客观的可穿戴措施和主观问卷用于预测慢性疼痛患者对神经刺激的反应

科学领域:

• 生物医学工程 生物医学工程
• 疼痛管理 疼痛管理
• 数字健康数字健康

背景情况:

• 神经刺激对慢性疼痛是有效的,但长期反应很难跟踪.
• 频繁的疼痛监测对于诊断,进展和疗效评估至关重要.
• 这项研究将主观患者结果与客观可穿戴数据进行比较,以预测神经刺激反应.

研究的目的:

• 将主观患者报告结果的预测能力与客观可穿戴数据进行比较.
• 开发用于预测神经刺激治疗结果的机器学习模型.
• 确定用于疼痛管理和患者福祉的数字生物标志物.

主要方法:

• 利用了来自REALITY临床研究的数据 (557名受试者,SCS/DRG神经刺激器).
• 从20名SCS参与者的子集收集了6个月的可穿戴数据.
• 应用了缩小维度,相关性分析和机器学习模型来预测结果 (NRS,PGIC).

主要成果:

• 可穿戴数据 (心率变化,运动) 与疼痛的心理和身体方面相关.
• 使用可穿戴数据的机器学习模型准确预测了患者的全球变化印象 (PGIC) 和数值评分表 (NRS) 的结果.
• 基于可穿戴数据的预测准确性对PGIC来说更高,这表明它是一个更好的长期结果预测器.

结论:

• 可穿戴数据提供了一种新的方式来捕捉多维疼痛方面,并预测治疗反应.
• 来自可穿戴设备的数字生物标志物可以增强对患者反应和幸福感的理解.
• 客观的可穿戴数据显示了改善神经刺激治疗疗效的评估的前景.