使用可穿戴传感器设备和移动应用程序对术后患者的疼痛进行客观评估:一项初步研究

科学领域:

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

背景情况:

• 目前的术后疼痛评估依赖于患者的主观自我评估 (例如,数值评分表,NRS).
• 患者的自我评估倾向于回忆偏差,缺乏全面的疼痛强度趋势数据.
• 有效的疼痛管理需要客观和持续的疼痛监测.

研究的目的:

• 探索可穿戴生物传感器和机器学习的潜力,以估计术后疼痛强度.
• 为了验证基于生物传感器的系统与患者报告的疼痛水平的准确性.
• 评估远程疼痛评估在门诊环境中的可行性.

主要方法:

• 一项涉及手术后膝关节手术患者的研究进行了30天的监测.
• 利用可穿戴生物传感器收集生理参数.
• 应用机器学习算法来分析生物传感器数据并估计疼痛强度.

主要成果:

• 在门诊环境中展示了可穿戴生物传感器系统的可行性.
• 在基于机器学习的疼痛估计和患者报告的NRS之间取得了实质性的一致性 (科恩卡帕=0.70).
• 表明生理数据和感知疼痛水平之间存在强烈的相关性.

结论:

• 可穿戴生物传感器与机器学习相结合,可以远程准确地评估术后疼痛强度.
• 这项技术为传统的主观疼痛评估方法提供了可行的客观替代方案.
• 该系统有望改善术后疼痛管理和患者监测.