预测患有复杂区域疼痛综合征 (CRPS) 的儿童的疼痛加剧

假设和目标：我们假设 CRPS 引起的肢体疼痛自发性加重（“发作”）具有可识别和可预测的诱因和时间。 该试验的目的是（1）汇总实时生理、心理、主观疼痛、环境和饮食数据的大型数据库，并使用人工智能（AI）分析这些数据，以识别疼痛加剧的时间诱因，以及（2）根据所学到的知识确定中断急性疼痛发作进展的潜在策略。 早期治疗和中断急性疼痛发作的策略将对这些患者在接受治疗和缓解病情时的生活质量产生重大影响。

设计：研究设计：前瞻性观察研究。 受试者：将从斯坦福大学的儿科疼痛诊所和全国其他类似中心招募。 受试者将获得 Apple Watch 和 Medeloop 应用程序用于数据收集。 数据收集：如果受试者通过 Medeloop 登录其医院的患者门户，Medeloop 将收集受试者的电子病历（现有的和未来的）。

Apple Watch 将在 6 个月的时间内向 Medeloop 实时传输生理数据，从 Apple Watch 测量的脉搏率、氧饱和度、日光时间、心电图测量和运动/活动中得出生理参数。 衍生变量包括心率变异性、睡眠时间、每日步行距离、右/左负重和步态等。 使用配对的智能手机，受试者将拍摄所有膳食，以通过人工智能分析饮食内容，拍摄后将传输到 Medeloop 进行人工智能分析。 Medeloop 软件将每天使用位置数据并交叉引用相应的环境和天气数据（例如大气条件、空气和水质）。 所有疼痛发作都将通过 Medeloop 应用程序实时记录。