Risikobewertung vor und nach neuromuskuloskelettalen Verletzungen zur Verbesserung der Rückkehr in den Dienst (PREPARE)

Nicht kampfbedingte Muskel-Skelett-Verletzungen (MSKI) sind die häufigste Ursache für Morbidität und Behinderung beim US-Militär und beeinträchtigen die Kampfbereitschaft mehr als jede andere einzelne Krankheit oder jeder andere Gesundheitszustand. Das MSKI-Problem ist schwer anzugehen, zum Teil weil es schwierig ist, alle Faktoren, die das MSKI-Risiko erhöhen, und die Faktoren, die die Post-MSKI-Ergebnisse beeinflussen, umfassend zu bewerten. Eine wertebasierte Pflege muss über die notwendige Infrastruktur verfügen, um umsetzbare Informationen zu erfassen und zu verarbeiten und dann relevante Änderungen umsetzen (z. B. lernendes Gesundheitssystem). Es gibt jedoch keine umfassenden Empfehlungen des Militärischen Gesundheitssystems (MHS) bezüglich der Erhebung und Nutzung objektiver und subjektiver patientenzentrierter Daten zur Information über MSKI-Risikobewertungs- und -minderungsstrategien. PREPARE wird effiziente Prä- und Post-MSKI-Risikobewertungen entwickeln, die objektive und subjektive Maßnahmen umfassen. Das übergeordnete Ziel der Studie besteht darin, umfassende klinische Bewertungen zu entwickeln, die die spezifischen Faktoren der Servicemitglieder identifizieren, die zu MSKI-Risiken und unerwünschten Post-MSKI-Ergebnissen beitragen.

Diese Ziele werden durch die folgenden spezifischen Ziele (SA) erreicht:

Spezifisches Ziel Nr. 1: Bestimmen Sie die Intra-Bewerter-, Inter-Bewerter- und Inter-Day-Zuverlässigkeit der studienbezogenen Messungen innerhalb einer (Pilot-)Kohorte gesunder, aktiver Militärangehöriger.

Hypothese SA#1: Für studienbezogene Messungen wird es eine gute bis ausgezeichnete Intra-, Inter- und Inter-Day-Zuverlässigkeit geben.

Spezifisches Ziel Nr. 2: Bestimmen Sie die physischen und psychosozialen Merkmale von Servicemitgliedern vor dem MSKI, die zwischen Personen unterscheiden, die einen MSKI aufrechterhalten, und solchen, die dies nicht innerhalb eines Jahres nach der Studieneinschreibung tun.

Hypothese SA#2: Ein gemeinsamer Satz praxisrelevanter körperlicher (z. B. Bewegungsbewertungen, Gang, Gelenkbewegungsbereich) und psychosozialer (z. B. National Institutes of Health Patient-Reported Outcomes Measurement Information System [PROMIS], TSK-11) Mithilfe von Bewertungen können die Prä-MSKI-Faktoren identifiziert werden, die zu größeren MSKI-Risiken beitragen.

Spezifisches Ziel Nr. 3: Bestimmen Sie die physischen und psychosozialen Merkmale von Servicemitgliedern mit nicht chirurgisch verwalteten MSKIs nach MSKI, die zwischen Personen unterscheiden, die weiterhin unerwünschte Ergebnisse erzielen, und solchen, bei denen Ergebnisse erwartet wurden.

Hypothese SA#3: Ein gemeinsamer Satz praxistauglicher körperlicher (z. B. Bewegungsbeurteilungen, Gang, Gelenkbewegungsbereich) und psychosozialer (z. B. NIH PROMIS, TSK-11) Beurteilungen kann die Post-MSKI-Faktoren identifizieren, die zu unerwünschten Ereignissen beitragen Patientenergebnisse (z. B. erhöhtes MSKI-Risiko, Symptom-/Zustandschronifizierung, verzögerte Rückkehr zum Dienst/zur Aktivität [RTD/A]).

Spezifisches Ziel Nr. 4: Erstellen optimierter (sparsamer) klinischer Bewertungen vor und nach MSKI zur Identifizierung physischer und psychosozialer Faktoren, die die Informationen liefern, die zur Verbesserung von Risikominderungs- und Rehabilitationsstrategien vor und nach MSKI erforderlich sind.

Hypothese SA#4: Ein gemeinsamer Satz halbautomatischer, vor Ort nützlicher Bewertungen kann so strukturiert werden, dass er die klinische Entscheidungsfindung korrekt beeinflusst und Servicemitglieder und Gesundheitsdienstleister über wahrscheinliche Patientenergebnisse informiert (z. B. MSKI-Risiko, Zeit bis RTD/A).

Spezifisches Ziel Nr. 5: Validierung der optimierten Versionen unserer Prä- und Post-MSKI-Bewertungen durch Demonstration ihrer Fähigkeit, MSKI-Risiken und -Ergebnisse in neuen Kohorten von Service-Mitgliedern vorherzusagen.

Hypothese SA#5: Durch die optimierten Bewertungen vor und nach MSKI werden Service-Mitglieder mit dem höchsten Risiko für die Aufrechterhaltung von MSKIs und unerwünschten Post-MSKI-Ergebnissen in der gesamten Service-Mitgliedspopulation genau identifiziert.

Hierbei handelt es sich um eine Beobachtungsstudie an mehreren Standorten, um die physischen und psychosozialen Faktoren vor und nach MSKI zu identifizieren, die zu einem höheren MSKI-Risiko (Spezifisches Ziel Nr. 2) und unerwünschten Post-MSKI-Ergebnissen (Spezifisches Ziel Nr. 3) beitragen, und um den Mindestsatz zu ermitteln von klinischen Bewertungen, die erforderlich sind, um Gesundheitsdienstleistern die Daten zur Verfügung zu stellen, die zur Optimierung der MSKI-Versorgung (spezifisches Ziel Nr. 4) erforderlich sind, und um die optimierten Bewertungen vor und nach MSKI zu validieren, indem ihre Fähigkeiten zur Vorhersage von MSKI-Risiken und -Ergebnissen in neuen Kohorten von Service-Mitgliedern demonstriert werden. Für das spezifische Ziel Nr. 1 dienen 10 gesunde, aktive Militärangehörige als Pilotkohorte für die Teilnahme an der Studie. Diese Personen erledigen alle studienbezogenen Aktivitäten, damit das Studienteam die bestmögliche Zeitschätzung für die Erledigung der studienbezogenen Aktivitäten ermitteln kann. Diese Personen wiederholen die gleichen studienbezogenen Aktivitäten 7–10 Tage nach dem ersten Besuch; Dies wird es dem Studienteam ermöglichen, die Intra-Bewerter-, Inter-Bewerter- und Inter-Day-Zuverlässigkeit der studienbezogenen Messungen zu ermitteln. Für das spezifische Ziel Nr. 2 werden künftig Militärangehörige (n=560), die in eine neue Militäreinheit eintreten, eingeschrieben. Die Teilnehmer werden zum Zeitpunkt der Studieneinschreibung einer umfassenden klinischen Bewertung vor MSKI unterzogen, einschließlich klinischer Bewegungs- und Bewegungsbewertungen sowie Messungen des vom Patienten berichteten Ergebnisses (PRO). MSKI-Daten werden bis zu einem Jahr nach der ersten Bewertung monatlich erfasst. Für das spezifische Ziel Nr. 3 werden prospektiv Militärangehörige (n=780) eingeschrieben, die wegen einer Muskel-Skelett-Verletzung des unteren Rückens oder der unteren Extremität eine konservative Behandlung erhalten. Die Behandlung von MSKIs für Service-Mitglieder liegt im Ermessen der Gesundheitsdienstleister der Service-Mitglieder. Die Teilnehmer werden einer Wiederholung unterzogen (≤ 3 Tage nach Beginn der Physiotherapie [„anfänglich“]; 4 Wochen nach der ersten Beurteilung oder bei RTD/A-Freigabe, falls vor 4 Wochen; und 12 Wochen nach der ersten Beurteilung oder bei RTD/ Eine Freigabe (falls vor 12 Wochen) klinische Bewegungs- und Bewegungsumfangsbeurteilungen. PRO- und MSKI-Daten werden bis zu einem Jahr nach der Erstbewertung monatlich erfasst. Für das spezifische Ziel Nr. 5 sind Militärangehörige, die sich in einer Einheit in Fort Bragg, NC (n=560) befinden, und aktive Militärangehörige, die Physiotherapie für einen MSKI in einem Womack Army Medical Center (WAMC; Ft. Bragg, NC) Physiotherapieklinik (n=780) wird eingeschrieben. Die Teilnehmer absolvieren unsere optimierten Prä- und Post-MSKI-Bewertungen, die im spezifischen Ziel Nr. 4 festgelegt sind. Alle Verfahren und Zeitpunkte sind identisch mit denen, die zuvor für die spezifischen Ziele Nr. 2 und Nr. 3 beschrieben wurden.

Für die spezifischen Ziele Nr. 2 und Nr. 3 absolvieren die Teilnehmer: 1) Bewegungsbewertungen unter Verwendung halbautomatischer kinematischer (markerloses Bewegungserfassungssystem) und kinetischer (instrumentierter Laufweg) Messungen für Sprunglandung, Dreifachsprung, Kniebeugen mit einem Bein und Kniebeugen mit zwei Beinen , und Gang; 2) Bewegungsumfangsmessungen einschließlich Hüftstreckung, Hüftabduktion, Kniebeugung, Kniestreckung und Dorsalflexion; 3) PRO-Maßnahmen, einschließlich NIH PROMIS und Tampa Scale of Kinesiophobia (TSK-11), und 4) MSKI-Tracking.

Um die spezifischen Ziele Nr. 2 und Nr. 4 zu erreichen, wird das Studienteam einen statistischen Ansatz verwenden, um Kandidatenbewertungen für die Vorhersage von MSKIs auszuwählen und zu bewerten. Optimale Bewertungen werden auf der Grundlage der niedrigsten Fehlklassifizierungsraten der MSKI-Vorhersage ermittelt. Bei dieser Analyse wird ein Algorithmus für maschinelles Lernen (hierarchische Clusteranalyse) verwendet, um Gruppen stark korrelierter Antwortvariablen im umfassenden Satz klinischer Bewertungen zu definieren. Das Studienteam beschreibt und vergleicht Variablen, die aus individuellen Bewertungen des Vorhandenseins bzw. Nichtvorhandenseins von MSKI für eine Nachbeobachtungszeit von bis zu einem Jahr gewonnen wurden, unter Verwendung von T-Tests oder einer nichtparametrischen Alternative. Als nächstes wird die hierarchische Clusteranalyse (Ward-Methode) verwendet, um Cluster korrelierter Variablen zu identifizieren, die die Varianz innerhalb des Clusters im Datensatz minimieren. Baumdiagramme und Cluster-Mittelwerte werden verwendet, um Cluster in Bezug auf einzelne Variablen und in der Literatur beschriebene Funktionsbereiche zu interpretieren, einschließlich Leistungs- und allgemeiner Gesundheitsmaße sowie Selbsteinschätzung der Funktion. Sensitivitätsanalysen bewerten die Robustheit der zugewiesenen Gruppierungen gegenüber der Wahl der Clustering-Methode und verwenden alternative Algorithmen zur Berechnung der Ähnlichkeit zwischen Clustern (z. B. Methoden der vollständigen Verknüpfung oder des Gruppendurchschnitts).

Die Ergebnisse der Clusteranalyse werden verwendet, um reduzierte Kandidatenbewertungen aus möglichen Kombinationen der einzelnen Variablen abzuleiten, die durch die identifizierten Cluster gekennzeichnet sind. Die Kandidatenbewertungsvariablen werden als Prädiktoren in binären Klassifizierungsmodellen von MSKI über einen Zeitraum von bis zu einem Jahr ausgewertet. Die Fehlklassifizierungsraten werden als Prozentsatz der Teilnehmer angegeben, bei denen das Ergebnis nach der Schwellenwertermittlung unter Verwendung klinisch relevanter Sensitivitäten und Spezifitäten falsch vorhergesagt wurde. Eine Kreuzvalidierung wird verwendet, um Verzerrungen bei den geschätzten Wahrscheinlichkeiten zu minimieren. Das Studienteam wählt Bewertungen aus, die zusammen die niedrigsten Fehlklassifizierungsraten und kürzesten Abschlusszeiten aufweisen, um die optimale MSKI-Risikobewertung zu erstellen (spezifisches Ziel Nr. 4). Die Fertigstellungszeiten werden auf der Grundlage der beobachteten Zeiten für die Verwaltung jedes einzelnen Artikels geschätzt. Die Analysen werden wiederholt, wobei die Ergebnisse auf die häufigsten einzelnen MSKI-Typen (im Vergleich zu keinem MSKI) beschränkt werden, um qualitative Unterschiede bei optimalen Bewertungen nach Verletzungstyp zu ermitteln.

Um die spezifischen Ziele Nr. 3 und Nr. 4 zu erreichen, wird das Studienteam einen statistischen Ansatz verwenden, um Kandidatenbewertungen für die Vorhersage von MSKI-Ergebnissen auszuwählen und zu bewerten (spezifisches Ziel Nr. 3). Optimale Bewertungen werden auf der Grundlage der niedrigsten Fehlklassifizierungsraten der Ergebnisse und der kürzesten Bewertungszeiten ermittelt. Bei dieser Analyse wird ein Algorithmus für maschinelles Lernen (hierarchische Clusteranalyse) verwendet, um Gruppen stark korrelierter Antwortvariablen im umfassenden Satz klinischer Bewertungen zu definieren. Das Studienteam wird die hierarchische Clusteranalyse (Ward-Methode) verwenden, um Beobachtungscluster zu identifizieren, die die Varianz innerhalb des Clusters beim Basisbesuch minimieren. Baumdiagramme und Cluster-Mittelwerte werden verwendet, um Cluster in Bezug auf einzelne Variablen und in der Literatur beschriebene Funktionsbereiche zu interpretieren. Sensitivitätsanalysen bewerten die Robustheit der zugewiesenen Gruppierungen gegenüber der Wahl der Clustering-Methode und verwenden alternative Algorithmen zur Berechnung der Ähnlichkeit zwischen Clustern (z. B. Methoden der vollständigen Verknüpfung oder des Gruppendurchschnitts). Die Analysen werden innerhalb von Untergruppen des MSKI-Typs wiederholt, um Unterschiede in den identifizierten Clustern zwischen den Verletzungstypen zu ermitteln.

Die Ergebnisse der Clusteranalyse werden verwendet, um reduzierte Kandidatenbewertungen aus möglichen Kombinationen der einzelnen Variablen abzuleiten, die durch die identifizierten Cluster gekennzeichnet sind. Die Kandidatenbewertungsvariablen werden als Prädiktoren in binären Klassifizierungsmodellen (z. B. Logistik- oder Lasso-Regression) für unerwünschte Patientenergebnisse ausgewertet. Die Fehlklassifizierungsraten werden als Prozentsatz der Patienten angegeben, bei denen das Ergebnis nach der Schwellenwertermittlung unter Verwendung klinisch relevanter Sensitivitäten und Spezifitäten falsch vorhergesagt wurde. Eine Kreuzvalidierung wird verwendet, um Verzerrungen bei den geschätzten Wahrscheinlichkeiten zu minimieren. Das Studienteam wählt Beurteilungen aus, die zusammen die niedrigsten Fehlklassifizierungsraten und kürzesten Abschlusszeiten aufweisen, um die optimale Post-MSKI-Bewertung zu erstellen (spezifisches Ziel Nr. 4). Die Fertigstellungszeiten werden auf der Grundlage der beobachteten Zeiten für die Verwaltung jedes einzelnen Artikels geschätzt. Die Analysen werden für Rückenschmerzen im Vergleich zu weniger häufigen MSKI-Typen und für den 12-wöchigen Nachuntersuchungsbesuch wiederholt, um Unterschiede in den optimalen Beurteilungen nach MSKI-Typ und Zeit nach MSKI zu ermitteln. Da primäre Analysen auf Basisbewertungen und Ergebnissen basieren, die durch internetbasierte Fragebögen ermittelt werden, um die Fluktuation zu minimieren, ist keine Imputation fehlender Daten geplant.

Um das spezifische Ziel Nr. 5 zu erreichen, wird das Studienteam die Fähigkeit unserer optimalen Bewertungen (spezifisches Ziel Nr. 4) bewerten, MSKIs und unerwünschte Ergebnisse in Validierungskohorten über einen Zeitraum von sechs Monaten vorherzusagen. Fehlklassifizierungsraten für nicht angepasste und vollständige Modelle werden mithilfe von Receiver Operating Characteristic Curves (ROC) und 95 %-Konfidenzintervallen beschrieben. Die Analysen werden für Rückenschmerzen und MSKIs der unteren Extremitäten getrennt wiederholt, wobei die für diese Verletzungstypen ermittelten optimalen Bewertungen verwendet werden.