勤務復帰強化のための神経筋骨格損傷の前後のリスク評価 (PREPARE)

非戦闘関連筋骨格損傷（MSKI）は、米軍における罹患および障害の主な原因であり、他の単一の疾患や健康状態よりも戦闘即応性を侵食します。 MSKI 問題は、MSKI リスクを高めるすべての要因と MSKI 後の転帰に影響を与える要因を包括的に評価することが難しいため、対処が困難です。価値に基づくケアには、実用的な情報を取得して処理するために必要なインフラストラクチャが必要です。 、その後、関連する変更（つまり、学習医療システム）を実装します。 しかし、MSKI のリスク評価と軽減戦略に情報を提供するための客観的および主観的な患者中心のデータの収集と使用に関する包括的な軍事衛生システム (MHS) の推奨事項はありません。 PREPARE は、客観的および主観的な尺度を組み込んだ効率的な MSKI 前後のリスク評価を開発します。 研究全体の目的は、MSKI リスクおよび MSKI 後の望ましくない転帰に寄与するサービス会員特有の要因を特定する包括的な臨床評価を開発することです。

これらの目的は、次の特定の目的 (SA) によって達成されます。

具体的な目的 #1: 健康な現役軍人の (パイロット) コホート内での研究関連測定値の評価者内、評価者間、および日内の信頼性を決定する。

仮説 SA#1: 研究関連の測定値については、評価者内、評価者間、および日内の信頼性が良好から優れたものになるでしょう。

具体的な目的 #2: 研究登録から 1 年以内に MSKI を維持する人と維持しない人を区別する、MSKI 発症前の軍人身体的および心理社会的特徴を特定する。

仮説 SA#2: 現場で便宜的な身体的 (例: 動作評価、歩行、関節可動域) および心理社会的 (例: 国立衛生研究所の患者報告アウトカム測定情報システム [PROMIS]、TSK-11) の共通セット評価により、MSKI リスクの増大に寄与する MSKI 前の要因を特定できます。

具体的な目的 #3: 非外科的に管理された MSKI を持つ隊員の MSKI 後の身体的および心理社会的特徴を特定し、望ましくない結果をもたらす個人と期待された結果をもたらす個人を区別する。

仮説 SA#3: 現場で便宜的な身体的評価 (例: 動作評価、歩行、関節可動域) および心理社会的評価 (例: NIH PROMIS、TSK-11) の共通のセットにより、望ましくない症状に寄与する MSKI 後の要因を特定できる患者の転帰（例：MSKIリスクの増加、症状/状態の慢性化、職務復帰/活動の遅れ[RTD/A]）。

具体的な目的 #4: MSKI 前後のリスク軽減とリハビリテーション戦略を改善するために必要な情報を提供する、身体的および心理社会的要因を特定するための、MSKI 前後の最適化された (節約的な) 臨床評価を作成します。

仮説 SA#4: 半自動の現場便宜的評価の共通セットは、臨床上の意思決定を正確に知らせ、起こり得る患者の転帰 (例: MSKI リスク、RTD/A までの時間) をサービス会員と医療提供者に知らせるように構築することができます。

具体的な目的 #5: 新しい軍人コホートにおける MSKI のリスクと結果を予測する能力を実証することにより、MSKI 前後の評価の最適化されたバージョンを検証する。

仮説 SA#5: 最適化された MSKI 前後の評価により、MSKI を持続するリスクが最も高い軍人および軍人集団全体の MSKI 後の望ましくない結果が正確に特定されます。

これは、MSKI リスクの増大 (具体的な目的 #2) および MSKI 後の望ましくない転帰 (具体的な目的 #3) に寄与する MSKI 前後の身体的および心理社会的要因を特定し、最小セットを特定するための複数施設の観察研究です。 MSKI ケアを最適化するために必要なデータを医療提供者に提供し（具体的な目的 #4）、新しいサービスメンバーコホートにおける MSKI のリスクと転帰を予測する能力を実証することにより、最適化された MSKI 前後の評価を検証するために必要な臨床評価の数。 特定の目的 #1 では、10 人の健康な現役軍人が研究に参加するためのパイロットコホートとして機能します。 これらの個人は、研究チームが研究関連活動の完了までに可能な限り最良の時間を見積もることができるように、研究関連活動をすべて完了します。 これらの人々は、最初の訪問から 7 ～ 10 日後に同じ研究関連の活動を繰り返します。これにより、研究チームは、研究関連の測定値の評価者内、評価者間、および日内の信頼性を確立することができます。 特定の目的 #2 では、新しい軍事部隊に新入隊員となる軍人 (n=560) が将来的に登録されます。 参加者は、臨床動作および可動域の評価、および患者報告結果（PRO）の測定を含む、研究登録時に包括的なMSKI前の臨床評価を受けます。 MSKI データは、最初の評価後、最長 1 年間毎月収集されます。 特定の目的 #3 では、腰または下肢の筋骨格損傷に対して保存的治療を受けている軍人 (n=780) が前向きに登録されます。 サービス会員は、サービス会員の医療提供者の裁量により、MSKI の治療を受けることになります。 参加者は繰り返しを受ける（理学療法開始から 3 日以内 [初回]、初回評価後 4 週間、または 4 週間前の場合は RTD/A クリアランス時、および初回評価後 12 週間後、または RTD/A クリアランス時）クリアランス (12 週間前の場合) 臨床動作および可動域の評価。 PRO および MSKI データは、最初の評価後、最長 1 年間毎月収集されます。 具体的な目的 #5 では、ノースカロライナ州フォート ブラッグの部隊への入隊中の軍人 (n=560) とウーマック陸軍医療センター (WAMC; フォート ローレンス郡フォート ブラッグ) 内で MSKI の理学療法を受けている現役軍人が対象となります。 ノースカロライナ州ブラッグの理学療法クリニック (n=780) が登録されます。 参加者は、具体的な目的 #4 で特定された最適化された MSKI 前後の評価を完了します。 すべての手順と時点は、特定の目的 #2 および #3 について前述したものと同一です。

具体的な目的 #2 および #3 では、参加者は以下を完了します。 1) ジャンプ着地、トリプルホップ、片足スクワット、両足スクワットの半自動運動学 (マーカーレス モーション キャプチャ システム) および運動学 (計装された歩道) 測定を利用した動作評価、そして歩き方。 ２）股関節伸展、股関節外転、膝屈曲、膝伸展、背屈を含む可動域測定。 3) NIH PROMIS およびタンパ運動恐怖症スケール (TSK-11) を含む PRO 対策、および 4) MSKI 追跡。

具体的な目的 #2 と #4 に取り組むために、研究チームは統計的アプローチを使用して、MSKI を予測するための評価候補を選択および評価します。 最適な評価は、MSKI 予測の最も低い誤分類率に基づいて決定されます。 この分析では、機械学習アルゴリズム (階層クラスター分析) を使用して、包括的な臨床評価セット間で相関性の高い応答変数のグループを定義します。 研究チームは、t 検定またはノンパラメトリック代替法を使用して、最長 1 年間の追跡調査における MSKI の有無による個々の評価から得られた変数を記述および比較します。 次に、階層クラスター分析 (Ward の方法) を使用して、データセット内のクラスター内の分散を最小限に抑える相関変数のクラスターを特定します。 樹形図とクラスター平均は、パフォーマンスと一般的な健康状態の尺度、および機能の自己評価を含む、文献に記載されている個々の変数と機能ドメインに関連してクラ​​スターを解釈するために使用されます。 感度分析では、クラスタ間の類似性を計算する代替アルゴリズム (完全連鎖法やグループ平均法など) を使用して、クラスタリング法の選択に対する割り当てられたグループ化の堅牢性を評価します。

クラスター分析の結果は、特定されたクラスターによって特徴づけられる個々の変数の潜在的な組み合わせから、縮小された候補評価を導き出すために使用されます。 候補の評価変数は、最長 1 年間の追跡調査を通じて、MSKI の二項分類モデルの予測変数として評価されます。 誤分類率は、臨床的に関連する感度と特異度を使用して閾値処理した後、結果が誤って予測された参加者の割合として報告されます。 交差検証は、推定確率の偏りを最小限に抑えるために使用されます。 研究チームは、最適な MSKI リスク評価を作成するために、誤分類率が最も低く、完了時間が最も短い評価を選択します (具体的な目的 #4)。 完了時間は、各項目を管理するために観察された時間に基づいて推定されます。 損傷の種類ごとの最適な評価における定性的な差異を評価するために、結果を最も一般的な個々の MSKI タイプ (MSKI なしの場合) に限定して分析が繰り返されます。

具体的な目的 #3 と #4 に取り組むために、研究チームは統計的アプローチを使用して、MSKI の結果を予測するための評価候補を選択および評価します (具体的な目的 #3)。 最適な評価は、結果の誤分類率が最も低く、評価時間が短いことに基づいて決定されます。 この分析では、機械学習アルゴリズム (階層クラスター分析) を使用して、包括的な臨床評価セット間で相関性の高い応答変数のグループを定義します。 研究チームは、階層的クラスター分析 (Ward の方法) を使用して、ベースライン訪問時のクラスター内分散を最小限に抑える観察のクラスターを特定します。 ツリー図とクラスター平均は、文献に記載されている個々の変数と機能ドメインに関連してクラ​​スターを解釈するために使用されます。 感度分析では、クラスタ間の類似性を計算する代替アルゴリズム (完全連鎖法やグループ平均法など) を使用して、クラスタリング法の選択に対する割り当てられたグループ化の堅牢性を評価します。 MSKI タイプのサブグループ内で分析を繰り返し、損傷タイプ間で特定されたクラスターの差異を評価します。

クラスター分析の結果は、特定されたクラスターによって特徴付けられる個々の変数の潜在的な組み合わせから、縮小された候補評価を導き出すために使用されます。 候補の評価変数は、望ましくない患者の転帰の二項分類モデル (ロジスティック回帰またはラッソ回帰など) の予測変数として評価されます。 誤分類率は、臨床的に関連する感度と特異度を使用してしきい値処理を行った後、結果が誤って予測された患者の割合として報告されます。 交差検証は、推定確率の偏りを最小限に抑えるために使用されます。 研究チームは、最適な MSKI 後の評価を作成するために、誤分類率が最も低く、完了時間が最短になるように組み合わせた評価を選択します (具体的な目的 #4)。 完了時間は、各項目を管理するために観察された時間に基づいて推定されます。 分析は腰痛と頻度の低い MSKI タイプについて繰り返され、12 週間のフォローアップ訪問で MSKI タイプおよび MSKI 後の時間による最適な評価の違いを評価します。 一次分析はベースライン評価と、減少を最小限に抑えるためにインターネットベースのアンケートで確認された結果に基づいているため、欠落データの補完は計画されていません。

具体的な目的 #5 に取り組むために、研究チームは、6 か月の追跡調査にわたる検証コホートにおける MSKI と望ましくない結果を予測するための最適な評価 (具体的な目的 #4) の能力を評価します。 未調整モデルと完全なモデルの誤分類率は、受信者動作特性曲線 (ROC) と 95% 信頼区間を使用して説明されます。 これらの傷害の種類に対して特定された最適な評価を使用して、腰痛と下肢の MSKI について個別に分析が繰り返されます。