Fjärrstyrd mobil poliklinisk övervakning i Transplant 2.0 (Reboot)

Mobila hälsotekniker som smartphones och bärbara enheter kan fjärrövervaka hälsan. Dessa teknologier lovar att förbättra hälsoresultaten hos ett spektrum av patienter genom att ge hälsovårdsteam bättre anslutning, vilket kan leda till snabbare svar på frågor och förbättringar av vården.

Syftet med denna studie är att utvärdera om mottagare av solida organtransplantationer (SOT) drar nytta av förbättrad övervakning och avlägsnande av kommunikationsbarriärer eftersom de vanligaste orsakerna till återinläggning och dödlighet kan mildras genom klinisk intervention. Dessutom är medicinvidhäftning avgörande hos transplanterade patienter för att förhindra transplantatavstötning. Vi räknar med att fjärrövervakning kommer att förbättra följsamheten/justeringarna av medicinering och möjliggöra identifiering av tidiga hälsoproblem, vilket minskar återinläggningar som kan förebyggas. Således kommer denna studie att avgöra om en innovativ mobil hälsointervention, utformad för att förbättra kommunikationen mellan patient och läkare, minskar onödiga sjukhusåterinläggningar och besök på akutmottagningen och transplantationskliniken när den används utöver det vanliga telefonkommunikationssystemet. Vi kommer också att införliva kliniska och kontinuerliga ambulerande fysiologiska data som samlats in som en del av den mobila hälsointerventionen för att utveckla maskininlärningsalgoritmer som kan identifiera tidiga indikatorer på negativa utfall hos vuxna hjärt-, njur- och levertransplantationspatienter.

Vi antar att: leverans av personlig kommunikation med hjälp av en mobil hälsoapplikation kommer att förbättra patientens självhantering, vilket resulterar i en 50-procentig minskning av återinläggning på sjukhus och oplanerade besök på akutmottagningen och transplantationskliniken. Med skräddarsydd kommunikation genom den mobila hälsoapplikationen förväntar vi oss färre standardvårdstelefonmeddelanden för patienter i interventionsgruppen och patienter med högre aktivitetsnivåer (genomsnittligt dagligt antal steg) före transplantation kommer att ha lägre index för vistelsetid på sjukhus. Slutligen kommer den stora datamängden som samlats in från denna studie att tillåta nya maskininlärningshärledda riskprediktionsmodeller att mer exakt förutsäga negativa utfall (t.ex. organavstötning, infektion och död), jämfört med konventionella regressionsmodeller.