to try new things.

Conclusion

Wearables and health apps are more often used by young and individuals with an affinity towards technology. The prevention and intervention potential is not yet exhausted for individuals aged 50 and over.

Keywords

Self-measurement Seniors Wearables Smartphones Health apps 

Notes

Einhaltung ethischer Richtlinien

Interessenkonflikt

A. Seifert und U. Meidert geben an, dass kein Interessenkonflikt besteht.

Dieser Beitrag beinhaltet keine von den Autoren durchgeführten Studien an Menschen oder Tieren.

Literatur

  1. 1.
    Appelboom G, Camacho E, Abraham ME et al (2014) Smart wearable body sensors for patient self-assessment and monitoring. Arch Public Health 72(1):28–37CrossRefPubMedPubMedCentralGoogle Scholar
  2. 2.
    Dobkin BH, Dorsch A (2011) The promise of mHealth: daily activity monitoring and outcome assessments by wearable sensors. Neurorehabil Neural Repair 25(9):788–798CrossRefPubMedPubMedCentralGoogle Scholar
  3. 3.
    Drewnowski A, Monsen E, Birkett D et al (2003) Health screening and health promotion programs for the elderly. Disease Management. Health Outcomes 11(5):299–309CrossRefGoogle Scholar
  4. 4.
    Fox S, Duggan M (2012) Pewinternet Mobile health 2012. http://www.pewinternet.org/2012/11/08/mobile-health-2012/. Zugegriffen: 26. Feb. 2018Google Scholar
  5. 5.
    Free C, Phillips G, Galli L et al (2013) The effectiveness of mobile-health technology-based health behaviour change or disease management interventions for health care consumers: a systematic review. PLoS medicine 10(1): e1001362.  https://doi.org/10.1371/journal.pmed.1001362 Google Scholar
  6. 6.
    Krebs P, Duncan DT (2015) Health app use among US mobile phone owners: a national survey. JMIR Mhealth Uhealth 3(4).  https://doi.org/10.2196/mhealth.4924 PubMedPubMedCentralGoogle Scholar
  7. 7.
    Meidert U, Scheermesser M, Prieur Y et al (2018) Quantified Self – Schnittstelle zwischen Lifestyle und Medizin. Vdf Verlag, ZürichGoogle Scholar
  8. 8.
    Preusse KC, Mitzner TL, Fausset CB, Rogers WA (2017) Older adults’ acceptance of activity trackers. J Appl Gerontol 36(2):127–155CrossRefPubMedGoogle Scholar
  9. 9.
    Rasche P, Schäfer K, Theis S et al (2016) Age-related usability investigation of an activity tracker. Int J Hum Factors Ergon 4(3):187–212CrossRefGoogle Scholar
  10. 10.
    Rasche P, Wille M, Bröhl C et al (2018) Prevalence of Health App Use Among Older Adults in Germany: National Survey. JMIR Mhealth Uhealth 6(1).  https://doi.org/10.2196/mhealth.8619 PubMedCentralGoogle Scholar
  11. 11.
    research2guidance (2017) mHealth App Developer Economics 2017. https://research2guidance.com/product/mhealth-economics-2017-current-status-and-future-trends-in-mobile-health/. Zugegriffen: 26. Feb. 2018Google Scholar
  12. 12.
    Roediger A (2015) mHealth – unterwegs zu Gesundheitskompetenz 2.0. In: Gesundheitskompetenz in der Schweiz – Stand und Perspektiven. SAMW, Bern, S 72–74Google Scholar
  13. 13.
    Rogers EM (2010) Diffusion of innovations. Simon and Schuster, New YorkGoogle Scholar
  14. 14.
    Schlomann A (2017) A case study on older adults’ long-term use of an activity tracker. Gerontechnology 16(2):115–124CrossRefGoogle Scholar
  15. 15.
    Seifert A, Christen M, Martin M (2018) Willingness of Older Adults to Share Mobile Health Data with Researchers. GeroPsych (Bern) 31(1):41–49CrossRefGoogle Scholar
  16. 16.
    Seifert A, Schelling HR (2015) Mobile use of the Internet using smartphones or tablets by Swiss people over 65 years. Gerontechnology 14(1):57–62CrossRefGoogle Scholar
  17. 17.
    Seifert A, Schelling HR (2016) Alt und offline – Befunde zur Nutzung des Internets durch Menschen ab 65. Z Gerontol Geriatr 49(7):619–625CrossRefPubMedGoogle Scholar
  18. 18.
    Seifert A, Schlomann A, Rietz C, Schelling HR (2017) The use of mobile devices for physical activity tracking in older adults’ everyday life. Digit Health.  https://doi.org/10.1177/2055207617740088 Google Scholar
  19. 19.
    Shen C, Wang MP, Chu JT et al (2017) Health app possession among smartphone or tablet owners in Hong Kong: population-based survey. JMIR Mhealth Uhealth 5(6):e77.  https://doi.org/10.2196/mhealth.762 PubMedPubMedCentralGoogle Scholar
  20. 20.
    Steinert A, Haesner M, Tetley A, Steinhagen-Thiessen E (2015) Nutzungsverhalten einer Gesundheitsapplikation zum Selbstmonitoring von Senioren. Präv Gesundheitsf 10(4):281–286CrossRefGoogle Scholar
  21. 21.
    von Storch K, Schlomann A, Rietz C et al (2017) Wearables zur Unterstützung des Selbstmanagements von älteren Menschen mit chronischen Erkrankungen. Z Gerontol Geriatr.  https://doi.org/10.1007/s00391-017-1323-2 Google Scholar
  22. 22.
    Swan M (2012) Sensor mania! the internet of things, wearable computing, objective metrics, and the quantified self 2.0. J Sens Actuator Networks 1(3):217–253CrossRefGoogle Scholar
  23. 23.
    Swan M (2013) The quantified self: Fundamental disruption in big data science and biological discovery. Big Data 1(2):85–99CrossRefPubMedGoogle Scholar
  24. 24.
    Timmer J, Kool L, van Est R (2015) Coaches everywhere. In: Kool L, Timmer J, van Est R (Hrsg) Sincere support. The rise of the e‑coach. Rathenau Instituut, Den Haag, S 11–25Google Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2018

Authors and Affiliations

  1. 1.Zentrum für GerontologieUniversität ZürichZürichSchweiz
  2. 2.Forschung und Entwicklung, Institut für Ergotherapie, Departement GesundheitZürcher Hochschule für Angewandte WissenschaftenWinterthurSchweiz

Personalised recommendations