Ο εκρηκτικός πολλαπλασιασμός της κινητής υγείας (mHealth) συνεχίζει να δημιουργεί σημαντικές αυξήσεις. Τα μέσα μαζικής ενημέρωσης είναι γρήγορη για να καλύψουν μια φανταχτερή νέα εφαρμογή που υπόσχεται να δώσει τη δυνατότητα στους ασθενείς να πάρουν πιο υγιείς ή να βοηθήσουν τους κλινικούς για να γίνουν πιο αποτελεσματικοί και αποδοτικοί. Μια πρόσφατη ανασκόπηση που πραγματοποιήθηκε από το Πανεπιστήμιο του Σικάγου έδειξε ότι οι περισσότερες διαθέσιμες στο κοινό εφαρμογές κινητής υγείας σχεδιάζονται για ασθενείς.
Έχουν συχνά ως στόχο τη διαχείριση της υγείας και της ασθένειας. Αυτές οι δύο κατηγορίες ακολουθούνται από εφαρμογές για αυτοδιαγνωστικές εφαρμογές, εφαρμογές διαχείρισης φαρμάκων (ψηφιακές υπενθυμίσεις) και ηλεκτρονικές εφαρμογές πύλης ασθενών .
Ωστόσο, οι περισσότερες εφαρμογές του mHealth δεν έχουν δοκιμαστεί με αυστηρό τρόπο, έτσι ώστε να μην μπορούμε να είμαστε σίγουροι ότι ανταποκρίνονται στις υποσχέσεις τους. Ο σκοπός αυτού του άρθρου δεν είναι να αποκλείσει το νόμιμο δυναμικό της τεχνολογίας mHealth για να μετατρέψει τις υπηρεσίες υγειονομικής περίθαλψης και υγείας με θετικούς τρόπους, αλλά για να καταδείξει πόσο ελαττωματικές εφαρμογές και συσκευές mHealth θα μπορούσαν να οδηγήσουν σε σοβαρές συνέπειες.
Υπάρχουν διάφοροι τύποι ελαττωμάτων που θα μπορούσαν να μολύνουν μια εφαρμογή ή μια συσκευή mHealth. Ο κατάλογος δεν είναι εξαντλητικός.
Μη έγκυρο
Πολλές εφαρμογές ή συσκευές mHealth έχουν σχεδιαστεί για τη μέτρηση παραμέτρων όπως η γλυκόζη στο αίμα, η αρτηριακή πίεση, η σωματική δραστηριότητα , η πνευμονική λειτουργία, τα επίπεδα οξυγόνου και οι καρδιακοί ρυθμοί. Μια μη έγκυρη εφαρμογή ή συσκευή μετρά με ακρίβεια την παράμετρο, είτε με υποτίμηση, υπερεκτίμηση ή εσφαλμένη ταξινόμηση.
Εξετάστε μια εφαρμογή που συνδέεται με μια συσκευή ανάγνωσης ταινιών γλυκόζης για να μετατρέψετε το smartphone σε μετρητή γλυκόζης. Αν η εφαρμογή εμφανίζει μια μη έγκυρη ένδειξη γλυκόζης και συνιστά μια εσφαλμένη δόση ινσουλίνης, τότε ο ασθενής μπορεί να υποστεί επικίνδυνα χαμηλά ή υψηλά επίπεδα γλυκόζης μετά την χορήγηση της ινσουλίνης.
Ορισμένες παράμετροι δεν είναι απλοί αριθμοί, αλλά κατηγορίες. Μια μη έγκυρη εφαρμογή θα ταξινομήσει εσφαλμένα την παράμετρο σε λάθος κατηγορία. Ο Joel A. Wolf και οι συνεργάτες του από το Πανεπιστήμιο του Πίτσμπουργκ αξιολόγησαν την ακρίβεια των εφαρμογών smartphone που είχαν σχεδιαστεί για να αναλύουν φωτογραφίες δερματικών βλαβών και να εκτιμούν την πιθανότητα ότι οι βλάβες ήταν μελανώματα.
Τρεις από τις τέσσερις εφαρμογές ταξινομούσαν εσφαλμένα το 30% ή περισσότερο των πραγματικών μελανωμάτων ως καλοήθεις. Μια άλλη μελέτη με ενδιαφέροντα αποτελέσματα δημοσιεύθηκε επίσης από τον Dr. Christophe Wyss, έναν καρδιολόγο από την Καρδιολογική Κλινική της Ζυρίχης στην Ελβετία. Η ομάδα του εξέτασε τις εμπορικές εφαρμογές smartphone που μετράνε τον καρδιακό ρυθμό. Διαπίστωσαν ασυνέπειες στη διαγνωστική τους ακρίβεια, ενώ οι συσκευές χωρίς επαφή παρουσίαζαν λιγότερη ακρίβεια από τις εφαρμογές που βασίζονται σε επαφές.
Ο βαθμός στον οποίο μια μη έγκυρη εφαρμογή ή συσκευή θα έθετε σε κίνδυνο την ασφάλεια του ασθενούς εξαρτάται από την κατεύθυνση και το μέγεθος του σφάλματος, την υποκείμενη κατάσταση υγείας που αντιμετωπίζεται, το πλαίσιο στο οποίο χρησιμοποιείται η εφαρμογή, καθώς και άλλους παράγοντες.
Αναξιόπιστος
Μια μη αξιόπιστη εφαρμογή ή συσκευή προκαλεί υπερβολική παραλλαγή κατά τη μέτρηση παραμέτρων που δεν έχουν αλλάξει. Για παράδειγμα, μια μη αξιόπιστη εφαρμογή μέτρησης γλυκόζης δείχνει ότι η γλυκόζη αίματος του χρήστη έχει αλλάξει σημαντικά όταν στην πραγματικότητα παρέμεινε σταθερή.
Σημειώστε ότι μια εφαρμογή ή μια συσκευή μπορεί να είναι αξιόπιστη αλλά άκυρη. Μια συσκευή που υποεκτιμά σταθερά τη γλυκόζη αίματος κατά 30 mg / dL θα ήταν αξιόπιστη αλλά άκυρη.
Δεν βασίζεται σε αποδεικτικά στοιχεία
Μια εφαρμογή ή συσκευή που δεν βασίζεται σε επιστημονικά στοιχεία θα μπορούσε να προσφέρει εκτιμήσεις ή να προτείνει θεραπευτικές αγωγές που είναι άχρηστες στην καλύτερη περίπτωση ή επιβλαβείς στο χειρότερο. Ένα ενδιάμεσο σενάριο είναι ότι η τεχνολογία mHealth δεν παρέχει χαρακτηριστικά ή στοιχεία που είναι γνωστό ότι είναι επωφελής. Ας υποθέσουμε ότι ένας γιατρός χρησιμοποιεί μια εφαρμογή για να καθορίσει την καλύτερη πορεία θεραπείας για έναν ασθενή με ανεξέλεγκτο άσθμα. Αν η εφαρμογή δεν συστήσει θεραπείες που βασίζονται σε τεκμήρια (όπως εισπνεόμενα στεροειδή), τότε ο ασθενής θα μπορούσε να υποφέρει άσκοπα.
Ορισμένες εφαρμογές mHealth υπολογίζουν το προφίλ κινδύνου ενός ασθενούς με βάση δεδομένα ειδικά για τον ασθενή. Για παράδειγμα, ένας υπολογιστής καρδιακού κινδύνου μπορεί να χρησιμοποιήσει την ηλικία, το φύλο, το κάπνισμα, την αρτηριακή πίεση, τα επίπεδα χοληστερόλης και άλλες πληροφορίες για τον υπολογισμό του κινδύνου για καρδιακά επεισόδια.
Οι ακαθάριστες ανακρίβειες σε μια τέτοια εφαρμογή μπορεί να οδηγήσουν τους κλινικούς γιατρούς σε βλαβερές ή αναποτελεσματικές οδούς θεραπείας.
Οι πάροχοι υγειονομικής περίθαλψης αναμένεται να ασκήσουν κλινική κρίση για να αποφασίσουν εάν θα ενεργήσουν σε πληροφορίες που υποβάλλονται από εφαρμογές ή συσκευές. Αλλά μια ελαττωματική εφαρμογή μπορεί να φανεί αξιόπιστη. Οι ασθενείς ή οι γενικοί καταναλωτές (το μεγαλύτερο κοινό για εφαρμογές mHealth) είναι ακόμη λιγότερο ικανοί να κρίνουν την ακρίβεια μιας εφαρμογής ή μιας συσκευής. Οι ειδικοί υποστηρίζουν ότι οι τυχαιοποιημένες ελεγχόμενες δοκιμές (που συνήθως θεωρούνται το πρότυπο του χρυσού στην έρευνα) απαιτούνται για την επικύρωση των εφαρμογών mHealth και των βασικών αρχών τους. Συγκεκριμένα, θα πρέπει να αναζητήσουμε δοκιμές με μεγάλα δείγματα και μακρά παρακολούθηση. Μέχρι στιγμής, δεν υπάρχουν πολλά αποδεικτικά στοιχεία που να υποστηρίζουν τους ισχυρισμούς πολλών εφαρμογών για την υγεία. Επομένως, χρειάζεται περισσότερη έρευνα για να διαπιστωθεί εάν πολλές από αυτές τις εφαρμογές μπορούν να αποτελέσουν ένα πολύτιμο εργαλείο στην υγειονομική περίθαλψη. Είναι επίσης σημαντικό για τους επαγγελματίες υγείας να γνωρίζουν πώς να χρησιμοποιούν νέες εφαρμογές.
Άλλες εκτιμήσεις
Μια ελαττωματική εφαρμογή μπορεί να αφαιρεθεί από την αγορά, όπως στην περίπτωση της εφαρμογής Pfizer Rheumatology Calculator , η οποία δημιούργησε ανακριβή αποτελέσματα για την αξιολόγηση της ασθένειας σε ασθενείς με ρευματοειδή αρθρίτιδα.
Ωστόσο, η απομάκρυνση από τις διαδικτυακές αγορές εμποδίζει μόνο νέες λήψεις. Τι γίνεται με τις εφαρμογές που έχουν ήδη ληφθεί στο smartphone ή το tablet του χρήστη; Εάν ο χρήστης δεν γνωρίζει τον κίνδυνο, τότε ο κίνδυνος παραμένει.
Ένα άλλο σημαντικό ζήτημα είναι η ασφάλεια των ευαίσθητων πληροφοριών υγείας που αποθηκεύονται ή προσπελάζονται από την τεχνολογία mHealth. Οι ασθενείς και οι κλινικοί γιατροί ανησυχούν για ενδεχόμενες παραβιάσεις δεδομένων.
Ο FDA ρυθμίζει ορισμένους τύπους εφαρμογών για κινητά τηλέφωνα, αλλά άλλες θεωρούνται χαμηλού κινδύνου, αν δεν θεωρούνται ιατροτεχνολογικά προϊόντα και δεν παρακολουθούνται.
Παρόλο που πρέπει να γνωρίζουμε τους κινδύνους και τους περιορισμούς τους, οι εφαρμογές mHealth έχουν επίσης τη δυνατότητα να ενθαρρύνουν τους ανθρώπους να κάνουν πιο υγιεινές επιλογές και να αναλάβουν περισσότερες ευθύνες.
> Πηγές:
> Coppetti Τ, Brauchlin Α, Wyss C, et αϊ. Ακρίβεια εφαρμογών smartphone για μέτρηση καρδιακού ρυθμού. European Journal of Preventive Cardiology 2017, 24 (12): 1287-1293.
> Cortez Ν, Cohen Ι, Kesselheim Α. Ρυθμιστικό πλαίσιο FDA για κινητές τεχνολογίες υγείας. New England Journal of Medicine 2014 371 (4): 372-379.
> Covolo L, Ceretti E, Moneda M, Castaldi S, Gelatti U. Υποστηρίζουν τα αποδεικτικά στοιχεία τη χρήση των εφαρμογών κινητής τηλεφωνίας ως οδηγού για την προαγωγή υγιεινού τρόπου ζωής από την άποψη της δημόσιας υγείας; Μια συστηματική ανασκόπηση των τυχαιοποιημένων δοκιμών ελέγχου. Εκπαίδευση και Συμβουλευτική των Ατόμων 2017, 100: 2231-2243.
> Kao C, Liebovitz D. Καταναλωτικές εφαρμογές για την υγεία των καταναλωτών: τρέχουσα κατάσταση, εμπόδια και μελλοντικές κατευθύνσεις. Pm & R 2017; 9 (5): S106-S115.
> Powell A, Landman Α, Bates D. Σε αναζήτηση μερικών καλών εφαρμογών. Jama 2014 · 311 (18): 1851-1852.
> Wolf JA, Moreau JF, Akilov Ο, et αϊ. Διαγνωστική ανακρίβεια εφαρμογών Smartphone για ανίχνευση μελανώματος. JAMA Dermatology 2013, 149 (4): 422-426.