Artikel
Wearable basierte Visualisierung des Rehabilitationsverlaufs – die „Bring your own device“-Strategie
Suche in Medline nach
Autoren
-
Benedikt Braun
- Klinik für Unfall- und Wiederherstellungschirurgie, Eberhard Karls Universität Tübingen, BG Klinik, Tübingen, Germany
-
Maximilian Menger
- Klinik für Unfall- und Wiederherstellungschirurgie, Eberhard Karls Universität Tübingen, BG Klinik, Tübingen, Germany
-
Steven Herath
- Klinik für Unfall- und Wiederherstellungschirurgie, Eberhard Karls Universität Tübingen, BG Klinik, Tübingen, Germany
-
Mika Rollmann
- Klinik für Unfall- und Wiederherstellungschirurgie, Eberhard Karls Universität Tübingen, BG Klinik, Tübingen, Germany
-
Carolina Girnstein
- Klinik für Unfall- und Wiederherstellungschirurgie, Eberhard Karls Universität Tübingen, BG Klinik, Tübingen, Germany
-
Tanja Maisenbacher
- Klinik für Unfall- und Wiederherstellungschirurgie, Eberhard Karls Universität Tübingen, BG Klinik, Tübingen, Germany
-
Kira Hofmann
- Klinik für Unfall- und Wiederherstellungschirurgie, Eberhard Karls Universität Tübingen, BG Klinik, Tübingen, Germany
-
Chiara Meierhofer
- Klinik für Unfall- und Wiederherstellungschirurgie, Eberhard Karls Universität Tübingen, BG Klinik, Tübingen, Germany
-
Daniel Truhn
- Klinik für Diagnostische und Interventionelle Radiologie, Universitätsklinikum, RWTH Aachen, Aachen, Germany
-
Tina Histing
- Klinik für Unfall- und Wiederherstellungschirurgie, Eberhard Karls Universität Tübingen, BG Klinik, Tübingen, Germany
| Veröffentlicht: | 21. Oktober 2024 |
|---|
Gliederung
Text
Fragestellung: Um die funktionelle Rehabilitation hin zur individuellen Ausgangsaktivität vor der Verletzung zu erfassen, ist eine Kenntnis des Funktionszustandes der Patient:innen vor dem Unfallereignis notwendig. Mit klassischen Fragebögen lässt sich dieser Zustand nur unzureichend abbilden. Wearables finden eine zunehmende, allgemeine Verbreitung und können dabei helfen, den funktionellen Ausgangszustand, wie auch den Rehabilitationsverlauf darzustellen.
Methodik: Für die Studie erfolgte der prospektive Einschluss von Patient:innen mit muskuloskelettaler Verletzung und die kontinuierliche Erfassung der Aktivität seit Verletzung mit einem Wearable (eigenes Handy, oder Smartwatch). Zusätzlich erfolgte ein retrospektives Harvesting der prä-Verletzungs Daten.Zusätzlich wurden PROMs und Arbeitsunfähigkeit erfasst. Die Analyse erfolgte neben klassischer Statistik mit einem logistischen Regressionsmodell.
Ergebnisse und Schlussfolgerung: Bei laufender Rekrutierung wurden aktuell über 100 Patient:innen nach muskuloskelettalen Verletzungen eingeschlossen. Die Aktivitätserfassung war vor und nach dem Unfallereignis möglich. Die erste Analyse zeigte einen messbaren Rehabilitationseffekt sowohl an der oberen, wie auch unteren Extremität. Die entsprechende Entwicklung eines prädiktiven linearen Regressionsmodells aus den bisher vorliegenden Daten zeigte eine gute Vorhersagekapazität bezüglich der funktionellen Rehabilitationserfolgs nach 6 Wochen (F1=0,82; AUC=0,86; ACC=8,83).
Die Abbildung 1 [Abb. 1] des Rehabilitationsverlaufs und dessen Erfolgs sowie der Zustand vor dem Unfallereignis ist mit Patient:innen eigenen Wearables möglich. Die individuelle Aktivität vor dem Unfall kann zuverlässig erfasst werden und dient dabei als Referenz zur Verlaufsbeurteilung. Bei ausreichender Datenmenge können so verletzungsspezifische Normverläufe definiert werden, um zukünftig Patient:innen mit Risiko zur verzögerten Rehabilitation frühzeitig erkennen zu können.
Literatur
- 1.
- Braun BJ, Histing T, Menger MM, Herath SC, Mueller-Franzes GA, Grimm B, Marmor MT, Truhn D; AO Smart Digital Solutions Task Force(Andrew M Hanflik, Peter H Richter, Sureshan Sivananthan, Seth R Yarboro). Wearable activity data can predict functional recovery after musculoskeletal injury: Feasibility of a machine learning approach. Injury. 2024 Feb;55(2):111254. DOI: 10.1016/j.injury.2023.111254
