Kan din HEP-app verkligen mäta patienternas efterlevnad?

Inloggningsfällan: vad din översiktssida inte avslöjar

En patient öppnar din HEP-instrumentpanel dagen före sitt uppföljningsbesök, och statusen visar ”inloggad”. Du har fortfarande ingen aning om patienten faktiskt utförde de föreskrivna tre omgångarna à tio repetitioner, höll varje stretch i hela trettio sekunder, eller om hen bara öppnade appen, kastade en blick på skärmen och stängde den igen. Inloggningstidpunkten är det enda som instrumentpanelen har registrerat. Allt som är kliniskt viktigt hände utanför skärmen.

Denna brist gör att ditt resonemang mellan besöken blir ett gissningsspel. När en patient inte gör framsteg står du inför två mycket olika förklaringar. Antingen är programmet felaktigt och behöver justeras, eller så har patienten aldrig följt programmet enligt anvisningarna. En signal som endast baseras på inloggning kan inte skilja mellan dessa två fall. Så du går in till nästa besök redo att ändra planen när det egentliga problemet var bristande efterlevnad, eller så pressar du patienten att anstränga sig mer när det i själva verket var övningarna som var problemet.

Att gissa fel kostar ett besök. Om man går vidare i programmet för tidigt riskerar man att symtomen blossar upp igen. Om man däremot drar ut på tiden i onödan hindrar man en patient som skulle ha svarat positivt på en större utmaning. Oavsett vilket slösar man bort klinisk tid på att rätta till ett beslut som fattades utifrån ofullständig information, och patienten tappar förtroendet för att planen fungerar.

Detta mönster återfinns i många HEP-appar som riktar sig till patienter, och det är inte en enskild leverantörs fel. En stor del av marknaden använder en öppnad session som mått på följsamhet, eftersom det är enkelt att registrera när en app startas, men svårt att registrera vad patienten faktiskt gjorde. Resultatet blir en översikt som visar närvaro snarare än insats. Innan du utvärderar en HEP-plattform utifrån dess träningsbibliotek eller gränssnitt, bör du fråga vad dess följsamhetsmätning egentligen mäter. Det svaret skiljer de verktyg som ger dig underlag för dina kliniska beslut från de som lämnar dig i ovisshet.

Två nivåer för uppföljning av efterlevnaden

Uppföljningen av behandlingsföljsamheten delas in i två nivåer, och skillnaden mellan dem avgör om din översiktssida ger svar på kliniska frågor eller bara väcker nya. Nivå ett är inloggnings- eller sessionsuppföljning. Appen bekräftar att en patient har öppnat sitt program, men inget mer. Du ser en tidsstämpel, kanske antalet sessioner, och drar sedan dina egna slutsatser.

Nivå två handlar om verklig uppföljning av efterlevnad och registrerar vad patienten faktiskt gjorde inom programmet. En plattform på nivå två registrerar vilka övningar patienten markerade som slutförda, hur många set och repetitioner de loggade samt hur de bedömde smärta eller svårighetsgrad för det passet. Vissa plattformar går ännu längre och registrerar objektiva rörelsedata såsom hålltider, antal repetitioner och rörelseomfång som mäts automatiskt istället för att matas in av patienten. Självrapporterade uppgifter räknas fortfarande som nivå två, men automatiskt uppmätta data eliminerar osäkerheten kring huruvida en patient har rapporterat ärligt.

Denna distinktion påverkar vilka slutsatser du säkert kan dra mellan besöken. En inloggningssignal av nivå ett visar att patienten på något sätt har använt appen. Den kan dock inte avslöja om patienten har fullföljt den föreskrivna dosen, hoppat över den svåraste övningen eller avbrutit efter två repetitioner på grund av smärta vid en viss rörelse. När en patient inte gör framsteg och allt du har att gå på är en inloggningsuppgift, kan du bara gissa om det är programmet som är fel eller om patienten aldrig riktigt har genomfört det.

Data på nivå två överbryggar denna klyfta eftersom den skiljer mellan ett problem med programmet och ett problem med efterlevnaden. Om en patient har loggat varje set och repetition under två veckor och ändå inte rapporterar någon förändring, behöver programmet troligen justeras, och du kan ändra det utifrån fakta snarare än en känsla. Om samma patient har genomfört tre av åtta pass och varje gång uppgett hög smärta, handlar det om ett följsamhetsproblem som beror på obehag, och lösningen är ett samtal om att anpassa tempot eller en modifierad övning, inte ett nytt program.

Bedömningar av smärta och svårighetsgrad per träningspass tillför en dimension som rena genomförandestatistik inte fångar upp. En patient kan genomföra varje repetition och ändå vara på väg mot ett smärtuppbloss, och en svårighetsgrad som stiger från pass till pass signalerar detta redan innan nästa besök. Självrapporterade bedömningar medför den vanliga risken att patienter avrundar uppåt, glömmer bort saker eller svarar för att behaga vårdgivaren, vilket är anledningen till att objektivt uppmätta rörelsedata ger en mer fullständig bild när en plattform erbjuder detta.

Använd dessa två nivåer som utvärderingsram för alla HEP-plattformar du överväger. Fråga vilken nivå en produkt erbjuder innan du väger in några andra faktorer, eftersom en signal som endast bygger på inloggning innebär att du måste fatta kliniska beslut utan underlag. I nästa avsnitt omvandlas detta ramverk till konkreta frågor som du kan ställa till en leverantör under en demonstration.

Köparens checklista: frågor att ställa till alla HEP-leverantörer

Ställ dessa frågor till varje leverantör innan du bestämmer dig. Varje fråga avslöjar om en plattform spårar inloggningssignaler på nivå 1 eller efterlevnadsdata på nivå 2, och svaren skiljer marknadsföringspåståenden från vad instrumentpanelen faktiskt visar.

Spårar appen hur många gånger sessionen öppnas eller om övningarna faktiskt genomförs? En leverantör som rapporterar ”inloggad” eller ”session startad” visar dig endast ytlig information. Be dem att öppna en riktig patientjournal och peka ut vilka övningar som har markerats som utförda. Om de bara kan visa att patienten öppnade programmet, stannar plattformen vid dörren.

Registreras set och repetitioner automatiskt eller genom egenrapportering? Båda är mer än bara en inloggningssignal, men de har olika betydelse. Egenrapporterade loggar förutsätter att patienten ärlig när hen klickar sig igenom varje övning. Automatiskt registrerade repetitioner och hålltider eliminerar gissningsarbetet. Fråga vilken metod som faktiskt används.

Kan terapeuten se hur väl patienten följer varje enskild övning, och inte bara hur väl hen följer programmet som helhet? Ett resultat på ”80 % efterlevnad” för hela programmet döljer de övningar som patienten hoppar över. Fråga om du kan se genomförandet övning för övning. Denna detalj visar om patienten undviker just den rörelse som gör ont, vilket påverkar hur du anpassar träningsplanen.

Registrerar appen bedömningar av smärta eller svårighetsgrad per träningspass? Bedömningar som registreras för varje träningspass gör att du kan se om en patient avbröt en övning för att den var för smärtsam eller helt enkelt för lätt. En plattform som inte samlar in feedback på träningspassnivå innebär att du måste tolka antalet genomförda pass utan något sammanhang.

Finns det någon objektiv verifiering av rörelser, eller baseras allt på patientens egna uppgifter? Fråga direkt om plattformen kan mäta något som visar hur en övning utfördes, till exempel antal repetitioner, hur länge en position hålls eller ledvinklar, istället för att förlita sig på en kryssruta. Objektiva mätningar är sällsynta, så betrakta ett tydligt svar som ett starkt tecken.

Skickas uppgifterna om behandlingsföljsamhet tillbaka till den översiktsskärm som du redan använder dagligen? Uppgifter som finns instängda i en separat portal som du måste komma ihåg att kontrollera blir sällan kontrollerade. Fråga om rapporteringen om behandlingsföljsamhet visas på samma skärm där du planerar nästa besök, och om den är integrerad med din elektroniska patientjournal.

Så här ser en verklig uppföljning av regelefterlevnaden ut i praktiken

PhysiApp, vår app för patienter, registrerar vad en patient faktiskt gör under varje träningspass, snarare än om hen har öppnat programmet. När en patient genomför sina ordinerade övningar PhysiApp vilka övningar hen har markerat som avslutade, hur många set och repetitioner hen har loggat samt hur hen har bedömt smärta eller svårighetsgrad för det träningspasset. Dessa träningspassregister besvarar frågorna på checklistan direkt, eftersom de gör det möjligt att skilja mellan en patient som har genomfört alla fyra övningarna och en som avbröt efter den första.

En uppdelning per övning är viktigast när en patient står stilla i sin utveckling. Om någon uppger att hen har ont i axeln och data visar att hen har genomfört övningarna för underkroppen men hoppat över axelövningarna vid varje träningspass, vet du att bristen på följsamhet gäller just dessa specifika rörelser, inte hela programmet. Denna detaljnivå gör att du kan anpassa träningsprogrammet utifrån fakta istället för gissningar, och förvandlar en vag anteckning om att ”ingen framsteg” till ett konkret samtal vid nästa besök.

Vi rapporterar dessa uppgifter tillbaka till vårdgivarens instrumentpanel i Physitrack, samma plats där du skapar och tilldelar program. Du ser efterlevnaden per övning och per session tillsammans med det program du har ordinerat, så att du inte behöver logga in på ett separat verktyg eller sammanställa data från två olika system. Smärt- och svårighetsgrader visas bredvid uppgifterna om genomförande för varje session, vilket innebär att en minskning i efterlevnaden och en ökning i rapporterad smärta visas tillsammans istället för var för sig.

Självrapporterad träningsloggning har en känd begränsning. En patient uppger PhysiApp har genomfört tre set om tio repetitioner, och du registrerar det hen har angett, inte vad en sensor har mätt. Det är ändå betydligt mer användbart än en tidsstämpel för inloggningen, eftersom det fångar patientens egen beskrivning av set, repetitioner och hur träningen kändes, och det ger dig en logg för varje enskilt träningspass som du kan granska mellan besöken. För de flesta träningsprogram för hemmabruk räcker en ärlig självrapportering på denna detaljnivå för att skilja ett problem med följsamhet från ett problem med själva programmet.

I praktiken innebär detta en kortare cykel mellan besöken. Du tilldelar ett program, patienten arbetar sig igenom det, och du får tillgång till detaljerna på sessionsnivå redan innan patienten kommer tillbaka till mottagningen. När en patient kommer utan att ha gjort några framsteg vet du redan om hen har utfört övningarna, vilka övningar hen hade svårt med och hur hen betygsatte varje session. Denna bakgrundsinformation ersätter gissningarna med en utgångspunkt för nästa kliniska beslut.

Motion Capture: objektiva rörelsedata utan video

Självrapporterad loggning förutsätter att patienten kommer ihåg att trycka på ”klar” och rapporterar ärligt. Motion Capture eliminerar det steget för de övningar där tekniken är allra viktigast. Systemet använder patientens webbkamera för att spåra ledvinklar under en rörelse, räkna repetitioner, mäta hålltider och ge röststyrda anvisningar när patienten tappar positionen. Det du får tillbaka efteråt är en uppsättning siffror. Du ser hur många repetitioner patienten faktiskt utförde, hur länge varje hållning varade och hur rörelseomfånget förändrades mellan träningspass, istället för en självrapporterad sammanställning som du måste lita på utan vidare.

Mekanismen bakom detta är posestimering, en teknik som avläser ledernas positioner från kamerabilden och omvandlar dem till strukturerade mätvärden. Physitrack detta i webbläsaren och skickar endast de resulterande numeriska uppgifterna tillbaka till din kontrollpanel. Ingen video spelas in, och ingen video överförs eller lagras. Patienten tränar hemma, och du får data om ledvinklar och antal repetitioner, inte filmklipp där patienten rör sig.

Det är viktigt med en integritetsanpassad utformning när det gäller en funktion som kräver att patienten slår på kameran. Många patienter tvekar när en app begär åtkomst till videofunktionen, och det med rätta. Eftersom Motion Capture lagrar bilden på patientens enhet och endast skickar tillbaka mätvärden får man objektiva rörelsedata utan att skapa en videofil som måste skyddas, godkännas och regleras. Den kliniska informationen kommer fram utan övervakningsproblemet.

Motion Capture-mätningar. De ställer ingen diagnos. Ledvinklarna och antalet repetitioner ger dig en bättre utgångspunkt för bedömningen mellan besöken, men de ska underlätta ditt kliniska resonemang snarare än att ersätta det. En minskning av hålltiden eller ett minskat rörelseomfång visar dig var du ska fokusera. Du avgör vad det innebär för patientens behandlingsplan, om programmet behöver justeras och om resultatet motiverar ett telefonsamtal eller ett tidigare besök.

Motion Capture har för närvarande statusen ”kommer snart”, och vårdpersonal kan skriva upp sig på väntelistan för att få besked när tjänsten blir tillgänglig. När man idag utvärderar en HEP-plattform bör man betrakta objektiv rörelsemätning som ett steg högre än självrapportering – något som är värt att fråga efter. En leverantör som på sikt kan verifiera antal repetitioner och hålltider automatiskt fyller en lucka som enbart patientrapporterad loggning lämnar öppen, och detta utan att förvandla patientens vardagsrum till en övervakad miljö.

Att välja en plattform som sluter cirkeln

Uppföljningsdata blir en värdefull del av ditt arbetsflöde när den förklarar varför en patient gör framsteg eller inte. En siffra som endast bekräftar en inloggning lämnar dig i ovisshet om det är programmet som behöver justeras eller om patienten inte gör övningarna. Uppföljning på nivå två besvarar den frågan genom att visa vilka övningar som har genomförts, hur många set och repetitioner som har utförts samt hur patienten har bedömt smärta eller svårighetsgrad under träningen.

Svaret börjar med träningsprogrammet för hemmabruk. Physitrack först och främst på HEP, och PhysiApp rapportering av följsamhet skickar tillbaka data på set- och sessionsnivå till den instrumentpanel du redan använder, så att du kan se ”varför” utan att byta verktyg eller behöva leta efter en separat rapport. Motion Capture, som för närvarande finns på väntelista, kompletterar de självrapporterade loggarna med objektiva rörelsedata när det lanseras, vilket ger dig information om antal repetitioner och hålltider för att stödja ditt kliniska omdöme snarare än att ersätta det.

Om du just nu utvärderar olika plattformar bör du gå igenom köparens checklista vid varje leverantörsdemo du deltar i. Fråga varje leverantör om plattformen spårar när träningspass öppnas eller om övningarna faktiskt genomförs, om set och repetitioner loggas eller rapporteras manuellt, och om träningsföljsamheten sammanställs på en enda översiktssida som du kan kontrollera mellan besöken. En plattform som sluter cirkeln gör att ditt nästa möte blir ett samtal om framsteg istället för en omgång gissningar. Du kan se hur PhysiApp rapportering av träningsföljsamhet fungerar på physitrack.com.