Mobilappassisterad hemträning för muskuloskeletala störningar

Bakgrund: Skelettmuskelsjukdomar är en ledande orsak till funktionsnedsättning världen över. Träningsrecept är en hörnsten i muskuloskeletal rehabilitering, och fysioterapeuter ger ofta hembaserade träningsprogram som en del av självhanteringsstrategier. Detta tillvägagångssätt är inte bara en aktiv komplementär intervention utan också kostnadseffektiv. Enligt 2021 års nationella hälsoundersökning i Taiwan uppfyllde dock 54 % av vuxna inte Världshälsoorganisationens rekommenderade nivåer av fysisk aktivitet – betydligt högre än det globala genomsnittet på 27 % – vilket belyser den låga följsamheten till oövervakad träning bland taiwanesiska vuxna. Med teknikens framsteg har elektroniska hälsointerventioner (e-hälsa) blivit allt vanligare. Smarttelefonappar kan ge påminnelser, inspelning och personliga utformningar för att förbättra följsamhet och kliniska utfall. Systematiska översikter har dock rapporterat att de flesta kommersiellt tillgängliga appar har begränsad täckning av beteendeförändringsinterventionsfunktioner (BCIF) och saknar rigorös vetenskaplig validering, vilket lämnar deras kliniska effektivitet och storskaliga tillämplighet osäker. Youdon, en mobilapp utvecklad av Meike Tech i Taiwan, syftar till att förbättra tillgängligheten och följsamheten till hemträningsprogram bland taiwanesiska patienter. Trots appens omfattande beteendeförändringsfunktioner återstår dess kliniska effektivitet att verifieras genom vetenskaplig forskning.

Syfte: Denna studie syftar till att undersöka den kliniska effektiviteten av ett mobilapp-assisterat hemträningsprogram hos patienter med muskuloskeletala sjukdomar, genom två komplementära komponenter:

1. En randomiserad kontrollerad studie (RCT) som jämför smärta och funktionella utfall mellan app-assisterade och icke-assisterade hemträningsprogram.
2. En retrospektiv observationsstudie som analyserar appanvändardata för att utvärdera realtidsförändringar i smärta före och efter träning och deras associerade faktorer.

Metoder:

Del I: En enkelblindad randomiserad kontrollerad studie kommer att rekrytera 30 deltagare i åldern 18 år och äldre som uppvisar smärta i nacke, axel, rygg eller knä. Deltagarna kommer att slumpmässigt tilldelas antingen en app-assisterad grupp eller en kontrollgrupp utan appstöd. Båda grupperna kommer att få en 4-veckors intervention som består av veckovisa fysioterapisessioner och dagliga 10-minuters hemövningar. Primära utfall inkluderar smärtintensitet, Patient-Specific Functional Scale (PSFS)-poäng och regionsspecifika funktionsnedsättningsindex; det sekundära utfallet är träningsföljsamhet. Mätningar kommer att utföras vid baslinje, vecka 2 och vecka 4. Data kommer att analyseras med en intention-to-treat-metod och blandad ANOVA för att undersöka tid- och gruppeffekter (p < 0,05).

Del II: En retrospektiv observationsstudie kommer att analysera cirka 700 000 anonymiserade datauppgifter från Youdon-databasen mellan 1 juli 2024 och 30 augusti 2025. Studien kommer att bedöma realtidsförändringar i smärta före och efter varje träningspass och identifiera påverkande faktorer under rutinmässiga kliniska förhållanden. Data kommer att analyseras med linjära mixed-effects-modeller (LMM), där deltagar-ID är inställt som en slumpmässig intercept för att ta hänsyn till inom-subjekt-variabilitet.

Modell 1 (Smärtförbättringsmodell): Den beroende variabeln kommer att vara smärtförändringspoängen; prediktorer inkluderar funktionell diagnos, antal smärtplatser, smärtpoäng före träning och träningsföljsamhet.

Modell 2 (Följsamhetsmodell): Den beroende variabeln kommer att vara träningsföljsamhet; prediktorer inkluderar antal smärtplatser, smärta före träning, antal träningsrecept och upplevd ansträngning. Båda modellerna kommer att justera för ålder och kön som kovariater.