DOI: https://doi.org/10.3389/fdgth.2025.1721363
PMID: https://pubmed.ncbi.nlm.nih.gov/41727706
تاريخ النشر: 2026-02-05
المؤلف: Dominique G. Stuijt وآخرون
الموضوع الرئيسي: الصحة المتنقلة وتطبيقات الصحة المتنقلة
نظرة عامة
تقدم هذه القسم نظرة عامة على الدور الناشئ لتقنيات الصحة المتنقلة (mHealth) في علم الأورام، مع تسليط الضوء على فوائدها المحتملة في تحسين جودة حياة المرضى، والالتزام بالعلاج، ونتائج البقاء. على الرغم من هذه المزايا، تواجه هذه المجال تحديات كبيرة في تصميم الدراسات وتنفيذها، كما يتضح من التجارب من ثلاث دراسات mHealth جارية: تجارب eBladder وCHOPIN وLAPSTAR.
تم تصنيف التحديات المحددة إلى أربعة مجالات رئيسية: (1) التخطيط والتصميم، والذي يشمل تحديد فترات المتابعة، ومعايير الإدراج، وبروتوكولات القياس؛ (2) إعداد التكنولوجيا والتنفيذ، مع التركيز على مواءمة mHealth مع جداول العلاج وإدارة تكوينات الأجهزة؛ (3) الالتزام، الذي يتناول دمج المنصات والتوازن بين جمع البيانات السلبية والنشطة؛ و(4) موثوقية البيانات، مع التأكيد على الحاجة إلى التقاط الأحداث السلبية في الوقت الحقيقي ودقة الأجهزة. تختتم المقالة بتوصيات عملية تهدف إلى توجيه الباحثين المستقبليين في التغلب على هذه العقبات في دراسات mHealth في علم الأورام.
مقدمة
تناقش مقدمة هذه الورقة البحثية مفهوم الصحة المتنقلة (mHealth)، والذي يشمل استخدام الأجهزة المحمولة وأجهزة الاستشعار لتعزيز تقديم الرعاية الصحية، وخاصة لمرضى السرطان. لقد أظهرت تقنيات mHealth، بما في ذلك الهواتف الذكية، والأجهزة القابلة للارتداء، والأجهزة غير القابلة للارتداء، أنها تحسن جودة حياة المرضى، والالتزام بالعلاجات، ومعدلات البقاء. يقدم دمج التعلم الآلي مع بيانات mHealth فرصًا كبيرة، مثل التنبؤ بالدخول إلى المستشفى من مدخلات بسيطة مثل عدد الخطوات، ويقترح إمكانية دمج بيانات أكثر شمولاً من خلال النمذجة الرقمية. يمكن أن يؤدي هذا النهج إلى علاجات سرطان مخصصة وتطوير توائم رقمية – نماذج افتراضية تحاكي نتائج المرضى بناءً على بيانات متعددة الأنماط.
على الرغم من التطبيقات الواعدة لـ mHealth، تواجه هذه المجال العديد من التحديات، وخاصة في أبحاث علم الأورام. تعيق قضايا مثل موثوقية البيانات، ومخاوف الخصوصية، والصعوبات المنهجية في تصميم الدراسات التقدم. يبرز المؤلفون نقص الدراسات المركزة على التحديات التشغيلية المحددة لـ mHealth في علم الأورام، بهدف تحديد هذه التحديات بناءً على تجاربهم والأدبيات الموجودة. هدفهم هو تقديم رؤى ستساعد الباحثين المستقبليين في إنشاء بروتوكولات دراسات mHealth أكثر فعالية وموثوقية، مما يعزز في النهاية جودة البحث في هذا المجال الناشئ.
مناقشة
تقيّم قسم المناقشة ثلاث دراسات في علم الأورام تستخدم منصات الصحة المتنقلة (mHealth) لجمع البيانات الرقمية: eBladder وCHOPIN وLAPSTAR. تمثل هذه الدراسات تعقيدات تصميم تجارب mHealth، وخاصة في علم الأورام، وتسلط الضوء على التحديات التشغيلية التي تم مواجهتها أثناء تنفيذها. تركز دراسة eBladder على مرضى سرطان المثانة الذين يخضعون للعلاج القياسي، بينما تحقق CHOPIN في دمج تدفق الكبد مع العلاج المناعي في مرضى الميلانوما الهدبية، وتقيّم LAPSTAR العلاج الإشعاعي في مرضى سرطان البنكرياس. استخدمت جميع الدراسات منصة Trial@home، التي تدمج مجموعة متنوعة من الأجهزة القابلة للارتداء وتطبيقات الهواتف الذكية لجمع البيانات، مع كون المشاركة في المراقبة عن بُعد اختيارية.
تشمل التحديات التشغيلية الرئيسية المحددة صعوبات في تصميم الدراسة، وتنفيذ التكنولوجيا، والالتزام، وموثوقية البيانات. على سبيل المثال، فإن تحديد فترات المتابعة المناسبة معقد بسبب نقص الأدبيات الموجودة حول مسارات التعافي، مما يؤدي إلى احتمال عدم التوافق بين جداول الدراسة وتعافي المرضى. بالإضافة إلى ذلك، فإن إدراج المرضى الذين يعانون من ضعف في المشي يثير مخاوف بشأن سلامة البيانات والتحيز، مما يشير إلى الحاجة إلى نهج مخصص في الدراسات المستقبلية. يوصي المؤلفون بدمج فحوصات بيانات منتظمة ونوافذ تقييم مرنة لتعزيز جودة البيانات ومشاركة المشاركين. بشكل عام، تؤكد النتائج على ضرورة وجود إرشادات موحدة في دراسات mHealth لتحسين القابلية للمقارنة والموثوقية عبر التجارب.
DOI: https://doi.org/10.3389/fdgth.2025.1721363
PMID: https://pubmed.ncbi.nlm.nih.gov/41727706
Publication Date: 2026-02-05
Author(s): Dominique G. Stuijt et al.
Primary Topic: Mobile Health and mHealth Applications
Overview
The section provides an overview of the emerging role of mobile health (mHealth) technologies in oncology, highlighting their potential benefits in enhancing patient quality of life, treatment adherence, and survival outcomes. Despite these advantages, the field faces significant challenges in study design and implementation, as illustrated by experiences from three ongoing mHealth studies: the eBladder, CHOPIN, and LAPSTAR trials.
The identified challenges are categorized into four main areas: (1) planning and design, which includes establishing follow-up durations, inclusion criteria, and measurement protocols; (2) technology set-up and execution, focusing on aligning mHealth with treatment schedules and managing device configurations; (3) adherence, which addresses the integration of platforms and the balance between passive and active data collection; and (4) data reliability, emphasizing the need for real-time adverse event capture and device accuracy. The article concludes with practical recommendations aimed at guiding future researchers in overcoming these obstacles in mHealth oncology studies.
Introduction
The introduction of this research paper discusses the concept of mobile health (mHealth), which encompasses the use of mobile devices and sensors to enhance healthcare delivery, particularly for cancer patients. mHealth technologies, including smartphones, wearables, and non-wearable devices, have been shown to improve patients’ quality of life, adherence to therapies, and survival rates. The integration of machine learning with mHealth data presents significant opportunities, such as predicting hospitalizations from simple inputs like step counts, and suggests the potential for more comprehensive data integration through digital phenotyping. This approach could lead to personalized cancer treatments and the development of digital twins—virtual models that simulate patient outcomes based on multimodal data.
Despite the promising applications of mHealth, the field faces numerous challenges, particularly in oncology research. Issues such as data reliability, privacy concerns, and methodological difficulties in study design hinder progress. The authors highlight a lack of focused studies on the operational challenges specific to mHealth in oncology, aiming to identify these challenges based on their experiences and existing literature. Their goal is to provide insights that will help future researchers create more effective and reliable mHealth study protocols, ultimately enhancing the quality of research in this emerging field.
Discussion
The discussion section evaluates three oncology studies utilizing mobile health (mHealth) platforms for digital endpoint collection: eBladder, CHOPIN, and LAPSTAR. These studies exemplify the complexities of mHealth trial designs, particularly in oncology, and highlight operational challenges encountered during their implementation. The eBladder study focuses on bladder cancer patients undergoing standard treatment, while CHOPIN investigates the combination of hepatic perfusion with immunotherapy in uveal melanoma patients, and LAPSTAR assesses radiotherapy in pancreatic cancer patients. All studies employed the Trial@home platform, which integrates various wearable devices and smartphone applications for data collection, with participation in remote monitoring being optional.
Key operational challenges identified include difficulties in study design, technology implementation, adherence, and data reliability. For instance, determining appropriate follow-up periods is complicated by the lack of existing literature on recovery trajectories, leading to potential misalignment between study timelines and patient recovery. Additionally, the inclusion of patients with gait impairments raises concerns about data integrity and bias, suggesting a need for tailored approaches in future studies. The authors recommend incorporating regular data checks and flexible assessment windows to enhance data quality and participant engagement. Overall, the findings underscore the necessity for standardized guidelines in mHealth studies to improve comparability and reliability across trials.