Smartphone-Based Monitoring of Quality of Life and Adverse Events After Neurosurgery: Prospective Cohort Study.

چکیده اصلی

BACKGROUND: Postoperative outcome assessment is often based on discrete follow-up visits, limiting characterization of individual recovery trajectories, and the timely identification of adverse events (AEs). Longitudinal smartphone-based monitoring may overcome these limitations by enabling frequent, resource-efficient collection of patient-reported outcomes and complications throughout recovery. Such data may provide a more patient-centered understanding of the postoperative course and complement conventional clinical surveillance. OBJECTIVE: This study aimed to evaluate the feasibility of smartphone-based longitudinal monitoring of quality of life, subjective well-being, and AEs after elective neurosurgery and compare postoperative recovery trajectories and agreement between patient- and clinician-reported AEs. METHODS: This interim analysis of a prospective cohort study included adult patients undergoing elective lumbar decompression, lumbar fusion, supratentorial craniotomy, or infratentorial craniotomy at a Swiss tertiary referral center between June 2023 and January 2025. Participants used a smartphone app to longitudinally report subjective well-being (Subjective Well-Being Index; 0-10), quality of life (EQ-5D-5L), and AEs for up to 1 year postoperatively. Complications were self-reported using the Therapy-Disability-Neurology (TDN) classification and retrospectively adjudicated by physicians. Descriptive analyses assessed data density, engagement, and concordance between patient- and clinician-reported events. Mixed-effects models were used to evaluate factors associated with postoperative well-being. RESULTS: Of the 100 enrolled patients (median age 64.0, IQR 52.95-71.6 years; n=45, 45% women), 86 (86%) provided postoperative data. During a median follow-up of 3.2 (IQR 0.2-11.3) months, participants submitted 4354 longitudinal well-being entries. Patients reported 22 unique AEs, whereas physicians identified 44 AEs, with overlap for 9 (20.5%) events. Most physician-reported AEs were mild (30/44, 68.2%; TDN grade 1-2), and no grade 4 or 5 events occurred. Patient-reported AEs primarily reflected symptomatic and functional impairments, whereas physician-reported events more often included clinically detected or subclinical findings. In mixed-effects models, time since surgery was associated with improved well-being, and no other factors were statistically significant. CONCLUSIONS: Smartphone-based postoperative monitoring was feasible in this elective neurosurgical cohort and generated dense longitudinal patient-reported data beyond routine follow-up. Patient and clinician AE reporting captured partly distinct aspects of postoperative recovery, suggesting that smartphone-based self-reporting may complement rather than replace clinical surveillance.

ترجمه فارسی چکیده

پیشینه: ارزیابی نتایج پس از عمل اغلب بر پایه بازدیدهای منفرد پیگیری است که محدودیت‌هایی در توصیف مسیرهای بهبودی فردی و شناسایی سریع رویدادهای نامطلوب (AEs) ایجاد می‌کند. پایش طولی مبتنی بر هوش‌موبایل ممکن است این محدودیت‌ها را با امکان جمع‌آوری مکرر و منابع‌کارآمد نتایج گزارش‌شده توسط بیمار و عوارض در طول بهبودی غلبه کند. هدف: این مطالعه به ارزیابی قابلیت‌اجرا پایش طولی مبتنی بر هوش‌موبایل کیفیت زندگی، رفاه ذهنی و AEs پس از جراحی انتخابی عصبی و مقایسه مسیرهای بهبودی پس از عمل و توافق بین گزارش AEs توسط بیمار و پزشک پرداخت. روش‌ها: این تحلیل میان‌دوره‌ای از یک مطالعه کوهورت پیش‌رویی شامل بالغان undergoing جراحی فکری انتخابی (شامل کمپرس نخاعی، فیکساسیون، کروتوتومی فوق‌سحابی و زیرسحابی) در یک مرکز تخصصی سوئیس بین ژوئن 2023 و ژانویه 2025 بود. شرکت‌کنندگان از یک اپلیکیشن هوش‌موبیل برای گزارش طولی رفاه ذهنی (شاخص رفاه ذهنی؛ 0-10)، کیفیت زندگی (EQ-5D-5L) و AEs تا یک سال پس از عمل استفاده کردند. عوارض با استفاده از طبقه‌بندی TDN خودگزارش شد و پس‌زمینه توسط پزشکان ارزیابی گردید. تحلیل‌های توصیفی شامل چگالی داده، مشارکت و توافق بین رویدادهای گزارش‌شده توسط بیمار و پزشک بود. مدل‌های اثرات مخلوط برای ارزیابی عوامل مرتبط با رفاه پس از عمل استفاده شدند. نتایج: از 100 بیمار enrolled (میانگین سنی 64.0، IQR 52.95-71.6 سال؛ n=45، 45% زن)، 86 (86%) داده پس از عمل ارائه دادند. در طول پیگیری میانگین 3.2 (IQR 0.2-11.3) ماه، شرکت‌کنندگان 4354 ورودی طولی رفاه ذهنی ارسال کردند. بیماران 22 AEs منحصر‌به‌فرد گزارش کردند، در حالی که پزشکان 44 AEs شناسایی کردند که 9 مورد (20.5%) همپوشانی داشتند. اکثر AEs گزارش‌شده توسط پزشکان خفیف بودند (30/44، 68.2٪؛ درجه TDN 1-2) و هیچ رویداد درجه 4 یا 5 رخ نداد. AEs گزارش‌شده توسط بیماران عمدتاً نشان‌دهنده اختلالات علامت‌دار و عملکردی بود، در حالی که رویدادهای گزارش‌شده توسط پزشکان بیشتر شامل یافته‌های تشخیصی بالینی یا زیربالینی بود. در مدل‌های اثرات مخلوط، زمان از عمل با بهبود رفاه مرتبط بود و هیچ عامل دیگری معنی‌دار آماری نداشت. نتیجه‌گیری: پایش پس از عمل مبتنی بر هوش‌موبایل در این کوهورت جراحی عصبی انتخابی قابلیت‌اجرا بود و داده‌های طولی غنی گزارش‌شده توسط بیمار را فراتر از پیگیری معمول تولید کرد. گزارش AEs بیمار و پزشک جنبه‌های متفاوتی از بهبودی پس از عمل را پوشش داد که نشان می‌دهد گزارش خودکار مبتنی بر هوش‌موبایل ممکن است مکمل به جای جایگزین نظارت بالینی باشد.

متن کامل اصلی