客观的可穿戴设备测量与脊髓刺激系统患者自我报告的慢性疼痛水平相关
Denis G Patterson1, Derron Wilson2, Michael A Fishman3
1Nevada Advanced Pain Specialists, Reno, NV, USA. patterson@nvadvancedpain.com.
NPJ digital medicine
|August 15, 2023
概括
可穿戴的数字生物标志物可以预测脊髓刺激 (SCS) 治疗的疼痛结果. 这项技术为慢性疼痛管理提供了持续的实时患者监测.
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:
- 脊髓刺激 (SCS) 是慢性疼痛的常见治疗方法,但患者的结果各不相同.
- 传统的患者报告结果 (PRO) 在捕捉实时患者状态方面存在局限性.
- 数字PRO需要积极的患者参与,这可能具有挑战性.
研究的目的:
- 评估使用可穿戴设备的数字生物标志物来预测SCS患者疼痛和PRO结果的可行性.
- 开发一种机器学习模型,使用可穿戴数据进行客观疼痛评估.
- 探索持续实时监测SCS治疗有效性的潜力.
主要方法:
- 招募了20名患有慢性疼痛的参与者进行SCS植入.
- 在六个月内从可穿戴设备收集活动和生理数据.
- 开发了一个机器学习管道,使用15名参与者的数据来预测疼痛水平和PRO类别.
主要成果:
- 一个机器学习模型在预测轻度,中度和重度疼痛强度方面达到0.768±0.012的准确性.
- 关键的数字生物标志物包括心率,心率变化,步数和站立时间.
- 这些生物标志物有效地模拟了患者经历的疼痛的不同方面.
结论:
- 可穿戴的数字生物标志物在接受SCS的慢性疼痛患者中预测治疗结果方面表现有前途.
- 这种方法可以在植入治疗期间客观,持续和实时监测患者.
- 数字生物标志物提供了一种新的方法,可以提高慢性疼痛的理解和管理.
