Veelgemaakte fouten bij het gebruik van ActiGraph en hoe je ze voorkomt

Geschreven door bewegingswetenschapper Carmen Brouwers

Het gebruik van accelerometers zoals die van ActiGraph is de afgelopen jaren sterk toegenomen binnen onderzoek en praktijk. Logisch: het biedt een objectieve manier om fysieke activiteit te meten, waar traditionele vragenlijsten een vertekend beeld kunnen schetsen.

Ook waar vragenlijsten minder geschikt zijn, bijvoorbeeld bij dieren, kinderen of patiënten met aandoeningen zoals Parkinson, dementie of ALS/MS, kunnen accelerometers een uitkomst bieden.

Tegelijkertijd schuilt daar ook een valkuil. De drempel om te meten is laag, maar de kans op verkeerde interpretaties is groot. Kleine keuzes in setup en analyse kunnen namelijk grote invloed hebben op je uitkomsten. In deze blog bespreek ik een aantal veelgemaakte fouten en hoe je ze kunt voorkomen.

Sensorplaatsing

Een eerste punt is de plaatsing van de sensor. Of je een device op de heup, pols of enkel draagt, maakt een groot verschil in de data die je verzamelt. Deze posities zijn binnen een meetperiode of onderzoek niet zomaar uitwisselbaar. De sensor kan op meerdere plekken gedragen worden, maar het is belangrijk om bewust te kiezen voor een bepaalde draagpositie. Voor het meten van activiteit wordt meestal de heup aangeraden, omdat deze plaatsing de beweging van het lichaam het beste weergeeft. De pols kan de activiteit en intensiteit soms overschatten, doordat armbewegingen ook tijdens stilzitten worden geregistreerd. Voor slaap is juist de pols een betere positie, omdat je daarmee rusteloosheid in de nacht goed kunt meten.

In de praktijk is het niet altijd mogelijk om de sensor op de ideale positie te dragen. Dat is niet per se een probleem, zolang de plaatsing binnen een studie en tussen personen consistent blijft. Consistentie is essentieel om resultaten goed met elkaar te kunnen vergelijken.

Epoch length

Ook de keuze voor epoch length wordt vaak onderschat. Dit is de tijdsperiode waarover ruwe data wordt samengevat. Een langere epoch (bijvoorbeeld 60 seconden) geeft een goed overzicht, maar mist korte, intensieve activiteiten. Een korte epoch (bijvoorbeeld 1 seconde) geeft meer detail, maar zorgt ook voor meer ruis en complexere data. De juiste keuze hangt af van je onderzoeksvraag en populatie. De meeste algoritmen zijn gebaseerd op epochs van 60 seconden en dit is ook de meest gebruikte lengte. Voor korte meetperiodes, zoals enkele uren, kan een kortere epoch zinvol zijn. Bij langere meetperiodes van weken of maanden zijn langere epochs vaak voldoende.

Cut-points

Een klassieker binnen accelerometeronderzoek is het gebruik van cut-points. Dit zijn drempelwaarden waarmee je activiteit indeelt in bijvoorbeeld licht, matig of zwaar intensief. Dit maakt het mogelijk om niet alleen de totale activiteit te bekijken, maar ook de intensiteit en duur ervan. Het probleem is dat cut-points populatie- en contextspecifiek zijn. Wat geldt voor gezonde volwassenen, is niet automatisch toepasbaar op kinderen of patiënten met bijvoorbeeld Parkinson of MS. Toch worden ze vaak zonder kritische afweging toegepast, met mogelijk misleidende conclusies als gevolg. Het is daarom belangrijk om goed te onderbouwen welke cut-points je gebruikt en deze consistent toe te passen.

Non-wear time

Daarnaast gaat het vaak mis bij het bepalen van non-wear time: de momenten waarop het device niet gedragen wordt. Deze stap wordt soms overgeslagen tijdens de data-analyse, wat kan leiden tot een vertekend beeld van sedentair gedrag. Bij langere meetperiodes is het logisch dat deelnemers de sensor niet continu dragen. Gelukkig zijn er manieren om non-wear te detecteren, bijvoorbeeld via algoritmes in de software of via sensoren die huidcontact meten. Het is belangrijk om non-wear time goed te definiëren en uit te sluiten van de analyse, zodat deze niet onterecht als sedentaire tijd wordt geïnterpreteerd.

Meetduur

Een andere onderschatte factor is de meetduur. Eén of twee dagen meten geeft zelden een representatief beeld van iemands activiteitspatroon. Variatie tussen weekdagen en weekenddagen speelt hierbij een grote rol, net als feestdagen en vakanties. Richtlijnen adviseren vaak minimaal vier tot zeven meetdagen, maar dit wordt in de praktijk niet altijd gehaald.

Instellingen initialiseren

Tot slot zie je dat instellingen bij het initialiseren van de meting, bijvoorbeeld in ActiLife, niet altijd goed worden gecontroleerd. Denk aan sample rate, subjectnummers en sensorinstellingen. Dit lijkt een detail, maar is achteraf niet meer te corrigeren en kan je dataset aanzienlijk beïnvloeden. Een praktische oplossing is het gebruik van een template in ActiLife, zodat je bij elke meting dezelfde instellingen gebruikt en niets over het hoofd ziet.

De rode draad? Meten met een ActiGraph is meer dan alleen een device omdoen en data downloaden. Het vraagt om bewuste keuzes, afgestemd op je onderzoeksvraag en doelgroep. Het kan in eerste instantie veel lijken waar je op moet letten, maar als het eenmaal goed staat, levert het een betrouwbare en waardevolle dataset op.

Heb je hier vragen over of wil je een keer sparren? Stuur mij gerust een mailtje.