Multiple Sclerosis Falls Insight Track (MS FIT)

Fald forekommer hos >50 % patienter med multipel sklerose (MS), forværrer deltagelse i dagligdagen og øger sundhedsomkostningerne. Til dato er der ingen etablerede, tilgængelige værktøjer til at evaluere og reducere faldrisiko. MS Falls InsightTrack er et levende personligt sundhedsbibliotek, der kombinerer en patients fald-relevante kliniske indikatorer (fra den elektroniske patientjournal, EPJ) med patientgenererede data (PGD) fra kommercielle bærbare værktøjer og patientrapporterede resultater (PRO'er) og fællesskabs- niveau data (sociodemografiske data fra University of California, San Francisco (UCSF) Health Atlas kombineret med MS-specifikke ressourcer fra National MS Society). Værktøjet vil spore fald/næsten fald i realtid og rapportere ændringer i status, der kræver indgriben. Det vil tilbyde skræddersyede handlingsprompter til at støtte faldreduktion gennem en adfærdsorienteret tilgang. Den vil blive tilgået i klinikken og i patientens hjem.

Teknologiske egenskaber. Værktøjet vil være tilgængeligt, udvideligt og skalerbart. Efterforskerne vil bruge moderne teknologier og industristandarder (f.eks. back-end: Python, flask framework, PostgreSQL; front-end: HTML, CSS, JavaScript og d3.js). Værktøjet vil starte fra Epic via SMART på FHIR og vil kommunikere med patienter ved hjælp af MyChart.

Kvalifikationer for team og rammer. UCSF MS Center er et førende klinisk forskningscenter i det digitale rum. Vores sub-leads er eksperter i alle aspekter af undersøgelsen (digital teknologi, menneske-centreret design, implementeringsvidenskab, sundhedskompetence) med en varieret og erfaren interessentrådgivningsgruppe.

Videnskabelig plan. I Mål 1 (design) vil efterforskerne bruge en Human-Centered Design-tilgang, der involverer 20 patienter med MS, klinikere og interessenter i en række fokusgrupper for at identificere de kritiske data, enheder, visualiseringer, ressourcer, arbejdsgange og tilgængelighed/ overvejelser om digitale kløfter for værktøjet og de nøgleinterventioner, der sandsynligvis vil fremme COM-B-modellen for adfærdsændringer for at reducere faldrisiko.

Vores nøgleresultater vil være opfattet effektivitet, brugervenlighed og sympati. I mål 2 (evaluer gennemførligheden) vil efterforskere implementere MS Falls Insight Track i 100 forskellige voksne med MS, som er i risiko for at falde. Deltagerne bærer en Fitbit. Værktøjet vil blive brugt af patienter i deres hjem og af klinikere under kliniske møder. Efterforskerne vil bruge en implementeringsvidenskabelig tilgang. Vores nøgleresultater vil være undersøgelsesfastholdelse, værktøjsoptagelse og vedvarende brug. Efterforskerne vil undersøge indvirkningen på faldrisiko. I Mål 3 (testgeneraliserbarhed) vil efterforskere gennemføre fokusgrupper med patienter med andre tilstande, hvor fald er almindelige (Ortopædi, Parkinsons sygdom, Geriatri) for at forstå yderligere data og designfunktioner, der er nødvendige for at fremme generaliserbarhed. Vores nøgleresultater vil svare til dem i Mål 1.

Innovation og bredere betydning. MS Falls Insight Track er et unikt, omfattende, tilgængeligt personligt sundhedsbibliotek, der kan implementeres i større effektivitetsforsøg til faldreduktion. Ud over denne kliniske use case repræsenterer den lukkede-loop tilgang med at levere PGD til plejesystemet og tilbage til patienten, fortolket og handlingsdygtig, ved hjælp af skalerbar teknologi, en væsentlig innovation, der sekventielt kan udvide antallet af wearables, tilstande og klinikker, hvor patienter og kliniske efterforskere kan stille deres egne spørgsmål om PGD.