移动数字传感器监测与围手术期预后的关系:系统综述

介绍

在全球每年接受大手术的2.342亿患者中，约有700万人会出现术后并发症[1]。这些事件对患者和临床医生来说很困难，对医院和第三方付款人来说代价高昂[2]。增强术后恢复(ERAS)方案减少了各种外科专科的并发症和再入院率[3.，4]。ERAS方案通过减少阿片类镇痛、促进营养和鼓励早期活动来帮助患者恢复到术前基线。这已被证明可以加速康复并避免医院获得性感染和并发症[5]。然而，这些项目依赖于医院和诊所内部的干预措施，因此无法将康复措施扩展到患者家中。

现在可以使用市售的移动传感器跟踪患者的健康指标。利用这些传感器优化病人在医院外的康复是可能的。商用传感器无处不在，而且相对便宜，近20%的美国成年人拥有一个。6]。在传感器输出的众多选项中，尚不清楚哪些指标在临床上最有用，哪些指标对未来的研究最有希望。例如，步数监测仪很常见，体育活动与良好的术后预后有关[7，8]。然而，很难确切地知道步数如何改变除了停留时间以外的变量[9，10]或者是否停留时间可以代替即将发生的并发症[11]。当研究者试图将移动传感器纳入ERAS通路时，需要对移动传感器输出数据与术后结果的相关性进行综合评估。

综合目前的文献可以阐明在未来的前瞻性研究中使用这些装置的有效性，并指导改善围手术期护理的努力。虽然最近的另一项荟萃分析报告了围手术期移动传感器步数与住院时间之间的关联，但没有研究汇编了其他重要围手术期结局的数据，如30天和90天的发病率和死亡率以及再入院[7]。因此，本系统综述的目的是描述当前移动传感器在围手术期的使用及其数据与临床结果之间的相关性。

方法

文献检索

使用MEDLINE、EMBASE和Cochrane图书馆从成立到2019年4月进行文献检索，以确定使用移动传感器监测的手术患者的研究。搜索包括整个领域的术语，没有引号，以最大限度地提高结果。文献检索的医学主题包括外科手术(副标题)、活动追踪器和心率。总共使用了13个搜索组合，以“手术”作为锚点，然后是以下一个或多个搜索词:活动、追踪器、健身、心脏、心率、Fitbit、Garmin、Apple Watch、Actigraph、Misfit、华为、Moov、Motiv、Sensewear、Omron和wearable。两位审稿人(AM和WB)独立审查了纳入和排除标准的摘要，并确定了全文稿件审查的研究。手稿评审是独立进行的，在定性分析的文章选择上的分歧通过讨论或由第三位盲法审稿人(GS)解决。虽然文献检索是在本系统综述发表前一年多进行的，但我们认为这可能不是数据有效性的问题，考虑到许多Cochrane综述被发现花了类似的时间来提交，这突出了提交系统综述的漫长过程[12]。

入选标准

只纳入了大手术的研究，大手术定义为术后需要住院至少一天的任何手术。患者需要使用移动传感器进行围手术期测量，并报告相关的临床结果测量。任何类型的传感器都包括在内，只要它是移动的，能够在家里评估病人。我们不需要任何特殊的报告机制来记录并发症，如Clavien-Dindo分类。包括随机试验和观察性队列。虽然重要，但没有包括以住院时间为主要结果的研究，因为这一结果已在最近的荟萃分析中得到解决[7]。搜索仅限于英文文章。

排除标准

在全文综述中，如果研究评估的患者年龄小于18岁，传感器不能移动(例如，使用固定接收器进行连续心电图)，患者未住院出院，缺乏报告的围手术期结果(即，仅报告传感器随时间的输出而没有相关的围手术期结果)，或者他们代表了早期研究中的冗余患者群体，则排除研究。没有相关手稿的meta分析、案例研究和会议摘要作为主要参考文献进行审查，但不直接纳入。

研究质量

每篇入选文章的质量均采用分级推荐评估、发展和评估(GRADE)系统进行评估[13]。GRADE系统将证据质量分为高、中、低和极低。该工具可应用于随机对照试验和观察性研究。审稿人(AM和WB)对偏倚风险的分歧通过讨论或第三方审稿人(GS)的参与解决。

数据提取

根据PICO(人口、干预、比较和结果)数据提取模型从审稿中提取数据[14使用修改后的标准化模板获取围手术期并发症信息和传感器信息[2]。提取以下数据:(1)研究特征，包括研究设计、手术类型、患者人数、患者人口统计学特征;(2)移动传感器详细信息，包括传感器类型和传感器输出措施(例如，步数、能量消耗);(3)作者定义的手术结果，包括再入院、30天和90天并发症、熟练护理机构(SNF)出院和死亡率。

结果

搜索结果和研究选择

我们的文献检索确定了使用上述协议的2199条记录。通过审查参考文献确定了另外10份手稿。使用先验排除标准，删除了2130条记录，如多媒体附录1．我们评估了79篇全文文章，其中11篇符合纳入标准。排除稿件最常见的原因是未能报告围手术期的手术结果(n=44)。所有研究中使用加速度计的作者通过电子邮件联系最多两次，以获得患者水平的步数和并发症，以便进行meta分析。一位作者回复了我们的请求，但无法提供研究完成以来的次要数据。由于缺乏患者水平的数据，没有进行步数和并发症发生率的荟萃分析。利用来自4项研究的有限步数数据完成了一个森林样地，其结果总结于多媒体附录2．执行一个文献检索之前,普洛斯彼罗的前瞻性研究协议注册(国际前瞻性登记系统评价)国际数据库的系统评价(ID。CRD42020134656)。

研究目的及结果

如多媒体附录3在美国，11项研究中有10项评估了体育活动。其中7项将活动和围手术期结果的评估作为具体目标[15-21]。共有3项研究评估了并发症，但未提及其是主要终点还是次要终点[22-24]。一项研究评估了体温、心率和呼吸频率，因为它们与脓毒症的干预和总体生存以及再入院的次要结局有关[25]。

研究特点

本综述纳入949例患者的活动数据(步数:n=838;其他:n = 111)。纳入的研究从2007年到2019年发表。在11个手术队列中，3个包括心胸病例(冠状动脉旁路移植术或冠状动脉瓣膜置换术:n=2;肺楔形切除术:n=1)。共有6项研究评估了普通外科手术后的恢复情况，包括胃肠手术、结直肠手术、肝切除术、食管切除术和腹腔内加热化疗腹膜癌减容。最后，1项研究对腰椎融合术患者进行随访，1项研究对四肢开放血管旁路移植术患者进行评估。最大的研究队列包括226例患者[25]，而最小的包括11名患者[16]。手术结果变量由作者定义，包括Clavien-Dindo分级手术并发症、肺部和心血管并发症、败血症、再入院和SNF出院。研究特征的摘要可在多媒体附录3．

传感器的特点

传感器分别位于手腕(n=3)、臀部(n=3)、大腿(n=2)、上臂(n=1)、脚踝(n=1)和胸部(n=1)。在测量身体活动的10项研究中，输出包括步数(n=6)，身体活动或直立的时间长度(n=3)和每日卡路里消耗(n=1)。一项研究使用胸骨传感器记录体温、心率和呼吸频率[25]。

体力活动输出量

如多媒体附录4在11项研究中，共有9项研究使用三轴加速度计的数据记录了身体活动。在9项研究中，有6项报告了加速度计的输出为步数。另外，9项研究中有3项报告加速度计输出为代谢当量或运动时间。最早发表的研究使用了内部单轴加速度计，可以提供患者仰卧与直立躺下的持续时间。结合提供这些数据的6项研究报告的术后每天平均步数，我们发现与术后并发症相关的平均步数为1099 (SD 561)步，而与无围手术期结果的恢复相关的平均步数为2184 (SD 1090)步。

我们使用随机效应线性模型调整研究规模，对步数与并发症的关系进行了荟萃分析。报告平均步数的6项研究中，共有4项被纳入。调整参与者人数后，高并发症组的患者比低并发症组的患者每天少走963步(P=.38)，如多媒体附录1．

非体力活动产出

一项研究评估了手术后连续生命体征测量的体温、心率和呼吸频率[25]。这种评估系统被发现优于标准化的生命体征测量来提供早期预警评分[26]。这导致脓毒症的早期识别，缩短了抗生素给药时间，缩短了住院时间，减少了30天的再入院率。

研究质量

在纳入的研究中，有8项研究被GRADE标准评为低质量，这是由于手术组之间的主要差异、参与者人数少、结果的高可变性和偏见感知(多媒体附录3) [13，15-20.，22，23]。两项研究被评为中等质量，因为参与者医学同质性和缺乏术前门诊信息[21，24]。一项研究被评为高质量，因为它是在一个设计良好的随机对照试验中获得的结果[25]。

讨论

调查结果摘要

本系统综述评估了用移动传感器监测的手术患者，并将传感器输出与术后结果相关联。我们确定了11项研究，其中10项使用了身体活动跟踪，步数是最常见的传感器输出。研究之间存在异质性，但我们对已发表数据的系统回顾显示，步数较低与术后不良结果增加有关。这需要进一步的前瞻性验证，但我们的评估表明，每天1000步左右的步数可能是预后。我们发现其他移动传感器的证据有限，如心率、呼吸频率和温度传感器。然而，现有的数据是有希望的。展望未来，需要努力标准化移动传感器输出和术后结果的报告，以帮助整合到ERAS协议和预后标记物的开发。

长期以来，人们一直认为术后活动水平越高，预后越好。基线活动也可能代表患者整体健康状况的替代标记。先前对体力活动和住院时间的评估表明，体力活动的增加与住院时间的缩短有关[9]。移动数字传感器很可能还可以作为ERAS方案的辅助手段，通过提供连续的患者数据，提供者可以在并发症发生前早期干预，从而提高术后恢复[27]。这种传感器使医疗服务提供者能够在病人离开医院后对病人进行监测。有早期证据表明，实施家庭监测可以导致术后改善。然而，目前尚不清楚哪些传感器和输出应该是此类计划的重点[28]。对于需要加强康复护理的患者来说，特定手术的步数可能能够更好地预测[10]。我们的研究表明，活动的增加与术后预后的改善有关。在目前的状态下，这些信息可以为术后风险分层提供信息，并可以与未来的工作整合到ERAS方案中。

虽然运动的益处与临床经验一致，但尚不清楚这些发现在多大程度上可以在临床上实施。我们发现每天约1000步的步数与不良手术结果相关。我们假设，在未来的研究中，每天步数低于1000步将是并发症高风险的特异性指标，而每天步数大于2000步将是排除并发症的敏感性指标。这些阈值可以告知患者何时应该给予更多的术后强化护理或允许早期出院。

虽然身体活动代表了健康的客观指标，但本研究的一个重要局限性是广泛纳入了结果定义。先前的工作主要集中在住院时间上，因为它为术后恢复提供了一个共同的指标[9]。然而，住院时间并不一定与术后结果相关[11]。事实上，人们担心缩短某些手术的住院时间可能会增加患者回家后的不良事件[29]。实现的一个障碍是传感器类型的异质性[30.，31]。这在我们的评估中得到了很好的证明，因为仅有的两项使用相同传感器的研究涉及同一作者和机构[19，21]。然而，尽管传感器类型和结果存在差异，但随着活动的增加和持续监测，术后结果通常更有利。未来的研究应使报告标准化，并可能使所使用的传感器类型标准化，以便加强汇总数据分析。外科专科很可能需要确定最显著的结果，但他们也必须报告标准结果，如再入院率和30天和90天死亡率。

作为一个整体，这个总结确定了低活动量和步数与不良结果的异质性增加有关。此外，有高质量的证据表明，持续跟踪心率、呼吸频率和体温也有助于败血症的早期识别。移动传感器将越来越多地应用于术后康复，以提高手术效果。这种实施有可能提供详细的患者住院前后的健康和康复数据。值得大量研究的一个主要临床障碍是应该使用哪些传感器以及哪些输出阈值值得临床关注。随着传感器标准化和集成到电子健康记录中，有可能创建具有相当预测能力的预测算法[32]。然而，将这些预测整合到临床工作流程中也存在障碍[33]。展望未来，临床医生和行业应该合作，验证商用传感器如何增强患者和临床医生的决策能力。此外，研究人员应该通过合作努力，如移动传感器数据到知识计划所建议的那样，来汇集资源，提高数据和可用性[34]。

本研究的主要局限性是组成系统评价的研究数量较少，并且在本综述中，使用GRADE工具时，11项研究中有8项质量较低，这可能反映了本研究的初始状态，但也强调了未来研究的潜力。虽然我们没有发现步数与术后并发症之间有统计学意义上的差异，但我们确实发现步数较低与术后并发症较低之间存在关联，这需要前瞻性评估。此外，与术后并发症或恢复相关的平均步数有很大不同，步数是一个连续变量的事实不应该完全否定我们研究结果的优点。

结论

数字移动传感器能够实时监测术后步数、活动、心率、呼吸频率和体温，目前已用于初步临床研究。虽然传感器类型、测量输出和报告结果之间的显著异质性限制了文献的通用性和解释，但一些研究成功地证明了移动传感器测量临床相关指标的潜力。需要高质量的前瞻性研究来建立最具临床相关性的指标和阈值，以纳入护理算法。