Invloed van self-tracking technologie op de kwaliteit van leven van vrouwen in de overgang
Tilburg University
Communicatie en Informatiewetenschappen (MSc) Track: Bedrijfscommunicatie en Digitale Media (BDM)
Master Thesis Naam: Özge Levent Studentnummer: u782085
Supervisor: Nadine Bol Tweede lezer: Steffen Pauws
Datum: 16/03/2020
Samenvatting
Momenteel maakt self-tracking technologie op het gebied van gezondheid een sterke groei door. Het helpt gebruikers om gegevens over leefstijl, activiteiten of welzijn bij te houden en varieert van gelopen kilometers tot aan slaapkwaliteit. De applicaties ondersteunen gebruikers bij het aanpassen van hun levensstijl en voor het bereiken van een optimale kwaliteit van leven.
Een belangrijke groep waar self-tracking technologie wellicht ondersteuning voor kan bieden zijn vrouwen in de overgang. Elke dag ervaren miljoenen vrouwen in de overgang klachten die hun kwaliteit van leven behoorlijk kunnen beïnvloeden. Self-tracking applicaties kunnen vrouwen in de overgang helpen bij het bereiken van een betere kwaliteit van leven. Het is echter tot op heden onbekend in hoeverre het gebruik van self-tracking technologie de kwaliteit van leven van vrouwen in de overgang beïnvloedt. Het huidige onderzoek richt zich op de invloed van self-tracking technologie op de kwaliteit van leven van vrouwen in de overgang. Tevens wordt onderzocht in welke mate en voor welke overgangsklachten self-tracking applicaties worden gebruikt. Voor dit onderzoek werd data verzameld van 158 vrouwen in de overgang via een online vragenlijst waarbij ze bevraagd werden over de kwaliteit van leven, overgangsklachten en het gebruik van self-tracking applicaties. De resultaten tonen aan dat een meerderheid van de vrouwen in de overgang gebruik maakt van self-tracking technologie. Ook gebruikt een deel van de vrouwen de applicaties specifiek voor overgangsklachten. Hoewel self-tracking technologie wordt gebruikt door vrouwen in de overgang zijn er geen significante verschillen gevonden in de kwaliteit van leven tussen niet-gebruikers, gebruikers en gebruikers specifiek voor overgangsklachten van self-tracking technologie.
Kernbegrippen: Self-tracking technologie, kwaliteit van leven, overgang, gezondheidsapplicaties, overgangsklachten
Introductie
In Nederland zijn er ongeveer 1,8 miljoen vrouwen in de overgangsleeftijd (Bendien, Gemert, Appelman & Verdonk, 2019). De overgang vindt meestal plaats tussen het 45e en 55e levensjaar van de vrouw en duurt gemiddeld 5 tot 10 jaar (Bendien et al., 2019). Iedere vrouw maakt de overgang mee en ervaart in meer of mindere mate klachten ervan als gevolg van veranderingen in de hormoonhuishouding. Met de overgang wordt verwezen naar de fase waarin een vrouw langzaam van een vruchtbare periode overgaat naar een onvruchtbare periode. Het wordt ook wel de ‘perimenopauze’ genoemd (Lassche, 2017).
De overgang is voor veel vrouwen een lastige levensfase (Lassche, 2017). Opvliegers (een aanval van hitte en transpiratie), nachtelijk zweten en vaginale droogheid zijn de meest voorkomende klachten die gerelateerd zijn aan de overgang (Groeneveld et al., 2009). Ook zijn stemmingswisselingen, slecht slapen, depressieve of angstige gevoelens en een verminderde seksuele behoefte klachten die vaak worden benoemd (Griffiths, MacLennan, & Hassard, 2013;
Hickey, Riach, Kachouie & Jack, 2017; Woods & Mitchell, 2011). Daarnaast neemt de kans op osteoporose (botontkalking) en hart- en vaatziekten bij vrouwen in de overgang sterk toe (Lassche, 2017).
Inmiddels is bekend dat overgangsklachten bij vrouwen een negatieve invloed hebben op de kwaliteit van leven (Ottervanger & Smit, 2016; Blumel, et al., 2000). Door de jaren heen zijn er verschillende definities voor kwaliteit van leven geformuleerd. De World Health Organization (WHO) definieert het concept kwaliteit van leven als volgt: ‘de perceptie van personen ten aanzien van hun positie in het leven binnen de context van de cultuur en de waardensystemen waarin zij leven en in relatie tot hun doelen, verwachtingen, standaarden en interesses’ (World Health Organization, 2014). Het gaat dus niet alleen om hoe gezond iemand is, maar ook om hoe hij of zij de gezondheid ervaart.
Vrouwen ervaren in hun overgangsjaren veranderingen op zowel lichamelijk, sociaal
als geestelijk gebied. Opvliegers zijn bijvoorbeeld nauw verbonden met stress (Grisso, Freeman, Maurin, Garcia-Espana & Berlin, 1999; Manson et al., 2015). Nachtelijke transpiratieaanvallen kunnen slaapstoornissen veroorzaken met moeheid en sombere gevoelens als gevolg (Bouma et al., 2012). Het ouder worden en het afsluiten van de fertiele levensfase kan door veel vrouwen als negatief worden ervaren (Ottervanger & Smit, 2016). Daarnaast neemt seksueel welzijn af tijdens de overgang en brengt dit als gevolg persoonlijke problemen en problemen in relaties met zich mee (Simon et al., 2018). Bovendien is wetenschappelijk aangetoond dat bij vrouwen in de overgang voor circa 35 procent het ziekteverzuim verband houdt met overgangsklachten, welke zich uiten in vermoeidheid en concentratiestoornissen (Geukes, Van Aalst, Robroek, Laven & Oosterhof, 2016; Ottervanger & Smit, 2016).
In minder dan 10 jaar tijd hebben consumenten op het gebied van gezondheid te maken gekregen met een toevloed aan self-tracking apparaten in de vorm van smartphone applicaties en wearables (draagbare sensoren) (Sharon, 2016) die mensen ondersteunen in het verbeteren van de kwaliteit van leven (Swan, 2013). Deze nieuwe toepassingen zoals self-tracking applicaties (apps), die specifiek zijn ontworpen voor het bijhouden en monitoren van de gezondheid, kunnen een rol spelen bij het verhogen van de kwaliteit van leven van vrouwen in de overgang. Self-tracking (ook wel zelfmeting genoemd) is het herhaaldelijk meten en monitoren van informatie over gedrag, gevoelens en gedachten (De Groot, Timmers &
Kooiman & Van Ittersum, 2015; Sanders, 2016). Het toepassen van self-tracking kan het bewustzijn vergroten en gezondheidsgedrag ondersteunen, waardoor de kwaliteit van leven zou kunnen verbeteren (Figueiredo, Caldeira, Chen, & Zheng, 2017). Dit is volgens Lupton (2014) een belangrijk en aantrekkelijk kenmerk van self-tracking. De verzamelde gegevens kunnen vrouwen in de overgang helpen bijvoorbeeld een betere gezondheid te bereiken door de slaapkwaliteit te verbeteren en meer controle over stemmingswisselingen te krijgen, maar ook door het verminderen van stress en het verhogen van de werkproductiviteit en relaties met
anderen (Lupton, 2014).Verschillende soorten applicaties en sensoren maken het relatief eenvoudig om persoonlijke gegevens te verzamelen over bijvoorbeeld beweging, voeding, slaap, hartslag en menstruatiecyclus (De Groot et al., 2015). Hierbij kan gedacht worden aan apps die je stemming of voeding bijhouden zoals Moodtracker en Foodzy of sensoren die het beweegpatroon of slaapgedrag meten zoals Fitbit, Jawbone en Withings Pulse. Ook bestaan er applicaties die specifiek voor de overgang zijn ontworpen. Voorbeelden hiervan zijn Hot Flash Sister, Menopause View en MyPause (Homewood, 2018).
Door middel van self-tracking is de mens in staat veranderingen en fysiologische processen van het eigen lichaam te volgen, begrijpen en voorspellen (Homewood, 2018). Op deze manier kan self-tracking technologie vrouwen in de overgang helpen bij het ontdekken en monitoren van overgangssymptomen, maar kunnen ook gedurende de dag de fysieke activiteit of voeding bijhouden en vrouwen in de overgang stimuleren een gezondere levensstijl na te leven. Uit een cross-sectionele studie onder vrouwen in de overgang bleek bijvoorbeeld dat lichamelijke activiteit werd geassocieerd met een betere kwaliteit van leven (Mansikkamäki, et al., 2014). Daarnaast toonde Lassche (2017) aan dat gezonde voeding helpt overgangsklachten te verminderen. Het toepassen van self-tracking is niet alleen geschikt voor de fysieke activiteit of voeding, maar kan ook ingezet worden voor andere overgangsklachten, zoals slaapstoornissen of concentratieproblemen.
Ondanks de vele mogelijke voordelen van self-tracking technologie voor vrouwen in de overgang, is op dit moment nog weinig onderzoek gedaan naar de invloed van dergelijke applicaties op de kwaliteit van leven van vrouwen. Bestaande onderzoeken voor self-tracking onder vrouwen richten zich veelal op het monitoren van vruchtbaarheid en de opvoeding van kinderen (Lupton & Maslen, 2019; Starling, Kandel, Haile & Simmons, 2018). In die zin beoogt dit onderzoek een hiaat op te vullen in de huidige kennis met betrekking tot self-tracking technologie en vrouwen in de overgang. Volgens de World Health Organization (2007) zullen
er in 2025 ongeveer 1 miljard vrouwen in de overgangsleeftijd zijn (WHO, 2007). Zoals eerder beschreven kampen vrouwen in de overgang met verschillende klachten en problemen die hun dagelijkse leven beïnvloeden. Dit heeft gevolgen voor de kwaliteit van leven en verhoogt daarnaast de verzuim- en zorgkosten. Self-tracking applicaties die een positief effect hebben op beweeggedrag en leefstijl kunnen vrouwen in de overgang helpen de klachten te verminderen.
De apps kunnen ondersteuning bieden in het verhogen van de kwaliteit van leven en een bijdrage leveren aan het verbeteren van de positie van vrouwen met overgangsklachten in de maatschappij. Tot slot kan inzicht in het gebruik van self-tracking technologie en de invloed hiervan leiden tot een verbetering van de huidige of een ontwikkeling van nieuwe self-tracking toepassingen voor vrouwen in de overgang.
De onderzoeksvraag luidt daarom als volgt: In hoeverre gebruiken vrouwen in de overgang self-tracking technologieën en in hoeverre heeft het gebruik hiervan invloed op de kwaliteit van leven? In het bijzonder wordt onderzocht in welke mate self-tracking technologie wordt gebruikt tijdens de overgang, voor welke overgangsklachten self-tracking applicaties worden gebruikt en hoe het gebruik van self-tracking zich uit in kwaliteit van leven.
Theoretisch kader
In welke mate wordt self-tracking technologie gebruikt?
Self-tracking applicaties om de gezondheid bij te houden en te verbeteren (ook wel gezondheidsapplicaties genoemd) worden steeds populairder (Lupton, 2014). Uit onderzoek blijkt dat 36.5% van de Nederlandse bevolking gebruik maakt van gezondheidsapplicaties (Bol, Helberger & Weert, 2018). Een groot deel van self-tracking applicaties richt zich op lichamelijke veranderingen en de gezondheid van vrouwen, zoals applicaties voor het bijhouden van de menstruatie en de zwangerschap (Lupton, 2015).
Iedere vrouw komt vroeg of laat in de overgang, een natuurlijke transitiefase in haar leven. Een recent aantal onderzoeken richt zich specifiek op het gebruik en de ontwikkeling van self-tracking applicaties voor vrouwen in de overgang (Bardzell, Bardzell, Lazar & Su, 2019; Homewood, 2019; Ismail, Linder, MacPherson & Woods, 2015; Lee et al., 2015; Trujillo
& Buzzi; 2016). Ismail et al. (2019) onderzochten bijvoorbeeld de haalbaarheid en bruikbaarheid van een applicatie voor het identificeren van clusters van overgangssymptomen (Ismail et al., 2019). Trujillo en Buzzi (2016) onderzochten de behoeften van vrouwen aan een coaching applicatie die vrouwen persoonlijke ondersteuning biedt tijdens de overgang. Het uiteindelijke doel van die applicatie was om een positieve gedragsverandering teweeg te brengen bij vrouwen en zodoende de kans op cardiovasculaire problemen tijdens de overgang te verminderen (Trujillo & Buzzi, 2016).
Self-tracking technologie maakt het mogelijk om op elk moment en elke plek persoonlijke informatie te verzamelen en beschikbaar te hebben (Bol et al., 2018; De Groot et al., 2015). Hierbij zijn mobiele technologieën vooral krachtig vanwege de lage kosten, een groot bereik, gelijke toegang voor iedereen en het feit dat ze wijdverspreid zijn (Reyes, Washio, Stringer & Teitelman, 2018).
Hoewel er steeds meer self-tracking applicaties zijn, maken niet alle vrouwen er gebruik
van (Lim et al., 2011). Een belangrijke rol in de keuze voor dit gebruik speelt de acceptatie van technologie (Xue et al., 2012). Er zijn verschillende modellen die de acceptatie van (mobiele) technologische innovaties onderzoeken. Een voorbeeld hiervan is het invloedrijke Technology Acceptance Model (TAM) (Davis, 1989). Volgens het TAM hangt het gebruik van nieuwe technologie af van twee factoren, namelijk de de perceived usefulness (PU) en de perceived ease of use (PEOU). Ten eerste gebruiken mensen technologie wanneer ze geloven dat het gebruik ervan zal leiden tot betere prestaties, oftewel wanneer de technologie voor hen nut heeft (PU). Ten tweede gebruiken mensen technologie als de technologie makkelijk te begrijpen en te bedienen is (PEOU) (Lim et al., 2011). Xue et al. (2012) onderzocht de acceptatie van mobiele gezondheidsapplicaties onder vrouwen. Uit dit onderzoek bleek dat voor vrouwen boven de 50 jaar PU en PEOU een significante rol spelen in het gebruik van mobiele technologieën voor de gezondheid (Xue et al., 2012).
Ook andere factoren kunnen een rol spelen voor vrouwen om self-tracking applicaties te accepteren, zoals de leeftijd en opleidingsniveau. De digitale kloof kan bijvoorbeeld een belemmering zijn voor veel vrouwen in de overgangsleeftijd om self-tracking technologie te gebruiken. Volgens verschillende onderzoeken hebben vrouwen in de overgangsleeftijd (45 tot 65 jaar) vaak een ambivalente houding ten opzichte van technologie (Senette, Buzzi, Paratore
& Trujillo, 2018). Ze zijn terughoudend om technologische innovaties te accepteren en hebben een langere leertijd nodig (Kontos, Blake, Chou & Prestin, 2014). Bovendien is gebleken dat gebruikers van gezondheidsapplicaties vaak jonger zijn (18 tot 44 jaar), een hoger onderwijsniveau en een hoger inkomen hebben. De kans dat personen van boven de 45 jaar gezondheidsapplicaties gebruiken is minder groot in vergelijking met personen onder de 45 jaar (Fox & Duggan, 2012; Caroll et al., 2017). De 45-plussers maken mogelijk minder gebruik van self-tracking technologie door onder andere de vereiste inspanning, de verstoring van de dagelijkse routine, het vermijden van het denken over hun ziekte(s) en de angst om gegevens
te verliezen (Caldeira & Chen, 2019).
Hoewel er aantoonbare verschillen bestaan tussen leeftijden en opleidingsniveaus, wordt de invloed van deze factoren op het gebruik van mobiele applicaties steeds minder sterk (Caroll et al., 2017). Zo hebben verschillende bronnen aangetoond dat vrouwen in de overgangsleeftijd vaak meer gemotiveerd zijn om technologie te gebruiken voor gezondheidsdoeleinden, omdat ze een groot risico lopen op gezondheidsproblemen (Bhuyan et al., 2016; Lupton & Maslen, 2019; Xue et al., 2012). Hoewel 45-plussers over het algemeen terughoudend zijn voor veranderingen, staan ze open voor technologische ontwikkelingen zolang zij ervan overtuigd zijn dat ze geschikt en gebruiksvriendelijk zijn (Xue et al., 2012).
Lupton en Maslen (2019) vonden het bijvoorbeeld opmerkelijk dat vrouwen van 50, 60 en 70 jaar oud ook gezondheidsapplicaties gebruiken zoals jongere vrouwen om slaap, voeding en medicijnen bij te houden (Lupton & Maslen, 2019).
De verschillende uitkomsten in de literatuur over het gebruik van self-tracking technologie door vrouwen in de overgang leidt tot de volgende deelvraag: In welke mate wordt self-tracking technologie gebruikt door vrouwen in de overgang?
Self-tracking technologie en overgangsklachten
Vrouwen in de overgang kunnen self-tracking applicaties gebruiken om onder andere overgangsklachten, beweging, gewicht, voeding en slaap te monitoren. Self-tracking technologie heeft twee belangrijke doelen: ondersteunen bij het verbeteren van gezondheidsgedrag en het vergroten van het bewustzijn (Caldeira & Chen, 2019). Er zijn verschillende redenen om self-tracking applicaties te gebruiken. Zo gebruiken sommige personen self-tracking applicaties bijvoorbeeld om eenvoudig informatie over zichzelf of over hun gewoonten vast te leggen en te behouden (bijvoorbeeld hoe vaak zij fruit eten of wanneer bepaalde symptomen optreden). Daarnaast worden self-tracking applicaties gebruikt voor gedragsverandering. Hiertoe behoren bijvoorbeeld voedingsapps die een gezondere levensstijl
stimuleren. Tot slot worden self-tracking applicaties ingezet voor het monitoren van variabelen om patronen te onderscheiden en er betekenis aan te geven (bijvoorbeeld hoe een bepaald gedrag in de loop van een week of een jaar verandert) (Caldeira & Chen, 2019; Lupton, 2014).
Ten behoeve van hun gezondheid en welgesteldheid is het van belang dat vrouwen in de overgang een gezonde leefstijl hebben, hun gezondheid zoveel mogelijk begrijpen en actief bijhouden (zelfmanagement) (Lee et al., 2015; RUG, 2019). De klachten tijdens de overgang verschillen daarbij van vrouw tot vrouw en ook de symptomen kunnen per fase verschillen (Bouma et al., 2012; Groeneveld et al., 2009)
Er bestaan verschillende self-tracking applicaties die specifiek zijn ontworpen voor de overgang, zoals MenoPro (Manson et al., 2015), Mysisters, Hot Flash Sister, MyPause en Menopause View (Homewood, 2018; Manson et al., 2015). De applicatie Menopro, ontwikkeld door The North American Menopause Society, stimuleert de samenwerking tussen artsen en patiënten rondom het besluit voor hormoontherapie op basis van persoonlijke voorkeuren en gegevens. De applicatie bestaat uit functies die onder andere het risico op beroertes berekenen en helpt bij gedrags- en levensstijlaanpassingen (Manson et al., 2015). De applicatie Mysisters biedt de functie om symptomen bij te houden via MyCalender. Op deze manier is het mogelijk om patronen en triggers te ontdekken voor overgangsklachten (mysisters.com, 2019). De meeste van bovengenoemde self-tracking apps bieden eveneens informatie over de overgang, eventuele behandelingen, persoonlijke ondersteuning en praktische tips (Changizi & Kaveh, 2017; Lazar et al., 2019; Lee et al, 2015). Dit kan waardevol zijn omdat, uit onderzoek blijkt dat voldoende kennis en informatie over de overgang een positieve invloed heeft het bewustzijn en op het onderhouden van een gezonde leefstijl (Kariman, Taebi, Abdolahian, Ozgoli, & Ebadi 2018).
Lee et al. (2015) onderzocht de behoeften van vrouwen aan self-tracking applicaties voor de overgang. Uit dit onderzoek bleek dat self-tracking applicaties voor de overgang de
volgende vier functies moeten bevatten: een SNS-functie (Social Networking Service) waarmee gebruikers hun gezondheidsinformatie actief met anderen kunnen delen, aanbevelingen over gezondheid en beweging, gevisualiseerde persoonlijke gezondheidsinformatie die makkelijk te begrijpen is en gezondheidsinformatie die aangeboden wordt in samenwerking met artsen (Lee et al., 2015).
Naast applicaties voor de overgang zouden deze vrouwen algemene applicaties kunnen inzetten voor verschillende klachten die zich voordoen tijdens of als gevolg van de overgang.
Zo is uit onderzoek van Lupton en Maslen (2019) gebleken dat onder vrouwen vooral calorie- tracking-apps, zoals MyFitnessPal en Weight Watchers en lichaamsbewegingsapps populair zijn. Binnen die laatste categorie gaat het met name om apps die de hartslag bewaken, verbrande calorieën bijhouden, stappen tellen en/of training- of yogaprogramma’s aanbieden (Lupton &
Maslen, 2019).
Een gebrek aan energie, vermoeidheid, pijn, slaap en ongemak zijn voorbeelden van klachten waar vrouwen in de overgangsfase vaak mee te maken krijgen als gevolg van schommelende hormoonspiegels (eupati.eu, 2016; Ottervanger & Smit, 2016). Applicaties die deze symptomen in kaart brengen en focussen op vitale functies en beweging zouden ingezet kunnen om deze klachten te bestrijden. Het is namelijk belangrijk dat vrouwen in de overgang worden aangemoedigd om voldoende te bewegen (Skrzypulec, Dabrowska & Drosdzol, 2009).
Verschillende onderzoeken tonen aan dat voldoende beweging op de lange termijn een positief effect heeft, zoals de verlichting van overgangssymptomen (Elavsky and McAuley, 2007).
Voldoende beweging speelt bovendien ook een essentiële rol bij de behandeling van cardiovasculaire problemen (Vogel et al., 2017). Dit is van belang, omdat tijdens de overgang het cardiovasculaire risicoprofiel van vrouwen verandert (Bouma et al., 2012).
In veel gevallen geven self-tracking applicaties ook persoonlijke feedback, zoals over een doel dat gehaald is of met suggesties voor ander gedrag. De fitnesstrackers van Nike+,
Jawbone UP en Fitbit meten bijvoorbeeld de activiteit van de gebruiker en stimuleren tegelijkertijd de gebruiker om meer te bewegen met persoonlijke feedback en tips (Gaggioli &
Riva, 2013). Uit onderzoek is ook gebleken dat de lichamelijke activiteit verhoogd wordt door het gebruik van apps die de lichamelijke activiteit bijhouden en feedback geven (Hurling et al., 2007). Daarnaast was de meerderheid van de vrouwen ook positief over de herinneringsfuncties van apps om meer te bewegen zoals bleek uit een onderzoek naar het ontwerpen van self- tracking apps voor de overgang (Lee et al., 2015).
Self-tracking apps kunnen eveneens een gezondere levensstijl stimuleren door voedingsinname en gewicht in kaart te brengen (Cordeiro, Bales, Cherry & Fogarty, 2015).
Veel vrouwen in de overgang hebben namelijk problemen met gewichtstoename (Davis et al, 2012) en uit onderzoek blijkt dat vrouwen met overgewicht meer last kunnen hebben van opvliegers (Bouma et al., 2012). Een dieet met de juiste vitamines en mineralen zorgt bovendien voor een gezonde hormoonhuishouding en de vermindering van klachten tijdens de overgang (dedietisten.nl, 2019). Voedingsapplicaties kunnen helpen bij het bijhouden van het eetgedrag en dieet (Cordeiro et al., 2015). De verzamelde data kunnen zo helpen de kwaliteit van een dieet te evalueren en problemen in de voedingsstijl te ontdekken.
Ook applicaties die de slaap bijhouden bevorderen de fysieke gezondheid (Lee &
Finkelstein, 2015). Zo tracken deze apps onder andere hoe vaak iemand ’s nachts wakker wordt, of iemand onrustig is tijdens de slaap en hoelang iemand diep heeft geslapen (Kolla, Mansukhani & Mansukhani, 2015; Grifantini, 2014). Dit kan vrouwen in de overgang met slaapstoornissen helpen door inzicht te bieden in het slaappatroon. Zo kunnen zij de oorzaken ontdekken die van invloed zijn op hun slaapkwaliteit.
Naast fysieke klachten door fysiologische veranderingen in het lichaam krijgen vrouwen tijdens de overgang ook te maken met psychische klachten (Geukes, Van Aalst, Robroek, Laven
& Oosterhof, 2016). Stemmingswisselingen, concentratiestoornissen, vergeetachtigheid en
depressieve gevoelens zijn overgangssymptomen die vaak voorkomen (Kalarhoudi, Taebi, Sadat, & Saberi, 2011). Self-tracking applicaties die het stressniveau, het humeur en het gevoel tracken kunnen vrouwen in de overgang helpen met psychische klachten. Deze self-tracking applicaties verminderen op effectieve wijze diverse aandoeningen en klachten zoals depressie, angst en stress (Gaggioli & Riva, 2013). Zo krijgen gebruikers bijvoorbeeld met de app Mood Tracker inzicht in hun emotionele ervaringen. Gedurende de dag kunnen ze hun stemming aangeven op basis van vooraf ingestelde problemen zoals stress, post-traumatische stress, welzijn en angst. De verzamelde data helpen gebruikers om patronen te ontdekken. Ook kunnen ze deze data delen met een arts of therapeut (Gaggioli & Riva, 2013).
Daarnaast kunnen applicaties die seksuele en reproductieve activiteiten tracken zoals, de Vaginal Dryness app en de SAA app, vrouwen helpen met klachten rondom seksualiteit (Lupton, 2014). Het seksueel welzijn neemt namelijk vaak af tijdens de overgang en brengt zowel persoonlijke problemen als problemen binnen relaties met zich mee (Yanikkerem et al., 2012). In het onderzoek van bijvoorbeeld Yanikkerem et al. (2012) geeft een op de drie vrouwen (34.2 procent) aan dat de overgang de geslachtsgemeenschap met de partner negatief heeft beïnvloed. Gegevens over seksuele activiteit tracken en verzamelen kan een manier zijn om meer zelfinzicht te verkrijgen en zo de kwaliteit van leven te verbeteren door aan te sporen tot meer seksueel plezier (Lupton, 2014).
Tot slot kunnen verschillende andere self-tracking applicaties vrouwen in de overgang van dienst zijn. Zo houden reproductieve gezondheidsapplicaties de menstruatie bij en kunnen deze helpen met aftellen voor de menopauze, zoals de applicatie Hot Flash Sisters (Homewood, 2018). Self-tracking applicaties kunnen daarnaast helpen om effectiever en efficiënter te werken (Koo & Fallon, 2016). Op die manier kunnen vrouwen in de overgang betrokken en gemotiveerd blijven op het werk. Verschillende onderzoeken (Bendien et al., 2019;
DiBonaventura, Wagner, Alvir & Whitele, 2012; Jack, Riach, Bariola, Marian, Pitts, Schapper
& Sarrel, 2016) suggereren immers dat de overgang ook gerelateerd is aan een verminderd werkvermogen. Dit verklaart deels het hogere verzuim van vrouwen in de overgangsfase. Zowel fysieke als psychische overgangsklachten kunnen dan ook samenhangen met een verminderd werkvermogen (Bendien et al., 2019). Op de werkplek wordt self-tracking technologie al vaker ingezet met als doel een goede gezondheid en productiviteit van werknemers. Deze applicaties helpen bijvoorbeeld om stress en slaap beter te beheren of herinneren gebruikers eraan om een pauze te nemen (Lupton, 2016).
Meerdere self-tracking applicaties kunnen vrouwen in de overgang ondersteunen bij hun overgangsklachten. Tot op heden is echter onbekend voor welke specifieke overgangsklachten self-tracking applicaties worden gebruikt. Daarom luidt de tweede deelvraag in dit onderzoek als volgt: Voor welke specifieke overgangsklachten worden self-tracking applicaties gebruikt?
Self-tracking technologie en kwaliteit van leven
Lichamelijke veranderingen tijdens de overgang kunnen een negatieve invloed hebben op de kwaliteit van leven (Blumel et al., 2000; Manson et al., 2015; Ottervanger & Smit, 2016;
Kariman, Taebi, Abdolahian,, Ozgoli & Ebadi, 2018). Een gezonde levensstijl, vooral met betrekking tot lichamelijke activiteit en voeding, kan de kwaliteit van leven tijdens de overgang verbeteren (Lee et al., 2015).
Self-tracking technologie kan hierin een rol spelen (Kari, Koivunen, Frank, Makkonen
& Moilanen, 2016; Swan, 2013; Senette et al., 2018). Het biedt ondersteuning bij een gezondere levensstijl, ondersteunt vrouwen bij zelfmanagement en helpt klachten, die een impact hebben op de kwaliteit van leven, beter te beheren (McKillop, Voigt, Rebecca & Elhadad, 2016;
Morgan, 2016). Het individuele lichaam wordt hierdoor meer kenbaar en berekenbaar (Swan, 2013). De zelf-gegenereerde data bieden zowel zelfinzicht als bewustzijn (Lupton, 2014) en helpen om de levensstijl te verbeteren of overgangsklachten inzichtelijk te maken. Ook in het e-health actieplan 2012-2020 van de Europese Commissie wordt vermeld dat wanneer e-health
(o.a. mobiele gezondheidsapps) effectief wordt toegepast het een positief effect kan hebben op de kwaliteit van leven (European Commission, 2012). Zo kunnen self-tracking applicaties op het gebied van gezondheid van invloed zijn op onder andere de fysieke gezondheid, psychische gezondheid, seksualiteit, maar ook op de werkproductiviteit (Koo & Fallon, 2017; Lupton 2014).
Verschillende onderzoeken hebben aangetoond dat het gebruik van self-tracking technologie nuttig kan zijn om een gezonde levensstijl te stimuleren (Fox & Duggan, 2013;
Macias et al., 2015). Macias et al. (2015) onderzochten bijvoorbeeld het gebruik van de applicatie WellWave die de fysieke en psychische gezondheid van volwassenen bevordert. Uit de resultaten bleek dat de applicatie de gebruikers aanmoedigt om regelmatig te lopen en geleidelijk aan hun loopafstand te vergroten voor een goede cardiovasculaire gezondheid (Macias et al., 2015). McKillop et al. (2016) onderzochten daarnaast het gebruik van self- tracking applicaties onder vrouwen met endometriose. Uit het onderzoek bleek dat deze vrouwen geïnteresseerd waren in self-tracking applicaties voor zowel het tracken van symptomen als het verbeteren van de kwaliteit van leven. Deze vrouwen vonden self-tracking technologie een nuttige manier om patronen in symptomen te ontdekken. Kennis over de symptomen hielp hen bij het plannen van hun werk en sociale schema’s (McKillop et al., 2016).
Tegelijkertijd kunnen self-tracking applicaties ook negatieve gevolgen hebben. Het zelf- managen van de gezondheid kan soms een te grote impact hebben op de kwaliteit van leven.
Mensen kunnen zich bijvoorbeeld schuldig voelen over ongunstige gezondheidsuitkomsten waar ze geen controle over hebben. Ondanks dat self-tracking apps accuraat zijn in het meten van gegevens, laten reviews bovendien zien dat de meeste apps niet gevalideerd zijn, en in sommige gevallen zelfs slecht presteren (Van den Bulck, 2015; Peake, Kerr & Sullivan, 2018).
Zo bleek bijvoorbeeld dat bepaalde apps de hoeveelheid energie die iemand verbruikt onderschatten en applicaties die slaap monitoren matig tot slecht presteren in vergelijking met
een slaaponderzoek (Baron et al., 2018; Wallen, Gomersall, Keating, Wisloff & Coombes, 2016). Dergelijke foutieve gegevens kunnen vrouwen in de overgang juist nog meer ongerust maken. Ook zijn de gegevens in de apps niet altijd zinvol. Slaapapplicaties zijn hier een voorbeeld van. Deze apps meten informatie over onder andere de slaapduur, timing, slaapstadia en ademhaling. Echter, hoe gebruikers met behulp van deze gegevens hun slaap kunnen verbeteren blijft onduidelijk. Daarnaast worden gebruikers van self-tracking applicaties regelmatig herinnerd aan symptomen en mogelijke aandoeningen. De applicaties die zijn bedoeld om inzicht te geven in de gezondheid en geruststelling bieden, kunnen hierdoor juist bijdragen aan kwetsbare en onzekere gevoelens van vrouwen in de overgang.
Volgens Homewood (2019) brengen self-tracking applicaties voor de overgang ook risico’s met zich mee. De meeste applicaties voor het tracken van overgangssymptomen, zoals Menopause View en Hot Flash Sister, gebruiken vooraf gedefinieerde symptomen. Dit leidt tot het risico dat symptomen die niet in de applicaties voorkomen maar wel een belangrijke rol spelen in de ervaring van een vrouw met de overgang worden uitgesloten (Homewood, 2019).
Hoewel self-tracking applicaties waardevol kunnen zijn voor het verbeteren van de kwaliteit van leven, zijn er ook risico’s aan verbonden. In dit onderzoek wordt inzicht gegeven in de invloed van self-tracking applicaties op de kwaliteit van leven van vrouwen in de overgang.
Methode Procedure
Om te onderzoeken in hoeverre self-trackingtechnologie invloed heeft op de kwaliteit van leven bij vrouwen is een vragenlijst verspreid. Dit onderzoek was een onderdeel van een groter project dat bestaat uit subonderzoeken waar in totaal acht onderzoekers aan hebben gewerkt. Daarom is er één vragenlijst ontwikkeld met vragen die betrekking hebben op verschillende onderzoeksgebieden.
De vragenlijst is gemaakt in het programma Qualtrics. De vragenlijst is via meerdere online kanalen verspreid, zoals Facebook, Twitter en LinkedIn. Hiervoor is gebruik gemaakt van de sneeuwbaltechniek. Ook werd de vragenlijst op verschillende platforms gedeeld, zoals onder andere WomenInc, Isa & Medina en op verschillende pagina’s voor vrouwen (onder andere ‘Vrouwen en de Menopauze’) op Facebook. De vragenlijst werd zowel in de sociale omgeving van de onderzoekers, als van de respondenten gedeeld. Aan het begin van de vragenlijst is de aard van het onderzoek uitgelegd en is aangegeven dat vertrouwelijk met de gegevens zal worden omgegaan. De respondenten moesten deze informatie lezen en vervolgens akkoord gaan met deelname aan het onderzoek. Dit onderzoek is goedgekeurd door de ethische commissie van de Tilburg School of Humanities and Digital Sciences (TSHD). De recruitmenttekst is opgenomen in Bijlage A.
Hierna werd respondenten een aantal stellingen voorgelegd met betrekking tot de kwaliteit van leven (Utian Quality of Life Schaal). Vervolgens werd de respondenten gevraagd of ze in de overgang zijn of het afgelopen jaar in de overgang zijn geweest. Respondenten die hiervoor niet in aanmerking kwamen, werden naar het einde van de vragenlijst geleid. Het gebruik van self-trackingtechnologie was geen voorwaarde om deel te nemen aan het onderzoek. Vervolgens werd gevraagd welke overgangsklachten respondenten ervaren en in hoeverre zij deze klachten ervaren. Op grond van de analyse van de huidige literatuur zijn in
totaal 11 overgangsklachten bepaald. Hierna werd gevraagd of de respondenten gebruik maken van een smartphone, een tablet of een wearable en werd gevraagd dit erbij te pakken, indien dat mogelijk was. De respondenten die gebruik maakten van een of meerdere van deze apparaten werd gevraagd of zij gezondheidsapplicaties gebruikten en zo ja, hoeveel in totaal. Ook werd gevraagd hoe vaak de applicaties werden gebruikt om gezondheidsgegevens bij te houden. In totaal waren er negen antwoordmogelijkheden die varieerden van ‘meerdere keren per dag’ en
‘aantal keer per maand’ tot aan ‘nooit’.
De respondenten die gezondheidsapplicaties gebruikten, kregen een matrix waarin ze konden aangeven welke gezondheidsapplicaties ze eventueel gebruikten voor de overgangsklachten die ze ervaren. Respondenten die geen gebruik maakten van gezondheidsapplicaties werden wel vragen over de andere onderzoeksgebieden gesteld, zoals de behoefte aan self-trackingtechnologie, maar dit is geen onderdeel van het huidige onderzoek.
Uiteindelijk werd een aantal demografische gegevens gevraagd, namelijk de leeftijd, het hoogst behaalde opleidingsniveau, de burgerlijke staat en het werk. Aan het eind van de vragenlijst kregen respondenten de mogelijkheid om vragen of opmerkingen over de vragenlijst te plaatsen. De vragenlijst werd afgesloten met een dankwoord en de contactgegevens van de onderzoekers voor vragen over het onderzoek. De vragenlijst is opgenomen in Bijlage B. De respondenten waren gemiddeld 23.7 minuten bezig met het invullen van de vragenlijst.
Respondenten
Voor dit onderzoek werden 200 vrouwen gezocht in de overgangsleeftijd (40 tot 70 jaar) die in de overgang waren of het afgelopen jaar in de overgang waren geweest. In totaal hebben 158 vrouwen in de overgang de vragenlijst volledig ingevuld. De gemiddelde leeftijd van de respondenten was 52.93 jaar (SD = 4.19). De minimale leeftijd van de respondenten is 42 jaar en de maximale leeftijd 66 jaar. In totaal hebben 57 respondenten (36.1%) een MBO diploma en 56 respondenten (35.4%) een HBO diploma behaald. De meerderheid van de respondenten
(70.9%) was gehuwd, 13.9% van de respondenten gaf aan samen te wonen met een partner en 10.1% van de respondenten had geen vaste partner. Daarnaast is 87.3% van de respondenten momenteel werkzaam als werknemer of zelfstandige. Van de 158 respondenten gaven 151 respondenten (95.6%) aan weleens een smartphone te gebruiken. 99 (62.7%) van de respondenten gebruikten weleens een tablet en 29 respondenten (18.4%) gebruikten weleens een wearable.
Meetinstrumenten
Kwaliteit van leven. Onder de respondenten is de kwaliteit van leven gemeten aan de
hand van een bestaande vragenlijst, de Utian Quality of Life Scale. De oorspronkelijke vragenlijst bestaat uit 23 items. De items zijn verdeeld onder vier dimensies, namelijk werkdimensie, fysieke dimensie, psychische dimensie en seksuele dimensie. Voor dit onderzoek zijn zestien items geselecteerd van de originele schaal op basis van de hoogste factorladingen van de items uit het onderzoek van Utian et al. (2002). Er is een betrouwbaarheidsanalyse per dimensie uitgevoerd door de Cronbach’s Alpha uit te rekenen.
Hiervoor zijn een aantal items gehercodeerd, zodat de scores voor alle items hetzelfde betekenen. Vervolgens werd voor elke dimensie het gemiddelde berekend.
De dimensie ‘werk’ werd getoetst aan de hand van vijf items, zoals ‘Ik stel altijd nieuwe persoonlijke doelen voor mezelf’ en ‘Ik ervaar voldoende uitdaging in mijn werk’. Deze vormden samen een betrouwbare gemiddelde schaal (α = 0.86, M = 5.07, SD = 1.45). De fysieke dimensie bestond ook uit vijf items, zoals ‘Ik heb controle over mijn eetgedrag’ en ‘Ik voel me fysiek fit’ en vormden samen een betrouwbare gemiddelde schaal (α = 0.77, M = 4.51, SD = 1.20).
De dimensies ‘seksualiteit’ en ‘psychische gezondheid’ werden beide getoetst aan de hand van drie stellingen per dimensie. Een van de stellingen onder de dimensie ‘psychische gezondheid’ is: ‘Ik ben in staat dingen in mijn leven te controleren die belangrijk voor mij zijn’.
De gemiddelde score voor de dimensie ‘psychische gezondheid’ was 5.53 (SD = 1.30). De betrouwbaarheidsanalyse gaf aan dat de schaal betrouwbaar was (α = 0.77). De dimensie
‘seksualiteit’ bestond uit stellingen zoals ‘Ik ben niet tevreden met mijn seksuele leven’ en ‘Ik ben gelukkig in de liefde’ Ook deze vormden samen een betrouwbare gemiddelde schaal (α = 0.71, M = 4.81, SD = 1.55). De dimensies zijn gemeten aan de hand van een 7-punts Likertschaal (1 = helemaal niet van toepassing, 7 = helemaal van toepassing). Voor alle dimensies geldt dat een hoge score correspondeert met een hoge kwaliteit van leven met betrekking tot die dimensie.
Gebruik van self-tracking. De vrouwen die een smartphone en/of tablet bezaten werd
gevraagd om het aantal gezondheidsapps op hun smartphone en/of tablet te vermelden met de bijbehorende namen. Ook werd gevraagd hoe vaak er gebruik werd gemaakt van elke applicatie.
Hierna werd gevraagd aan te geven of ze deze apps gebruikten voor de overgang en specifiek voor welke overgangsklachten die ze ervaarden. De gebruikers die wel gezondheidsapps gebruikten, maar niet specifiek voor de overgangsklachten konden dit aangeven. Het gebruik van self-trackingtechnologie is op deze manier ingedeeld in drie verschillende groepen:
vrouwen die geen gebruik maken van gezondheidsapps, vrouwen die gezondheidsapps gebruiken voor de overgangsklachten die ze ervaren en vrouwen die gezondheidsapps gebruiken, maar niet specifiek voor overgangsklachten.
Overgangsklachten. Daarnaast is gekeken naar welke overgangsklachten vrouwen
ervaren. Dit is onderzocht door middel van een meerkeuzevraag. Deelnemers konden meerdere antwoorden kiezen uit een lijst van elf overgangsklachten, die volgens de huidige literatuur het meest voorkomen, zoals opvliegers, (nachtelijk) zweten, gewichtstoename en verlies van libido.
Ook kregen de deelnemers de mogelijkheid om andere klachten die niet in de lijst stonden te vermelden door middel van een open antwoord.
Demografische kenmerken. Tevens werden enkele demografische vragen gesteld
zoals over de leeftijd, de hoogst genoten opleiding en de burgerlijke staat. De antwoordopties bij de hoogst genoten opleiding waren: Basisonderwijs, VMBO, Havo, VWO, MBO, HBO, WO, ‘geen onderwijs afgerond’ en een open antwoord. De antwoordopties bij burgerlijke staat waren: ‘Ik ben gehuwd’, ‘Ik ben niet gehuwd, maar woon wel samen met een partner’, ‘Ik heb een vaste partner, maar wij wonen apart’, ‘Ik heb geen vaste partner’ en een open antwoord.
Ook werd gevraagd of de respondenten op dat moment betaald werk hadden als zelfstandige of ondernemer.
Statistische analyse
Om te achterhalen of de kwaliteit van leven verschilt tussen vrouwen die self-tracking technologie gebruiken en vrouwen die deze niet gebruiken, is een kwantitatief onderzoek uitgevoerd. De onafhankelijke variabele is verdeeld in drie groepen: vrouwen die self- trackingtechnologie (gezondheidsapps) gebruiken voor hun overgangsklachten, vrouwen die self-trackingtechnologie gebruiken, maar niet specifiek voor hun overgangsklachten en vrouwen die geen gebruik maken van self-trackingtechnologie. Om na te gaan of de kwaliteit van leven, de afhankelijke variabele, significant verschilt tussen de drie groepen is er per dimensie een One-Way ANOVA uitgevoerd. Voor de invoering, de bewerking en de analyse van de data is de softwareprogramma IBM Statistics 26 (SPSS) gebruikt. Voordat de onderzoeksvraag beantwoord kon worden, werd er gekeken of de afhankelijke en onafhankelijke variabelen normaal verdeeld waren. De resultaten van Kolmogorov Smirnov en Shapiro-Wilk testen voor normaliteit waren in een aantal dimensies significant (P < .05). Dit betekent dat de variabelen niet normaal verdeeld zijn. Dit zal echter niet voor problemen zorgen omdat in dit onderzoek gebruik is gemaakt van ANOVA en deze vrij robuust is tegen de schending van normaliteit. Daarnaast is de assumptie van homogene variantie gecheckt in elke dimensie. Wanneer uit de Levene’s test bleek dat er sprake was van ongelijke variantie is gebruik gemaakt van de Welch toets.
Resultaten
Overgangsklachten
In totaal gaven 154 respondenten (97.5%) aan dat last hadden ze één of meerdere overgangsklachten. Slechts 4 respondenten (2.5%) hadden helemaal geen last van overgangsklachten. Opvliegers (68.4%), nachtelijk zweten (67.7%) en vermoeidheid (65.2%) waren de meest benoemde overgangsklachten. Ook werden gewichtstoename (57%), stemmingswisselingen (57.6%) en slaapstoornissen (58.9%) vaak benoemd. Haaruitval (24.1%), onregelmatige menstruatie (25.9%) en drogere vagina (29.7%) werden het minst benoemd als overgangsklachten.
Self-tracking technologie en overgangsklachten
Van de 158 respondenten gebruikten in totaal 105 respondenten (66.5%) self-tracking technologie. 53 respondenten (33.5%) hadden geen gezondheidsapps op hun smartphone of tablet. Over het algemeen gebruikten vrouwen gemiddeld drie self-tracking applicaties (M = 2.61, SD = 2.10). De meerderheid van de respondenten (20.9%) gebruikten self-tracking technologie gemiddeld ‘ongeveer één keer per maand’. 19.1% van de respondenten gebruikten self-tracking technologie gemiddeld ‘een aantal keer per week’ en 18.3% gebruikten self- tracking technologie gemiddeld ‘ongeveer één keer per week’. Wat betreft de groep gebruikers van self-tracking technologie gebruikten in totaal 42 respondenten (40%) de applicaties op hun smartphone of tablet voor één of meer overgangsklachten. Gemiddeld gebruikte een vrouw één tot twee applicaties voor overgangsklachten. In deze groep werden self-tracking applicaties het meest gebruikt voor vermoeidheid, gewichtstoename, en stemmingswisselingen. Daarna volgden opvliegers en moeilijk concentreren als meeste voorkomende klachten waarvoor self- tracking applicaties werden gebruikt. De resultaten zijn te vinden in tabel 1. De overige 63 respondenten (60%) maakten wel gebruik van self-tracking technologie, maar niet specifiek voor overgangsklachten.
Tabel 1. Gemiddeld aantal self-tracking apps op smartphone/tablet die gebruikt worden voor overgangsklachten
Overgangsklachten M SD N
Opvliegers 1.38 0.77 13
Nachtelijk zweten 1.33 0.71 9
Vermoeidheid 1.90 1.85 9
Slaapstoornissen 1.12 0.49 17
Stemmingswisselingen 1.47 0.74 15
Gewichtstoename 1.80 1.54 20
Moeilijk concentreren 1.40 0.70 10
Verlies libido 1.20 0.45 5
Droge(re) vagina 1.00 0.40 1
Onregelmatige menstruatie 1.17 0.58 12
Haaruitval 1.17 0.41 6
Niet voor overgangsklachten 2.22 1.74 73
Noot. N = aantal vrouwen.
Invloed van self-tracking op kwaliteit van leven
De One-way ANOVA analyse toonde geen significant verschil in kwaliteit van leven (F(2, 155) = 1.21, p = .300) met betrekking tot de fysieke dimensie tussen niet-gebruikers (M
= 4.65, SD = 1.03), gebruikers (M = 4.57, SD = 1.33) en gebruikers specifiek voor overgangsklachten (M = 4.28, SD = 1.18).
Wat betreft de dimensie werk zijn de verschillen in kwaliteit van leven F(2, 155) = 2.26, p = .108) niet significant tussen niet-gebruikers (M = 4.72, SD = 1.40), gebruikers (M = 5.25, SD = 1.32) en gebruikers specifiek voor overgangsklachten (M = 5.22, SD = 1.65).
De Welch toets (p = .213) liet ook geen significant verschil zien in kwaliteit van leven met betrekking tot de psychische dimensie tussen niet-gebruikers (M = 5.66, SD = 1.07), gebruikers (M = 5.63, SD = 1.36) en gebruikers specifiek voor overgangsklachten (M = 5.21, SD = 1.44).
Tot slot is er ook geen significant verschil gevonden in kwaliteit van leven F(2, 155) = .56, p = .572) voor de dimensie seksualiteit tussen niet-gebruikers (M = 4.68, SD = 1.47), gebruikers (M = 4.97, SD = 1.57) en gebruikers specifiek voor overgangsklachten (M = 4.74, SD = 1.62).
Discussie
Het huidige onderzoek is een aanvulling op de bestaande literatuur over self-tracking technologie en de kwaliteit van leven onder vrouwen in de overgang. Voor dit onderzoek is een online vragenlijst gebruikt om te achterhalen in hoeverre self-tracking technologie van invloed is op de kwaliteit van leven onder vrouwen in de overgang. Ook werd er aan de hand van de vragenlijst achterhaald in welke mate en voor welke specifieke overgangsklachten self-tracking technologie wordt gebruikt door vrouwen in de overgang.
De resultaten laten zien dat de kwaliteit van leven niet significant verschilt tussen vrouwen die gebruik maken van self-tracking technologie voor overgangsklachten, vrouwen die gebruik maken van self-tracking technologie, maar niet voor overgangsklachten en vrouwen die geen gebruik maken van self-tracking technologie. Wel laten de resultaten zien dat een meerderheid van de vrouwen in de overgang (66.5%) gebruik maakt van self-tracking technologie. Een deel van de vrouwen (40%) gebruikt self-tracking technologie specifiek voor overgangsklachten zoals gewichtstoename, slaapstoornissen, stemmingswisselingen en opvliegers.
Hoewel er vanuit de literatuur (Kontos et al., 2014; Senette et al., 2018) verwacht werd dat vrouwen in de overgangsleeftijd minder gebruik zouden maken van mobiele technologie, blijkt dat de meerderheid van de vrouwen er wel gebruik van maakt. Dit komt overeen met het onderzoek van Caroll et al. (2017) waaruit bleek dat factoren zoals leeftijd minder sterk invloed hebben op het gebruik van mobiele applicaties (Caroll et al., 2017). In die zin kan gesteld worden dat de gap in de digitale kloof tussen gebruikers en niet gebruikers van self-tracking apps kleiner wordt. Bovendien zijn de vrouwen in dit onderzoek, geboren tussen 1954 en 1978, niet onervaren met technologie. Hoewel ze niet zijn opgegroeid met de informatietechnologie van het digitale tijdperk (digital natives), gebruikt een groot deel bijvoorbeeld computers op werk of voor persoonlijke redenen (Ismail et al., 2015). Daarnaast blijkt uit verschillende
onderzoeken dat vrouwen regelmatig het internet gebruiken voor gezondheidsdoeleinden (Lim et al., 2011; Rice, 2006).
Hoewel er is aangetoond dat vrouwen in de overgang gebruik maken van self-tracking technologie werd in dit onderzoek geen invloed op de kwaliteit van leven gevonden. Hier kunnen verschillende verklaringen voor worden gegeven. Allereerst trekken de resultaten de invloed van self-tracking technologie op de kwaliteit van leven in twijfel. Hoewel de huidige literatuur zich voornamelijk richt op hoe gezondheidsapplicaties personen ten goede kunnen komen, is er tot op heden onvoldoende klinisch bewijs gevonden voor de invloeden van mobiele gezondheidsapps (Daifi et al., 2016). Het is mogelijk dat self-tracking technologie geen significante invloed heeft op de kwaliteit van leven. Daarentegen is in dit onderzoek geen rekening gehouden met de verschillen in frequentie voor het gebruik van self-tracking technologie. De groep gebruikers van self-tracking technologie variëren in hun gebruik van
‘meerdere keren per dag’ tot ‘ongeveer 1 keer per maand’ of ‘nooit’. Wellicht is het belangrijk om in een vervolgonderzoek onderscheid te maken in hoe vaak de technologie wordt toegepast in het dagelijks leven.
In dit onderzoek is bovendien geen rekening gehouden met de content en de functie van gezondheidsapplicaties. Sommige applicaties zijn puur bedoeld voor informatie en tips. Dit soort simpele applicaties tracken geen gegevens van de gebruiker en bieden geen inzicht in de gezondheidssituatie. Een vervolgonderzoek zou zich kunnen focussen op specifieke kenmerken van applicaties in relatie tot kwaliteit van leven. Hierbij kunnen vragen gesteld worden als:
Bevat de applicatie gevisualiseerde persoonlijke gezondheidsinformatie? Of biedt de applicaties de mogelijkheid om informatie te delen met anderen?
De gemiddelde scores voor de kwaliteit van leven waren relatief hoog in alle dimensies.
Een verklaring hiervoor zou kunnen zijn dat er mogelijk ook andere factoren een invloed hebben op overgangsklachten en uiteindelijk op de perceptie van kwaliteit van leven. Uit
onderzoek blijkt namelijk dat factoren zoals etniciteit, lager onderwijs, ongehuwd zijn, werkloosheid, financiële problemen en roken verband hebben met overgangsklachten (Gold et al., 2000). In het onderzoek van Gold et al (2000) blijkt dat vrouwen die bijvoorbeeld roken of een lagere opleiding hadden gevolgd meer overgangsklachten ervaarden (Gold et al., 2000).
Daarnaast is aangetoond dat een negatieve houding ten opzichte van de overgang werd geassocieerd met meer overgangssymptomen dan vrouwen met een positieve houding (Yanikkerem et al., 2012). Mogelijk kunnen deze factoren ook een rol spelen bij de perceptie van de kwaliteit van leven.
Een volgende belangrijke punt is dat er in dit onderzoek specifiek is gekeken naar de invloed van self-tracking applicaties op de kwaliteit van leven. Echter, de kwaliteit van leven kan ook invloed hebben op het gebruik van self-tracking technologie. Zo kan bijvoorbeeld een persoon met een lage kwaliteit van leven opzoek gaan naar self-tracking applicaties voor het verbeteren van de kwaliteit van leven. Andersom zou een persoon met een hoge kwaliteit van leven self-tracking applicaties kunnen gebruiken om de kwaliteit van leven te behouden.
Limitaties en aanbevelingen
Hoewel uit dit onderzoek blijkt dat een deel van de respondenten gezondheidsapplicaties voor specifieke overgangsklachten gebruiken, is er niet achterhaald hoe zwaar deze klachten wegen. Wellicht zouden andere overgangsklachten, waar geen gezondheidsapplicaties voor worden gebruikt, zwaarder kunnen wegen voor de kwaliteit van leven. Zo kan bijvoorbeeld een vrouw in de overgang gebruik maken van een voedingsapp, terwijl voeding niet de belangrijkste klacht is. De kans bestaat dat er voor andere klachten, zoals opvliegers die veel zwaarder wegen geen applicatie wordt gebruikt. Daarnaast is de UQOL een vrij algemeen meetinstrument voor de kwaliteit van leven en niet specifiek voor overgangsklachten (Zöllner, Acquadro & Schaefer, 2005). Hoewel de items van UQOL zijn ontwikkeld voor een populatie in de peri- en postmenopauze, kunnen ze niet gebruikt worden om de impact van overgangsklachten op de
kwaliteit van leven te meten (Jenabi, Shobeiri, Hazavehei & Roshanaei, 2015; Zöllner et al., 2005). De meeste vragenlijsten testen de kwaliteit onder vrouwen in de overgang aan de hand van aanwezigheid van symptomen en de ervaringen en reacties op behandelingen. De Utian Quality of Life Scale is in tegenstelling ontwikkeld in de overtuiging dat de kwaliteit van leven moet verwijzen naar ‘gevoel van welzijn’ en is sterk gebaseerd op de perceptie van gevoel van welzijn in tegenstelling tot andere QOL-metingen (Utian, Janata, Kingsberg, Schluchter, &
Hamilton, 2002). Het ‘gevoel van welzijn’ wordt in de vragenlijst van Utian bepaald door te kijken naar onder andere de zelftevredenheid van een vrouw, haar vermogen om haar dagelijkse werk te voltooien en het onderhouden van sociale en persoonlijke relaties (Utian, Janata, Kingsberg, Schluchter, & Hamilton, 2002).
Een vervolgonderzoek zou zich kunnen focussen op een combinatie van de UQOL schaal en een schaal waarmee respondenten de mate van symptomen of klachten kunnen aangeven (bijv. Green Climacteric Scale) en de invloed hiervan op de kwaliteit van leven (Zöllner et al., 2005). Vervolgens zou gekeken kunnen worden of er daadwerkelijk self-tracking applicaties worden gebruikt voor klachten die het meest impact hebben op de kwaliteit van leven.
Praktische en theoretische implicaties
Hoewel dit onderzoek geen effect toont van self-tracking technologie op de kwaliteit van leven van vrouwen in de overgang, zijn er toch een aantal interessante praktische en theoretische implicaties. Allereerst zijn er in de literatuur nog geen studies uitgevoerd naar de invloeden van self-tracking technologie op de kwaliteit van leven van vrouwen in de overgang.
De huidige literatuur richtte zich vooral op de bestaande applicaties voor de overgang en het ontwerp en de functies ervan (Bardzell, Bardzell, Lazar & Su, 2019; Lee et al., 2015). Dit is het eerste onderzoek die op deze manier het gebruik van gezondheidsapps en de kwaliteit van leven van vrouwen in de overgang bestudeerd.
Verder is in deze studie aangetoond dat relatief veel vrouwen in de overgang gebruik maken van gezondheidsapplicaties. Tevens is bewezen dat een deel van de applicaties wordt gebruikt voor overgangsklachten. Deze bevindingen impliceren dat self-tracking technologie een essentiële rol kan hebben in het leven van vrouwen in de overgang. Vrouwen in de overgang vormen dan ook een belangrijke populatie om onderzoek te doen naar de behoeften en wensen met betrekking tot self-tracking technologie en de invloeden hiervan op kwaliteit van leven.
Voor onderzoekers en ontwerpers van gezondheidsapplicaties is het belangrijk om te begrijpen wat vrouwen in de overgang precies verwachten van self-tracking applicaties. Ook is het belangrijk om te onderzoeken op welke manier self-tracking technologie kan bijdragen aan de kwaliteit van leven van vrouwen in de overgang.
Referenties
Bardzell, J., Bardzell, S., Lazar, A., & Su, N. M. (2019). (Re-)Framing menopause
experiences for HCI and design. Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems - CHI ’19. https://doi.org/10.1145/3290605.3300345
Baron, K. G., Duffecy, J., Berendsen, M. A., Cheung Mason, I., Lattie, E. G., & Manalo, N.
C. (2018). Feeling validated yet? A scoping review of the use of consumer-targeted wearable and mobile technology to measure and improve sleep. Sleep Medicine Reviews, 40, 151–159. https://doi.org/10.1016/j.smrv.2017.12.002
Bendien, E., van Gemert, I., Appelman, Y., & Verdonk, P. (2019). Werken aan de overgang Een uitgebreide literatuurstudie naar overgang, menopauze, gezondheid, en werk.
Geraadpleegd van https://www.womeninc.nl/Uploaded_files/Zelf/literatuur-review- werkovergang-def.b75040.pdf
Bhuyan, S. S., Lu, N., Chandak, A., Kim, H., Wyant, D., Bhatt, J., … Chang, C. F. (2016).
Use of mobile health applications for Health-Seeking Behavior among US adults.
Journal of Medical Systems, 40(6). https://doi.org/10.1007/s10916-016-0492-7
Blumel, J. E., Castelo-Branco, C., Binfa, L., Gramegna, G., Tacla, X., Aracena, B., …
Sanjuan, A. (2000). Quality of life after the menopause: a population study. Maturitas, 34(1), 17–23. https://doi.org/10.1016/s0378-5122(99)00081-x
Bol, N., Helberger, N., & Weert, J. C. M. (2018). Differences in mobile health app use: A source of new digital inequalities? The Information Society, 34(3), 183–193.
https://doi.org/10.1080/01972243.2018.1438550
Bouma, J., De Jonge, M., De Laat, E. A. T., Eekhof, H., Engel, H. F., Groeneveld, F. P. M. J., ... & De Vries, C. J. H. (2012). NHG-Standaard De overgang (eerste herziening).
Huisarts Wet, 55(4), 168-72.
Van den Bulck, J. (2015). Sleep apps and the quantified self: blessing or curse? Journal of Sleep Research, 24(2), 121–123. https://doi.org/10.1111/jsr.12270
Caldeira, C., & Chen, Y. (2019). Seniors and self-tracking technology. Human–Computer Interaction Series, 67–79. https://doi.org/10.1007/978-3-030-06076-3_5
Carroll, J. K., Moorhead, A., Bond, R., LeBlanc, W. G., Petrella, R. J., & Fiscella, K. (2017).
Who uses mobile phone health apps and does use Matter? A secondary data analytics approach. Journal of Medical Internet Research, 19(4), e125.
https://doi.org/10.2196/jmir.5604
Changizi, M., & Kaveh, M. H. (2017). Effectiveness of the mHealth technology in improvement of healthy behaviors in an elderly population—a systematic review.
mHealth, 3, 51. https://doi.org/10.21037/mhealth.2017.08.06
Cordeiro, F., Bales, E., Cherry, E., & Fogarty, J. (2015). Rethinking the mobile food journal.
Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems - CHI ’15. https://doi.org/10.1145/2702123.2702154
Daifi, C., Bahrami, S., Kaakeh, R., & Kaakeh, Y. (2016). Evolving frontier. Journal of Pharmacy Technology, 32(3), 91–97. https://doi.org/10.1177/8755122516633873
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319. https://doi.org/10.2307/249008
Davis, S. R., Castelo-Branco, C., Chedraui, P., Lumsden, M. A., Nappi, R. E., Shah, D., &
Villaseca, P. (2012). Understanding weight gain at menopause. Climacteric, 15(5), 419–429. https://doi.org/10.3109/13697137.2012.707385
Gold, E. B. (2000). Relation of demographic and lifestyle factors to symptoms in a multi- racial/ethnic population of women 40-55 years of age. American Journal of Epidemiology, 152(5), 463–473. https://doi.org/10.1093/aje/152.5.463
Groeneveld, J. M., Bijl, D., Smulders, M., Bartels, B. H., Vanneste, R. R., Kortmann, W. J., Boukes, S.F. (2009). NHG-standaard De overgang. In NHG-Standaarden 2009 (673- 687).
de Groot, M., Timmers, B., Kooiman, T., & van Ittersum, M. (2015). Quantified Self in de huisartsenpraktijk. Bijblijven, 31(8), 642–654. https://doi.org/10.1007/s12414-015- 0077-2
DiBonaventura, M. daCosta, Wagner, J.-S., Alvir, J., & Whiteley, J. (2012). Depression, quality of life, work productivity, resource use, and costs among women experiencing menopause and hot flashes. The Primary Care Companion For CNS Disorders.
https://doi.org/10.4088/pcc.12m01410
Elavsky, S., & McAuley, E. (2007). Physical activity and mental health outcomes during menopause: A randomized controlled trial. Annals of Behavioral Medicine, 33(2), 132–142. https://doi.org/10.1007/bf02879894
European Commission. (2012) Communication from the Commission to the Parliament, the Council, the European Economic and Social Committee and the Committee of the
Regions, Health Action Plan 2012–2020 – Innovative healthcare for the 21st century (Brussels, 6.12.2012. COM/2012/0736 final). Brussels: European Union.
Figueredo, M., Caldeira, C., Chen, Y., & Zheng, K. (2018). Routine self-tracking of health:
reasons, facilitating factors, and the potential impact on health management practices.
AMIA Annu Symp Proc, 706–714. Geraadpleegd van https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5977566/
Fox, S., & Duggan, M. (2012). Mobile health 2012. Geraadpleegd van
https://www.pewresearch.org/internet/2012/11/08/mobile-health-2012/
Gaggioli, A., & Riva, G. (2013). From Mobile Mental Health to Mobile Wellbeing:
Opportunities and Challenges. Studies in health technology and informatics, 184, 141–
147.
Geukes, M., van Aalst, M. P., Robroek, S. J. W., Laven, J. S. E., & Oosterhof, H. (2016a).
The impact of menopause on work ability in women with severe menopausal symptoms. Maturitas, 90, 3–8. https://doi.org/10.1016/j.maturitas.2016.05.001
Geukes, M., van Aalst, M. P., Robroek, S. J. W., Laven, J. S. E., & Oosterhof, H. (2016b).
The impact of menopause on work ability in women with severe menopausal symptoms. Maturitas, 90, 3–8. https://doi.org/10.1016/j.maturitas.2016.05.001
Grifantini, K. (2014). How’s my sleep?: Personal sleep trackers are gaining in popularity, but their accuracy is still open to debate. IEEE Pulse, 5(5), 14–18.
https://doi.org/10.1109/mpul.2014.2339252
Griffiths, A., MacLennan, S. J., & Hassard, J. (2013). Menopause and work: An electronic survey of employees’ attitudes in the UK. Maturitas, 76(2), 155–159.
https://doi.org/10.1016/j.maturitas.2013.07.005
Grisso, J. A., Freeman, E. W., Maurin, E., Garcia-Espana, B., & Berlin, J. A. (1999). Racial differences in menopause information and the experience of hot flashes. Journal of General Internal Medicine, 14(2), 98–103. https://doi.org/10.1046/j.1525-
1497.1999.00294.x
Hickey, M., Riach, K., Kachouie, R., & Jack, G. (2017). No sweat: managing menopausal symptoms at work. Journal of Psychosomatic Obstetrics & Gynecology, 38(3), 202–
209. https://doi.org/10.1080/0167482x.2017.1327520
Homewood, S. (2018). Designing for the changing body. Extended Abstracts of the 2018 CHI Conference on Human Factors in Computing Systems - CHI ’18.
https://doi.org/10.1145/3170427.3173031
Homewood, S. (2019). Inaction as a design decision. Extended Abstracts of the 2019 CHI Conference on Human Factors in Computing Systems - CHI EA ’19.
https://doi.org/10.1145/3290607.3310430
Hurling, R., Catt, M., De Boni, M., Fairley, B. W., Hurst, T., Murray, P., … Sodhi, J. S.
(2007). Using internet and mobile phone technology to deliver an automated physical activity program: randomized controlled trial. Journal of Medical Internet Research, 9(2), e7. https://doi.org/10.2196/jmir.9.2.e7
Ismail, R., Linder, L. A., MacPherson, C. F., & Woods, N. F. (2015). Feasibility of an iPad application for studying menopause-related symptom clusters and women’s heuristics.
Informatics for Health and Social Care, 1–20.
https://doi.org/10.3109/17538157.2015.1008489
Jack, G., Riach, K., Bariola, E., Pitts, M., Schapper, J., & Sarrel, P. (2016). Menopause in the workplace: What employers should be doing. Maturitas, 85, 88–95.
https://doi.org/10.1016/j.maturitas.2015.12.006
Kalarhoudi, M. A., Taebi, M., Sadat, Z., & Saberi, F. (2011). Assessment of Quality of Life in menopausal periods: A population study in Kashan, Iran. Iranian Red Crescent
Medical Journal, 13(11), 811–817.
Kari, T., Koivunen, S., Frank, L., Makkonen, M., & Moilanen, P. (2016). Critical experiences during the implementation of a self-tracking technology. PACIS 2016 Proceedings, 129.
Kariman, N., Taebi, M., Abdolahian, S., Ozgoli, G., & Ebadi, A. (2018). Strategies to improve menopausal quality of life: A systematic review. Journal of Education and Health Promotion, 7(1), 93. https://doi.org/10.4103/jehp.jehp_137_17
Kolla, B. P., Mansukhani, S., & Mansukhani, M. P. (2016). Consumer sleep tracking devices:
a review of mechanisms, validity and utility. Expert Review of Medical Devices, 13(5), 497–506. https://doi.org/10.1586/17434440.2016.1171708
Kontos, E., Blake, K. D., Chou, W.-Y. S., & Prestin, A. (2014). Predictors of eHealth usage:
insights on the digital divide from the health information national trends survey 2012.
Journal of Medical Internet Research, 16(7), e172. https://doi.org/10.2196/jmir.3117
Koo, H. S., & Fallon, K. (2017). Preferences in tracking dimensions for wearable technology.
International Journal of Clothing Science and Technology, 29(2), 180–199.
https://doi.org/10.1108/ijcst-03-2016-0021
Lassche, K. (2017). Gezond door de overgang. Voeding Magazine, 30(4), 10–13.
Geraadpleegd van https://www.zuivelengezondheid.nl/wp- content/uploads/2018/01/Voeding-Magazine-4-20107.pdf
Lazar, A., Su, N. M., Bardzell, J., & Bardzell, S. (2019). Parting the red sea. Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems - CHI ’19.
https://doi.org/10.1145/3290605.3300710
Lee, J., & Finkelstein, J. (2015). Consumer Sleep Tracking Devices: A Critical Review . Digital Healthcare Empowering Europeans, 210, 458–460.
Lee, M., Koo, B., Jeong, H., Park, J., Cho, J., & Cho, J. (2015). Understanding women’s needs in menopause for development of mHealth. Proceedings of the 2015 Workshop on Pervasive Wireless Healthcare - MobileHealth ’15.
https://doi.org/10.1145/2757290.2757295
Lim, S., Xue, L., Yen, C. C., Chang, L., Chan, H. C., Tai, B. C., … Choolani, M. (2011). A study on Singaporean women’s acceptance of using mobile phones to seek health information. International Journal of Medical Informatics, 80(12), e189–e202.
https://doi.org/10.1016/j.ijmedinf.2011.08.007
Lupton, D. (2014). Quantified sex: a critical analysis of sexual and reproductive self-tracking using apps. Culture, Health & Sexuality, 17(4), 440–453.
https://doi.org/10.1080/13691058.2014.920528
Lupton, D. (2014). Self-Tracking Modes: Reflexive self-monitoring and data practices. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.2483549
Lupton, D. (2015). Mastering your fertility: The digitised reproductive citizen. Chapter for Negotiating Digital Citizenship: Control, Contest and Culture, edited by Anthony McCosker, Sonja Vivienne and Amelia Johns. New York, Verenigde Staten: Macmillan Publishers.
Lupton, D. (2016). The diverse domains of quantified selves: self-tracking modes and dataveillance. Economy and Society, 45(1), 101–122.
https://doi.org/10.1080/03085147.2016.1143726
Lupton, D., & Maslen, S. (2019). How women use digital technologies for health: Qualitative Interview and focus group study. Journal of Medical Internet Research, 21(1),
e11481. https://doi.org/10.2196/11481
Macias, C., Panch, T., Hicks, Y. M., Scolnick, J. S., Weene, D. L., Öngür, D., & Cohen, B.
M. (2015). Using smartphone apps to promote psychiatric and physical well-being.
Psychiatric Quarterly, 86(4), 505–519. https://doi.org/10.1007/s11126-015-9337-7
Mansikkamäki, K., Raitanen, J., Malila, N., Sarkeala, T., Männistö, S., Fredman, J., … Luoto, R. (2015). Physical activity and menopause-related quality of life – A population- based cross-sectional study. Maturitas, 80(1), 69–74.
https://doi.org/10.1016/j.maturitas.2014.09.009
Manson, J. E., Ames, J. M., Shapiro, M., Gass, M. L. S., Shifren, J. L., Stuenkel, C. A., … Utian, W. H. (2015). Algorithm and mobile app for menopausal symptom
management and hormonal/non-hormonal therapy decision making. Menopause,
Mckillop, M., Voigt, N., Schnall, R., & Elhadad, N. (2016). Exploring Self-Tracking as a Participatory Research Activity Among Women with Endometriosis. Journal of Participatory Medicine, 8–17.
Morgan, H. (2016). ‘Pushed’ self-tracking using digital technologies for chronic health condition management: a critical interpretive synthesis. DIGITAL HEALTH, 2, 205520761667849. https://doi.org/10.1177/2055207616678498
Ottervanger, P., & Smit, W. (2016). Hoe houd je vrouwen gezond en gelukkig aan het werk tijdens de overgang? TBV – Tijdschrift voor Bedrijfs- en Verzekeringsgeneeskunde, 24(2), 59–60. https://doi.org/10.1007/s12498-016-0023-y
Peake, J. M., Kerr, G., & Sullivan, J. P. (2018). A critical review of consumer wearables, mobile applications, and equipment for providing biofeedback, monitoring stress, and sleep in physically active populations. Frontiers in Physiology, 9.
https://doi.org/10.3389/fphys.2018.00743
Reyes, J., Washio, Y., Stringer, M., & Teitelman, A. M. (2018). Usability and acceptability of everhealthier women, a mobile application to enhance informed health choices.
Journal of Obstetric, Gynecologic & Neonatal Nursing, 47(6), 853–861.
https://doi.org/10.1016/j.jogn.2018.04.139
Rice, R. E. (2006). Influences, usage, and outcomes of Internet health information searching:
Multivariate results from the Pew surveys. International Journal of Medical Informatics, 75(1), 8–28. https://doi.org/10.1016/j.ijmedinf.2005.07.032
RUG. (2020, 12 maart). Mindfulness verbetert kwaliteit van leven na eierstokverwijdering.
Geraadpleegd van https://www.rug.nl/news/2019/01/mindfulness-verbetert-kwaliteit- van-leven-na-eierstokverwijdering
Sanders, R. (2016). Self-tracking in the digital era. Body & Society, 23(1), 36–63.
https://doi.org/10.1177/1357034x16660366
Senette, C., Buzzi, M. C., Paratore, M. T., & Trujillo, A. (2018). Persuasive design of a mobile coaching app to encourage a healthy lifestyle during menopause. Proceedings of the 17th International Conference on Mobile and Ubiquitous Multimedia - MUM 2018. https://doi.org/10.1145/3282894.3282899
Sharon, T. (2016). Solidariteit in een tijdperk van mobiele en gepersonaliseerde gezondheid.
Lessen van de Quantified Self. Tijdschrift voor Gezondheidszorg en Ethiek, 26(3), 66–
71.
Simon, J. A., Davis, S. R., Althof, S. E., Chedraui, P., Clayton, A. H., Kingsberg, S. A., … Wolfman, W. (2018). Sexual well-being after menopause: An international menopause society white paper. Climacteric, 21(5), 415–427.
https://doi.org/10.1080/13697137.2018.1482647
Skrzypulec, V., Dąbrowska, J., & Drosdzol, A. (2010). The influence of physical activity level on climacteric symptoms in menopausal women. Climacteric, 13(4), 355–361.
https://doi.org/10.3109/13697131003597019
Starling, M. S., Kandel, Z., Haile, L., & Simmons, R. G. (2018). User profile and preferences in fertility apps for preventing pregnancy: an exploratory pilot study. mHealth, 4, 21.
https://doi.org/10.21037/mhealth.2018.06.02
Swan, M. (2013). The Quantified Self: Fundamental disruption in big data science and biological discovery. Big Data, 1(2), 85–99. https://doi.org/10.1089/big.2012.0002
