基于智能手机的数字表型分析技术,用于评估接受颈椎脊髓病手术治疗患者的术后恢复情况

《Frontiers in Neurology》:Smartphone-based digital phenotyping for characterizing post-operative recovery in patients undergoing surgery for cervical myelopathy

【字体: 大 中 小 】 时间:2026年03月20日 来源:Frontiers in Neurology 2.8

编辑推荐:

  摘要 目的:本研究旨在探讨使用个人智能手机来评估颈椎脊髓病手术后患者活动能力的可行性。具体目标包括:(1)评估术后第一周与第五周之间全球定位系统(GPS)/加速度计活动特征的变化;(2)比较前路和后路手术方法在恢复轨迹上的差异;(3)分析疼痛/残疾评分与被动获取的GPS/加速

  摘要
目的:本研究旨在探讨使用个人智能手机来评估颈椎脊髓病手术后患者活动能力的可行性。具体目标包括:(1)评估术后第一周与第五周之间全球定位系统(GPS)/加速度计活动特征的变化;(2)比较前路和后路手术方法在恢复轨迹上的差异;(3)分析疼痛/残疾评分与被动获取的GPS/加速度计活动变量之间的相关性。

方法:本研究招募了在维罗纳大学医院接受颈椎脊髓病减压手术的患者。数据收集包括来自个人智能手机的被动获取的GPS和加速度计数据、患者报告的结局指标(PROMs)以及人口统计/手术信息。统计分析包括描述性统计、用于比较术后第一周和第五周活动变量的Wilcoxon秩和检验、用于评估恢复轨迹的广义线性模型(GLM),以及用于评估活动变量与PROMs之间关系的皮尔逊相关性检验。

结果:共有13名患者(3名女性和10名男性)参与了研究。所有五个活动变量在术后第一周至第五周均显示出显著改善(p<0.001)。手术方法与“在家时间”、“步数”和“重要位置计数”等恢复轨迹有显著关联。接受前路手术的患者通常具有更高的初始活动水平,并且恢复轨迹更为陡峭。视觉模拟量表(VAS)、改良日本骨科协会(mJOA)和Oswestry残疾指数(ODI)与所有五个GPS变量均显著相关,而颈部残疾指数(NDI)仅与“行走距离”和“步数”显著相关。观察到活动变量与PROMs之间存在线性关系,但在较高活动水平时不确定性增加。

结论:研究表明,基于智能手机的活动数据可以作为评估颈椎脊髓病患者术后恢复情况的宝贵工具。能够描述恢复轨迹及其与既定临床指标的相关性表明,数字表型分析可以补充传统评估方法,提供连续、客观的数据以支持临床决策和个性化患者护理。

1. 引言
颈椎脊髓病是指由于颈椎元素退行性变化或缓慢生长的肿瘤性疾病导致的脊髓慢性损伤(1)。它是全球范围内导致残疾的重要原因,症状包括步态障碍、颈部疼痛、手臂和手部无力以及麻木(2, 3)。成功的手术干预可以防止病情进一步进展并提高生活质量(3)。手术指征的确定依赖于准确的病史和体格检查,以及适当的影像学检查。颈椎脊髓病的手术疗效通常在随访期间通过患者填写的关于疼痛程度、自我护理能力和进行体力活动及工作能力的问卷来评估。然而,这些方法在提供连续和客观的患者恢复监测方面存在局限性(4)。因此,需要更客观、以患者为中心的工具来评估术后恢复情况。最近的研究集中在使用智能手机和可穿戴设备来收集这些信息上。这种方法被称为数字表型分析,即利用智能手机和其他个人数字设备的数据实时量化个体表型(5–7)。数字表型分析主要利用个人拥有的数字设备的数据流,无需额外的可穿戴设备进行数据收集。智能手机产生的数据可分为两类:主动数据和被动数据。主动数据包括用户发起的输入(如调查和语音记录),而被动数据包括传感器信息(如加速度计和陀螺仪)和使用指标(如通信记录和屏幕活动)(8, 9)。这种方法已在多种神经外科患者群体中成功应用于行为和功能状态的评估,显示出开发临床有效随访工具的潜力(10–13)。将被动数据与既定的患者报告结局指标(PROMs)结合使用,可能使智能手机成为非侵入性、可扩展的患者监测和生活质量评估工具。

本研究旨在探讨使用个人智能手机准确评估颈椎脊髓病手术后患者活动能力的可行性。我们假设从智能手机全球定位系统(GPS)和加速度计数据中获得的每日指标可以有效描述患者的术后身体恢复轨迹。我们关注三个目标来测试该系统在恢复期间测量进展的可行性:(1)评估术后第一周与第五周之间GPS/加速度计活动特征的变化;(2)比较前路和后路手术方法在恢复轨迹上的差异;(3)评估不同疼痛/残疾评分与被动获取的GPS/加速度计活动变量之间的相关性。未来,这种方法可用于评估颈椎脊髓病患者的恢复轨迹,为患者咨询和康复决策提供有价值的信息。这种数据驱动的方法可能导致针对颈椎脊髓病患者的更加个性化和有效的治疗策略。

2. 材料与方法
2.1 患者群体
本研究获得了伦理委员会的批准,协议编号为3673CESC。患者招募在维罗纳大学医院神经外科部门进行。符合条件的颈椎脊髓病患者(具有放射学和临床证据,并需要手术减压)被邀请参与研究。同意参与的患者被要求下载并激活Beiwe智能手机应用程序,该应用程序是用于数据收集和分析的研究平台的前端(14)。Beiwe应用程序适用于Android和iOS设备,可以收集主动和被动数据,仅通过用户独有的用户名和密码访问。最新版本的应用程序可以捕获多种数据流,包括GPS数据、加速度计测量值、蓝牙和Wi-Fi信息、电话和通话记录以及屏幕开关活动。这些数据流以可定制的采样频率进行捕获。在本研究中,Beiwe被配置为每5分钟收集一次GPS数据,每10秒收集一次加速度计数据。使用Beiwe收集的所有智能手机数据都会立即在设备上进行加密。然后根据大学拥有的Amazon Web Services(AWS)云将数据上传到Beiwe后端系统,符合通用数据保护条例。只有拥有私钥的服务器才能解密收集的数据,确保应用程序存储的数据不会被泄露。更多信息请参阅文档https://github.com/onnela-lab/beiwe-backend。如果患者没有iOS或Android手机或年龄小于18岁,则被排除在外。根据协议,数据被收集并前瞻性随访3个月。

2.2 数据收集
本研究收集了三种类型的数据:被动获取的GPS和加速度计数据、患者报告的疼痛和身体残疾结局指标(PROMs)以及基本的人口统计和手术方法信息。
GPS和加速度计数据以每日汇总统计的形式生成,包括五个不同的特征:行走距离、重要位置计数、重要位置熵、在家时间和步数(表1)。PROMs包括疼痛的视觉模拟量表(VAS)、改良日本骨科协会(mJOA)评分、Oswestry残疾指数(ODI)和颈部残疾指数(NDI)(表1)。疼痛的VAS每天收集一次,而其他三个评分每周收集一次,以避免问卷疲劳。这四个结局指标的纳入允许全面描述患者状况,同时考虑与内在病理状况相关的疼痛、由脊髓病引起的症状以及日常活动中的残疾程度。基本的人口统计和手术方法变量包括年龄、性别、颈椎疾病级别、前路与后路手术方法、手术类型以及是否使用了器械。

表1 变量 描述
| 变量 | 描述 | 测量方法 |
|----------------|---------------------------------|-----------------------------------------|
| GPS和加速度计数据 | 一天内行走的总距离(公里) | 所有行程长度之和;行程定义为从一个位置到另一个位置的最长直线距离,无方向变化或暂停 |
| 重要位置计数 | 一天中访问的重要位置数量 | 重要位置是指至少持续15分钟且相距50米的明显暂停 |
| 重要位置熵 | 一天中在重要位置停留时间的比例 | 使用K-means聚类方法确定患者随访期间访问的位置 |
| 在家时间 | 一天中在家度过的时间(小时) | “家”是指随访期间每天晚上8点到早上8点之间最常访问的重要位置 |
| 步数 | 来自智能手机加速度计数据的步数 | |
| VAS(视觉模拟量表) | 疼痛强度的测量 | 10点量表;最小值0(无疼痛)– 最大值10(最严重疼痛) |
| mJOA(改良日本骨科协会)评分 | 评估基线脊髓病严重程度、术后改善和社会独立性 | 18点量表;最小值0–11(严重脊髓病)– 最大值15–17(轻度脊髓病) |
| ODI(Oswestry残疾指数) | 评估患者日常生活活动的残疾程度 | 50点量表;转换为百分比;最小值0–20%(轻微残疾)– 最大值81–100%(完全残疾) |
| NDI(颈部残疾指数) | 评估颈部主要症状患者的自我评估残疾程度 | 50点量表;转换为百分比;最小值0–8%(无残疾)– 最大值70–10%(完全残疾) |

2.3 数据清洗和准备
数据预处理包括一系列步骤。首先,评估所有与活动相关的变量中的缺失模式。超出术后70天窗口的观察值被删除以标准化随访时间,记录中超过50%缺失值的变量被排除在进一步分析之外。为处理剩余的缺失值,我们应用了基于随机森林的多重插补模型(MICE)(21),通过50次迭代生成五个完整的数据集,使用固定种子以确保可重复性。然后将插补后的数据集合并为一个分析数据集。通过图形检查检测并移除了异常值。表现出明显偏离正态分布的变量进行了对数转换,以稳定方差并近似高斯分布。患者报告的结局指标(PROMs)使用所有可用的非缺失观测值进行分析。所有数据清洗和插补程序在R语言中通过mice包执行,使用complete()函数合并插补后的数据集。

2.4 统计分析
使用准备好的数据库,我们对患者进行了描述性分析,提供了他们的年龄、性别和手术方法的概览。为了实现第一个研究目标,我们计算了术后第1周和第5周的对数转换活动变量的平均值,并使用Wilcoxon秩和检验进行了比较。我们采用广义线性模型(GLM)作为建模感兴趣结果的唯一框架。对于行走距离、在家时间和重要位置熵,我们使用了Gamma分布;对于重要位置计数和步数,我们使用了Poisson分布(对数链接)。在GLM中,我们添加了一个交互项(Postop Day * Surgery Approach),以识别不同的结果,因为手术方法可能会影响术后恢复。最后,为了实现研究的第三个目标,我们使用皮尔逊相关性检验来测量活动变量与PROMs之间的线性关系。我们还使用GLM对变量之间的关系进行了建模,以便于可视化展示。(补充文件1包含有关GLM分布、效应大小和置信区间的额外信息。)

3. 结果
3.1 描述性结果
共有13名患者参与研究,其中3名为女性,10名为男性(表2)。大多数患者在一个或两个颈椎水平进行了手术(77%)。手术方法主要取决于患者的年龄(表3)。6名平均年龄为50岁的患者接受了前路手术,而7名平均年龄为67岁的患者接受了后路手术。关于患者群体和手术类型的更多详细信息见表2。关于基于移动性的数据集,在数据清洗和多重插补后,每个移动性变量共包含了4,545个观测值。对于PROMs(疼痛视觉模拟量表、改良日本骨科协会评分和Oswestry残疾指数),我们收集了460份每日VAS调查、92份每周mJOA调查、90份NDI调查和96份ODI调查。表2显示了患者特征。

表2 患者特征
性别:男性10人,女性3人
平均年龄(岁):67岁
涉及的脊柱节段:14个,26个,32个,41个
手术方法:前路6例,后路7例
是否使用内固定器械:是9例,否4例

表3 变量值
手术方法 p值
前路(n=6) 后路(n=7)
平均年龄 95% CI:50.42.5, 57.5 66.85 9.8, 73.9 0.01
百分比 N百分比 p值
性别 女性 23 33.30% 11 43.30% 0.88
男性 46 66.70% 68 5.70%

3.2 目标1:术后周数比较
所有五个移动性变量从术后第1周到第5周都显示出显著改善,p值均<0.001(表4)。行走距离从3公里(95% CI:2.3–3.7公里)增加到14公里(95% CI:12–16公里),步数从109步(95% CI:91–127步)增加到250步(95% CI:223–277步)。显著位置变量的计数和熵值也有所增加,分别从1.33次(95% CI:1.3–1.4次)增加到2.44次(95% CI:2.3–2.6次),以及从0.10熵(95% CI:0.08–0.12)增加到0.26熵(95% CI:0.23–0.29)。回家时间略有减少,从15小时(95% CI:14–16小时)减少到14小时(95% CI:13–15小时)。

表4 变量 术后周数 p值
第1周(n=455) 第5周(n=450)
平均行走距离 95% CI:3.042.34, 3.73 13.89 12.17, 15.60 < 0.001
回家时间 95% CI:14.6313.62, 15.64 14.05 13.13, 14.98 < 0.001
显著位置计数 95% CI:1.331.26, 1.40 2.442.28, 2.61 < 0.001
显著位置熵 95% CI:0.10.08, 0.12 0.260.23, 0.29 < 0.001
步数 95% CI:108.8390.70, 126.96 250222.88, 277.13 < 0.001

3.3 目标2:前路和后路手术患者的线性恢复
手术方法与回家时间、步数和显著位置计数有显著关联。行走距离没有显著关联,两种手术方法的轨迹相似(图1)。虽然显著位置熵也没有受到手术方法的显著影响,但前路组的数值和轨迹通常更高、更陡峭。

图1 不同恢复变量(行走距离、回家时间、显著位置计数、显著位置熵、步数)上前路和后路手术方法的恢复轨迹。前路手术组的数据点、拟合曲线和置信带为绿色,后路手术组为黄色。
前路手术组的回家时间略有减少,而后路手术组则有所增加。显著位置计数与手术方法有中等强的关联,前路的恢复趋势更陡峭。步数的关联非常显著;前路组初始步数较多,但恢复轨迹相对平坦,而后路组起始步数较低,但在10周后恢复速度更快,几乎达到与前路组相同的水平。

3.4 目标3:移动性变量与疼痛/残疾评分的相关性
VAS、mJOA和ODI与五个GPS变量均有显著相关性,而NDI仅与行走距离和步数有显著相关性(图2)。

图2 移动性变量与疼痛/残疾变量之间的统计显著相关性(p<0.5):
VAS:疼痛的视觉模拟量表;
mJOA:改良日本骨科协会评分;
ODI:Oswestry残疾指数;
NDI:颈部残疾指数。
VAS与行走距离(-0.358)和步数(-0.369)有中等强的相关性。mJOA与步数(0.403)、显著位置熵(0.407)和显著位置计数(0.359)有中等强的相关性。ODI与行走距离(-0.409)、显著位置熵(-0.361)、显著位置计数(-0.351)和步数(-0.358)有中等强的相关性。NDI没有表现出强烈的相关性,最高相关性为与行走距离(-0.279)。回家时间是与任何PROMs相关性最低的移动性变量,与VAS的相关性最高(0.227)。我们使用假发现率(FDR)进行了多重比较校正,确认了所有情况的显著性,除了mJOA与显著位置熵的相关性(p值在0.037到0.061之间)。

图3 显示了每个移动性变量与PROMs之间的线性关系。mJOA评分随着移动性变量的增加而一致增加,除了回家时间呈现反比关系。其他PROM评分与相同的移动性变量呈现反比关系;然而,NDI和ODI的不确定性更大。总体而言,所有PROM评分的不确定性随着移动性变量的增加而增加。

4 讨论
关于退行性颈椎脊髓病(DCM)的手术指征和最佳时机仍不确定,这突显了需要更多高质量的现实世界数据来涵盖疾病的全部严重程度。当前的临床指南建议对中度至重度或进行性DCM患者进行手术治疗,以防止进一步的神经功能恶化。前瞻性、多中心和基于登记的研究表明,在适当选择的患者中,减压手术可以阻止疾病进展,并在疼痛、功能状态和生活质量方面带来临床意义上的改善(22-24)。这些术后改善的表征主要通过使用PROMs进行评估,但这些工具在提供患者恢复的客观表征方面存在局限性,并且临床医生之间没有标准化使用方法。

在这项研究中,我们调查了使用智能手机获取的移动性数据来表征接受颈椎脊髓病手术患者的恢复轨迹。研究结果为数字表型技术在评估术后恢复及其与传统疼痛和残疾测量之间的相关性方面提供了宝贵的见解。此外,先前关于不同脊柱状况术后移动性表征的研究结果也支持了个人智能手机作为强大且高效监测工具的有效性(10, 11)。

从术后第1周到第5周,所有五个移动性变量都显示出显著改善,表明智能手机获取的数据具有捕捉恢复轨迹的潜力。与以往的研究相比,术后期间的行走距离总体减少,这可能归因于患者群体的来源。在Boaro等人的研究中(10),患者群体来自美国,由于健康原因,他们覆盖的距离平均比意大利更远;而本研究的患者群体仅来自威尼托地区(面积18,300平方公里)。尽管存在这些差异,但在两项研究中,术后每天行走的距离都随时间增加,支持了这种方法的可靠性。在家时间、显著位置熵和计数在不同研究和脊柱状况下的值和趋势相似(10, 11)。尽管观察到积极的趋势,我们在赋予步数值强烈显著性时更为谨慎,因为准确估计步数需要评估单个患者的步态特征,而这在本研究中并未进行。

前路和后路手术方法之间的不同恢复轨迹特别有趣。接受前路手术的患者通常表现出更高的初始移动性水平和更陡峭的恢复轨迹,尤其是在显著位置计数和步数方面。这些发现可能归因于前路方法的侵入性较小,可能允许更快的初始恢复;然而,前路手术组的患者年龄明显年轻,因此年龄可能是解释年轻患者恢复更快的混杂因素。同样,后路手术组的回家时间呈现增加趋势;这些发现至少部分可以由年龄解释。然而,两组在几周内的移动性水平趋于一致,表明无论采用何种手术方法,长期功能结果都是相似的(25, 26)。

移动性变量与传统疼痛/残疾评分(VAS、mJOA、ODI和NDI)之间的相关性为智能手机获取的测量提供了额外的证据。Cote等人(11)首次报告了脊柱疾病患者中VAS疼痛与智能手机获取的移动性测量之间的反比关系。尽管这种关系看似直观,但它通常基于患者对自己临床状况的定性报告,这些报告受到个人过滤和回忆偏差的影响。这一观察为扩展数字表型技术在更客观地表征移动性方面的应用打开了道路。Boaro等人(10)探讨了表征患者功能状态不同方面的其他PROMs与被动获取的移动性测量之间的关系,观察到描述生活质量物理方面的问卷与描述心理和社会方面的问卷有更强的关联。在这两篇文章中,研究群体包括不同类型的脊柱病理,而在我们的研究中,我们主要关注单一病理实体,以提供更具体的关系表征。观察到中等强的相关性,特别是与VAS、mJOA和ODI,表明数字表型测量可能作为接受颈椎脊髓病手术患者报告结果的客观代理。值得注意的是,本研究观察到的相关性通常小于Boaro等人报告的相关性,这种差异可能源于腰椎和颈椎病理在疼痛水平和残疾状态上的差异(10)。颈椎脊髓病,尤其是在轻度形式下,疼痛不是主要症状,身体症状的发展需要较长时间。相比之下,Boaro等人研究中的腰椎间盘突出症表现出高水平的急性疼痛和感知及实际残疾,这些通常可以通过手术干预得到解决,因此在术后移动性测量中显示出更强的相关性。NDI与其他测量相比,与移动性变量的相关性较弱,这并不令人惊讶,因为颈部疼痛和残疾通常不是颈椎脊髓病患者的主要抱怨。手术后,特别是接受后路手术的患者可能会出现颈部疼痛,因为强大的后颈部肌肉和肌腱被切断和分离以接触颈椎,这可能反映在VAS评分中,以及NDI评分与移动性测量之间的较弱相关性上。

移动性变量与疼痛/残疾评分之间的线性关系进一步支持了数字表型技术在监测恢复方面的潜力。mJOA评分与移动性测量之间的一致正向关系与术后神经功能预期的改善相符。与VAS、NDI和ODI观察到的反比关系也符合随着移动性改善疼痛和残疾减少的逻辑。然而,这些关系在较高移动性水平上的不确定性增加表明,超过某个点后,移动性的改善不一定转化为疼痛或残疾评分的相应改善(27)。这一发现强调了恢复的复杂性以及需要多方面的患者评估方法。关于颈椎脊髓病术后恢复的文献主要集中在长达12个月的随访期,这通常被认为是获得稳定、长期改善所需的时间。在我们的研究中,5周内最明显的变化出现在VAS上,从5分降至2.8分,ODI从40分降至17%;mJOA的改善不太明显,平均改善了0.5分,主要由前路手术组驱动(平均1.3分),NDI的初始值为28.4分,在第2至4周呈不规则趋势,最终值为16.9分。ODI和NDI的值改善超过了文献中通常观察到的脊柱患者的最小临床重要差异(MCIDs)5-10分,而只有前路手术组在mJOA上表现出临床相关的差异(mJOA的MCIDs为1-2分)(28-30)。我们对术后前5周PROMs评分和移动性测量变化的观察难以与更传统的研究进行比较,但它们表明脊髓已准备好开始部分恢复过程。神经结构在慢性压迫解除后恢复的能力也得到了神经生理学研究的支持,这些研究观察到通过经颅磁刺激评估的神经生理参数在手术后的前6个月内有显著改善(31)。在解释这些发现时,应考虑几个重要的局限性。首先,研究事先排除了没有智能手机的患者,这可能会引入对特定群体的选择偏差;其次,样本量较小限制了结果的普遍性,因为颈椎脊髓病的临床表现可能具有高度变异性,尤其是在症状强度方面。与此相关的是,由于之前的研究也使用了相同的智能手机技术(8-11),这在一定程度上缓解了测量方法可行性的局限性,从而支持了数字表型分析在不同病理学中的稳健性。此外,尽管我们的研究人群比之前的类似研究(10)年龄更大,这可能会影响他们使用个人智能手机的能力,但我们没有观察到任何患者退出研究或数据完全缺失的情况。第三,如上所述,这些步骤的重要性有限,因为准确估计需要患者级别的步态空间分析,而本研究中并未进行这项分析。最后,我们测量的是来自个人智能手机的数据,这些数据实际上是患者活动的代理指标。除了这些局限性之外,还应强调几个优点。首先,使用智能手机衍生的数据可以轻松同时收集多种类型的数据。其次,智能手机应用程序非常实用,因为大多数患者已经拥有智能手机,因此无需额外的昂贵监测设备。总之,这项研究表明,智能手机衍生的移动数据作为监测颈椎手术患者术后恢复情况的宝贵工具具有潜力。能够描述恢复轨迹及其与现有临床指标的相关性表明,数字表型分析可以补充传统的评估方法,提供连续、客观的数据以支持临床决策和个性化患者护理。未来的研究应关注更大、更多样化的患者群体和更长的随访期,以进一步验证这些发现,并探索数字表型分析在脊柱手术结果中的长期效用。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号