Monitoraggio fisiologico remoto del benessere e del burnout dei residenti

La privazione del sonno contribuisce al burnout sul posto di lavoro, una sindrome psicologica correlata al lavoro caratterizzata da depersonalizzazione, esaurimento emotivo e sentimenti di diminuzione della realizzazione personale [Montgomery, 2019]. La formazione in residenza medica è associata a una diminuzione del sonno e dell'esercizio fisico, nonché a un aumento del burnout, che può anche essere associato alla depressione [Kamblach, 2019]. Il benessere dei residenti è diventato un punto focale di molti programmi di residenza al fine di prevenire la depressione e il burnout del medico a lungo termine. Molti studi precedenti sul monitoraggio del sonno hanno utilizzato l'autosegnalazione, che istituisce un certo livello di parzialità, e alcune tecnologie più recenti come il monitoraggio FitBit sono diventate più diffuse [Case, 2015; de Zambotti, 2018]. Il monitoraggio metrico fisiologico in tempo reale, come la frequenza cardiaca a riposo (RHR) e la variabilità della frequenza cardiaca (HRV), oltre al monitoraggio accurato del sonno, potrebbe fornire una valutazione molto più accurata e obiettiva del benessere del residente [Sekiguchi, 2019]. Queste metriche non sono state confrontate direttamente con valutazioni soggettive di benessere, burnout e depressione, quindi il loro vero valore in questo ambito è sconosciuto [Mendelsohn, 2019; Kamblach, 2018]. Tuttavia, avere una valutazione obiettiva del benessere dei residenti, stratificata per rotazione specifica, potrebbe aiutare a identificare, sviluppare e istituire interventi per prevenire il burnout e la depressione e migliorare il benessere dei residenti.

Precedenti studi hanno tentato di creare un'associazione tra ore di sonno, ore di lavoro, esercizio e benessere, burnout, depressione; tuttavia, hanno utilizzato forme primitive di tracciamento fisiologico (es. contare i passi come surrogato dell'esercizio e dell'autovalutazione del sonno), motivo per cui probabilmente i risultati sono stati relativamente inconcludenti [Mendelsohn, 2019; Kamblach, 2018; Poonja, 2018; Basner, 2017; Marek, 2019]. Una revisione sistematica e una meta-analisi di studi che tentano di identificare i fattori associati a un maggiore benessere dei residenti hanno mostrato che l'aumento del sonno e il tempo lontano dal lavoro sono stati i maggiori fattori che influenzano il miglioramento del benessere dei residenti [Raj, 2016]. La valutazione obiettiva e in tempo reale del sonno può identificare un'associazione più forte e l'aggiunta di RHR e HRV a questa analisi potrebbe convalidare ulteriormente la valutazione soggettiva del benessere.

L'HRV, o la fluttuazione degli intervalli di tempo tra battiti cardiaci adiacenti, non è mai stato utilizzato prima per monitorare il benessere dei residenti, ma è una metrica consolidata per la previsione e la gestione di stati patologici come l'insufficienza cardiaca [Jimenez-Morgan, 2017; Goessl, 2017, Shaffer, 2017; Bullinga; 2005; Tsuji, 1996]. L'HRV ha dimostrato di predire la mortalità nell'insufficienza cardiaca con frazione di eiezione ridotta (HFrEF) e nuovi eventi cardiaci (angina, infarto miocardico, morte correlata a malattia coronarica o scompenso cardiaco) nello studio di Framingham e si correla anche con il miglioramento dell'emodinamica nello studio di Framingham risposta alla terapia con beta-bloccanti per insufficienza cardiaca [Bullinga; 2005; Tsuji, 1996].

I ricercatori propongono di utilizzare la cinghia WHOOP 3.0 per il monitoraggio remoto dei residenti per determinare una relazione tra i dati misurati (RHR, HRV e durata del sonno) e il benessere utilizzando sondaggi convalidati dalla letteratura (Maslach Burnout Inventory, Mini-ReZ survey, Physician Well Being Index, Questionario sulla salute del paziente-9) [Montgomery, 2019; Linzer, 2016; Olson 2019; Kroenke, 2001; Levis, 2019]. Non esiste letteratura pubblicata o studi in corso noti che indaghino su questa relazione Studi recenti, tuttavia, hanno convalidato il dispositivo WHOOP per il monitoraggio del sonno e determinato che la sua efficacia è quasi identica a quella del gold standard della polisonnografia (PSG) [Berryhill, 2020]. Questo studio ha anche dimostrato che la precisione delle misurazioni HRV utilizzando il dispositivo indossabile WHOOP presentava un errore inferiore al 10% rispetto al monitoraggio ECG continuo, come parte del PSG.

Esiste una relazione stabilita tra HRV e stress previsto, quantificato dai livelli di cortisolo salivare, ma non ci sono stati studi che colleghino il cortisolo salivare come marker di stress, a valutazioni soggettive nei medici né contro i dati dei dispositivi indossabili. I biomarcatori dello stress (cortisolo salivare e alfa-amilasi) saranno confrontati al basale e su diverse rotazioni considerate associate a diversi livelli di stress (es. clinica ambulatoriale e servizi di consulenza ospedaliera rispetto all'impostazione dell'unità di terapia intensiva (ICU)) [Dickerson, 2004; Petrakova, 2015]. I campioni di saliva forniti dai soggetti consentiranno agli investigatori di convalidare il dispositivo WHOOP come un nuovo strumento per misurare lo stress, consentendo al team di valutare l'associazione tra HRV e altre metriche del dispositivo e analiti oggettivi basati sullo stress trovati nella saliva (ad esempio, cortisolo e alfa amilasi). Questi risultati saranno correlati tra loro e con le ore di lavoro tramite la registrazione del dovere per determinare se le rotazioni specifiche nella residenza medica hanno metriche oggettive e soggettive migliori o peggiori; questi risultati saranno anche correlati alla linea di base (secondo l'indagine sulle caratteristiche della linea di base).