Risikoevaluering før og etter nevromuskuloskeletale skader for forbedring av retur til tjeneste (PREPARE)

Ikke-kamprelaterte muskel- og skjelettskader (MSKI) er den ledende årsaken til sykelighet og funksjonshemming i det amerikanske militæret, og tærer på kampberedskapen mer enn noen annen enkelt sykdom eller helsetilstand. MSKI-problemet er utfordrende å ta tak i, delvis fordi det er vanskelig å vurdere alle faktorene som øker MSKI-risikoen og de faktorene som påvirker post-MSKI-utfall, må verdibasert omsorg ha den nødvendige infrastrukturen for å fange opp og behandle handlingskraftig informasjon , og deretter implementere relevante endringer (dvs. lærende helsevesen). Det er imidlertid ingen omfattende anbefalinger fra det militære helsesystemet (MHS) angående innsamling og bruk av objektive og subjektive pasientsentrerte data for å informere MSKI om risikovurdering og reduksjonsstrategier. PREPARE vil utvikle effektive risikovurderinger før og etter MSKI som inkluderer objektive og subjektive tiltak. Det overordnede studiemålet er å utvikle omfattende kliniske vurderinger som identifiserer tjenestemedlemsspesifikke faktorer som bidrar til MSKI-risiko og uønskede post-MSKI-utfall.

Disse målene vil bli oppnådd med følgende spesifikke mål (SA):

Spesifikt mål nr. 1: Bestem intra-vurderen, inter-vurderen og inter-dagers pålitelighet av studierelaterte målinger innenfor en (pilot) kohort av friske aktive tjenestemedlemmer.

Hypotese SA#1: Det vil være god til utmerket intra-rater, inter-rater og inter-dag reliabilitet for studierelaterte målinger.

Spesifikt mål #2: Bestem de fysiske og psykososiale egenskapene til tjenestemedlemmer før MSKI som skiller mellom individer som fortsetter å opprettholde en MSKI og de som ikke gjør det innen 1 år etter studieregistrering.

Hypotese SA#2: Et vanlig sett med felthensiktsmessige fysiske (f.eks. bevegelsesvurderinger, gangart, leddbevegelse) og psykososiale (f.eks. National Institutes of Health Patient-Reported Outcomes Measurement Information System [PROMIS], TSK-11) vurderinger kan identifisere pre-MSKI-faktorene som bidrar til større MSKI-risiko.

Spesifikt mål #3: Bestem post-MSKI fysiske og psykososiale egenskaper til tjenestemedlemmer med ikke-kirurgisk administrerte MSKIer som skiller mellom individer som fortsetter å ha uønskede utfall og de som har forventet utfall.

Hypotese SA#3: Et vanlig sett med felthensiktsmessige fysiske (f.eks. bevegelsesvurderinger, gangart, leddbevegelser) og psykososiale (f.eks. NIH PROMIS, TSK-11) vurderinger kan identifisere post-MSKI-faktorene som bidrar til uønskede pasientutfall (f.eks. økt MSKI-risiko, symptom/tilstandskronisering, forsinket tilbakekomst til tjeneste/aktivitet [RTD/A]).

Spesifikt mål #4: Lage optimaliserte (sparsomme) kliniske vurderinger før og etter MSKI for identifisering av fysiske og psykososiale faktorer som gir informasjonen som trengs for å forbedre risikoreduksjons- og rehabiliteringsstrategier før og etter MSKI.

Hypotese SA#4: Et vanlig sett med semi-automatiserte felt-hensiktsmessige vurderinger kan struktureres for å informere korrekt klinisk beslutningstaking og informere tjenestemedlemmer og helsepersonell om sannsynlige pasientutfall (f.eks. MSKI-risiko, tid til RTD/A).

Spesifikt mål #5: Validere de optimaliserte versjonene av våre pre- og post-MSKI-vurderinger ved å demonstrere deres evner til å forutsi MSKI-risikoer og -resultater i nye Service Member-kohorter.

Hypotese SA#5: De optimaliserte vurderingene før og etter MSKI vil nøyaktig identifisere tjenestemedlemmer med høyest risiko for å opprettholde MSKI-er og uønskede utfall etter MSKI på tvers av tjenestemedlemspopulasjoner.

Dette er en observasjonsstudie på flere steder for å identifisere de fysiske og psykososiale faktorene før og etter MSKI som bidrar til større MSKI-risiko (spesifikt mål #2) og uønskede utfall etter MSKI (spesifikt mål #3) og for å identifisere minimumssettet av kliniske vurderinger som trengs for å gi helsepersonell dataene som kreves for å optimalisere MSKI-omsorgen (spesifikt mål #4) og for å validere de optimaliserte pre- og post-MSKI-vurderingene ved å demonstrere deres evner til å forutsi MSKI-risikoer og -resultater i nye Service Member-kohorter. For spesifikt mål nr. 1 vil 10 friske aktive tjenestemedlemmer tjene som en pilotkohort for deltakelse i studien. Disse personene vil fullføre alle studierelaterte aktiviteter slik at studieteamet kan etablere et best mulig tidsestimat for gjennomføring av studierelaterte aktiviteter. Disse personene vil gjenta de samme studierelaterte aktivitetene 7-10 dager etter det første besøket; dette vil tillate studieteamet å fastslå intra-vurder-, inter-vurder- og inter-dag-påliteligheten til de studierelaterte målene. For spesifikt mål nr. 2 vil tjenestemedlemmer (n=560) som går ombord på en ny militær enhet, bli påmeldt. Deltakerne vil gjennomgå en omfattende pre-MSKI klinisk vurdering på tidspunktet for studieregistrering, inkludert vurderinger av klinisk bevegelse og bevegelsesutslag, og pasientrapporterte resultatmål (PRO). MSKI-data vil bli samlet inn månedlig i opptil 1 år etter førstegangsvurdering. For spesifikt mål nr. 3 vil tjenestemedlemmer (n=780) som mottar konservativ behandling for en muskel- og skjelettskade i korsryggen eller underekstremiteten bli prospektivt registrert. Tjenestemedlemmer vil motta behandling for MSKI-er etter skjønn fra tjenestemedlemmenes helsepersonell. Deltakerne vil gjennomgå gjentatt (≤3 dager etter oppstart av fysioterapi ["initial"]; 4 uker etter innledende vurdering, eller ved RTD/A-klarering, hvis før 4 uker; og 12 uker etter innledende vurdering, eller ved RTD/ En klarering, hvis før 12 uker) vurderinger av klinisk bevegelse og bevegelsesområde. PRO- og MSKI-data vil bli samlet inn månedlig i opptil 1 år etter den første vurderingen. For spesifikt mål #5, tjenestemedlemmer som er under behandling til en enhet i Fort Bragg, NC (n=560) og aktive tjenestemedlemmer som mottar fysioterapi for en MSKI i et Womack Army Medical Center (WAMC; Ft. Bragg, NC) fysioterapiklinikk (n=780) vil bli påmeldt. Deltakerne vil fullføre våre optimaliserte pre- og post-MSKI-vurderinger identifisert i spesifikt mål #4. Alle prosedyrer og tidspunkter vil være identiske med de tidligere beskrevet for spesifikke mål #2 og #3.

For spesifikke mål #2 og #3 vil deltakerne fullføre: 1) Bevegelsesvurderinger ved bruk av semi-automatisert kinematisk (markørløst bevegelsesfangstsystem) og kinetisk (instrumentert gangvei) målinger for hopplanding, trippelhopp, knebøy med enkeltben, knebøy med dobbeltbein , og gangart; 2) Måling av bevegelsesområde inkludert hofteekstensjon, hofteabduksjon, knefleksjon, kneekstensjon og dorsalfleksjon; 3) PRO-tiltak inkludert NIH PROMIS og Tampa Scale of Kinesiophobia (TSK-11), og 4) MSKI-sporing.

For å møte spesifikke mål #2 og #4, vil studieteamet bruke en statistisk tilnærming for å velge og evaluere kandidatvurderinger for prediksjon av MSKI-er. Optimale vurderinger vil bli bestemt basert på de laveste forekomstene av feilklassifisering av MSKI-prediksjon. Denne analysen vil bruke en maskinlæringsalgoritme (hierarkisk klyngeanalyse) for å definere grupper av svært korrelerte responsvariabler blant det omfattende settet med kliniske vurderinger. Studieteamet vil beskrive og sammenligne variabler oppnådd fra individuelle vurderinger av tilstedeværelse versus fravær av MSKI i opptil ett års oppfølging, ved å bruke t-tester eller et ikke-parametrisk alternativ. Hierarkisk klyngeanalyse (Wards metode) vil bli brukt til å identifisere klynger av korrelerte variabler som minimerer variansen innenfor klynge i datasettet. Trediagrammer og klyngemidler vil bli brukt til å tolke klynger i forhold til individuelle variabler og funksjonsdomener beskrevet i litteraturen, inkludert ytelse og generelle helsetiltak og egenvurdering av funksjon. Sensitivitetsanalyser vil evaluere robustheten til tildelte grupperinger til valg av klyngemetode, ved å bruke alternative algoritmer for å beregne likhet mellom klynger (f.eks. komplette koblings- eller gruppegjennomsnittsmetoder).

Klyngeanalyseresultater vil bli brukt til å utlede reduserte, kandidatvurderinger fra potensielle kombinasjoner av de individuelle variablene funnet karakterisert av de identifiserte klyngene. Kandidatvurderingsvariablene vil bli evaluert som prediktorer i binære klassifiseringsmodeller av MSKI gjennom opptil ett års oppfølging. Feilklassifiseringsrater vil bli rapportert som prosentandelen av deltakerne der utfallet ble feil forutsagt etter terskel ved bruk av klinisk relevante sensitiviteter og spesifisiteter. Kryssvalidering vil bli brukt for å minimere skjevhet i estimerte sannsynligheter. Studieteamet vil velge vurderinger som kombineres for å ha de laveste feilklassifiseringsratene og korteste gjennomføringstider for å skape den optimale MSKI-risikovurderingen (spesifikt mål #4). Gjennomføringstider vil bli estimert basert på observerte tider for å administrere hver enkelt vare. Analyser vil bli gjentatt og begrenser utfall til de vanligste individuelle MSKI-typene (mot ingen MSKI), for å evaluere for kvalitative forskjeller i optimale vurderinger etter skadetype.

For å møte spesifikke mål #3 og #4, vil studieteamet bruke en statistisk tilnærming for å velge og evaluere kandidatvurderinger for prediksjon av MSKI-utfall (spesifikt mål #3). Optimale vurderinger vil bli bestemt basert på laveste forekomst av feilklassifisering av utfall og korteste vurderingstider. Denne analysen vil bruke en maskinlæringsalgoritme (hierarkisk klyngeanalyse) for å definere grupper av svært korrelerte responsvariabler blant det omfattende settet med kliniske vurderinger. Studieteamet vil bruke hierarkisk klyngeanalyse (Wards metode) for å identifisere klynger av observasjoner som minimerer varians innenfor klynge ved baseline-besøket. Trediagrammer og klyngemidler vil bli brukt for å tolke klynger i forhold til individuelle variabler og funksjonelle domener beskrevet i litteraturen. Sensitivitetsanalyser vil evaluere robustheten til tildelte grupperinger til valg av klyngemetode, ved å bruke alternative algoritmer for å beregne likhet mellom klynger (f.eks. komplette koblings- eller gruppegjennomsnittsmetoder). Analyser vil bli gjentatt innenfor undergrupper av MSKI-typen for å evaluere for forskjeller i identifiserte klynger på tvers av skadetyper.

Klyngeanalyseresultater vil bli brukt til å utlede reduserte, kandidatvurderinger fra potensielle kombinasjoner av de individuelle variablene karakterisert av de identifiserte klyngene. Kandidatvurderingsvariablene vil bli evaluert som prediktorer i binære klassifiseringsmodeller (f.eks. logistisk eller Lasso-regresjon) for uønskede pasientutfall. Feilklassifiseringsrater vil bli rapportert som prosentandelen av pasienter der utfallet ble feil predikert etter terskelverdi ved bruk av klinisk relevante sensitiviteter og spesifisiteter. Kryssvalidering vil bli brukt for å minimere skjevhet i estimerte sannsynligheter. Studieteamet vil velge vurderinger som kombineres for å ha de laveste feilklassifiseringsratene og korteste gjennomføringstider for å skape den optimale post-MSKI-vurderingen (spesifikt mål #4). Gjennomføringstider vil bli estimert basert på observerte tider for å administrere hver enkelt vare. Analyser vil bli gjentatt for ryggsmerter versus sjeldnere MSKI-typer, og for det 12-ukers oppfølgingsbesøket, for å evaluere for forskjeller i optimale vurderinger etter MSKI-type og tid etter MSKI. Fordi primæranalyser vil være basert på baselinevurderinger og utfall fastslått av internettbaserte spørreskjemaer for å minimere slitasje, er det ikke planlagt noen imputering av manglende data.

For å møte spesifikt mål #5, vil studieteamet evaluere evnen til våre optimale vurderinger (spesifikt mål #4) til å forutsi MSKIer og uønskede utfall i valideringskohorter over seks måneders oppfølging. Feilklassifiseringsrater for ujusterte og fulle modeller vil bli beskrevet ved bruk av mottakerdriftskarakteristiske kurver (ROC) og 95 % konfidensintervaller. Analyser vil bli gjentatt separat for ryggsmerter og MSKI i nedre ekstremiteter ved å bruke de optimale vurderingene identifisert for disse skadetypene.