Clinical validation of digital mobility outcomes in patients with chronic obstructive pulmonary disease

Abstract

Recent technological advances have enabled us to assess Digital Mobility Outcomes (DMOs) referring to gait characteristics measured in real world conditions using lower back inertial measurement units (IMUs) in health and disease. In COPD, mobility impairment is evident compared to healthy individuals, and whilst the predictive capacity of gait and mobility parameters is high, their construct validity and sensitivity to detect change following different pharmacological and non-pharmacological interventions remain uncertain. This thesis contributed to the clinical validation of novel DMOs developed as part of the joint EU/IMI-funded Mobilise-D project in patients with COPD.A systematic review and meta-analysis evaluated the effect of all available pharmacological and non-pharmacological interventions on physical activity outcomes in COPD patients. Interventions involving bronchodilator therapy and those focusing on behavioural modifications to enhance physical activity demonstrated notable success in significantly increasing daily step counts. In contrast, interventions centred around exercise training, conducted within outpatient or community-based pulmonary rehabilitation programmes or through telerehabilitation, exhibited inconsistent efficacy in improving physical activity outcomes, with observed variations in effects and directions across studies. The construct validity of novel DMOs was assessed during laboratory based, free-living habitual and real-world settings. Irrespective of the degree of lung dysfunction, cadence, walking speed, stride duration and single support duration were shown to be sensitive in reflecting COPD symptom burden. The efficacy of machine learning models for predicting COPD clinical outcomes using real-world DMOs was established. Notably, neural network models outperformed logistic regression and linear regression in terms of accuracy rates, demonstrating robust agreement, precision, accuracy, and sensitivity across variables. DMOs reflecting real-world mobility hold great promise for remote patient monitoring, assessing treatment effects and establishing future biomarkers for regulatory approval while providing a more comprehensive understanding of the holistic health status in patients with COPD.

Οι πρόσφατες τεχνολογικές εξελίξεις μας έχουν επιτρέψει να αξιολογούμε Ψηφιακούς Βιοδείκτες Κινητικότητας, που αναφέρονται σε χαρακτηριστικά βάδισης μετρημένα σε πραγματικές συνθήκες χρησιμοποιώντας μονάδες αδρανειακής μέτρησης στην περιοχή της μέσης, τόσο σε υγιείς όσο και σε κλινικούς πληθυσμούς. Στην Χρόνια Αποφρακτική Πνευμονοπάθεια (ΧΑΠ), η δυσχέρεια κινητικότητας είναι εμφανής σε σύγκριση με υγιή άτομα, και ενώ η προβλεπτική ικανότητα των παραμέτρων βάδισης και κινητικότητας είναι υψηλή, η εγκυρότητα εννοιολογικής κατασκευής τους και η ευαισθησία τους να ανιχνεύουν αλλαγές μετά από διάφορες φαρμακολογικές και μη φαρμακολογικές παρεμβάσεις παραμένουν αβέβαιες. Αυτή η διατριβή συνέβαλε στην κλινική επικύρωση των νέων Ψηφιακών Βιοδεικτών Κινητικότητας που αναπτύχθηκαν στο πλαίσιο του κοινού έργου EU/IMI-funded Mobilise-D σε ασθενείς με ΧΑΠ. Μια συστηματική ανασκόπηση και μεταανάλυση αξιολόγησε την επίδραση όλων των διαθέσιμων φαρμακολογικών και μη φαρμακολογικών παρεμβάσεων στα αποτελέσματα φυσικής δραστηριότητας σε ασθενείς με ΧΑΠ. Παρεμβάσεις που περιλάμβαναν θεραπεία με βρογχοδιασταλτικά και εκείνες που εστιάζονταν σε συμπεριφορικές τροποποιήσεις για την ενίσχυση της φυσικής δραστηριότητας παρουσίασαν αξιοσημείωτη επιτυχία στη σημαντική αύξηση των ημερήσιων βημάτων. Αντιθέτως, παρεμβάσεις που επικεντρώνονταν στην πνευμονολογική αποκατάσταση, που διεξάγεται σε προγράμματα εξωτερικών ιατρείων ή κοινότητας ή μέσω τηλε-αποκατάστασης, εμφάνισαν ασυνεπή αποτελεσματικότητα στη βελτίωση των αποτελεσμάτων φυσικής δραστηριότητας, με παρατηρούμενες διακυμάνσεις στις επιδράσεις και κατευθύνσεις μεταξύ των μελετών. Η κατασκευαστική εγκυρότητα των νέων Ψηφιακών Βιοδεικτών Κινητικότητας αξιολογήθηκε σε εργαστηριακές συνθήκες και σε πραγματικό περιβάλλον. Ανεξαρτήτως του βαθμού πνευμονικής δυσλειτουργίας, η συχνότητα βημάτων, η ταχύτητα βάδισης, η διάρκεια βήματος και η διάρκεια μονού υποστηρίγματος αποδείχθηκαν ευαίσθητες στο να αντικατοπτρίζουν το φορτίο συμπτωμάτων της ΧΑΠ. Η αποτελεσματικότητα των μοντέλων μηχανικής μάθησης και βαθειάς μάθησης για την πρόβλεψη κλινικών χαρακτηριστικών της ΧΑΠ χρησιμοποιώντας τους Ψηφιακούς Βιοδείκτες Κινητικότητας πραγματικού κόσμου καθιερώθηκε. Σημαντικά, τα μοντέλα νευρωνικών δικτύων υπερτερούν της λογιστική παλινδρόμηση και την γραμμική παλινδρόμηση σε όρους ακρίβειας, παρουσιάζοντας ισχυρή συμφωνία, ακρίβεια, και ευαισθησία σε όλες τις μεταβλητές. Οι Ψηφιακοί Βιοδείκτες Κινητικότητας που αντικατοπτρίζουν την κινητικότητα στον πραγματικό κόσμο έχουν μεγάλη υπόσχεση για την αποκεντρωμένη παρακολούθηση ασθενών, την αξιολόγηση των αποτελεσμάτων της θεραπείας και την καθιέρωση μελλοντικών βιοδεικτών για κανονιστική έγκριση, παρέχοντας ταυτόχρονα μια πιο ολοκληρωμένη κατανόηση της συνολικής υγειονομικής κατάστασης των ασθενών με ΧΑΠ.