Pre- en post-neuromusculoskeletaal letselrisico-evaluatie voor verbetering van de terugkeer naar het werk (PREPARE)

Niet-gevechtsgerelateerde musculoskeletale letsels (MSKI) zijn de belangrijkste oorzaak van morbiditeit en invaliditeit in het Amerikaanse leger, waardoor de gevechtsgereedheid meer wordt aangetast dan enige andere enkele ziekte of gezondheidstoestand. Het MSKI-probleem is een uitdaging om aan te pakken, deels omdat het moeilijk is om alle factoren die het MSKI-risico verhogen en die factoren die post-MSKI-uitkomsten beïnvloeden, volledig te beoordelen. Op waarden gebaseerde zorg moet de nodige infrastructuur hebben om bruikbare informatie vast te leggen en te verwerken en implementeer vervolgens relevante veranderingen (d.w.z. het lerende gezondheidszorgsysteem). Er zijn echter geen alomvattende aanbevelingen van het militaire gezondheidssysteem (MHS) met betrekking tot het verzamelen en gebruiken van objectieve en subjectieve patiëntgerichte gegevens om de risicobeoordeling en beperkingsstrategieën van MSKI te onderbouwen. PREPARE zal efficiënte pre- en post-MSKI risicobeoordelingen ontwikkelen die objectieve en subjectieve maatregelen bevatten. Het algemene doel van de studie is om uitgebreide klinische beoordelingen te ontwikkelen die de specifieke factoren van het servicelid identificeren die bijdragen aan MSKI-risico's en ongewenste post-MSKI-uitkomsten.

Deze doelstellingen zullen worden bereikt door de volgende specifieke doelstellingen (SA):

Specifiek doel #1: Bepalen van de intrabeoordelaars-, interbeoordelaars- en interdagbetrouwbaarheid van de studiegerelateerde metingen binnen een (piloot)cohort van gezonde actieve servicemedewerkers.

Hypothese SA#1: Er zal goede tot uitstekende intrabeoordelaars-, interbeoordelaars- en dagbetrouwbaarheid zijn voor studiegerelateerde metingen.

Specifiek doel #2: Bepaal de pre-MSKI fysieke en psychosociale eigenschappen van serviceleden die onderscheid maken tussen individuen die een MSKI blijven behouden en degenen die dat niet doen binnen 1 jaar na inschrijving voor de studie.

Hypothese SA#2: Een gemeenschappelijke set van praktijkgerichte fysieke (bijv. bewegingsbeoordelingen, gang, gewrichtsbereik van beweging) en psychosociale (bijv. National Institutes of Health Patient-Reported Outcomes Measurement Information System [PROMIS], TSK-11) beoordelingen kunnen de pre-MSKI-factoren identificeren die bijdragen aan grotere MSKI-risico's.

Specifiek doel #3: Bepaal de post-MSKI fysieke en psychosociale kenmerken van serviceleden met niet-chirurgisch beheerde MSKI's die onderscheid maken tussen individuen die ongewenste resultaten krijgen en degenen die verwachte resultaten hebben.

Hypothese SA#3: Een gemeenschappelijke set van praktijkgerichte fysieke (bijv. bewegingsbeoordelingen, gang, gewrichtsbereik van beweging) en psychosociale (bijv. NIH PROMIS, TSK-11) beoordelingen kan de post-MSKI-factoren identificeren die bijdragen aan ongewenste patiëntuitkomsten (bijv. verhoogd MSKI-risico, chronificatie van symptomen/aandoening, vertraagde terugkeer naar werk/activiteit [RTD/A]).

Specifiek doel #4: Creëer geoptimaliseerde (spaarzame) pre- en post-MSKI klinische beoordelingen voor de identificatie van fysieke en psychosociale factoren die de informatie verschaffen die nodig is om pre- en post-MSKI risicobeperking en revalidatiestrategieën te verbeteren.

Hypothese SA#4: Een gemeenschappelijke set van semi-geautomatiseerde, in het veld bruikbare beoordelingen kan worden gestructureerd om klinische besluitvorming correct te informeren en servicemedewerkers en zorgverleners te informeren over waarschijnlijke patiëntresultaten (bijv. MSKI-risico, tijd tot RTD/A).

Specifiek doel #5: Valideer de geoptimaliseerde versies van onze pre- en post-MSKI-beoordelingen door aan te tonen dat ze in staat zijn om MSKI-risico's en -resultaten te voorspellen in nieuwe Service Member-cohorten.

Hypothese SA#5: De geoptimaliseerde pre- en post-MSKI-beoordelingen zullen nauwkeurig de serviceleden identificeren die het grootste risico lopen op het in stand houden van MSKI's en ongewenste post-MSKI-resultaten in de populaties van serviceleden.

Dit is een observatieonderzoek op meerdere locaties om de fysieke en psychosociale factoren vóór en na MSKI te identificeren die bijdragen aan een groter MSKI-risico (specifiek doel #2) en ongewenste post-MSKI-uitkomsten (specifiek doel #3) en om de minimumset vast te stellen van klinische beoordelingen die nodig zijn om zorgverleners de gegevens te bieden die nodig zijn om MSKI-zorg te optimaliseren (specifiek doel #4) en om de geoptimaliseerde pre- en post-MSKI-beoordelingen te valideren door aan te tonen dat ze in staat zijn om MSKI-risico's en -resultaten te voorspellen in nieuwe cohorten van serviceleden. Voor Specific Aim #1 zullen 10 gezonde actieve servicemedewerkers dienen als pilotcohort voor deelname aan het onderzoek. Deze personen zullen alle studiegerelateerde activiteiten voltooien, zodat het studieteam de best mogelijke tijdsinschatting kan maken voor de voltooiing van studiegerelateerde activiteiten. Deze personen herhalen dezelfde studiegerelateerde activiteiten 7-10 dagen na het eerste bezoek; hierdoor kan het onderzoeksteam de intrabeoordelaars-, interbeoordelaars- en dagbetrouwbaarheid van de studiegerelateerde metingen vaststellen. Voor specifiek doel #2 worden serviceleden (n=560) die aan boord gaan van een nieuwe militaire eenheid, prospectief ingeschreven. Deelnemers ondergaan een uitgebreide pre-MSKI klinische beoordeling op het moment van inschrijving voor de studie, inclusief klinische bewegings- en bewegingsbereikbeoordelingen, en door de patiënt gerapporteerde uitkomstmaten (PRO). MSKI-gegevens worden maandelijks verzameld gedurende maximaal 1 jaar na de eerste beoordeling. Voor Specifiek Doel #3 zullen servicemedewerkers (n=780) die een conservatieve behandeling ondergaan voor een musculoskeletaal letsel van de lage rug of onderste extremiteit, prospectief worden ingeschreven. Serviceleden krijgen een behandeling voor MSKI's naar goeddunken van de zorgverleners van de serviceleden. Deelnemers ondergaan herhaalde (≤3 dagen na het starten van fysiotherapie ["eerste"]; 4 weken post-initiële beoordeling, of bij RTD/A-klaring, indien voorafgaand aan 4 weken; en 12 weken post-initiële beoordeling, of bij RTD/A Een klaring, indien voorafgaand aan 12 weken) klinische bewegings- en bewegingsbereikbeoordelingen. PRO- en MSKI-gegevens worden tot 1 jaar na de eerste beoordeling maandelijks verzameld. Voor Specific Aim #5, Serviceleden die in behandeling zijn voor een eenheid in Fort Bragg, NC (n=560) en actieve serviceleden die fysiotherapie ontvangen voor een MSKI binnen een Womack Army Medical Center (WAMC; Ft. Bragg, NC) kliniek voor fysiotherapie (n=780) zal worden ingeschreven. Deelnemers zullen onze geoptimaliseerde pre- en post-MSKI-beoordelingen voltooien die zijn geïdentificeerd in Specifiek doel #4. Alle procedures en tijdstippen zullen identiek zijn aan die eerder beschreven voor Specifieke Doelstellingen #2 en #3.

Voor specifieke doelen #2 en #3 zullen deelnemers het volgende voltooien: 1) Bewegingsbeoordelingen met behulp van semi-automatische kinematische (markerless motion capture-systeem) en kinetische (geïnstrumenteerde loopbrug) metingen voor jump-landing, triple hop, single leg squat, double leg squat , en gang; 2) Bewegingsbereikmetingen inclusief heupextensie, heupabductie, knieflexie, knieextensie en dorsiflexie; 3) PRO-maatregelen, waaronder NIH PROMIS en Tampa Scale of Kinesiophobia (TSK-11), en 4) MSKI-tracking.

Om specifiek doel #2 en #4 aan te pakken, zal het onderzoeksteam een ​​statistische benadering gebruiken om kandidaatbeoordelingen voor de voorspelling van MSKI's te selecteren en te evalueren. Optimale beoordelingen zullen worden bepaald op basis van de laagste misclassificatiepercentages van MSKI-voorspellingen. Deze analyse maakt gebruik van een machine learning-algoritme (hiërarchische clusteranalyse) om groepen van sterk gecorreleerde responsvariabelen te definiëren binnen de uitgebreide reeks klinische beoordelingen. Het onderzoeksteam zal variabelen die zijn verkregen uit individuele beoordelingen beschrijven en vergelijken op basis van de aanwezigheid versus afwezigheid van MSKI gedurende maximaal een jaar follow-up, met behulp van t-testen of een niet-parametrisch alternatief. Hiërarchische clusteranalyse (Ward's methode) zal worden gebruikt om vervolgens clusters van gecorreleerde variabelen te identificeren die binnen-clustervariantie in de dataset minimaliseren. Boomdiagrammen en clustermiddelen zullen worden gebruikt om clusters te interpreteren in relatie tot individuele variabelen en functionele domeinen beschreven in de literatuur, inclusief prestatie- en algemene gezondheidsmaatregelen en zelfbeoordeling van functie. Gevoeligheidsanalyses zullen de robuustheid van toegewezen groeperingen voor de keuze van de clustermethode evalueren, met behulp van alternatieve algoritmen om de gelijkenis tussen clusters te berekenen (bijv. Volledige koppeling of groepsgemiddelde methoden).

De resultaten van de clusteranalyse zullen worden gebruikt om gereduceerde beoordelingen van kandidaten af ​​te leiden uit mogelijke combinaties van de gevonden individuele variabelen die worden gekenmerkt door de geïdentificeerde clusters. De kandidaat-beoordelingsvariabelen zullen worden geëvalueerd als voorspellers in binaire classificatiemodellen van MSKI tot een follow-up van maximaal een jaar. Misclassificatiepercentages worden gerapporteerd als het percentage deelnemers waarbij het resultaat onjuist werd voorspeld na drempelbepaling met behulp van klinisch relevante gevoeligheden en specificiteiten. Kruisvalidatie zal worden gebruikt om vertekening in geschatte waarschijnlijkheden te minimaliseren. Het onderzoeksteam zal beoordelingen selecteren die samen de laagste misclassificatiepercentages en kortste voltooiingstijden hebben om de optimale MSKI-risicobeoordeling te creëren (Specifiek doel #4). Voltooiingstijden worden geschat op basis van geobserveerde tijden om elk individueel item te beheren. Analyses zullen worden herhaald waarbij de uitkomsten worden beperkt tot de meest voorkomende individuele MSKI-typen (versus geen MSKI), om te evalueren op kwalitatieve verschillen in optimale beoordelingen per letseltype.

Om specifieke doelstellingen nr. 3 en nr. 4 aan te pakken, zal het onderzoeksteam een ​​statistische benadering gebruiken om de beoordelingen van kandidaten te selecteren en te evalueren voor de voorspelling van MSKI-uitkomsten (specifiek doel nr. 3). Optimale beoordelingen worden bepaald op basis van de laagste misclassificatie van uitkomsten en de kortste beoordelingstijden. Deze analyse maakt gebruik van een machine learning-algoritme (hiërarchische clusteranalyse) om groepen van sterk gecorreleerde responsvariabelen te definiëren binnen de uitgebreide reeks klinische beoordelingen. Het onderzoeksteam zal hiërarchische clusteranalyse (Ward's methode) gebruiken om clusters van waarnemingen te identificeren die variantie binnen de cluster bij het baselinebezoek minimaliseren. Boomdiagrammen en clustermiddelen zullen worden gebruikt om clusters te interpreteren in relatie tot individuele variabelen en functionele domeinen beschreven in de literatuur. Gevoeligheidsanalyses zullen de robuustheid van toegewezen groeperingen voor de keuze van de clustermethode evalueren, met behulp van alternatieve algoritmen om de gelijkenis tussen clusters te berekenen (bijv. Volledige koppeling of groepsgemiddelde methoden). Analyses zullen worden herhaald binnen subgroepen van het MSKI-type om te evalueren op verschillen in geïdentificeerde clusters tussen letseltypen.

De resultaten van de clusteranalyse zullen worden gebruikt om gereduceerde beoordelingen van kandidaten af ​​te leiden uit mogelijke combinaties van de individuele variabelen die worden gekenmerkt door de geïdentificeerde clusters. De kandidaat-beoordelingsvariabelen zullen worden geëvalueerd als voorspellers in binaire classificatiemodellen (bijv. Logistieke of Lasso-regressie) van ongewenste patiëntuitkomsten. Misclassificatiepercentages worden gerapporteerd als het percentage patiënten bij wie het resultaat onjuist werd voorspeld na drempelbepaling met behulp van klinisch relevante gevoeligheden en specificiteiten. Kruisvalidatie zal worden gebruikt om vertekening in geschatte waarschijnlijkheden te minimaliseren. Het onderzoeksteam zal beoordelingen selecteren die samen de laagste misclassificatiepercentages en kortste voltooiingstijden hebben om de optimale post-MSKI-beoordeling te creëren (Specifiek doel #4). Voltooiingstijden worden geschat op basis van geobserveerde tijden om elk individueel item te beheren. Analyses zullen worden herhaald voor rugpijn versus minder frequente MSKI-types, en voor het follow-upbezoek van 12 weken, om te evalueren op verschillen in optimale beoordelingen per MSKI-type en tijd na MSKI. Omdat primaire analyses zullen worden gebaseerd op basisbeoordelingen en resultaten die worden vastgesteld door middel van vragenlijsten op internet om uitval te minimaliseren, is er geen toerekening van ontbrekende gegevens gepland.

Om specifiek doel #5 aan te pakken, zal het onderzoeksteam het vermogen van onze optimale beoordelingen (specifiek doel #4) evalueren om MSKI's en ongewenste resultaten in validatiecohorten te voorspellen gedurende een follow-up van zes maanden. Misclassificatiepercentages voor niet-aangepaste en volledige modellen zullen worden beschreven met behulp van receiver operating Characteristic Curves (ROC) en 95% betrouwbaarheidsintervallen. Analyses zullen afzonderlijk worden herhaald voor rugpijn en MSKI's van de onderste extremiteit met behulp van de optimale beoordelingen die zijn geïdentificeerd voor deze letseltypen.