Mobilalkalmazás-asszisztált otthoni gyakorlatok mozgásszervi rendellenességekre

Háttér: A mozgásszervi rendellenességek a világon a rokkantság egyik vezető okát jelentik. A gyakorlati előírás a mozgásszervi rehabilitáció sarokköve, és a gyógytornászok gyakran otthoni gyakorlati programokat biztosítanak az önkezelési stratégiák részeként. Ez a megközelítés nemcsak aktív kiegészítő beavatkozás, hanem költséghatékony is. Azonban a 2021-es Tajvani Nemzeti Egészséginterjú-felmérés szerint a felnőttek 54%-a nem érte el a Világgazdasági Szervezet ajánlott fizikai aktivitási szintjét – ami jelentősen magasabb, mint a globális átlagos 27% –, ami kiemeli a felügyelet nélküli gyakorlatok alacsony betartását a tajvani felnőttek körében. A technológia fejlődésével az elektronikus egészségügyi (e-Health) beavatkozások egyre elterjedtebbé váltak. Az okostelefon alkalmazások emlékeztetőket, rögzítést és személyre szabott terveket biztosíthatnak a betartás és a klinikai eredmények javítása érdekében. Ennek ellenére a szisztematikus áttekintések arról számoltak be, hogy a legtöbb kereskedelmi forgalomban kapható alkalmazás korlátozott lefedettséggel rendelkezik a viselkedésváltozási beavatkozási funkciók (BCIF) terén, és hiányzik belőlük a szigorú tudományos igazolás, így klinikai hatékonyságuk és nagyméretű alkalmazhatóságuk bizonytalan. A Youdon, amelyet a Meike Tech fejlesztett Tajvanon, célja a tajvani betegek otthoni gyakorlati programjainak hozzáférhetőségének és betartásának javítása. Annak ellenére, hogy átfogó viselkedésváltozási funkciókkal rendelkezik, az alkalmazás klinikai hatékonyságát még tudományos kutatással kell igazolni.

Cél: Ez a tanulmány célja, hogy két kiegészítő összetevőn keresztül vizsgálja egy mobilalkalmazás által segített otthoni gyakorlati program klinikai hatékonyságát mozgásszervi rendellenességekkel küzdő betegeknél:

1. Egy randomizált kontrollált vizsgálat (RCT), amely összehasonlítja a fájdalmat és funkcionális eredményeket az alkalmazás által segített és nem segített otthoni gyakorlati programok között.
2. Egy retrospektív megfigyelési tanulmány, amely elemezi az alkalmazás felhasználói adatait a gyakorlat előtti és utáni valós idejű fájdalomváltozások és azok kapcsolódó tényezőinek értékelésére.

Módszerek:

I. rész: Egy egyszerű vak randomizált kontrollált vizsgálat 30, 18 éves és annál idősebb résztvevőt fog toborozni, akik nyak-, váll-, derék- vagy térd fájdalommal fordulnak be. A résztvevők véletlenszerűen hozzárendelésre kerülnek vagy egy alkalmazás által segített csoporthoz, vagy egy kontroll csoporthoz alkalmazás támogatás nélkül. Mindkét csoport 4 hetes beavatkozást kap, amely heti gyógytornászati üléseket és napi 10 perces otthoni gyakorlatokat tartalmaz. Az elsődleges eredmények közé tartozik a fájdalom intenzitása, a Betegspecifikus Funkcionális Skála (PSFS) pontszámai és a régióspecifikus rokkantsági indexek; a másodlagos eredmény a gyakorlat betartása. A mérések az alapvonalon, a 2. héten és a 4. héten történnek. Az adatokat szándék szerinti kezelési megközelítéssel és vegyes ANOVA-val elemezzük az idő és csoport hatások vizsgálatára (p < 0,05).

II. rész: Egy retrospektív megfigyelési tanulmány elemzi körülbelül 700 000 anonimizált adatbejegyzést a Youdon adatbázisából 2024. július 1. és 2025. augusztus 30. között. A tanulmány értékeli az egyes gyakorlati ülések előtti és utáni valós idejű fájdalomváltozásokat és azonosítja a befolyásoló tényezőket rutin klinikai körülmények között. Az adatokat lineáris vegyes hatású modellekkel (LMM) elemezzük, a résztvevő azonosítót véletlenszerű metszetként állítva be a személyen belüli változékonyság figyelembe vételére.

1. modell (Fájdalomjavulási modell): A függő változó a fájdalomváltozási pontszám lesz; a prediktorok közé tartozik a funkcionális diagnózis, a fájdalmi helyek száma, a gyakorlat előtti fájdalompontszám és a gyakorlat betartása.

2. modell (Betartási modell): A függő változó a gyakorlat betartása lesz; a prediktorok közé tartozik a fájdalmi helyek száma, a gyakorlat előtti fájdalom, a gyakorlati előírások száma és az érzékelt erőfeszítés. Mindkét modell korrigál az életkorra és nemre, mint kovariánsokra.