Разработка технологии интерактивной мобильной поддержки пациентов с хроническими заболеваниями

Предмет исследования. Существующие решения мобильной поддержки пациентов не позволяют адаптировать пользовательский интерфейс к потребностям конкретного пользователя. Это снижает вовлеченность пациентов в процесс использования системы. Недостаток оперативной информации приводит к снижению качества лечения и возникновению потенциальных осложнений. В работе предложен вариант новой интерактивной мобильной системы поддержки пациентов. Представленная технология позволяет пациентам вносить и отслеживать информацию о своем здоровье в мобильном приложении, а врачам получать возможность удаленно контролировать ход лечения. Метод. Рассмотрены и продемонстрированы модели отслеживания вовлеченности пользователей, такие как модель пропорциональных рисков Кокса и модель случайных эффектов. Проанализировано применение A/B тестирования для улучшения пользовательского опыта. Основные результаты. Разработаны и реализованы архитектура мобильного приложения и веб-приложение, а также их взаимодействие. Построены модели оценки рисков для пациентов с хроническими заболеваниями. Показана работа технологии интерактивной поддержки пользователей в рамках единой мобильной системы. Практическая значимость. Разработанные модели могут быть использованы для построения широкого спектра телемедицинских решений с поддержкой взаимодействия как с медицинскими специалистами, так и с пациентами в рамках 4П подхода в медицине.

1. Reynolds R., Dennis S., Hasan I., Slewa J., Chen W., Tian D., Bobba S., Zwar N. A systematic review of chronic disease management interventions in primary care // BMC Family Practice. 2018. V. 19. N 1. P. 11. https://doi.org/10.1186/s12875-017-0692-3

2. Davenport T., Kalakota R. The potential for artificial intelligence in healthcare // Future Healthcare Journal. 2019. V. 6. N 2. P. 94–98. https://doi.org/10.7861/futurehosp.6-2-94

3. Gurupur V.P., Wan T.T.H. Challenges in implementing mHealth interventions: a technical perspective // mHealth. 2017. V. 3. P. 32. https://doi.org/10.21037/mhealth.2017.07.05

4. Devi B.R., Syed-Abdul S., Kumar A., Iqbal U., Nguyen P.-A., Li Y.-C., Jian W.-S. MHealth: An updated systematic review with a focus on HIV/AIDS and tuberculosis long term management using mobile phones // Computer Methods and Programs in Biomedicine. 2015. V. 122. N 2. P. 257–265. https://doi.org/10.1016/j.cmpb.2015.08.003

5. Kan Y.-C., Chen K.-H., Lin H.-C. Developing a ubiquitous health management system with healthy diet control for metabolic syndrome healthcare in Taiwan // Computer Methods and Programs in Biomedicine. 2017. V. 144. P. 37–48. https://doi.org/10.1016/j.cmpb.2017.02.027

6. Luna-Perejon F., Malwade S., Styliadis C., Civit J., Cascado Caballero D., Konstantinidis E., Abdul S.S., Bamidis P.D., Civit A., Li Y.-C. Evaluation of user satisfaction and usability of a mobile app for smoking cessation // Computer Methods and Programs in Biomedicine. 2019. V. 182. P. 105042. https://doi.org/10.1016/j.cmpb.2019.105042

7. Georgsson M., Staggers N. Quantifying usability: An evaluation of a diabetes mHealth system on effectiveness, efficiency, and satisfaction metrics with associated user characteristics // Journal of the American Medical Informatics Association. 2016. V. 23. N 1. P. 5–11. https://doi.org/10.1093/jamia/ocv099

8. Kabyshev M.V., Kovalchuk S.V. Development of personalized mobile assistant for chronic disease patients: diabetes mellitus case study // Procedia Computer Science. 2019. V. 156. P. 123–133. https://doi.org/10.1016/j.procs.2019.08.187

9. Camm A.J., Kirchhof P., Lip G.Y.H. et al. Guidelines for the management of atrial fibrillation: The task force for the management of atrial fibrillation of the European Society of Cardiology (ESC) // European Heart Journal. 2010. V. 31. N 19. P. 2369–429. https://doi.org/10.1093/eurheartj/ehq278

10. Bin Azhar F.A., Dhillon J.S. A systematic review of factors influencing the effective use of mHealth apps for self-care // Proc. of the 3 rd International Conference on Computer and Information Sciences (ICCOINS). 2016. P. 191–196. https://doi.org/10.1109/iccoins.2016.7783213

11. Bourgeois F.T., Simons W.W., Olson K., Brownstein J.S., Mandl K.D. Evaluation of influenza prevention in the workplace using a personally controlled health record: Randomized controlled trial // Journal of Medical Internet Research. 2008. V. 10. N 1. P. e5. https://doi.org/10.2196/jmir.984

12. Harden J.J., Kropko J. Simulating duration data for the cox model // Political Science Research and Methods. 2019. V. 7. N 4. P. 921–928. https://doi.org/10.1017/psrm.2018.19

13. Lee K., Kwon H., Lee B., Lee G., Lee J.H., Park Y.R., Shin S.-Y. Effect of self-monitoring on long-term patient engagement with mobile health applications // PLoS One. 2018. V. 13. N 7. P. e0201166. https://doi.org/10.1371/journal.pone.0201166