La eksploda proliferado de movebla sano (mHealth) daŭre generas konsiderindan zumon. Amaskomunikiloj estas rapide por kovri novan novan programon, kiu promesas empoweri pacientojn akiri pli sanajn aŭ helpajn klinikojn fariĝi pli efikaj kaj efikaj. Freŝa revizio realigita de la Universitato de Ĉikago montris, ke plejparte publike disponeblaj telefonaj sanaj apps estas desegnitaj por pacientoj.
Ili ofte celas bonon kaj malsanon. Ĉi tiuj du kategorioj estas sekvitaj de apps por mem-diagnoziĝo, apps por kuracado-administrado (ciferecaj rememorigiloj) kaj elektronikaj pacportportaj apps.
Tamen, plej multaj mHealth-apps ne estis provitaj per strikta maniero, tiel ke ni ne povas certi, ke ili bonfaras siajn promesojn. La celo de ĉi tiu artikolo ne devas rabati la leĝan potencialon por mHealth-teknologio por transformi sanajn prizorgojn kaj sanajn rezultojn en pozitivaj manieroj, sed por ilustri kiel malfavoraj mHealth-apps kaj aparatoj povus kaŭzi seriozajn konsekvencojn.
Ekzistas pluraj tipoj de difektoj, kiuj povus plagi mHealth-app aŭ aparaton. La listo ne estas ĝisfunda.
Nevalida
Multaj mHealth-apps aŭ aparatoj estas desegnitaj por mezuri parametrojn kiel sangan glukozon, sangopremon, fizikan aktivecon , pulmonan funkcion, oksigenajn nivelojn kaj korajn ritmojn. Malvalida aplikaĵo aŭ aparato mezuras la parametron malĝuste, ĉu per subtaksimo, overestimado aŭ misclassificación.
Konsideru app kiu konektas al glukoza strio-leganto por transformi la inteligentan telefonon en gluzonon. Se la programo montras nevalidan glukozon legadon kaj rekomendas malĝustan dozon de insulino, tiam la paciento povus suferi danĝere malaltajn aŭ altajn nivelojn de glukozo post kiam la insulino administras.
Iuj parametroj ne estas simplaj nombroj, sed prefere kategorioj. Malvalida apliko misclassify la parametron en la malĝustan kategorion. Joel Al. Lupo kaj liaj kolegoj de la Universitato de Pittsburgh taksis la precizecon de inteligentaj telefonaj apps, kiuj estis desegnitaj por analizi fotojn de haŭtaj lezoj kaj taksi la verŝajnecon, ke la lezoj estis melanomas.
Tri el la kvar apps malklara 30% aŭ pli da veraj melanomoj kiel benignaj. Alia studo kun interesaj rezultoj ankaŭ estis publikigita fare de Dr. Christophe Wyss, kardologo de la Kora Kliniko Zurich en Svislando. Lia teamo ekzamenis komercajn inteligentajn telefonajn apps, kiuj mezuras kurson. Ili trovis nekonsekvencojn en sia diagnoza precizeco, kun ne-kontaktaj aparatoj montrante malpli precizecon ol kontakt-bazitajn apps.
La grado, al kiu nevalida apliko aŭ aparato kompromitas paciencan sekurecon dependas de la direkto kaj grando de la eraro, la suba sano kondiĉo, la kuntekston, en kiu la apliko estas uzata, same kiel aliaj faktoroj.
Nefidinda
Nefidinda apliko aŭ aparato produktas troan variadon kiam mezurante parametroj, kiuj ne ŝanĝis. Ekzemple, nefidinda programo de mezurado de glukozo indikus, ke la sango-gluko de la uzanto ŝanĝiĝis signife, kiam fakte ĝi restis stabila.
Notu, ke aplikaĵo aŭ aparato povas esti fidinda sed nevalida. Devizo kiu konstante subtaksas sangan glukozon de 30 mg / dL estus fidinda sed nevalida.
Ne evidenteca bazita
Aplikaĵo aŭ aparato ne bazita sur scienca evidenteco povus liveri taksojn aŭ sugesti traktadojn, kiuj estas senutilaj ĉe la plej bona aŭ malutila ĉe plej malbona. Meza scenejo estas, ke la mhealth-teknologio ne provizas trajtojn aŭ komponojn, kiuj estas konataj kiel utilaj. Supozu, ke kuracisto uzas aplikon por determini la plej bonan traktadon por paciento kun nekontrolita astmo. Se la programo rekomendas rekomendajn bazajn traktadojn (kiel inhalataj steroidoj), tiam la paciento povus suferi sen neceseco.
Kelkaj mHealth-apps kalkulas la riskon de paciento de profito bazita sur paciencaj specifaĵoj. Ekzemple, kalkulilo de risko cardíaco povas uzi la aĝon de la paciento, sekso, fumado, sangopremo, kolesterolo kaj aliaj informoj por taksi riskon por koraj eventoj.
Malprofundaj malsukcesoj en tia apliko povas klini klinikojn al malutilaj aŭ neefikaj kuracaj vojoj.
Atentantoj pri sano prizorgas klinikan juĝon decidante ĉu agi pri informoj prezentitaj de apps aŭ aparatoj. Sed malofta programo povas aperi fidinda. Pacientoj aŭ ĝeneralaj konsumantoj (la plej granda spektantaro por mHealth-apps) eĉ malpli kapablas juĝi la precizecon de aplikaĵo aŭ aparato. Fakuloj argumentas, ke hazardaj kontrolitaj provoj (kutime konsiderata la ora normo en esplorado) postulas validigi mHealth-apps kaj iliajn subajn principojn. En aparta, ni devus serĉi provojn kun grandaj specimenoj kaj longaj sekvajxoj. Ĝis nun, ne multe da evidenteco subtenas la reklamojn faritajn de multaj sanaj apps. Sekve, pli da esplorado bezonas por establi se multaj el ĉi tiuj apps povas esti valora ilo en sano. Ankaŭ estas grava por sanaj profesiuloj scii kiel uzi novajn programojn.
Aliaj konsideroj
Malfacila programo povas esti forigita de la vendoplaco, kiel estis la kazo de Pfizer's Rheumatology Calculator , kiu generis malprecizajn punktojn por taksado de malsanaj agoj en pacientoj kun reŭmatata artrito.
Sed forigo de interretaj merkatoj nur malhelpas novajn elŝutojn. Kio pri apps jam elŝutitaj al la smartphone aŭ tablojdo de la uzanto? Se la uzanto ne scias pri la danĝero, tiam la risko persistas.
Alia grava afero estas la sekureco de sentema sano-informo, kiu estas stokita aŭ alirita de mHealth-teknologio. Pacientoj kaj klinikoj raportas pri eblaj datumoj-breĉoj.
La FDA reguligas iujn tipojn de programoj pri sano por poŝtelefonoj, sed aliaj konsideras malaltan riskon, se ili ne konsideras medicinajn aparatojn kaj ne kontrolas.
Kvankam ni devus esti konsciaj pri iliaj riskoj kaj limigoj, mHealth apps ankaŭ havas la eblon instigi homojn fari pli sanajn elektojn kaj preni pli da respondeco.
> Fontoj:
> Coppetti T, Brauchlin A, Wyss C, et al. Precizeco de inteligentaj telefonaj aplikoj por kora taksado. Eŭropa Ĵurnalo de Preventa Kardiologio 2017; 24 (12): 1287-1293.
> Cortez N, Cohen I, Kesselheim A. FDA Reguligo de Moveblaj Sanaj Teknologioj. Nova Anglio-Ĵurnalo pri Medicino 2014; 371 (4): 372-379.
> Covolo L, Ceretti E, Moneda M, Castaldi S, Gelatti U. Ĉu evidenteco subtenas la uzon de poŝtelefonaj apps kiel ŝoforo por antaŭenigi sanajn vivstilojn de publika sano-perspektivo? Sistema revizio de Randomized Control Trials. Patient Education and Counseling 2017; 100: 2231-2243.
> Kao C, Liebovitz D. Consumer Mobile Health Apps: Nuna Ŝtato, Baroj kaj Futuraj Direktoj. Pm & R 2017; 9 (5): S106-S115.
> Powell A, Landman A, Batiloj D. Serĉante kelkajn bonajn apps. Jama 2014; 311 (18): 1851-1852.
> Wolf JA, Moreau JF, Akilov O, et al. Diagnostika Malfacilaĵo de Smartphone-Aplikoj por Melanoma Detekto. JAMA Dermatologio 2013; 149 (4): 422-426.