Smartphone-gestützte Erkennung der nächtlichen Hustenfrequenz und Schlafqualität als prognostischer Marker für die Asthmakontrolle

Asthma, eine chronische Atemwegserkrankung, gehört zu den am weitesten verbreiteten chronischen Erkrankungen. In der Schweiz leiden 7-15% aller Kinder und 6-7% aller Erwachsenen darunter. Häufige Symptome sind Atemnot, Husten und Keuchen. Die Symptome verschlimmern sich oft nachts und verursachen oft Erwachen. Husten ist ein besonders wichtiges Symptom bei Asthma, da es die Schwere des Asthmas vorhersagt, eine schlechtere Prognose anzeigt und als störendes Symptom wahrgenommen wird. Darüber hinaus ist Asthma die Hauptursache für chronischen Husten, der für 24-29 % der Fälle verantwortlich ist.

Allerdings ist wenig über den Nutzen des Husten-Trackings für Selbstüberwachungszwecke bei Asthmatikern bekannt. Eine erste Querschnittsstudie hat gezeigt, dass die Hustenfrequenz sowohl tagsüber als auch nachts ein gültiger Marker für die Asthmakontrolle sein könnte, was sie zu einem potenziell nützlichen Parameter für die Selbstüberwachung macht. Aufgrund der beträchtlichen Varianz der Hustenraten innerhalb jeder Kategorie der Asthmakontrolle (d. h. unkontrolliertes, teilweise kontrolliertes und kontrolliertes Asthma), ist die statistisch signifikante Beziehung zwischen Hustenfrequenz und Asthmakontrolle möglicherweise nicht klinisch bedeutsam. Darüber hinaus bleibt aufgrund des Querschnittsdesigns bestehender Studien unklar, ob die Hustenrate einen prognostischen Wert für die Vorhersage der zukünftigen Asthmakontrolle haben könnte.

Daher ist der Zweck dieser Studie, den Wert, den die Hustenfrequenz für das Asthma-Selbstmanagement bieten könnte, genauer zu untersuchen. In dieser Studie wird aus technischen Gründen der Fokus speziell auf die nächtliche Hustenfrequenz gelegt. Im Allgemeinen ist der Plan dieser Studie wie folgt: Mit einem Längsschnitt-Studiendesign ist es möglich zu untersuchen, inwieweit Trends in den nächtlichen Hustenraten bedeutende Auswirkungen auf die zukünftige Asthmakontrolle und Asthma-Exazerbationen von Patienten haben könnten. Um jedoch den Vorhersagewert von Trends in der nächtlichen Hustenrate zu analysieren, muss das Symptom über mehrere Nächte bestehen bleiben. Es liegen keine Untersuchungen zur Prävalenz von nächtlichem Husten bei Asthmatikern über mehrere Nächte vor. Daher wird in der ersten Phase unserer Studie die Inzidenz des nächtlichen Hustens bei Asthmatikern über einen Monat beschrieben und visualisiert. Darüber hinaus wird das Ziel sein, Trends bei nächtlichen Hustenraten zu identifizieren und zu modellieren.

Das Messen von Husten ist sehr zeitaufwändig. Derzeit sind keine Hustenfrequenzmonitore verfügbar, die Hustenfrequenzen vollautomatisch und unauffällig messen. Folglich gilt die manuelle Kennzeichnung von Husten anhand von Video- oder Tonaufnahmen nach wie vor als Goldstandard für die Messung der Hustenrate durch medizinische Richtlinien. Dennoch wurde in einer Proof-of-Concept-Studie ein maschineller Lernalgorithmus erfolgreich entwickelt, um Husten automatisch zu erkennen. Obwohl nur sehr begrenzte Daten für die Algorithmusentwicklung verwendet wurden (80 Husten von 5 gesunden Probanden), erreichte die Genauigkeit 83 %. Allerdings wurden die Daten in einer Laborumgebung erhoben, was die Verallgemeinerbarkeit der Ergebnisse und damit die Anwendbarkeit in der Praxis einschränkt. Ziel ist es daher, einen maschinellen Lernalgorithmus zu entwickeln, der auch im Feld robuste Ergebnisse liefern kann. Diese Studie konzentriert sich aufgrund des begrenzten Störgeräuschs auf Husten während der Nacht, was die manuelle Kennzeichnung erheblich erleichtert und eine zuverlässigere Erkennungsrate des maschinellen Lernalgorithmus ermöglicht. Es ist wichtig darauf hinzuweisen, dass die oben beschriebene Analyse der nächtlichen Hustenprävalenz nicht auf einem von einem Algorithmus erkannten Husten basiert, sondern auf den manuell markierten Husten in der Audiospur, die während der Nacht von einem Studien-Smartphone aufgezeichnet wird, das zur Verfügung gestellt wird Fächer für den Studiengang.

Neben der Entwicklung eines maschinellen Lernalgorithmus zur Hustenerkennung werden Daten für einen Algorithmus zur Bewertung der Schlafqualität des Patienten gesammelt. Dazu wird die Schlafqualität anhand von Daten der Sensoren des Smartphones vorhergesagt.

Nach Abschluss des ersten Studienabschnitts wird die Prävalenz des nächtlichen Hustens in der Studie entscheiden, ob weitere Analysen der erhobenen Daten erforderlich sind und damit den zweiten Studienabschnitt einleiten. Wenn nächtlicher Husten nicht häufiger auftritt, als dies allein durch Zufall erklärt werden könnte, wird keine zusätzliche Analyse durchgeführt, die den Abschluss der ersten Phase und das Ende des Projekts impliziert. Bei ausreichender Prävalenz von nächtlichem Husten im ersten Stadium (d.h. nächtliche Hustenprävalenz weicht mit statistischer Signifikanz von Null ab); Die zweite Phase der Studie konzentriert sich auf den Wert des nächtlichen Hustens als prognostischen Marker für die Asthmakontrolle. Die beträchtliche Varianz innerhalb der Kategorien der Asthmakontrolle, die in gezeigt wird, legt nahe, dass die Beziehung zwischen der nächtlichen Hustenrate und der Asthmakontrolle durch andere Variablen moderiert werden könnte. Frühere Untersuchungen haben gezeigt, dass Schlafqualität mit Asthmakontrolle und Lebensqualität zusammenhängt: Auch wenn Begleiterkrankungen (z. gastroösophageale Refluxkrankheit und obstruktive Schlafapnoe), ist eine schlechtere Schlafqualität mit einer schlechteren Asthmakontrolle und Lebensqualität verbunden. Ein Grund für den Zusammenhang zwischen Schlafqualität und Asthmakontrolle könnte sein, dass nächtliche Asthmasymptome häufig zu Erwachen führen. Unter Berücksichtigung der Bedeutung der Schlafqualität für die Asthmakontrolle wird der (prädiktive) Wert der nächtlichen Hustenrate und ihr Einfluss auf die Schlafqualität untersucht.

Zusammenfassend wird die folgende asthmabezogene Forschungsfrage in jeder Phase dieser Studie untersucht: (1) Wie hoch ist die Prävalenz von nächtlichem Husten bei Asthmatikern im Laufe eines Monats? (2) Ist nächtlicher Husten unter Berücksichtigung der Schlafqualität ein gültiger prognostischer Marker für die Asthmakontrolle? Darüber hinaus adressiert die Studie zwei technische Ziele: Sammeln von Daten zur Entwicklung von zwei maschinellen Lernalgorithmen, die in der Lage sind, nächtlichen Husten und die Schlafqualität vollautomatisch mithilfe eines Smartphones unter realen Bedingungen zu erkennen.

Die Beantwortung dieser Forschungsfragen führt zu mehreren Beiträgen: In Bezug auf Asthma-bezogene Fragen besteht die Hoffnung darin, einen Kontext zum Symptom des nächtlichen Hustens bereitzustellen, um die Interpretierbarkeit der Hustenraten zu verbessern und die Ergebnisse erfolgreich zu replizieren und zu erweitern unterstützen die Validität von nächtlichem Husten als (prognostischen) Marker für die Asthmakontrolle. Hinsichtlich der technischen Ziele soll der Machbarkeitsnachweis erbracht werden, dass Smartphones geeignete Geräte sind, um unter realen Bedingungen automatisiert Asthmasymptome zu erfassen.

Die erwarteten Ergebnisse könnten eine neue therapeutische Option ermöglichen, nämlich die vollautomatische Fernüberwachung von Asthmatikern. Unter Verwendung des Smartphones eines Patienten wäre ein unauffälliges Frühwarnsystem für Asthmaverschlechterungen/-exazerbationen vorstellbar. Ein solches System könnte die Belastung durch Asthma sowohl für den einzelnen Patienten verringern (z. B. höhere Lebensqualität und Asthmakontrolle durch Identifizierung von Zeitfenstern, in denen Patienten ihre Medikation gemäß ihrem Asthma-Aktionsplan ändern können, um eine Verschlechterung und Exazerbation des Asthmas zu verhindern) als auch sowie das Gesundheitssystem (z. Kosteneinsparungen durch weniger Krankenhausaufenthalte und Notaufnahmen). In Anbetracht der weit verbreiteten Verfügbarkeit von Smartphones könnte eine solche neuartige Therapieoption ein groß angelegtes und kosteneffizientes Asthma-Telemonitoring ermöglichen. Frühere Forschungen haben die Notwendigkeit einer solchen neuartigen therapeutischen Option aufgezeigt: Die Mehrheit der Asthmatiker leidet an unkontrolliertem Asthma. Die Hälfte der Asthmatiker kann die Schwere ihrer Symptome nicht richtig einschätzen und würde daher von einem Frühwarnsystem profitieren. Darüber hinaus scheinen automatisierte Systeme im Vergleich zu herkömmlichen Interventionen ein höheres langfristiges Engagement zu haben, was sie besonders für Frühwarnsysteme bei chronischen Krankheiten geeignet macht. Darüber hinaus könnte die Fernüberwachung der Symptome den Ärzten zwischen den Arztbesuchen wertvolle Erkenntnisse über die Asthmasymptome eines Patienten liefern. Zusammenfassend kann ein automatisiertes Frühwarnsystem Patienten helfen, eine Verschlechterung des Asthmas früher zu registrieren und ihre Ärzte rechtzeitig zu informieren, damit gesundheitliche Folgen verhindert werden können.

Die geplante Studie fällt in die Risikokategorie der gesundheitsbezogenen Personendatenerhebung mit nur minimalem Risiko und Aufwand. Es handelt sich um eine prospektive Beobachtungsstudie, es wird keine Intervention durchgeführt. Es ist, wenn überhaupt, nur mit geringen und vorübergehenden Auswirkungen auf die Gesundheit des Teilnehmers zu rechnen.

Während der gesamten Studie werden die Asthmasymptome eines Patienten unauffällig mit dem Smartphone überwacht; Somit sind minimale Risiken und Belastungen gewährleistet. Zwischen den beiden Doktorandenvisiten zu Beginn und am Ende der Studie werden alle Kontrollfragen und Fragebögen über Smartphones verwaltet, die wir für diese Studie zur Verfügung stellen. Somit sollte die Belastung für Patienten minimal sein, da ihr Tagesablauf nicht gestört wird.

Bei den beiden Doktorvisiten wird kein invasiver Eingriff durchgeführt. Die medizinische Untersuchung folgt dem Standardprotokoll für Asthma. Darüber hinaus werden den Patienten etwaige Unannehmlichkeiten während der Studie erstattet.