Ο εκρηκτικός πολλαπλασιασμός της κινητής υγείας (mHealth) συνεχίζει να δημιουργεί σημαντική φήμη. Τα μέσα μαζικής ενημέρωσης καλύπτουν γρήγορα μια φανταστική νέα εφαρμογή που υπόσχεται να ενδυναμώσει τους ασθενείς να γίνουν πιο υγιείς ή να βοηθήσει τους κλινικούς για να γίνουν πιο αποτελεσματικοί και αποδοτικοί. Μια ανασκόπηση που πραγματοποιήθηκε από το Πανεπιστήμιο του Σικάγο έδειξε ότι οι περισσότερες διαθέσιμες στο κοινό εφαρμογές υγείας για κινητές συσκευές έχουν σχεδιαστεί για ασθενείς. Στοχεύουν συχνά στη διαχείριση της ευεξίας και της νόσου. Αυτές οι δύο κατηγορίες ακολουθούνται από εφαρμογές για αυτοδιάγνωση, εφαρμογές για διαχείριση φαρμάκων (ψηφιακές υπενθυμίσεις) και εφαρμογές ηλεκτρονικής πύλης ασθενών.
Στιγμιότυπο σύνταξης / Getty Images / Getty ImagesΩστόσο, οι περισσότερες εφαρμογές mHealth δεν έχουν δοκιμαστεί με αυστηρό τρόπο, επομένως δεν μπορούμε να είμαστε σίγουροι ότι κάνουν καλές τις υποσχέσεις τους. Ο σκοπός αυτού του άρθρου δεν είναι να μειώσει το νόμιμο δυναμικό της τεχνολογίας mHealth να μεταμορφώσει τα αποτελέσματα της υγειονομικής περίθαλψης και της υγείας με θετικούς τρόπους, αλλά να δείξει πώς ελαττωματικές εφαρμογές και συσκευές mHealth θα μπορούσαν να οδηγήσουν σε σοβαρές συνέπειες.
Υπάρχουν διάφοροι τύποι ελαττωμάτων που θα μπορούσαν να μολύνουν μια εφαρμογή ή συσκευή mHealth. Η λίστα δεν είναι πλήρης.
Μη έγκυρο
Πολλές εφαρμογές ή συσκευές mHealth έχουν σχεδιαστεί για τη μέτρηση παραμέτρων όπως η γλυκόζη του αίματος, η αρτηριακή πίεση, η σωματική δραστηριότητα, η λειτουργία των πνευμόνων, τα επίπεδα οξυγόνου και οι καρδιακοί ρυθμοί. Μια μη έγκυρη εφαρμογή ή συσκευή μετρά την παράμετρο με ακρίβεια, είτε με υποεκτίμηση, υπερεκτίμηση ή εσφαλμένη ταξινόμηση.
Σκεφτείτε μια εφαρμογή που συνδέεται με έναν αναγνώστη ταινιών γλυκόζης για να μετατρέψει το smartphone σε μετρητή γλυκόζης. Εάν η εφαρμογή εμφανίζει μη έγκυρη ένδειξη γλυκόζης και συνιστά εσφαλμένη δόση ινσουλίνης, τότε ο ασθενής θα μπορούσε να υποφέρει επικίνδυνα χαμηλά ή υψηλά επίπεδα γλυκόζης μετά τη χορήγηση της ινσουλίνης.
Ορισμένες παράμετροι δεν είναι απλοί αριθμοί, αλλά κατηγορίες. Μια μη έγκυρη εφαρμογή θα ταξινόμησε εσφαλμένα την παράμετρο σε λάθος κατηγορία. Ο Joel A. Wolf και οι συνάδελφοί του από το Πανεπιστήμιο του Πίτσμπουργκ αξιολόγησαν την ακρίβεια των εφαρμογών smartphone που είχαν σχεδιαστεί για την ανάλυση φωτογραφιών δερματικών βλαβών και την εκτίμηση της πιθανότητας οι βλάβες να ήταν μελανώματα.
Τρεις από τις τέσσερις εφαρμογές ταξινόμησαν εσφαλμένα το 30% ή περισσότερο των πραγματικών μελανωμάτων ως καλοήθη. Μια άλλη μελέτη με ενδιαφέροντα αποτελέσματα δημοσιεύθηκε επίσης από τον Δρ Christophe Wyss, καρδιολόγο από το Heart Clinic Zurich στην Ελβετία. Η ομάδα του εξέτασε εμπορικές εφαρμογές smartphone που μετρούν τον καρδιακό ρυθμό. Βρήκαν ασυνέπειες στην ακρίβεια των διαγνωστικών τους, με συσκευές που δεν έρχονται σε επαφή να δείχνουν μικρότερη ακρίβεια από τις εφαρμογές που βασίζονται σε επαφές.
Ο βαθμός στον οποίο μια μη έγκυρη εφαρμογή ή συσκευή θα έθετε σε κίνδυνο την ασφάλεια των ασθενών εξαρτάται από την κατεύθυνση και το μέγεθος του σφάλματος, την υποκείμενη κατάσταση υγείας που αντιμετωπίζεται, το πλαίσιο στο οποίο χρησιμοποιείται η εφαρμογή, καθώς και από άλλους παράγοντες.
Αναξιόπιστος
Μια αναξιόπιστη εφαρμογή ή συσκευή παράγει υπερβολική διακύμανση κατά τη μέτρηση παραμέτρων που δεν έχουν αλλάξει. Για παράδειγμα, μια αναξιόπιστη εφαρμογή μέτρησης γλυκόζης θα έδειχνε ότι η γλυκόζη στο αίμα του χρήστη έχει αλλάξει σημαντικά όταν στην πραγματικότητα παρέμεινε σταθερή. Λάβετε υπόψη ότι μια εφαρμογή ή συσκευή μπορεί να είναι αξιόπιστη αλλά άκυρη. Μια συσκευή που υποτιμά σταθερά τη γλυκόζη στο αίμα κατά 30 mg / dL θα ήταν αξιόπιστη αλλά άκυρη.
Δεν βασίζεται σε στοιχεία
Μια εφαρμογή ή συσκευή που δεν βασίζεται σε επιστημονικά στοιχεία θα μπορούσε να παρέχει αξιολογήσεις ή να προτείνει θεραπείες που είναι άχρηστες στην καλύτερη περίπτωση ή επιβλαβείς στη χειρότερη. Ένα ενδιάμεσο σενάριο είναι ότι η τεχνολογία mHealth δεν παρέχει δυνατότητες ή στοιχεία που είναι γνωστό ότι είναι ευεργετικά. Ας υποθέσουμε ότι ένας γιατρός χρησιμοποιεί μια εφαρμογή για να καθορίσει την καλύτερη πορεία θεραπείας για έναν ασθενή με ανεξέλεγκτο άσθμα. Εάν η εφαρμογή αποτύχει να προτείνει τεκμηριωμένες θεραπείες (όπως εισπνεόμενα στεροειδή), τότε ο ασθενής θα μπορούσε να υποφέρει άσκοπα.
Ορισμένες εφαρμογές mHealth υπολογίζουν το προφίλ κινδύνου ενός ασθενούς με βάση δεδομένα για συγκεκριμένους ασθενείς. Για παράδειγμα, ένας υπολογιστής καρδιακού κινδύνου μπορεί να χρησιμοποιήσει την ηλικία, το φύλο, την κατάσταση του καπνίσματος, την αρτηριακή πίεση, τα επίπεδα χοληστερόλης και άλλες πληροφορίες του ασθενούς για να εκτιμήσει τον κίνδυνο καρδιακών επεισοδίων.
Οι σοβαρές ανακρίβειες σε μια τέτοια εφαρμογή ενδέχεται να κλίνουν τους κλινικούς ιατρούς προς επιβλαβείς ή αναποτελεσματικές οδούς θεραπείας.
Οι πάροχοι υγειονομικής περίθαλψης αναμένεται να ασκήσουν κλινική κρίση για να αποφασίσουν εάν θα ενεργήσουν βάσει πληροφοριών που παρουσιάζονται από εφαρμογές ή συσκευές. Αλλά μια ελαττωματική εφαρμογή μπορεί να φαίνεται 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 απαιτούνται τυχαιοποιημένες ελεγχόμενες δοκιμές (συνήθως θεωρούνται το πρότυπο χρυσού στην έρευνα) 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, αυτές οι μελέτες για εφαρμογές mHealth είναι περιορισμένες, αλλά έχουν διεξαχθεί ορισμένες τυχαιοποιημένες ελεγχόμενες δοκιμές. Για παράδειγμα, μια μελέτη του 2019 χρησιμοποίησε μια τυχαιοποιημένη ελεγχόμενη δοκιμή για να αξιολογήσει την αποτελεσματικότητα μιας εφαρμογής για κινητές συσκευές ψυχικής υγείας για την ευημερία και τη μείωση του στρες στις εργαζόμενες γυναίκες. Η μελέτη διαπίστωσε ότι όσοι χρησιμοποίησαν την εφαρμογή είχαν σημαντική βελτίωση στην ευεξία που σχετίζεται με την εργασία καθώς και μειωμένο άγχος.
Υπάρχουν επίσης προκλήσεις με τη χρήση τυχαιοποιημένων ελεγχόμενων δοκιμών κατά τη μελέτη εφαρμογών mHealth. Μία μελέτη σημείωσε ότι ομάδες αναμονής ή εικονικό φάρμακο χρησιμοποιούνται συχνά σε τυχαιοποιημένες ελεγχόμενες δοκιμές. Σε ορισμένες περιπτώσεις, η παρακράτηση της θεραπείας δεν είναι κατάλληλη όταν κοιτάζετε εφαρμογές mHealth που παρέχουν θεραπεία βάσει αποδεικτικών στοιχείων σε ψηφιακή μορφή. Κατέληξαν στο συμπέρασμα ότι η πιο χρήσιμη προσέγγιση κατά τη μελέτη αυτών των εφαρμογών mHealth μπορεί να είναι η σύγκριση των αποτελεσμάτων για ασθενείς που χρησιμοποιούν τις εφαρμογές με αυτούς που λαμβάνουν θεραπεία σε περιβάλλον εξωτερικών ασθενών.
Άλλες εκτιμήσεις
Μια ελαττωματική εφαρμογή μπορεί να αφαιρεθεί από την αγορά, όπως συνέβη με την εφαρμογή Ρευματολογία υπολογιστών της Pfizer, η οποία δημιουργούσε ανακριβείς βαθμολογίες για την αξιολόγηση της δραστηριότητας της νόσου σε ασθενείς με ρευματοειδή αρθρίτιδα.
Ωστόσο, η κατάργηση από τις διαδικτυακές αγορές αποτρέπει μόνο τις 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 ευαίσθητων πληροφοριών για την υγεία που αποθηκεύονται ή έχουν πρόσβαση μέσω της τεχνολογίας mHealth. Οι ασθενείς και οι ιατροί ανησυχούν για πιθανές παραβιάσεις δεδομένων.
Το FDA ρυθμίζει ορισμένους τύπους εφαρμογών υγείας για κινητά, αλλά άλλοι θεωρούνται χαμηλού κινδύνου εάν δεν θεωρούνται ιατρικές συσκευές 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 μεγαλύτερη ευθύνη.
