Year: 2023
Type: dissertation
Abstract: Eine frühzeitige Mobilisation nach operativen Eingriffen ist wichtig, um postoperative Komplikationen zu reduzieren. Ein frühes Erkennen von Patienten mit erhöhtem Risiko durch verminderte Aktivität wäre wünschenswert. Jedoch ist die Erfassung von körperlicher Aktivität herausfordernd. Objektive Messungen wären hierbei von Vorteil. Für diese finden sich jedoch wenige Erfahrungen hinsichtlich ihres klinischen Einsatzes. Die Substudie „Activity Tracker (AT) im Rahmen des IMI-PainCare-Projekts PROMPT“ analysiert eine potenzielle Korrelation zwischen patientenberichteten Outcomes und postoperativer Mobilität. Daher war Ziel dieser Studie zunächst die Praktikabilität von AT zur postoperativen Messung im klinischen Setting zu betrachten. Den Teilnehmern der PROMPT-Studie wurde zusätzlich zu den Befragungen ein AT bis zum achten postoperativen Tag ausgehändigt. Als Maß für die Praktikabilität wurden drei Aspekte bewertet: Akzeptanz (Teilnahmebereitschaft, Tragezeit), prozedurale Aspekte (Positionierung, Rückgabe) sowie Datenqualität (Fehlfunktion, Vollständigkeit, Plausibilität). 154 Patienten wurden eingeschlossen. Hiervon lehnten 49 die Messung ab, 17 wurden im Verlauf ausgeschlossen und weitere 14 zogen ihre Zustimmung zurück. Es verblieben 74 Patienten, denen ein AT angelegt wurde. 88% konnte der AT am dominanten Handgelenk angelegt werden. Die durchschnittliche Tragezeit betrug 22,9 h/d. Sie nahm von Tag zwei bis sieben ab. Die Rückgabe erfolgte zuverlässig. Der Vergleich errechneter und sensorbasierter Tragezeiten zeigte eine gute Übereinstimmung. Aufgezeichnete Schlafdaten benötigen eine kritische Betrachtung. Die Studie zeigt, dass AT eingesetzt werden können und eine gute Alternative zu subjektiven Methoden bieten. Der Nutzen ist jedoch von der Patientenkooperation abhängig. Entsprechend müssen grundlegende Überlegungen (Gerätemodell, Ablauf, Position, Tragedauer) vorangestellt und an die Population angepasst werden, um deren Compliance positiv zu beeinflussen.
Author: Kirchner, Luise
Institution: Friedrich Schiller University Jena
Language: German
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7033278270
