Mobil-App-gestützte Heimübungen bei muskuloskelettalen Erkrankungen

Hintergrund: Muskel-Skelett-Erkrankungen sind weltweit eine Hauptursache für Behinderungen. Die Verschreibung von Übungen ist ein Eckpfeiler der Muskel-Skelett-Rehabilitation, und Physiotherapeuten stellen häufig häusliche Übungsprogramme als Teil von Selbstmanagement-Strategien bereit. Dieser Ansatz ist nicht nur eine aktive ergänzende Intervention, sondern auch kosteneffektiv. Laut dem taiwanesischen Nationalen Gesundheitsinterview von 2021 erfüllten jedoch 54 % der Erwachsenen nicht die von der Weltgesundheitsorganisation empfohlenen körperlichen Aktivitätsniveaus – deutlich höher als der globale Durchschnitt von 27 % – was die geringe Adhärenz bei unbeaufsichtigten Übungen unter taiwanesischen Erwachsenen hervorhebt. Mit dem technologischen Fortschritt sind elektronische Gesundheitsinterventionen (e-Health) immer häufiger geworden. Smartphone-Apps können Erinnerungen, Aufzeichnungen und personalisierte Designs bereitstellen, um die Adhärenz und klinischen Ergebnisse zu verbessern. Systematische Übersichtsarbeiten haben jedoch berichtet, dass die meisten kommerziell erhältlichen Apps nur begrenzte Abdeckung von Funktionen zur Verhaltensänderung (BCIFs) bieten und eine strenge wissenschaftliche Validierung fehlt, sodass ihre klinische Wirksamkeit und großflächige Anwendbarkeit ungewiss bleiben. Youdon, eine von Meike Tech in Taiwan entwickelte mobile App, zielt darauf ab, die Zugänglichkeit und Adhärenz zu häuslichen Übungsprogrammen bei taiwanesischen Patienten zu verbessern. Trotz ihrer umfassenden Funktionen zur Verhaltensänderung muss die klinische Wirksamkeit der App durch wissenschaftliche Forschung noch verifiziert werden.

Ziel: Diese Studie zielt darauf ab, die klinische Wirksamkeit eines mobilen App-gestützten häuslichen Übungsprogramms bei Patienten mit Muskel-Skelett-Erkrankungen durch zwei komplementäre Komponenten zu untersuchen:

1. Eine randomisierte kontrollierte Studie (RCT), die Schmerz- und Funktionsergebnisse zwischen App-gestützten und nicht-gestützten häuslichen Übungsprogrammen vergleicht.
2. Eine retrospektive Beobachtungsstudie, die App-Nutzerdaten analysiert, um Echtzeit-Schmerzveränderungen vor und nach der Übung sowie deren zugehörige Faktoren zu bewerten.

Methoden:

Teil I: Eine einfachblinde randomisierte kontrollierte Studie wird 30 Teilnehmer im Alter von 18 Jahren und älter rekrutieren, die Nacken-, Schulter-, Rücken- oder Knieschmerzen aufweisen. Die Teilnehmer werden zufällig entweder einer App-gestützten Gruppe oder einer Kontrollgruppe ohne App-Unterstützung zugewiesen. Beide Gruppen erhalten eine 4-wöchige Intervention, bestehend aus wöchentlichen Physiotherapiesitzungen und täglichen 10-minütigen häuslichen Übungen. Primäre Endpunkte umfassen Schmerzintensität, Patient-Specific Functional Scale (PSFS)-Scores und regionsspezifische Behinderungsindizes; der sekundäre Endpunkt ist die Übungsadhärenz. Messungen werden zu Studienbeginn, in Woche 2 und in Woche 4 durchgeführt. Die Daten werden nach dem Intention-to-treat-Ansatz und mit gemischter ANOVA analysiert, um Zeit- und Gruppeneffekte zu untersuchen (p < 0,05).

Teil II: Eine retrospektive Beobachtungsstudie wird etwa 700.000 anonymisierte Dateneinträge aus der Youdon-Datenbank zwischen dem 1. Juli 2024 und dem 30. August 2025 analysieren. Die Studie wird Echtzeit-Veränderungen der Schmerzen vor und nach jeder Übungseinheit bewerten und beeinflussende Faktoren unter routinemäßigen klinischen Bedingungen identifizieren. Die Daten werden mit linearen gemischten Effektmodellen (LMMs) analysiert, wobei die Teilnehmer-ID als zufälliger Achsenabschnitt festgelegt wird, um die Variabilität innerhalb der Probanden zu berücksichtigen.

Modell 1 (Schmerzverbesserungsmodell): Die abhängige Variable wird die Schmerzänderungspunktzahl sein; Prädiktoren umfassen funktionelle Diagnose, Anzahl der Schmerzstellen, Schmerzpunktzahl vor der Übung und Übungsadhärenz.

Modell 2 (Adhärenzmodell): Die abhängige Variable wird die Übungsadhärenz sein; Prädiktoren umfassen Anzahl der Schmerzstellen, Schmerzen vor der Übung, Anzahl der Übungsverordnungen und wahrgenommene Anstrengung. Beide Modelle werden Alter und Geschlecht als Kovariaten anpassen.