Resumen
Introducción: la esclerosis múltiple (EM) es una enfermedad crónica que afecta principalmente a la población joven, además que su diagnóstico y tratamiento tardío generan una alta discapacidad y deterioro en la calidad de vida. La evidencia sobre el uso y la utilidad de las herramientas de salud móvil (mHealth) para el diagnóstico y seguimiento de la EM no ha sido ampliamente explorada, generando un vacío de conocimiento. Por ello, el objetivo de este estudio fue analizar la utilidad de estas herramientas como apoyo en la sospecha diagnóstica y el seguimiento de pacientes con EM.
Materiales y métodos: esta fue una revisión de la literatura con una estrategia de búsqueda en: Pubmed, Scopus, ScienceDirect y Web of Science, utilizando términos MeSH. Además, se realizó la selección de artículos siguiendo el flujograma Prisma, y como criterio de inclusión, se revisaron artículos sobre el uso y la aplicación de herramientas tecnológicas en el diagnóstico y seguimiento de pacientes con EM.
Resultados: se incluyeron 10 artículos a nivel global que evaluaron a 10?581 participantes, de los cuales 9110 tuvieron un diagnóstico de EM, provenientes de Estados Unidos y Europa, donde el desenlace fue la oportunidad diagnóstica y el seguimiento en calidad de vida. Las mHealth incorporadas evaluaron subjetiva y objetivamente datos clínicos, permitiendo caracterizar factores de riesgo, signos y síntomas, características clínicas y sociodemográficas, entre otras, estableciendo parámetros de diagnóstico temprano.
Discusión: las mHealth han demostrado en países desarrollados su utilidad para el diagnóstico temprano, tratamiento y pronóstico de la EM, además de ser innovadoras y efectivas para mejorar la gestión, dada su capacidad de monitorización y seguimiento de datos clínicos. Esta utilidad podría representar enormes beneficios para poblaciones de países en vías de desarrollo.
Conclusiones: las mHealth en EM son útiles como apoyo diagnóstico, ya que reducen el tiempo diagnóstico, son aplicables en monitorización e identificación de la sintomatología, orientando a mejores tratamientos y seguimiento.
Citas
Walton C, King R, Rechtman L, Kaye W, Leray E, Marrie RA, et al. Rising prevalence of multiple sclerosis worldwide: Insights from the Atlas of MS, third edition. Mult Scler. 2020;26(14):1816-21. https://doi.org/10.1177/1352458520970841
Oh J, Vidal-Jordana A, Montalban X. Multiple sclerosis: clinical aspects. Curr Opin Neurol. 2018;31(6):752-9. https://doi.org/10.1097/wco.0000000000000622
Dobson R, Giovannoni G. Multiple sclerosis - a review. Eur J Neurol. 2019;26(1):27-40. https://doi.org/10.1111/ene.13819
Jiménez-Pérez CE, Zarco-Montero LA, Castañeda-Cardona C, Otálora Esteban M, Martínez A, Rosselli D. Estado actual de la esclerosis múltiple en Colombia. Acta Neurol Colomb. 2015;31(4). https://doi.org/10.22379/2422402256%20
Thompson AJ, Banwell BL, Barkhof F, Carroll WM, Coetzee T, Comi G, et al. Diagnosis of multiple sclerosis: 2017 revisions of the McDonald criteria. Lancet Neurol. 2018;17(2):162-73. https://doi.org/10.1016/S1474-4422(17)30470-2
Instituto Nacional de Salud. Comportamiento epidemiológico de las enfermedades huérfanas. Colombia, 2016 hasta semana epidemiológica 05 de 2019 [internet]. Bogotá, Colombia: Minsalud; 2019 [citado 2022 mayo 06]. https://www.ins.gov.co/buscador-eventos/BoletinEpidemiologico/2019%20Bolet%C3%ADn%20epidemiol%C3%B3gico%20semana%205.pdf
Avellaneda Fernández A, Pérez Martín A, Pombo Allés G, Gutiérrez Delgado E, Izquierdo Martínez M. Percepción de las enfermedades raras por el médico de atención primaria. SEMERGEN Soc Med Rural Gen. 2012; 38(7):421-31. https://doi.org/10.1016/j.semerg.2012.02.011
Toro J, Cárdenas S, Martínez CF, Urrutia J, Díaz C. Multiple sclerosis in Colombia and other Latin American countries. Mult Scler Relat Disord. 2013;2(2):80-9. https://doi.org/10.1016/j.msard.2012.09.001
Alonso-Arévalo J, Mirón-Canelo JA. Aplicaciones móviles en salud: potencial, normativa de seguridad y regulación. Rev Cuba Inf Cienc Salud. 2017;28(3).
World Health Organization. mHealth: use of appropriate digital technologies for public health: report by the Director-General [internet]. WHO; 2017. https://iris.who.int/handle/10665/274134
Espinoza-Bautista JR, Álvarez-Ballesteros S, Romero-Castro M. mHealth indispensable para la salud de los mexicanos. Científica. 2017;21(1):25-34. https://doi.org/10.46842/ipn.cien.v21n1a04
Agnihothri S, Cui L, Delasay M, Rajan B. The value of mHealth for managing chronic conditions. Health Care Manag Sci. 2018;23(2):185-202. https://doi.org/10.1007/s10729-018-9458-2
Blanco E. OPS lanza aplicación que monitorea la salud de los jóvenes en edad escolar en las Américas [internet]. Buenos Aires: blog Portinos; 2012. [citado: 2023 nov. 23]. https://www3.paho.org/hq/index.php?option=com_content&view=article&id=7369:2012-paho-who-launches-mobile-application-that-monitors-student-health-americas&Itemid=0&lang=es#gsc.tab=0
Koehler F, Koehler K, Deckwart O, Prescher S, Wegscheider K, Kirwan BA, et al. Efficacy of telemedical interventional management in patients with heart failure (TIM-HF2): a randomised, controlled, parallel-group, unmasked trial. Lancet. 2018;392(10152):1047-57. https://doi.org/10.1016/s0140-6736(18)31880-4
Kauw D, Huisma PR, Medlock SK, Koole MA, Wierda E, Abu-Hanna A, et al. Mobile health in cardiac patients: an overview on experiences and challenges of stakeholders involved in daily use and development. BMJ Innov. 2020;6:184-91. https://doi.org/10.1136/bmjinnov-2019-000418
Denis F, Lethrosne C, Pourel N, Molinier O, Pointreau Y, Domont J, et al. Randomized trial comparing a web-mediated follow-up with routine surveillance in lung cancer patients. J Natl Cancer Inst. 2017;109(9). https://doi.org/10.1093/jnci/djx029
Bot BM, Suver C, Neto EC, Kellen M, Klein A, Bare C, et al. The mPower study, Parkinson disease mobile data collected using ResearchKit. Sci Data. 2016;3:160011. https://doi.org/10.1038/sdata.2016.11
Choi SA, Lim K, Baek H, Yoo S, Cho A, Kim H, et al. Impact of mobile health application on data collection and self-management of epilepsy. Epilepsy Behav. 2021;119:107982. https://doi.org/10.1016/j.yebeh.2021.107982
Cleo. Aviso de privacidad [internet]. Cleo; 2022. [citado 2023 nov. 23]. https://cleo-app.es/privacy.html
Organización Panamericana de la Salud. Estudio sobre TIC y salud pública en América Latina: la perspectiva de e-salud y m-salud [informe] [internet]. Suiza: Unión Internacional de Telecomunicaciones; 2018. [citado 2024 sep 30]. https://www.itu.int/dms_pub/itu-d/opb/str/D-STR-E_HEALTH.13-2018-PDF-S.pdf
Gromisch ES, Turner AP, Haselkorn JK, Lo AC, Agresta T. Mobile health (mHealth) usage, barriers, and technological considerations in persons with multiple sclerosis: a literature review. JAMIA Open. 2020;4(3):ooaa067. https://doi.org/10.1093/jamiaopen/ooaa067
JBI. Critical Appraisal Tools [internet]. Australia: JBI. [citado 2023 nov. 30]. https://jbi.global/critical-appraisal-tools
Uher T, Adzima A, Srpova B, Noskova L, Maréchal B, Maleska Maceski AM, et al. Diagnostic delay of multiple sclerosis: prevalence, determinants and consequences. Mult Scler. 2023;29(11-12):1437-51. https://doi.org/10.1177/13524585231197076
Schwab P, Karlen W. A deep learning approach to diagnosing multiple sclerosis from smartphone data. IEEE J Biomed Health Inform. 2021;25(4):1284-91. https://doi.org/10.1109/jbhi.2020.3021143
Wang R, Luo W, Liu Z, Liu W, Liu C, Liu X, et al. Integration of the extreme gradient boosting model with electronic health records to enable the early diagnosis of multiple sclerosis. Mult Scler Relat Disord. 2021;47:102632. https://doi.org/10.1016/j.msard.2020.102632
Bove R, White CC, Giovannoni G, Glanz B, Golubchikov V, Hujol J, et al. Evaluating more naturalistic outcome measures. Neurol Neuroimmunol Neuroinflamm. 2015;2(6):e162. https://doi.org/10.1212/NXI.0000000000000162
Ziemssen T, Piani-Meier D, Bennett B, Johnson C, Tinsley K, Trigg A, et al. Physician-completed digital tool for evaluating disease progression (multiple sclerosis progression discussion tool): validation study. J Med Internet Res. 2020;22(2):e16932. https://doi.org/10.2196/16932
Maillart E, Labauge P, Cohen M, Maarouf A, Vukusic S, Donzé C, et al. MSCopilot, a new multiple sclerosis self-assessment digital solution: results of a comparative study versus standard tests. Eur J Neurol. 2020;27(3):429-36. https://doi.org/10.1111/ene.14091
Marrie RA, Leung S, Tyry T, Cutter GR, Fox R, Salter A. Use of eHealth and mHealth technology by persons with multiple sclerosis. Mult Scler Relat Disord. 2019;27:13-9. https://doi.org/10.1016/j.msard.2018.09.036
van Beek JJW, van Wegen EEH, Rietberg MB, Nyffeler T, Bohlhalter S, Kamm CP, et al. Feasibility of a home-based tablet app for dexterity training in multiple sclerosis: usability study. JMIR Mhealth Uhealth. 2020;8(6):e18204. https://doi.org/10.2196/18204
Ranjan Y, Rashid Z, Stewart C, Conde P, Begale M, Verbeeck D, et al. RADAR-Base: open source mobile health platform for collecting, monitoring, and analyzing data using sensors, wearables, and mobile devices. JMIR Mhealth Uhealth. 2019;7(8):e11734. https://doi.org/10.2196/11734
Bevens W, Gray K, Neate SL, Nag N, Weiland TJ, Jelinek GA, et al. Characteristics of mHealth app use in an international sample of people with multiple sclerosis. Mult Scler Relat Disord. 2021;54:103092. https://doi.org/10.1016/j.msard.2021.103092
Pratap A, Grant D, Vegesna A, Tummalacherla M, Cohan S, Deshpande C, et al. Evaluating the utility of smartphone-based sensor assessments in persons with multiple sclerosis in the real-world using an app (elevateMS): observational, prospective pilot digital health study. JMIR Mhealth Uhealth. 2020;8(10):e22108. https://doi.org/10.2196/22108
Tavares AI. eHealth: ICT and its relationship with self-reported health outcomes in the EU countries. Int J Med Inform. 2018;112:104-13. https://doi.org/10.1016/j.ijmedinf.2018.01.014
Greiner P, Sawka A, Imison E. Patient and physician perspectives on MSdialog: an electronic PRO diary in multiple sclerosis. Patient. 2015;8:541-50. https://doi.org/10.1007/s40271-015-0140-1
Vianello A, Chittaro L, Burigat S, Budai R. MotorBrain: a mobile app for the assessment of users? motor performance in neurology. Comput Methods Programs Biomed. 2017;143:35-47. https://doi.org/10.1016/j.cmpb.2017.02.012
Krause N, Riemann-Lorenz K, Rahn AC, Pöttgen J, Köpke S, Meyer B, et al. ‘That would have been the perfect thing after diagnosis’: development of a digital lifestyle management application in multiple sclerosis. Ther Adv Neurol Disord. 2022;15:1756286422118729. https://doi.org/10.1177/17562864221118729
Trombini M, Ferraro F, Iaconi G, Vestito L, Bandini F, Mori L, et al. A study protocol for occupational rehabilitation in multiple sclerosis. Sensors. 2021;21(24):8436. https://doi.org/10.3390/s21248436
Ruzic L, Sanford JA. Usability of mobile consumer applications for individuals aging with multiple sclerosis. En: Antona M, Stephanidis C, editores. Universal Access in Human–Computer Interaction. Design and Development Approaches and Methods. Cham, Alemania: Springer; 2017. https://doi.org/10.1007/978-3-319-58706-6_21
Simblett S, Pennington M, Quaife M, Theochari E, Burke P, Brichetto G, et al. Key drivers and facilitators of the choice to use mhealth technology in people with neurological conditions: observational study. JMIR Form Res. 2022;6(5):e29509. https://doi.org/10.2196/29509
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.