手术前移动健康数据改善了从腰椎手术中恢复的预测

科学领域:

• 神经外科 神经外科
• 数字健康数字健康
• 医疗信息学 医疗信息学

背景情况:

• 目前对腰椎手术恢复的预测依赖于有限的,一次性数据.
• 纵向移动健康 (mHealth) 数据,包括生态瞬间评估 (EMA) 和可穿戴生物识别,可能会提供更深入的见解.
• 整合症状动态和生物识别数据可以显著影响康复预测.

研究的目的:

• 评估手术前的mHealth评估是否可以改善腰椎手术后康复的预测.
• 确定整合EMA和Fitbit数据用于预测外科手术结果的有效性.
• 增强患者选择和术后康复策略.

主要方法:

• 招募了因退行性疾病而接受腰部手术的患者 (21-85岁).
• 通过EMA (疼痛,残疾,抑郁症) 和Fitbit监测收集的纵向数据,在手术前长达3周.
• 利用机器学习模型预测恢复结果 (QOR-15,疼痛干扰) 使用工程特征,通过c-statistic测量.

主要成果:

• 与传统方法相比,mHealth评估提高了34%的疼痛干扰预测 (c=0.82对0.61).
• 移动健康数据集成提高了QOR-15恢复预测的30% (c=0.70对0.54).
• 48%的患者在疼痛干扰方面表现出临床上有意义的改善;40%的患者实现了良好的/优秀的QOR-15恢复.

结论:

• 多模式的mHealth评估显著提高了腰部手术恢复结果的预测.
• 这些先进的预测能力可以为患者的选择提供信息,并优化术后恢复策略.
• 整合EMA和可穿戴数据代表了预测手术患者轨迹的有希望的进步.