📄 health informatics

Early Identification of Hospital Visit Risk in Heart Failure Using Wearable-Derived Data

تُظهر هذه الدراسة أن المراقبة السلبية للبيانات المستمدة من الأجهزة القابلة للارتداء، وتحديداً انخفاض عدد الخطوات وارتفاع معدل ضربات القلب أثناء الراحة، يمكن أن تحدد بفعالية مرضى فشل القلب المعرضين لخطر دخول المستشفى قبل ثلاثة أيام من وقوع ذلك.

المؤلفون الأصليون: Ivezic, V., Dawson, J., Doherty, R., Mohapatra, S., Issa, M., Chen, S., Fonarow, G. C., Ong, M. K., Speier, W., Arnold, C.

نُشر 2026-03-27

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Ivezic, V., Dawson, J., Doherty, R., Mohapatra, S., Issa, M., Chen, S., Fonarow, G. C., Ong, M. K., Speier, W., Arnold, C.

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل

تخيل أن قلبك يشبه محرك سيارة بدأ يتعثر في العمل. عادةً، لا تكتشف أن المحرك على وشك التوقف إلا عندما تنحاز إلى جانب الطريق (زيارة المستشفى) أو عندما يبدأ الدخان بالانبعاث منه (أعراض شديدة). وبحلول ذلك الوقت، غالباً ما يكون الأوان قد فات لمنع العطل.

هذه الورقة البحثية تطرح سؤالاً بسيطاً ولكنه قوي: هل يمكننا رصد ضوء "فحص المحرك" (Check Engine) قبل أن تتعطل السيارة، باستخدام ساعة ذكية؟

إليك قصة كيف حاولوا القيام بذلك، مشروحة بلغة بسية.

التجربة: حفلة مراقبة لمدة 6 أشهر

جمع الباحثون 249 شخصاً يعانون من فشل عضلة القلب (وهي حالة يجد فيها القلب صعوبة في ضخ الدم بفعالية). أعطوا الجميع شيئين:

ساعة فيتبيت (Fitbit) (لتتبع الخطوات ومعدل ضربات القلب).
ميزان ذكي (لتتبع الوزن).

قسموا المجموعة إلى ثلاثة فرق لمعرفة ما هو الأفضل:

الفريق (أ): حصلوا على الأجهزة فقط.
الفريق (ب): حصلوا على الأجهزة + تطبيق هاتف لتعبئة استبيانات يومية حول شعورهم.
الفريق (ج): حصلوا على الأجهزة + التطبيق + مكافآت نقدية للالتزام بالخطة.

راقبوا هؤلاء الأشخاص لمدة 180 يوماً (6 أشهر) لمعرفة من سينتهي به المطاف في المستشفى.

الاكتشاف الكبير: "صافرة الإنذار الصامتة"

من بين الـ 249 شخصاً، انتهى الأمر بـ 51 شخصاً بزيارة المستشفى. نظر الباحثون في البيانات من الأسابيع التي سبقت تلك الزيارات ووجدوا بعض الأنماط الواضحة جداً. الأمر يشبه النظر في توقعات الطقس قبل هبوب العاصفة.

1. انخفاض "عدد الخطوات" (أفضل مؤشر تنبؤي)
تخيل عدد خطواتك اليومية كأنها مؤشر الوقود في سيارتك.

الأشخاص الذين انتهى بهم المطاف في المستشفى بدأوا في اتخاذ خطوات أقل قبل حوالي ثلاثة أسابيع من زيارتهم.
لم يكن مجرد يوم سيء؛ بل كان تراجعاً مستمراً. إذا كنت في العادة "عالي المسافة" في المشي وفجأة بدأت تمشي أقل، فهذا يعتبر علامة حمراء ضخمة.
التشبيه: تخيل طائراً يطير عادةً عالياً وبعيداً. إذا لاحظت أنه فجأة بدأ يبقى قريباً من الأرض ويقفز ببطء، فأنت تعلم أن هناك خطباً ما قبل أن يسقط من السماء بفترة طويلة.

2. ارتفاع "ضربات القلب" (التحذير الأخير)
تخيل معدل ضربات قلبك أثناء الراحة كأنه درجة حرارة المحرك.

قبل حوالي ثلاثة أيام من زيارة المستشفى، بدأ معدل ضربات القلب أثناء الراحة لدى المشاركين في الارتفاع تدريجياً.
كان هذا علامة تحذير قصيرة المدى، مثل سخونة المحرك مباشرة قبل أن يسخن بشكل مفرط.

3. تقرير "الأعراض" (شكوى السائق)

الأشخاص الذين ذهبوا إلى المستشفى أبلغوا أيضاً عن شعورهم بسوء (زيادة في ضيق التنفس، التعب، إلخ) في الأسابيع التي سبقت الحدث.
ومع ذلك، وجد الباحثون أن بيانات "فيتبيت" (الخطوات وضربات القلب) كانت في الواقع أفضل في التنبؤ بالمشكلة من تقارير الناس أنفسهم. أحياناً، لا يدرك الناس مدى سوء حالتهم حتى يفوت الأوان، لكن الساعة تعرف ذلك.

التحول المفاجئ: لست بحاجة إلى التطبيق

اعتقد الباحثون أن تطبيق الهاتف والاستبيانات اليومية ستكون هي المفتاح لإنقاذ الأرواح. لكنهم كانوا مخطئين.

بيانات "فيتبيت" وحدها (المراقبة غير التدخلية) كانت جيدة بقدر، إن لم تكن أفضل من، التنبؤ بمن سيصاب بالمرض.
التشبيه: لست بحاجة لسؤال السائق "كيف تشعر؟" كل خمس دقائق. أنت فقط بحاجة لمراقبة عداد السرعة ومؤشر الوقود. الساعة كانت تتحدث نيابة عنهم.

لماذا يهم هذا الأمر؟

حالياً، معظم مرضى فشل عضلة القلب يزورون أطباءهم مرة واحدة فقط في الشهر أو عندما يشعرون بسوء شديد. وبحلول ذلك الوقت، يكون "المحرك" قد تعطل بالفعل.

تشير هذه الدراسة إلى أنه إذا استطاع الأطباء النظر في بيانات "فيتبيت" الخاصة بالمريض، فيمكنهم رصد ضوء "فحص المحرك" قبل أسابيع من وقوع الأزمة.

التدخل المبكر: بدلاً من انتظار زيارة المستشفى، يمكن للطبيب الاتصال بالمريض، أو تعديل أدويته، أو إخباره بالراحة قبل حدوث الأزمة.
توفير المال والأرواح: منع زيارة المستشفى يوفر آلاف الدولارات ويبقي الناس بعيداً عن أسرة المستشفيات.

الخلاصة

الأجهزة القابلة للارتداء هي بمثابة حراس شخصيين يعملون على مدار الساعة (24/7) لقلبك. يمكنها سماع الهمسات الخافتة لتغيرات جسدك (المشي أقل، ضربات القلب أسرع) قبل وقت طويل من سماعك أنت لصرخة الألم. ومن خلال الانتباه لهذه الإشارات الرقمية، قد نتمكن من إيقاف حالات طوارئ فشل عضلة القلب قبل أن تبدأ حتى.

إليك ملخص تقني مفصل لورقة البحث بعنوان: "التحديد المبكر لخطر زيارة المستشفى لدى مرضى فشل القلب باستخدام البيانات المستمدة من الأجهزة القابلة للارتداء."

1. بيان المشكلة

يعد فشل القلب (HF) سبباً رئيسياً للوفاة وعبئاً اقتصادياً كبيراً، حيث تشكل زيارات المستشفيات غالبية التكلفة السنوية البالغة حوالي 31 مليار دولار في الولايات المتحدة. ويعد التحديد المبكر للمرضى المعرضين لخطر تفاقم الحالة أمراً بالغ الأهمية للتدخل السريري في الوقت المناسب. وبينما استخدمت دراسات سابقة بيانات الأجهزة القابلة للارتداء، ركز الكثير منها على أجهزة قلبية محددة أو فئات عمرية أصغر سناً. وهناك حاجة للتحقق مما إذا كانت بيانات الأجهزة القابلة للارتداء المتاحة للمستهلكين (وتحديداً Fitbit) مقترنة بالنتائج التي يبلغ عنها المرضى يمكن أن تتنبأ بفعالية بزيارات المستشفى (زيارات قسم الطوارج أو التنويم) لدى مجتمع يتميز بتوزيع عمري نموذجي لحدوث فشل القلب (50-80 عاماً).

2. المنهجية

تصميم الدراسة والمجتمع

المجموعة (Cohort): 249 شخصاً بالغاً يتحدثون الإنجليزية (تتراوح أعمارهم بين 50-80 عاماً) يعانون من تشخيص مؤكد لفشل القلب، تم استقطابهم بين يوليو 2021 وسبتمبر 2024.
المدة: فترة مراقبة استباقية مدتها 180 يوماً.
التوزيع العشوائي: تم توزيع المشاركين عشوائياً على ثلاثة مجموعات:
- المجموعة (D) (العدد=72): تلقت الأجهزة فقط (Fitbit + ميزان لاسلكي).
- المجموعة (D+A) (العدد=89): تلقت الأجهزة + تطبيق هاتف محمول مع استطلاعات يومية.
- المجموعة (D+A+F) (العدد=88): تلقت الأجهزة + التطبيق + حوافز مالية للالتزام.
جمع البيانات:
- البيانات السلبية (Passive): بيانات Fitbit (الخطوات، معدل ضربات القلب أثناء الراحة) التي تم استردادها عبر واجهة برمجة تطبيقات Fitabase.
- البيانات النشطة (Active): استطلاعات يومية (للمجموعتين D+A و D+A+F) لتقييم شدة الأعراض، والالتزام بالنظام الغذائي، واستخدام الأدوية على مقياس من 0 إلى 2.
- النتائج: تم الإبلاغ عن زيارات المستشفى (قسم الطوارئ أو التنويم) ذاتياً أو التحقق منها عبر مراجعة السجلات الصحية الإلكترونية (EHR).

معالجة البيانات والتحليل

المعالجة المسبقة: تم تنعيم بيانات Fitbit المستمرة (مثل الخطوات) باستخدام متوسط متحرك متأخر لمدة يومين وتطبيع الدرجة المعيارية (Z-score) لكل مريض (بدءاً من أول ثلاث قيم غير مفقودة).
المقارنات الإحصائية:
- اختبار Mann-Whitney U: قارن بين نوافذ الـ 3 أسابيع السابقة للزيارة (مجموعة الزيارة) مقابل نوافذ 3 أسابيع عشوائية (مجموعة عدم الزيارة).
- اختبار Wilcoxon signed-rank: قارن بين نافذة ما قبل الزيارة والنوافذ العشوائية داخل مجموعة الزيارة للتحقق من الاتجاهات المستمرة.
تصنيف المخاطر: تم تقسيم المشاركين إلى "عالي المخاطر" و"منخفض المخاطر" بناءً على الوسيط للمقاييس المرجعية (أول أسبوعين).
- تحليل البقاء (Survival Analysis): منحنيات Kaplan-Meier مع اختبارات Log-rank لمقارنة الوقت حتى وقوع الحدث (زيارة المستشفى) بين مجموعات المخاطر.
النمذجة التنبؤية:
- الخوارزمية: الانحدار اللوجستي مع أوزان فئات متوازنة.
- الميزات (Features): الخطوات اليومية، معدل ضربات القلب أثناء الراحة، وشدة الأعراض من الأسبوعين الأولين (الأساس).
- التحقق من الصحة: التحقق المتبادل بنظام "ترك مريض واحد خارج الاختبار" (LOOCV). تم تقييم الأداء عبر AUROC، وAUPRC، والدقة المتوازنة. تم اختبار الدلالة الإحصائية مقابل الأداء العشوائي عبر اختبارات التبديل (n=1000) واختبار DeLong.

3. النتائج الرئيسية

الديموغرافيا والنتائج

الزيارات: شهد 51 مشاركاً فريداً (20%) إجمالي 80 زيارة للمستشفى خلال فترة الـ 180 يوماً.
الاختلافات بين المجموعات: سجلت المجموعة (D) (الأجهزة فقط) معدل زيارات أعلى بشكل ملحوظ (25%) مقارنة بالمجموعتين (D+A) (17%) و(D+A+F) (16%)، رغم أن التطبيق لم يغير الاتجاهات الفسيولوجية المحددة.

الاتجاهات الفسيولوجية والسلوكية

عدد الخطوات:
- اتخذ المشاركون الذين قاموا بزيارات خطوات أقل بكثير من أولئك الذين لم يقوموا بزيارات ( $p=.002$ ).
- لوحظ اتجاه تنازلي في الخطوات بدءاً من ~أسبوعين قبل الحدث.
- التنبؤ المرجعي: المشاركون الذين سجلوا متوسط خطوات أقل في أول أسبوعين كان لديهم احتمال أعلى بكثير لزيارة المستشفى بمرور الوقت ( $p=.003$ ).
معدل ضربات القلب أثناء الراحة (RHR):
- ارتفع معدل ضربات القلب أثناء الراحة بشكل ملحوظ في الأيام الثلاثة التي سبقت الزيارة مباشرة مقارنة بالأيام الـ 18 السابقة ( $p=.022$ ) ومقارنة بمجموعة "عدم الزيارة" ( $p=.022$ ).
- ومع ذلك، فإن معدل ضربات القلب أثناء الراحة المرجعي وحده لم يصنف المخاطر بشكل معنوي ( $p > .78$ ).
شدة الأعراض:
- سجلت مجموعة الزيارات شدة أعراض أعلى بشكل عام ( $p=.044$ ).
- كانت الأعراض أعلى بشكل ملحوظ في الأسابيع الثلاثة التي سبقت الزيارة مقارنة بمجموعة "عدم الزيارة" ( $p=.005$ ).
- أظهرت شدة الأعراض المرجعية اتجاهاً نحو مخاطر أعلى ولكنها لم تصل إلى الدلالة الإحصائية ( $p=.073$ ).

الأداء التنبئي (الانحدار اللوجستي)

أفضل ميزة منفردة: الخطوات وحدها حققت أفضل أداء (AUROC = 0.671، دقة متوازنة = 0.641).
تركيبات الميزات:
- لم تؤدِ إضافة معدل ضربات القلب أو الأعراض إلى الخطوات إلى تحسين AUROC بشكل كبير (على سبيل المثال، الخطوات + معدل ضربات القلب + الأعراض AUROC = 0.642).
- ومع ذلك، أدت إضافة هذه الميزات إلى تحسين طفيف في المساحة تحت منحنى الدقة والاستدعاء (AUPRC)، حيث ارتفعت من 0.273 (الخطوات فقط) إلى 0.322 (جميع الميزات).
الاستنتاج حول النمذجة: بيانات النشاط السلبية (الخطوات) هي أقوى مؤشر؛ وإضافة بيانات الاستطلاع النشطة توفر مكاسب طفيفة في الدقة ولكنها لا تغير بشكل جذري دقة التصنيف الإجمالية.

4. المساهمات الرئيسية

التحقق من صحة الأجهزة القابلة للارتداء للمستهلكين: أثبتت الدراسة أن بيانات Fitbit المتاحة للمستهلكين، وتحديداً عدد الخطوات اليومي، يمكن أن تحدد بفعالية مرضى فشل القلب المعرضين لخطر دخول المستشفى في بيئة واقعية.
الديناميكيات الزمنية: حددت أنماطاً زمنية محددة: انخفاض طويل الأمد في النشاط (خطر مرجعي) وارتفاع قصير المدى في معدل ضربات القلب أثناء الراحة (3 أيام قبل الحدث) هي علامات متميزة للتفاقم.
المراقبة السلبية مقابل النشطة: أظهرت أن المراقبة الفسيولوجية السلبية (الخطوات) هي مؤشر قوي، مما يشير إلى أن الاستطلاعات اليومية المستمرة قد لا تكون ضرورية تماماً لتصنيف المخاطر الأولي، مما يقلل من عبء المريض.
عينة مناسبة للفئة العمرية: عالجت الدراسة الفجوة في الأدبيات من خلال دراسة مجموعة (50-80 عاماً) تتماشى مع العمر النموذجي لحدوث فشل القلب، بدلاً من التركيز فقط على الفئات الأصغر سناً.

5. الأهمية والتوجهات المستقبلية

الأثر السريري: تدعم هذه الدراسة استخدام المقاييس المستمدة من الأجهزة القابلة للارتداء كأداة فرز (Triage). يمكن لمستويات النشاط المرجعية تحديد المرضى عالي المخاطر لزيادة المراقبة، بينما يمكن للتغيرات الحادة في معدل ضربات القلب أثناء الراحة أن تحفز التدخل السريري الفوري.
الإمكانات الاقتصادية: من خلال تمكين التدخل المبكر، يمكن لهذا النهج أن يقلل من معدلات دخول المستشفى، وبالتالي يعالج العبء الاقتصادي الكبير لفشل القلب.
القيود والعمل المستقبلي:
- الضوضاء: بيانات الأجهزة القابلة للارتداء بطبيعتها مليئة بالضوضاء؛ لذا هناك حاجة إلى عينات أكبر لتمييز الإشارات منخفضة الكثافة.
- التدخل: يجب أن تستخدم الدراسات المستقبلية عمليات تصنيف المخاطر هذه في تجارب عملية لاختبار ما إذا كانت التدخلات المستهدفة تقلل بالفعل من معدلات دخول المستشفى.
- التفاعل: يمكن أن يؤدي توفير التطبيقات لجميع المشاركين في الدراسات المستقبلية إلى تحسين التفاعل وتقليل المتغيرات المربكة المتعلقة بالالتزام.

باختاً، تقدم الورقة دليلاً قوياً على أن عدد الخطوات اليومي يعمل كعلامة حيوية سلبية قوية لتفاقم خطر فشل القلب، بينما يعد معدل ضربات القلب أثناء الراحة إشارة تحذير قصيرة المدى، مما يوفر مساراً قابلاً للتطبيق للمراقبة المستمرة عن بُعد للمرضى.