Die Wirkung digitaler kognitiver Verhaltenstherapie bei Schlaflosigkeit auf die körperliche Aktivität bei Fibromyalgie (PainLESS-2)

HINTERGRUND UND BEGRÜNDUNG Schmerz und Schlaf haben eine komplexe bidirektionale Beziehung.
In Labor- und klinischen Umgebungen zeigt Schmerz zirkadiane Rhythmizität und Sensitivität gegenüber Schlafentzug.
Schlechter Schlaf verschlimmert Schmerzen, und zunehmende Schmerzen verschlechtern Schlafstörungen, wodurch ein potenziell sich selbst verstärkender Kreislauf entsteht, der zur Entstehung und Aufrechterhaltung chronischer Schmerzen beitragen kann.
Allerdings bleiben die Mechanismen, durch die Schlafentzug Schmerzen verstärkt, unklar, insbesondere im Kontext von Fibromyalgie.

Ein vorgeschlagener Mechanismus beinhaltet Kinesiophobie (Bewegungsangst), die zentral für das Fear-Avoidance-Modell chronischer Schmerzen ist.
Dieses Modell schlägt vor, dass übermäßige Bewegungsangst, aufgrund der Erwartung, dass Bewegung Schmerzen verursacht, Menschen davon abhält, an nützlichen körperlichen Aktivitäten teilzunehmen.
Diese Vermeidung führt zu körperlicher Dekonditionierung, die Schmerzen weiter verstärkt, indem sie die Aktivierung endogener absteigender Schmerzkontrollmechanismen reduziert.
Das Verständnis des mechanistischen Zusammenhangs zwischen Schlaf, Schmerz und körperlicher Aktivität ist besonders wichtig bei Fibromyalgie, einer schwächenden chronischen Schmerzerkrankung, die durch weit verbreitete Schmerzen, schlechten Schlaf, Müdigkeit und reduzierte Motivation gekennzeichnet ist.

Polysomnographie-Studien bei Fibromyalgie haben spezifische EEG-Korrelate von Schlaffragmentierung gezeigt, einschließlich Alpha-Intrusion in den Slow-Wave-Schlaf, was nicht-erholsamen Schlaf widerspiegeln könnte.
Beobachtungs- und Laborstudien haben Verhaltensänderungen gezeigt, die mit Kinesiophobie in dieser Population übereinstimmen.
Frühere Forschung unserer Gruppe hat ergeben, dass 73% der Fibromyalgie-Patienten die Kriterien für klinische Insomnie erfüllen, mit starken Korrelationen zwischen Schlafstörung und Schmerzschwere (R=0,44; P<0,001), Bewegungsangst (R=0,38; P<0,001) und Lebensqualitätsmaßen (R=0,51; P<0,001).
Zusätzlich haben Patient*innenpartner*innen explizit schlechten Schlaf als Hindernis für die Teilnahme an körperlicher Rehabilitation und regelmäßiger Bewegung identifiziert, die beide Hauptpfeiler der Fibromyalgie-Behandlung sind.

BEGRÜNDUNG FÜR DIGITALE CBT-I Aktuelle systematische Übersichten deuten darauf hin, dass kognitive Verhaltenstherapie bei Insomnie (CBT-I) mit signifikanten Verbesserungen der selbstberichteten Schlafqualität, Schmerzen und Depression in chronischen Schmerzpopulationen assoziiert ist.
Allerdings hat bestehende Forschung wichtige Einschränkungen: (1) Sie hat sich nicht auf physiologische Maße von Schlaf und Aktivität konzentriert, (2) quantitative Maße von motorischer Leistung und Schmerz wurden nicht bewertet, (3) die Mechanismen, durch die CBT-I Schmerz und körperliche Aktivität beeinflusst, bleiben unbekannt, und (4) die meisten Studien haben persönliche CBT-I verwendet, die variable Durchführung und begrenzte Zugänglichkeit hat.

Digitale CBT-I (dCBT-I) adressiert diese Einschränkungen.
Sie beseitigt die Variabilität zwischen Therapeut*innen, gewährleistet konsistente Behandlungsdurchführung und überwindet Zugangsbarrieren wie Therapeut*innenmangel, lange Wartelisten und Reiseschwierigkeiten.
Sleepio, das in dieser Studie verwendete dCBT-I-Programm, hat Wirksamkeit für Schlafstörungen und kognitive Symptome bei Insomnie demonstriert und ist NICE-akkreditiert.

STUDIENDESIGN UND INTERVENTION Dies ist eine randomisierte kontrollierte Studie (RCT), die die Wirksamkeit von dCBT-I bei der Verbesserung der fibromyalgiebezogenen Lebensqualität, Schmerzen, Schlafphysiologie und körperlichen Aktivität evaluiert.
Die Studie zielt darauf ab, die Mechanismen zu verstehen, durch die Schlaf Schmerz und Bewegung bei Fibromyalgie beeinflusst.
Teilnehmer*innen werden nach einer 4-wöchigen Run-in-Periode 1:1 entweder Sleepio oder Standardversorgung zugewiesen.

Interventionsgruppe: Teilnehmer*innen erhalten Zugang zu Sleepio, das 6 Sitzungen automatisierter CBT-I über 10 Wochen liefert (etwa 20 Minuten pro Sitzung).
Das Programm verfügt über einen animierten virtuellen Professor und beinhaltet evidenzbasierte kognitive und verhaltensbezogene Interventionen, Schlafhygiene-Aufklärung, Zeit-im-Bett-Restriktion und Entspannungsübungen.
Teilnehmer*innen haben auch Zugang zu einem täglichen Online-Schlaftagebuch, einer Online-Community und einer Ressourcenbibliothek.
Das Programm kann über Webbrowser oder Smartphone-App nach Belieben der Teilnehmer*innen genutzt werden.
Zur Unterstützung der Adhärenz werden Text-Erinnerungen über REDCap gesendet, und Teilnehmer*innen werden von einem Studienmitarbeiter*in per Telefon oder Videoanruf nach 1, 3 und 6 Wochen kontaktiert.

Kontrollgruppe: Teilnehmer*innen erhalten Standard-NHS-Versorgung plus schriftliche Materialien von Versus Arthritis, die evidenzbasierte Ratschläge zur Schlafhygiene bieten.
Zur Standardisierung der Versorgung erhält auch die Interventionsgruppe Zugang zu denselben Schlafhygiene-Materialien.

NEUE BEWERTUNGSMETHODIK Das Verständnis, wie Schlaf Schmerz und Bewegung beeinflusst, erfordert einen multimodalen Messansatz.
Diese Studie verwendet eine umfassende Bewertungsbatterie, die subjektive Berichte mit objektiven physiologischen und verhaltensbezogenen Maßen kombiniert.

Schlafbewertung Heim-Schlaf-EEG: Physiologischer Schlaf wird mit einem selbst angewendeten Einzelkanal-EEG-Gerät (SOMNOmedics Home Sleep Test HST-REM-System) gemessen, gekoppelt mit Elektrookulographie (EOG), Elektromyographie (EMG) und Sensoren für Umgebungslicht, Aktivität, Körperposition und Schnarchdetektion.
Aufnahmen werden mindestens 4 Tage vor Randomisierung und nach der Behandlung nach 3 Monaten gesammelt.
Dies ermöglicht die Bewertung von Schlafregularität, Schlafkontinuität (Schlafonset-Latenz, Wachzeit nach Schlafbeginn, Schlaferholsamkeit, Gesamtschlafzeit) und Schlafarchitektur (Arousal-Indizes, Zeit in Schlafstadien).

Aktigraphie: Teilnehmer*innen tragen ein forschungsgradiges Aktigraphiegerät (CamnTech MotionWatch 8) kontinuierlich für 7 Tage, um Ruhe-/Aktivitätsmuster, allgemeine körperliche Aktivitätsniveaus und Schlaf-/Wachmuster in der häuslichen Umgebung zu messen.

Unter-Matratzen-Sensor: Der Withings Sleep Analyzer wird für die Dauer der Interventionsperiode unter den Heimmatratzen der Teilnehmer*innen platziert, um kontinuierlich Bewegung, Herzfrequenz, Atemfrequenz, Körperposition und Schnarchen zu messen, was zusätzliche Daten zu Schlaftiming und geschätzten Schlafstadien liefert.

Schmerzbewertung Quantitative Sensorische Testung (QST): Schmerzempfindlichkeit wird mit einem standardisierten QST-Protokoll bewertet, das von Rolke und der Deutschen Forschungsgruppe für neuropathische Schmerzen entwickelt wurde.
Die Testung misst Hautempfindlichkeit gegenüber thermischen, Berührungs- und Vibrationsreizen.
Bewertungen werden über hauptsächlich von Fibromyalgie betroffenen Bereichen sowie Kontrollbereichen, die nicht direkt beteiligt sind, durchgeführt.
Schlüsselparameter umfassen mechanische Schmerzschwelle, Wind-up-Ratio und Druckschmerzschwellen.
Dies liefert objektive, quantifizierbare Maße der Schmerzverarbeitung und zentralen Sensibilisierung.

Elektrische Schmerzreize: Kurze, leicht schmerzhafte elektrische Reize werden während der Virtual-Reality-Aufgabe mit einem Digitimer DS7A Konstantstromstimulator abgegeben.
Schmerzintensität wird vor Aufgaben individuell kalibriert, unter Verwendung eines standardisierten Treppenverfahrens, wobei die Schmerzschwelle der Teilnehmer*innen identifiziert und die Reizintensität eingestellt wird, um ein mäßig schmerzhaftes Gefühl zu erreichen (6/10 auf einer Likert-Skala).

Bewegungsbewertung

Die Studie wird drei komplementäre Ansätze zur Bewertung von Bewegungsverhalten einsetzen, die eine neuartige multimodale Evaluation von Kinesiophobie und körperlicher Funktion darstellen:

1. Virtual-Reality (VR)-Aufgabe: Diese laborbasierte Bewertung misst Kinesiophobie während ökologisch realistischen Verhaltens.
   Teilnehmer*innen verwenden ein HTC Vive Headset, um in einem virtuellen Dschungel nach auf dem Boden verstreuten Früchten zu suchen.
   Früchte gewinnen Spielpunkte, aber einige (durch Farbe unterscheidbar) sind "stachelig" und lösen einen kurzen elektrischen Reiz aus, wenn sie gehandhabt werden.
   Die VR-Umgebung ermöglicht präzise Messung von Bewegungsmustern während motivierten Verhaltens auf Weisen, die mit konventionellen Computeraufgaben nicht möglich sind.

   Computergestützte Dekonstruktion von Verhalten durch statistische Modellanpassung liefert zusammenfassende Parameter einschließlich: horizontale Bewegungstendenz und vertikale Bewegungstendenz (die primären Maße von Kinesiophobie), motivationale Vigor (ein Maß für Müdigkeit), Belohnungssensitivität (bezogen auf Stimmung) und Schmerzsensitivität (bezogen auf Angst).
   Dieses Paradigma wurde mit Patient*innenpartner*innen co-designt, und Pilotdaten, validiert mit einem experimentellen tonischen Schmerzmodell, demonstrierten substanzielle Reduktionen in horizontaler und vertikaler Bewegung, korreliert mit Schmerzintensität.

2. Quantitative Bewegungstestung (QMT): Videoaufnahmen erfassen Teilnehmer*innen, die drei standardisierte physiotherapieartige Bewegungen (Marschieren auf der Stelle, Mini-Kniebeugen und Vorbeugen) mit einer Smartphone- oder Tablet-Kamera durchführen.
   Motion-Capture-Analyse verwendet universitätseigene Software basierend auf Detectron2, die ein vortrainiertes dilatiertes temporales konvolutionales neuronales Netzwerk (VideoPose3D) für Posenextraktion nutzt.
   Dieser Ansatz erfasst langfristige temporale Informationen mit höherer Genauigkeit, Einfachheit und Effizienz im Vergleich zu traditionellen rekurrenten neuronalen Netzwerkmodellen.

   Das System extrahiert 2D/3D Skelettposen und berechnet Bewegungsmetriken wie Gelenkwinkel unter Verwendung linearer Algebraoperationen, angewendet auf gefilterte 3D-Posendaten.
   Dies liefert quantifizierbare Maße von körperlicher Fähigkeit und schmerzbezogenen Veränderungen in der Bewegung.
   Drei Wiederholungen jeder Bewegung werden aufgezeichnet, um Konsistenz und Variabilität zu bewerten.
   Die originalen Videos werden nicht gespeichert; nur die computergenerierten Skelettkoordinaten-Zeitreihen werden behalten.

3. Aktigraphie-basierte körperliche Aktivität: Heim-basierte Aktivitätsüberwachung liefert naturalistische Daten zu allgemeinen körperlichen Aktivitätsniveaus, Aktivitätsmustern über den Tag und sitzendem Verhalten in der üblichen Umgebung der Teilnehmer*innen.

STUDIENBEWERTUNGEN UND ZEITPLAN Teilnehmer*innen werden für etwa 6 Monate (29 Wochen) mit Bewertungen zu Baseline (vor Randomisierung), 3 Monaten und 6 Monaten nachverfolgt.
Die Baseline- und 3-Monats-Besuche beinhalten persönliche Bewertungen (etwa 2 Stunden jeweils) bestehend aus Fragebögen, QST, VR-Aufgaben und motorischer Evaluation, zusammen mit heimbasierter Schlafüberwachung und Aktigraphie.
Die 6-Monats-Bewertung besteht nur aus Online-Fragebögen (etwa 30 Minuten).
Fragebögen werden online über REDCap ausgefüllt.

Die 4-wöchige Run-in-Periode vor Randomisierung ermöglicht Baseline-Datenerfassung und stellt sicher, dass Teilnehmer*innen die Studienkriterien erfüllen.
Für die Interventionsgruppe beginnt das 10-wöchige Sleepio-Programm nach Randomisierung, wobei die 3-Monats-Bewertung zeitlich so gelegt ist, um unmittelbare Post-Interventionseffekte zu erfassen.

VERBLINDUNG Forscher*innen, die physiologische Daten (Schlaf-EEG, Aktigraphie) analysieren und statistische Analysen durchführen, bleiben bezüglich der Behandlungszuweisung verblindet.
Während Teilnehmer*innen und Studienkoordinator*innen aufgrund der Natur der Intervention nicht bezüglich der Behandlungszuweisung verblindet werden können, werden Anstrengungen unternommen, um Bias durch Verwendung objektiver Ergebnisparameter und verblindeter Datenanalyse zu minimieren.

KLINISCHER KONTEXT Diese Studie ist in die routinemäßige klinische Versorgung für Fibromyalgie-Patient*innen bei Oxford University Hospitals NHS Trust, Oxford Health NHS Foundation Trust und Connect Health eingebettet.
Teilnehmer*innen stehen typischerweise etwa 6 Monate Wartezeit von der Diagnose bis zum Erhalt standardmäßiger NHS-Schmerzrehabilitation-Behandlung gegenüber.
Während dieser Wartezeit können sie sich entscheiden, an dieser Forschungsstudie teilzunehmen.
Das Studiendesign nutzt somit eine bestehende klinische Lücke, um eine potenziell nützliche Intervention zu evaluieren, während Verzögerungen in der Standardversorgung minimiert werden.

WISSENSCHAFTLICHE INNOVATION

Diese Studie repräsentiert mehrere wichtige Innovationen in der chronischen Schmerz- und Schlafforschung:

1. Umfassende mechanistische Evaluation: Im Gegensatz zu früheren Studien kombiniert dieser Versuch physiologische Schlafmaße (EEG), objektive Schmerzbewertung (QST) und multiple Modalitäten der Bewegungsmessung (VR, Motion Capture, Aktigraphie), um zu verstehen, wie Schlafinterventionen Schmerz und körperliche Funktion beeinflussen.
2. Neue verhaltensbezogene Bewertungswerkzeuge: Das VR-Paradigma und das Motion-Capture-System liefern ökologisch valide, präzise und quantifizierbare Maße von Kinesiophobie und Bewegung, die bisher nicht in CBT-I-Studien für chronische Schmerzen verwendet wurden.
3. Konsistenz digitaler Intervention: Die Verwendung von dCBT-I eliminiert Therapeut*innenvariabilität und ermöglicht detaillierte Überwachung von Behandlungsteilnahme und Adhärenz, was ein besseres Verständnis von Dosis-Wirkungs-Beziehungen erleichtert.
4. Translationaler Ansatz: Die Integration von Grundlagenwissenschaftskonzepten (maladaptives Lernen) mit klinischer Interventionstestung bietet potenzielle Einblicke in Mechanismen, die chronischen Schmerz und Behandlungsantwort zugrunde liegen.
5. Patient*innenzentriertes Design: Die VR-Aufgabe und das Motion-Capture-System wurden mit Fibromyalgie-Patient*innen co-designt, was klinische Relevanz und Akzeptanz sicherstellt.

POTENZIELLE AUSWIRKUNG Wenn sich dCBT-I als wirksam bei der Verbesserung der Lebensqualität und anderer Outcomes bei Fibromyalgie erweist, könnte es eine leicht zugängliche, skalierbare Intervention bieten, die schnell in der klinischen Praxis implementiert werden könnte, da Sleepio bereits NICE-akkreditiert ist.
Das Verständnis der Mechanismen, durch die Schlaf Schmerz und Bewegung beeinflusst, könnte die Entwicklung verbesserter Interventionen und die Identifikation von Patient*innen, die am wahrscheinlichsten von schlaffokussierten Behandlungen profitieren, informieren.
Die in dieser Studie entwickelten und validierten neuen Bewertungswerkzeuge könnten auf andere chronische Schmerzpopulationen und Interventionsstudien angewendet werden.