Usando a tecnologia para rastrear a dor e os resultados relacionados à dor

A dor crônica afeta mais de 100 milhões de americanos, custa aos EUA mais de US$ 630 bilhões anualmente e reduz a qualidade de vida. Está entre as condições mais clinicamente desafiadoras e financeiramente onerosas enfrentadas por médicos e organizações de saúde. A perturbação do sono é comum em condições de dor crônica, com alguns estudos relatando uma prevalência de 70% a 88%. Distúrbios psiquiátricos, incluindo abuso de substâncias e transtornos do humor, são prevalentes na dor crônica e estão associados a comprometimento e diminuição da qualidade de vida. O sono é cada vez mais reconhecido como um regulador crítico da saúde mental. Tomados em conjunto, estudos epidemiológicos, transversais e prospectivos sustentam a hipótese de que insônia, dor crônica e depressão interagem mutuamente, cada um aumentando o risco de surgimento e/ou exacerbação do outro. O padrão-ouro do tratamento da dor crônica é o tratamento multidisciplinar da dor (MPT), mas os pacientes raramente recebem MPT devido ao acesso limitado e à grave escassez de especialistas em tratamento da dor. Assim, há uma necessidade urgente de opções de autogerenciamento da dor multidisciplinares com suporte empírico e custo-efetivo que sejam acessíveis aos pacientes e tenham a confiança dos prestadores de cuidados primários e terciários. Para resolver esse problema, o grupo de pesquisadores, em colaboração com o Johns Hopkins Technology Innovation Center (TIC), desenvolveu uma plataforma móvel de tecnologia digital para dor crônica, medicação e rastreamento de sintomas, projetada para eventualmente apoiar o tratamento multidisciplinar da dor, aprimorando a comunicação paciente-profissional e fornecendo estratégias abrangentes, personalizadas e interativas de gerenciamento da dor baseadas em evidências. O aplicativo dos investigadores (versão 1.3) é atualmente capaz de coletar dados de auto-relato (ou seja, dor; sono; humor; catastrofização; estresse; surtos de dor) e dados de biossensores vestíveis coletados passivamente (ou seja, frequência cardíaca; respiração; sono ; variabilidade da frequência cardíaca/estresse). Os investigadores propõem um estudo prospectivo e observacional de prova de conceito para demonstrar viabilidade e adesão ao estabelecer as propriedades psicométricas de um aplicativo móvel de dor e comparar esses dados com dados fisiológicos coletados passivamente e índices laboratoriais de dor em pacientes com dor lombar crônica (DLC). ).