La proliferació explosiva de la salut mòbil (mHealth) continua generant un fort impuls. Els mitjans de comunicació són ràpids per cobrir una nova aplicació cridanera que promet donar poder als pacients per aconseguir-los més sans o ajudar els metges a ser més eficaços i eficients. Una revisió recent realitzada per la Universitat de Chicago va mostrar que la majoria de les aplicacions de salut mòbil disponibles per a públics estan dissenyades per als pacients.
Sovint s'orienten a la gestió de benestar i malalties. Aquestes dues categories són seguides d'aplicacions per al diagnòstic automàtic, aplicacions per a la gestió de medicaments (recordatoris digitals) i les aplicacions del portal de pacients electrònics.
Tanmateix, la majoria de les aplicacions de mHealth no han estat provades de forma rigorosa, de manera que no podem estar segurs que valoren les seves promeses. El propòsit d'aquest article no és reduir el potencial legítim de la tecnologia mHealth per transformar els resultats sanitaris i sanitaris d'una manera positiva, sinó il·lustrar com les aplicacions i dispositius mHealths defectuosos podrien comportar conseqüències greus.
Hi ha diversos tipus de defectes que pateixen una aplicació o dispositiu mHealth. La llista no és exhaustiva.
Invàlid
Moltes aplicacions o dispositius mHealth estan dissenyats per mesurar paràmetres com la glucosa sanguínia, la pressió arterial, l'activitat física , la funció pulmonar, els nivells d'oxigen i els ritmes cardíacs. Una aplicació o dispositiu no vàlid mesura el paràmetre de manera incorrecta, ja sigui per subestimació, sobreestimació o per classificació incorrecta.
Considereu una aplicació que es connecta a un lector de banda de glucosa per transformar el telèfon intel·ligent en un mesurador de glucosa. Si l'aplicació mostra una lectura de glucosa no vàlida i recomana una dosi incorrecta d'insulina, el pacient podria patir nivells de glucosa o baix nivell perillós després de la insulina.
Alguns paràmetres no són simples, sinó categories. Una aplicació no vàlida classificarà erròniament el paràmetre en la categoria incorrecta. Joel A. Wolf i els seus col·legues de la Universitat de Pittsburgh van avaluar l'exactitud de les aplicacions de telèfons intel·ligents dissenyades per analitzar fotografies de lesions cutànies i estimar la probabilitat que les lesions fossin melanomes.
Tres de les quatre aplicacions classificaron erròniament el 30% o més de veritables melanomes com a benignes. Un altre estudi amb resultats interessants també va ser publicat pel doctor Christophe Wyss, cardiólogo de la Clínica del cor de Zurich a Suïssa. El seu equip va examinar les aplicacions comercials de smartphones que mesuren la freqüència cardíaca. Van trobar inconsistències en la seva precisió diagnòstica, amb dispositius sense contacte que presenten menys precisió que les aplicacions basades en contactes.
El grau en què una aplicació o dispositiu no vàlid compromet la seguretat del pacient depèn de la direcció i la magnitud de l'error, l'estat de salut subjacent que s'abordi, el context en què s'utilitza l'aplicació i altres factors.
No fiable
Una aplicació o dispositiu poc fiable produeix una variació excessiva quan es mesuren paràmetres que no han canviat. Per exemple, una aplicació de mesura de glucosa poc fiable indica que la glucosa en sang de l'usuari ha canviat significativament quan, en realitat, s'ha mantingut estable.
Tingueu en compte que una aplicació o un dispositiu pot ser confiable però no vàlid. Un dispositiu que subestima constantment la glucosa en sang en 30 mg / dL seria fiable però no vàlid.
No basat en l'evidència
Una aplicació o dispositiu que no es basi en proves científiques podria proporcionar avaluacions o suggerir tractaments que siguin inútils en el millor dels casos, o perjudicials en el pitjor. Un escenari intermedi és que la tecnologia mHealth no proporciona característiques o components que se sap que són beneficiosos. Suposem que un metge utilitza una aplicació per determinar el millor tractament per a un pacient amb asma incontrolada. Si l'aplicació no recomana tractaments basats en l'evidència (com els esteroides inhalats), el pacient podria patir innecessàriament.
Algunes aplicacions de mHealth calculen el perfil de risc d'un pacient basat en dades específiques del pacient. Per exemple, una calculadora de risc cardíac pot utilitzar l'edat del pacient, el sexe, l'estat del tabac, la pressió arterial, els nivells de colesterol i altra informació per estimar el risc d'esdeveniments cardíacs.
Les imprecisions brutes d'aquesta aplicació poden incloure els clínics cap a rutes de tractament nocives o no efectives.
S'espera que els proveïdors d'atenció mèdica facin un judici clínic per decidir si actuen sobre la informació presentada per aplicacions o dispositius. Però una aplicació defectuosa pot semblar confiable. Els pacients o consumidors generals (el públic més gran per a les aplicacions mHealth) són encara menys capaços de jutjar la precisió d'una aplicació o dispositiu. Els experts sostenen que els assaigs controlats aleatoris (generalment considerats com l'estàndard d'or en la investigació) són necessaris per validar les aplicacions mHealth i els seus principis subjacents. En particular, hem de buscar proves amb mostres grans i llargs seguiments. Fins al moment, no hi ha prou evidència per donar suport a les reclamacions formulades per moltes aplicacions de salut. Per tant, calen més investigacions per determinar si moltes d'aquestes aplicacions poden ser una eina valuosa en l'atenció sanitària. També és important per als professionals de la salut saber com utilitzar noves aplicacions.
Altres consideracions
Una aplicació defectuosa es pot eliminar del mercat, com va ser el cas de l'aplicació Calculadora de reumatologia de Pfizer , que generava puntuacions inexactes per avaluar l'activitat de la malaltia en pacients amb artritis reumatoide.
Però l'eliminació dels mercats en línia només impedeix noves baixades. Què passa amb les aplicacions que ja s'han baixat al telèfon intel·ligent o a la tauleta de l'usuari? Si l'usuari no coneix el perill, el risc persisteix.
Un altre aspecte important és la seguretat de la informació de salut sensible que s'emmagatzema o accedeix a la tecnologia mHealth. Els pacients i els clínics estan preocupats per les possibles infraccions de dades.
La FDA regula alguns tipus d'aplicacions de salut mòbil, però altres es consideren de baix risc si no es consideren dispositius mèdics i no es controlen.
Tot i que hem de tenir en compte els seus riscos i limitacions, les aplicacions m Health també tenen el potencial d'animar a les persones a prendre decisions més sanes i tenir més responsabilitat.
> Fonts:
> Coppetti T, Brauchlin A, Wyss C, et al. Exactitud de les aplicacions de telèfons intel·ligents per al mesurament del ritme cardíac. Revista Europea de Cardiologia Preventiva 2017; 24 (12): 1287-1293.
> Cortez N, Cohen I, Kesselheim A. Reglament FDA de Mobile Health Technologies. New England Journal of Medicine 2014; 371 (4): 372-379.
> Covolo L, Ceretti E, Moneda M, Castaldi S, Gelatti U. L'evidència recolza l'ús d'aplicacions de telefonia mòbil com a motor per promoure estils de vida saludables des d'una perspectiva de salut pública? Una revisió sistemàtica de les proves de control aleatoritzades. Educació i assessorament al pacient 2017; 100: 2231-2243.
> Kao C, Liebovitz D. Consumer Mobile Health Apps: estat actual, barreres i futures indicacions. Pm & R 2017; 9 (5): S106-S115.
> Powell A, Landman A, Bates D. A la recerca d'algunes bones aplicacions. Jama 2014; 311 (18): 1851-1852.
> Wolf JA, Moreau JF, Akilov O, et al. Inexactitud diagnòstica de les aplicacions de Smartphone per a la detecció del melanoma. Dermatologia JAMA 2013; 149 (4): 422-426.