本文内容如下e-collection /主题问题:

基于网络和移动的卫生干预措施(2151)

发表在在24卷7号(2022): 7月

本文的预印本(早期版本)可在https://preprints.www.mybigtv.com/preprint/36135，首次出版．
剂量频率对自我管理数字治疗后治疗结果的影响:回顾性队列研究

剂量频率对自我管理数字治疗后治疗结果的影响:回顾性队列研究

剂量频率对自我管理数字治疗后治疗结果的影响:回顾性队列研究

本文作者:

克莱尔Cordella1 作者:Orcid； 迈克尔·孟塞尔2 作者:Orcid； 杰森Godlove2 作者:Orcid； 维拉Anantha2 作者:Orcid； Mahendra阿德瓦尼2 作者:Orcid； Swathi Kiran1、2 作者:Orcid
文章 作者 引用的 Tweetations (27) 指标

    原始论文

    1美国波士顿大学言语、语言与听觉科学系，马萨诸塞州波士顿

    2持续治疗健康，列克星敦，马萨诸塞州，美国

    通讯作者:

    克莱尔·科德拉博士

    言语学系

    语言与听力科学

    波士顿大学

    联邦大道635号

    波士顿，马萨诸塞州，02215

    美国

    电话:1 617 353 2706

    电子邮件:cordella@bu.edu


    背景:虽然高剂量言语语言疗法(SLT)对脑卒中后失语症患者的疗效已在文献中得到证实，但在将这些研究结果转化为临床实践方面仍存在差距。因此，患者继续接受次优量的SLT，对他们的功能性沟通恢复产生负面影响。最近的研究已经确定，自我管理的数字卫生技术是缩小剂量差距的一种方法，它使高强度治疗不受临床医生可用性或其他实际限制因素的限制。然而，康复专业人员可获得的经验证据有限，无法指导自我管理SLT的剂量处方，尽管它们在COVID-19时代和可能以后的使用越来越多。

    摘要目的:本研究旨在利用现实世界的移动健康数据，调查不同剂量频率对中风后言语、语言和认知缺陷患者在通过市售数字健康平台进行为期10周的自我管理治疗后表现结果的影响。

    方法:研究人员分析了2016年底至2019年期间使用Constant Therapy应用程序的2249名中风后幸存者的匿名数据。这些数据包括跨越13种不同语言和认知技能领域的治疗任务。对于每位患者，每周的治疗剂量是根据10周治疗期间每周使用app的中位数天数计算的，并分为每周1、2、3、4或≥5天组。运行线性混合效应模型来检查性能随时间的变化作为剂量组的函数，并通过事后比较斜率来评估与每增加一天练习相关的性能增益。

    结果:在所有技能领域，线性混合效应模型结果显示，练习2 (β=措施;t15355年= 2.37;P=.02)， 3 (β= .003;t9738= 5.21;P< 0.001)， 4 (β= .005;t9289= 7.82;P<.001)，或≥5 (β= .005;t6343= 8.14;P< 0.001)，与每周只练习1天的人相比。事后比较证实，除了每周练习4天vs≥5天外，每天练习(即1天vs 2天，2天vs 3天，3天vs 4天)的剂量效应增加。与较低剂量频率组相比，较高剂量频率组的改善更大的结果不仅在所有领域是正确的，而且在大多数单个子领域也是如此。

    结论:本研究的结果表明，在10周的自我管理数字治疗期间，增加剂量频率与更大的治疗效果相关。真实世界数据的使用最大限度地提高了研究结果的生态有效性，并使研究结果更适用于临床环境。这项研究是制定自我管理SLT最佳剂量建议的重要一步。

    [J] .中国医学信息学报，2010;24(7):563 - 567

    doi: 10.2196/36135

    关键字

    失语症； 中风； 技术； 康复； 剂量


    背景

    大约三分之一的中风会导致失语或其他影响说话、理解、阅读或写作能力的交流障碍[1]。对于大量患有失语症的中风幸存者来说——在美国和英国估计有225万人[1-这些沟通缺陷预示着较差的整体健康结果(与没有失语的中风幸存者相比)，包括更高的总体死亡率、更少的功能恢复、社会孤立和整体生活质量下降[2-5]。

    幸运的是，言语治疗(SLT)是改善慢性中风后失语症患者的语言损伤和基于参与的语言结果的有效手段。一项针对SLT随机对照试验的综合Cochrane综述显示，与较温和的治疗方案相比，慢性失语症患者接受高强度(每周4 - 15小时)、高剂量(总共27-208小时)或长时间(长达22个月)的治疗对沟通有更大的益处[6]。

    尽管有证据支持为失语中风幸存者提供高剂量SLT，但患者通常无法获得足够高强度的治疗作为其常规护理的一部分。在整个英语世界，估计患有慢性中风后失语症的个体平均每周接受的治疗时间<5小时[7，8]，远远少于每周推荐的5至10小时，这是典型的循证强化治疗方案[6，9]。常规护理不足的现实是由几个障碍造成的，这些障碍实际上限制了患者获得SLT的机会，例如提供者短缺、医疗保险报销上限、地理隔离和缺乏交通等因素[10，11]。

    弥补缺乏足够治疗的一种方法是使患者能够通过计算机化或基于应用程序的治疗程序参与家庭实践[11，12]。许多研究已经评估了数字SLT干预作为治疗方案的一部分，作为平板电脑或计算机程序提供[13-26]。一小部分研究调查了自我管理计划，其中用户不仅在家中完成治疗，还决定自己的练习时间表[22-26]。至关重要的是，决定自己的实践计划的自由意味着这些类型的治疗的剂量参数可以并且确实因患者而异[27]。这种自然发生的剂量变化为探索SLT的剂量-反应关系提供了独特的机会。剂量衔接研究是确定SLT干预措施最佳剂量建议的关键第一步[28，29]。迄今为止，只有少数研究直接比较了相同干预措施的不同剂量，而且没有一项研究是在自我管理的数字疗法的背景下进行的[30.-36]。

    客观的

    在本研究中，我们利用现实世界的移动健康数据，利用市售数字健康平台调查不同剂量水平对10周治疗期后治疗结果的影响。注意到文献中尚未就SLT的剂量和强度的定义达成一致意见[28，29，37-39]，我们选择关注给药频率，即患者每周完成一次治疗的天数。这一措施很容易在患者中推广，并适用于临床环境。在这一分析中，我们回顾性地检查了患者在持续治疗项目中完成计算机治疗的频率，并评估了他们的剂量频率与治疗期间几个功能领域的改善之间的关系。据推测，坚持更高剂量频率治疗的患者在治疗的前10周内比最低剂量频率的患者有更大的改善。


    参与者

    他们收集并分析了2016年10月至2019年10月期间使用Constant Therapy应用程序的患者的数据。在与波士顿大学共享分析之前，这些数据是匿名的。所有用户(N=238,767)同意将他们的运动和治疗表现数据用于研究目的。持续治疗的使用者被要求在初始注册时提供基本的人口统计和诊断信息，包括年龄、受伤时间、性别和诊断(如中风、失语和创伤性脑损伤)。在这项研究中，只有报告中风导致言语、语言和认知缺陷的使用者被纳入分析。我们还采用了一个额外的纳入标准，即要求用户在使用该应用的前15个日历周的10周中至少花一天时间使用该应用。由此产生的研究样本包括2249例中风后言语、语言和认知缺陷的独特患者。在整个样本和每个剂量组中，最常被认可的诊断是中风;中风和失语;还有中风，失语症和失用症。 Dosage groups were determined by first calculating, per individual, the median number of days per week of Constant Therapy use over the 10-week therapy period of interest, and then binning into categories of 1, 2, 3, 4, or ≥5 days per week.

    治疗计划

    持续治疗[40是一种基于证据的数字治疗方法，具有超过244个跨越各种语音、语言和认知技能领域的单独任务[22，25，26，41，42]。本研究主要关注以下13个领域的任务数据:(1)听觉理解，(2)语音处理，(3)生产，(4)阅读，(5)写作，(6)命名，(7)注意力，(8)听觉记忆，(9)视觉记忆，(10)分析，(11)算术，(12)定量和(13)视觉空间技能。重要的是，用户可以通过自我选择需要改进的技能领域来定制他们的治疗方案，这意味着作为治疗一部分的具体任务因用户而异。任务难度也会根据用户进行调整，基于自适应难度算法，当用户精通某一特定任务时，便会将其推进到更困难的版本。在治疗过程中，患者按难度递增的顺序练习任务。后续更困难任务的分配顺序由每个领域的通用任务进度顺序决定，其中每个任务类型从最小到最困难依次排序。每个技能领域的进展顺序是根据研究证据和临床医生咨询构建的，并根据人口表现进行微调[43]。

    在每次练习中，每个任务都要进行练习，直到准确率达到90%或更高(至少2次)，此时患者可以进入下一个难度级别或进行不同的任务。此外，如果用户在某个级别上没有提高，或者他们的准确率低于40%，那么将分配一个较低级别的任务，以补充或取代原始任务。持续治疗程序记录任务表现数据(即准确性)和会话活动，包括可用性日志，时间戳和项目完成指标。在这些性能数据的基础上，考虑到用户正在完成不同难度级别的任务，计算出一个领域分数，以提供对用户在特定技能领域的性能的总结性评估。领域分数的生成涉及(1)识别会话中最高通过(准确率≥90%)或工作(准确率在40%至90%之间)和最低工作或失败(准确率<40%)的任务;(2)取最高通过或工作和最低工作或失败的平均顺序，从而提供给定会话难度水平的估计。失败或工作任务的进度顺序通过减去1来调整，因为当时成功通过的最高难度级别由进度顺序中的前一个任务表示。分数通过除以任务级别的总数(因领域而异)进行标准化，使分数在不同的技能领域之间具有可比性。因此，领域得分的变化可以解释为患者难度水平的增加占领域总项目的百分比。中提供了在阅读域中假设患者的域分数计算示例图1．如果在一周内出现多个会话，则计算各个会话的平均域分数。

    ‎
    图1所示。示例计算域分数(读域)。根据域的进展顺序(x轴，最上面一行)向患者介绍任务。在成功通过列出的任务后，患者应该能够展示的功能级别被标记为功能里程碑(x轴，下一行)。阴影条显示了假设患者在两个不同的疗程中，最高任务通过，最低任务成功或失败的任务准确性得分。
    查看此图

    本研究使用计算的每周领域分数有两个目的。首先，每周领域得分作为干预期间指数表现变化的兴趣因变量。每周领域得分是用户每周完成的所有会话的平均领域得分，为干预期的每10周计算。其次，我们提取了基线(即干预期的第0周)的领域评分，作为对初始严重程度进行索引的手段，因为考虑到所获得数据的真实性质，数据集中没有基线语言和认知功能的标准化测量。

    统计分析

    对于13个领域中的每一个，治疗的第一周被视为基线(指定为第0周)，并且如前所述，在干预期的10周中，每周的领域得分被提取出来。为了检查每周区域评分随时间的变化作为剂量频率组的函数，首先运行线性混合效应模型(lmm)，对所有区域的评分进行合并，然后对每个区域进行独立。对于涵盖所有领域的整体模型，每周领域得分作为因变量，固定影响时间(周数)、剂量频率组、累积练习量(即完成治疗任务的总小时数)、时间×剂量频率组和时间×累积练习量。年龄、中风时间(≤6个月和≤6个月)、性别和基线域评分也被纳入模型的固定效应。该模型包括患者和领域的随机效应。最终的模型结构是通过逐步添加模型项的迭代过程确定的，从确定最优随机效应结构开始，到确定最优固定效应结构。使用似然比检验比较嵌套模型，并参考每个候选模型的赤池信息准则和贝叶斯信息准则值。LMM的建立和选择过程在多媒体附录1，遵循心理科学中LMM报告的最佳实践惯例[44]。同样的模型结构被应用于13个单独领域的分析，除了这些分析，领域的随机效应被排除在外。所有统计分析均在R(4.0.2版本;R基础统计计算)使用lme4，lmerTest，emmeans,sjPlot包(45-49]。

    伦理批准

    该项目被Pearl机构审查委员会(#17-LNCO-101)根据45 Code of Federal Regulations 46.101(b) category 2视为机构审查委员会豁免的回顾性分析。


    所有技能领域

    本研究分析了2249例卒中后言语、语言或认知缺陷患者的数据。样本的平均年龄为63 (SD 14)岁，大多数患者(N=1319)处于急性恢复期(即卒中后≤6个月)。平均(标准化)基线领域得分为33%(标准差为20%)，表明患者在治疗的第一周通常处于该领域任务进展顺序的后三分之一。剂量组在年龄、性别或急性病情患者比例方面没有显著差异。在年龄方面，数字素养似乎并没有成为样本中老年人使用的障碍，因为老年用户表现出与年轻用户相似的实践模式，这与先前发表的研究结果一致，表明老年用户对Constant Therapy应用程序的参与度很高[27]。各剂量频率组的基线域评分(F4, 57898= 6.937;P<.001)和总治疗时数(F4, 61197= 54.54;P<.001)，尽管两种测量方法的剂量组之间的效应量一致较小(多媒体附录1）.尽管如此，这些因素作为协变量包括在所有分析模型中，以解释严重程度(即基线域评分)和累积治疗暴露(即总治疗时间)的潜在混淆效应。整个队列和每个剂量频率组的汇总统计数据见表1．

    表1。研究队列的汇总统计(N=2249)。
    特征 整体(N = 2249) 按剂量频率分组


    		每周1天(N=888) 每周2天(N=1155) 每周3天(N=804) 每周4天(N=574) 每周5天(N=481)
    年龄(岁)，平均(SD) 63 (14) 64 (14) 64 (14) 63 (13) 63 (13) 63 (13)
    性别，n (%)

    		男性 1269 (56.4) 500 (56.3) 645 (55.8) 459 (57.1) 335 (58.4) 277 (57.6)

    		女 968 (43) 384 (43.2) 506 (43.8) 343 (42.7) 236 (41.1) 199 (41.4)

    		未指定 12 (0.5) 4 (0.5) 4 (0.3) 2 (0.2) 3 (0.5) 5 (1)
    慢性，n (%)

    		急性(≤6个月) 1319 (58.6) 494 (55.6) 671 (58.1) 463 (57.6) 335 (58.4) 294 (61.1)

    		慢性(6个月) 930 (41.4) 394 (44.4) 484 (41.9) 341 (42.4) 239 (41.6) 187 (38.9)
    基线域评分一个，均值(SD) 0.33 (0.20) 0.33 (0.21) 0.33 (0.20) 0.34 (0.20) 0.34 (0.20) 0.34 (0.20)
    总时间一个，均值(SD) 6.2 (22) 3.7 (21.4) 5.3 (28.6) 6.1 (22.8) 6.9 (11.4) 10.6 (11.9)

    一个基线领域得分和总小时变量计算每个单独的技能领域。

    在所有技能领域，模型的结果是(表2和3.)揭示了时间(F1、15= 106.46;P<.001)，中风时间(F1753= 16.57;P<.001)，基线域评分(F1104365年= 67301 .21;P<.001)，累计练习量(F60502= 12.83;P<.001)，剂量组频率(F4, 8873= 6.22;P<.001)。具体来说，更高的周域评分与治疗周数的增加有关(β= .009;t=−12.27;P<.001)，急性期(β台端面应=;t= 4.07;P<.001)，更高的基线域评分(β= .662;t= 259.42;P<.001)，更大的累积练习量(β=。;t= 3.58;P<.001)，更大的练习频率(2天:β=措施,t= 0.52,P= .60;3天:β= .008,t= 3.16,P= .002;4天:β= .008,t= 2.91,P= 04;≥5天:β= .011,t= 3.95,P<措施)。年龄、性别对领域得分无显著影响，时间×累计练习量的交互作用亦无显著影响。

    对我们感兴趣的问题至关重要的是，时间×剂量频率组的相互作用是显著的(F4, 10347= 6.22;P<.001)，这表明尽管我们看到随着时间的推移，所有剂量组的结构域评分都有所增加(图2A)，改进的速度高度依赖于练习的频率。采用2种方法的患者的改善率明显更高。β=措施;t15355年= 2.37;P=.02)， 3 (β= .003;t9738= 5.21;P< 0.001)， 4 (β= .005;t9289= 7.82;P<.001)，或≥5 (β= .005;t6343= 8.14;P< 0.001)，比那些每周只练习1天的人要好。此外，事后两两比较斜率(表4)的剂量效应随着每增加一天的练习而增加(即1天vs 2天，2天vs 3天，3天vs 4天)，除了每周练习4天vs≥5天。表5礼物成对比较的估计意味着每个剂量频率组一开始(即周0)和结束(即周9)治疗,说明,虽然在基线,域分数增量剂量组之间(例如,1天vs 2天,2天vs 3天,3天vs 4天,4天vs≥5天)不显著,治疗,年底出现显著差异意味着所有组比较,除了组练习4天与≥5天/周。该结果表明，在治疗过程中累积的显著幅度差异可归因于剂量组间斜率的差异，而不是基线平均值的差异。图2B显示了治疗的累积效应——以每个剂量组的标准化前治疗与后治疗效应大小计算——并表明，尽管所有剂量组都至少有中等治疗效果，但对于练习频率更高的患者，这种效果更大。根据预处理(即第0周)与治疗后(即第9周)lmm产生的估计边际均值的差异，使用图中的eff_size函数计算每个剂量频率组的标准化效应大小emmeans包在R中。

    表2。最终的线性混合效果模型结果总结(固定效果)，跨越所有技能领域a、b．
    预测 估计(SE) t测试(df） P价值
    固定的影响

    		拦截 1.36×10−1(1.18×10−2） 12.27(2.51×101） <措施c

    		周 9.28×10−3(1.22×10−3） 7.62(1.73×101） <措施

    		剂量组(每周2天) 1.15×10−3(2.22×10−3） 0.52(1.34×104） .60

    		剂量组(每周3天) 8.00×10−3(2.54×10−3） 3.16(8.21×103.） .002

    		剂量组(每周4天) 8.30×10−3(2.85×10−3） 2.91(7.91×103.） 04

    		剂量组(每周≥5天) 1.13×10−2(2.86×10−3） 3.95(5.09×103.） <措施

    		总时间 1.13×10−4(3.15×10−5） 3.58(6.05×104） <措施

    		域评分基线 6.62×10−1(2.55×10−3） 259.42(1.04×105） <措施

    		年龄(年) −1.54×10−4(8.96×10−5） −1.72(1.79×103.） .09点

    		性别(男性) −1.39×10−4(2.43×10−3） −0.06(1.78×103.） .95

    		性别(未指明) 2.13×10−2(1.66×10−2） 1.28(1.83×103.） .20

    		慢性(急性) 9.93×10−3(2.44×10−3） −4.07(1.75×103.） <措施

    		周×剂量组(每周2天) 1.13×10−3(4.78×10−4） 2.37(1.54×104） 02

    		周×剂量组(每周3天) 2.82×10−3(5.42×10−4） 5.21(9.74×103.） <措施

    		周×剂量组(每周4天) 4.73×10−3(6.05×10−4） 7.82(9.29×103.） <措施

    		周×剂量组(每周≥5天) 5.03×10−3(6.17×10−4） 8.14(6.34×103.） <措施

    		周数×总时数 6.01×10−6(4.78×10−6） 0.97(6.50×104） .33

    一个N(总观测值)=111,768;N(病人)= 2249;N(域)= 13。

    b模型方程:域评分(周平均值)~周×(剂量组+总小时数)+基线域评分+年龄+性别+慢性+(1+周:患者)+(1+周:域)。

    c斜体文本表示一个重要的预测因子，P<措施。
    表3。最终的线性混合效应模型结果总结(随机效应)，跨越所有技能领域a、b．
    预测 方差(SD) 相关
    随机效应

    		剩余 1.4×10−2(1.2×10−1） N/Ac

    		病人(拦截) 2.2×10−3(4.7×10−2） N/A

    		域(拦截) 1.3×10−3(3.6×10−2） N/A

    		周:病人(坡) 1.5×10−5(1.2×10−2） 5.2×10−1

    		周:域(坡) 1.6×10−5(4.0×10−3） 3.0×10−2

    一个N(总观测值)=111,768;N(病人)= 2249;N(域)= 13。

    b模型方程:域评分(周平均值)~周×(剂量组+总小时数)+基线域评分+年龄+性别+慢性+(1+周:患者)+(1+周:域)。

    c-不适用。
    ‎
    图2。在所有技能领域中，领域得分作为剂量频率组的函数变化。(A)在整个治疗期间，所有剂量频率组的平均每周域评分都有所改善，但高剂量组的改善率明显高于低剂量组。图例中括号内的数字对应于每个剂量频率组中唯一患者的数量。误差条表示平均值的SE。(B)与低剂量组相比，高剂量组的治疗效应量更大。DFG:给药频率组(每周1天、每周2天、每周3天、每周4天、每周≥5天)。
    查看此图
    表4。剂量频率组斜率的两两比较一个．
    对比 估计(SE) t测试(dfb） P价值c
    每周1天

    		每周两天 −1.13×10−3(4.77×10−4） −2.37(无穷) 点

    		每周3天 −2.82×10−3(5.42×10−4） −5.21(无穷) <措施d

    		每周四天 −4.73×10−3(6.05×10−4） −7.82(无穷) <措施

    		每周5天 −5.03×10−3(6.17×10−4） −8.14(无穷) <措施
    每周两天

    		每周3天 −1.69×10−3(4.46×10−4） −3.79(无穷) 措施

    		每周四天 −3.60×10−3(5.30×10−4） −6.79(无穷) <措施

    		每周5天 −3.90×10−3(5.49×10−4） −7.10(无穷) <措施
    每周3天

    		每周四天 −1.91×10−3(5.16×10−4） −3.70(无穷) .002

    		每周5天 −2.20×10−3(5.56×10−4） −3.97(无穷) 措施
    每周四天

    		每周5天 −2.94×10−4(5.56×10−4） −0.52(无穷) 获得

    一个结果是按性别和慢性程度平均计算的。

    b自由度法:渐近。

    cP值调整:比较5个估计值的一组的基本方法。

    d斜体字表示明显的对比，P< . 05。
    表5所示。治疗开始和结束时估计边际均值的两两比较。
    对比 估计(SE) t测试(df） P价值
    第0周(基线)

    		每周1天


    		每周两天 −1.15×10−3(2.22×10−3） −0.52(无穷) 获得


    		每周3天 −8.00×10−3(2.53×10−3） −3.16(无穷) . 01一个


    		每周四天 −8.30×10−3(2.85×10−3） −2.91(无穷) 03


    		每周5天 −1.13×10−2(2.86×10−3） −3.95(无穷) 措施

    		每周两天


    		每周3天 −6.85×10−3(2.20×10−3） −3.12(无穷) 02


    		每周四天 −7.15×10−3(2.60×10−3） −2.75(无穷) .047


    		每周5天 −1.01×10−2(2.63×10−3） −3.86(无穷) 措施

    		每周3天


    		每周四天 −2.95×10−4(2.61×10−3） −0.11(无穷) 获得


    		每周5天 −3.30×10−3(2.73×10−3） −1.21(无穷) 综合成绩

    		每周四天

    		每周5天 −3.00×10−3(2.85×10−3） −1.05(无穷) 点
    第9周(分析期结束)

    		每周1天


    		每周两天 −1.13×10−2(3.18×10−3） −3.57(无穷) .003


    		每周3天 −3.34×10−2(3.78×10−3） −8.84(无穷) <措施


    		每周四天 −5.09×10−2(4.27×10−3） −11.92(无穷) <措施


    		每周5天 −5.65×10−2(4.63×10−3） −12.20(无穷) <措施

    		每周两天


    		每周3天 −2.21×10−2(2.85×10−3） −7.74(无穷) <措施


    		每周四天 −3.95×10−2(3.54×10−3） −11.16(无穷) <措施


    		每周5天 −4.52×10−2(4.00×10−3） −11.28(无穷) <措施

    		每周3天


    		每周四天 −1.75×10−2(3.18×10−3） −5.49(无穷) <措施


    		每周5天 −2.31×10−2(3.84×10−3） −6.02(无穷) <措施

    		每周四天

    		每周5天 −5.65×10−3(3.67×10−3） −1.54(无穷) 54

    一个斜体字表示明显的对比，P< . 05。

    个人技能领域

    在个体技能领域中，大多数个体领域模型都支持这样的假设，即剂量频率越大的患者随着时间的推移会有更大的改善。具体而言，单独的lmm在13个总结构域中的9个中同样显示出显着的时间×剂量频率组相互作用。这9个领域包括算术、听觉理解、听觉记忆、命名、定量、阅读、视觉记忆、视觉空间和写作领域(图3；多媒体附录1）.对于这些领域中的大多数，模型结果揭示了一个与整体模型结果相似的趋势，即在较高的练习频率与较低的练习频率(多媒体附录1）.在算术、听觉理解和听觉记忆领域，每周练习频率为2、3、4和≥5天的领域得分的变化率显著高于每周练习频率为1天的(图3A)。对于定量、阅读、视觉记忆和视觉空间领域，每周练习频率为4天和≥5天的领域得分的变化率显著高于每周练习频率为1天的领域得分(图3B)。在命名和书写领域，尽管时间和剂量频率组之间总体上存在显著的相互作用，但斜率仅在每周4天和每周3天(与每周1天相比)剂量频率组(多媒体附录1）.对于其余的领域——分析、注意力、语音处理和生产——时间和剂量频率组之间没有观察到显著的相互作用，表明在治疗期间的改善并不取决于练习频率(图4；多媒体附录1）.

    ‎
    图3。每周变化域评分作为给药频率组的函数，以技能域表示(显著时间×给药组效应)。(A)每周练习2天、3天、4天和≥5天时，算术、听觉理解和听觉记忆领域得分的变化率显著高于每周练习1天。(B)每周练习4天和≥5天时，定量、阅读、视觉记忆和视觉空间领域得分的变化率显著更高。与每周1天相比。
    查看此图
    ‎
    图4。每周领域评分变化作为剂量频率组的函数，由技能领域(无显著time×dosage组效应)。
    查看此图

    调查结果摘要

    中风后言语、语言和认知障碍患者在接受各种技能领域的自我管理数字治疗的前10周内，他们准确执行难度增加的任务的能力普遍有所提高。总的来说，对于大多数评估的个体领域，改善的速度是由练习频率调节的，随着时间的推移，每周练习3到5天的患者比每周只完成1天的患者有更大的改善。

    这些结果与越来越多的文献显示高剂量和高强度SLT对沟通结果的益处大致一致[6，50]。我们的工作通过在广泛的功能技能领域提供大样本的结果，增加了这项研究。它还强调了描绘剂量成分参数的重要性。在文献中，累积干预强度(即总剂量)越来越多地被量化为疗程剂量、频率和干预时间的乘积[29，37，38，51]。在本研究中，我们的主要研究问题集中在给药频率上;但我们也考虑了剂量和持续时间。重要的是，这里给出的剂量频率的结果与总持续时间和总治疗小时数无关，因此强调了在设计最佳剂量建议时，除了考虑其他相关剂量参数外，还要考虑练习频率的重要性。此外，模型结果显示，虽然总治疗量的主要作用是显著的，但它不能像剂量频率那样预测随时间推移的改善率。这一发现表明，尽管不同的剂量参数可能相关，但它们对治疗结果的影响并不一定相同。

    在这项研究中，对现实世界患者的使用数据进行了分析，包括广泛的剂量频率，从每周1天到每周≥5天。这确保了所调查的剂量频率实际上是可以实现的。最近的研究发现，研究中研究的剂量参数(通常都很高)与常规临床实践中提供的适度治疗剂量之间存在重大差距。51，52]。例如，一项在美国门诊环境中对剂量进行的研究报告称，与2009年至2019年失语症治疗文献中报道的更密集的剂量方案(6周中位数20小时)相比，中风后失语症患者的中位总治疗剂量仅为7.5小时，中位治疗持续时间为7.7周。[51]。这种剂量差距是临床成功实施研究成果的主要障碍。因此，调查自然发生的剂量频率最大限度地提高了生态有效性，并进一步扩大了研究结果直接为临床剂量建议提供信息的可能性。对剂量频率范围的分析也很重要，因为它允许对单个剂量频率组进行事后比较(每周1天vs每周2天，每周2天vs每周3天等)。结果表明，在所有领域，随着时间的推移，每周每增加一天的练习与显著更大的改善相关，除了每周4天和≥5天。在练习频率范围的上端，表现结果的不显著差异增加了收益递减的可能性，这一发现在最近的其他研究中也被提出，可能是某些基于损伤的治疗的天花板效应[30.]。在有限的可用文献中，是否存在较低的改进门槛同样是争论的来源;例如，先前的一项研究发现，48小时和24小时的治疗效果没有显著差异[33]。相比之下，这项研究的结果表明，随着时间的推移，每增加一天的练习，即使是在练习频率范围的低端，也会有显著的改善。例如，与每周1天相比，练习2天在治疗结果上有一定的好处，这对临床医生寻求为患者设定实际和可实现的目标是有用的信息。

    综上所述，本研究的结果提供了关于自我管理数字干预的最佳剂量的关键信息。目前，康复专业人员很少有经验指南来指导任何以语言为重点的行为干预的剂量处方，而且这些都不是针对自我管理治疗模式的。本研究补充了现有关于剂量衔接的有限文献，并且是第一个专门关注自我管理数字治疗剂量比较的研究。我们预计，这些结果将为未来推荐最佳剂量提供信息，这是语音语言病理学和中风康复领域越来越多地使用数字治疗技术所迫切需要的。

    限制

    这项研究并非没有局限性。例如，使用者不是随机分配到他们的剂量频率组，而是根据他们在持续治疗系统中记录的使用模式进行分类。受损程度较轻(由基线技能领域评分决定)的使用者可能自行选择不同的剂量组。然而，事后测试显示，每周≥5天练习组与其他练习组之间的基线严重程度存在差异，而每周1、2、3或4天练习组之间没有差异。因此，基线严重程度的差异不太可能解释本研究中发现的剂量频率的逐步递增效应。为了进一步探究受损程度较轻的用户是否会自我选择地接受更多的治疗，我们进行了后续的相关分析，比较了基线领域得分和总练习小时数(每个技能领域)。该分析显示，基线严重程度与总暴露量(多媒体附录1)，表明在基线时受损程度较轻的患者并没有更多地接受治疗。尽管这种线性关系不显著，但所有统计模型都包括基线域评分和总小时数作为协变量，分别考虑基线严重程度或总治疗暴露对治疗期间表现提高的任何潜在影响。

    本研究的第二个局限性是缺乏可能影响干预结果的详细的个人层面因素。尽管Constant Therapy数字健康平台可以收集几个英语国家的大量真实数据，但目前还不可能收集所有个人的详细人口统计和评估信息。因此，尽管我们在分析模型中纳入了基本的人口统计学协变量，如年龄、中风后的时间、性别和基线严重程度的代理测量，但模型可能会随着更多关于诊断的详细信息、语言标准化评估指标的表现(例如，西方失语症-修订)或整体功能(例如，美国国立卫生研究院卒中量表和修改的兰金量表)、并发医学和认知共病的信息而得到改进。以及心理因素。一个相关的限制是，该数据集中缺乏关于用户获得直接治疗服务的信息。对于一些用户来说，基于应用程序的方案可能与更传统的面对面SLT结合使用，而对于其他人来说，应用程序构成了主要或单一的治疗模式。不同剂量组接受的外部(即非基于应用程序的)治疗量的系统性差异有可能影响观察到的结果，因为经常使用应用程序的用户可能也接受了更多的外部治疗，从而使性能提高归因于更频繁的应用程序内实践变得复杂。

    最后，虽然设计为治疗进展的保守估计，但我们注意到，本研究中使用的技能领域分数是目标技能领域内功能的一阶近似值。改进的近似和对标准化评估的验证是正在进行和未来工作的重点。

    作者的贡献

    CC、JG、MM和SK对研究进行了概念化或对方法设计做出了贡献。MM和JG贡献了用于数据库查询和过滤的原始源代码。CC执行数据分析。CC和SK验证了本研究中使用的基础数据。所有作者都对数据解释做出了贡献。CC和MM撰写了稿件的初稿，所有作者都参与了稿件后续版本的审核和修改。

    利益冲突

    MM、JG、VA和MA目前从Constant Therapy Health (Constant Therapy应用程序的生产商)获得或已经获得工资。SK目前担任科学顾问，并拥有Constant Therapy Health的所有权股份。CC和SK从波士顿大学领取薪水。作为Constant Therapy Health数据使用协议的一部分，本研究的数据在波士顿大学进行了分析。

    ‎
    多媒体附录1

    线性混合效应模型的选择过程，详细的统计结果，和补充分析。

    DOCX文件，552kb
    1. 失语症说明书。全国失语症协会。URL:https://www.aphasia.org/aphasia-resources/aphasia-factsheet/[2020-12-17]访问
    2. 刘建军，刘建军，刘建军。急性脑卒中失语症的临床研究进展。中华临床医学杂志;2001;29 (5):413-422 [J]免费全文] [CrossRef] [Medline］
    3. Paolucci S, Antonucci G, Pratesi L, Traballesi M, Lubich S, Grasso MG。脑卒中住院患者康复的功能结局:预测无反应、低反应和高反应患者。脑血管病1998;8(4):228-234。［CrossRef] [Medline］
    4. Lam JM, Wodchis WP。60种疾病诊断和15种条件与安大略省医院长期护理居民基于偏好的健康相关生活质量的关系中华医学杂志，2010,38(4):380-387。［CrossRef] [Medline］
    5. Bullier B, Cassoudesalle H, Villain M, cogn M, Mollo C, De Gabory I，等。影响失语症患者生活质量的新因素。中华医学杂志，2016,31 (1):393 - 393 [j]免费全文] [CrossRef] [Medline］
    6. 陈建军，陈建军，陈建军，陈建军。脑卒中后失语症的语言治疗。Cochrane Database system Rev 2016 06月01日;2016(6):CD000425 [j]免费全文] [CrossRef] [Medline］
    7. 代码C，佩瑟拉姆·b，失语症患者。国际演讲与病理杂志，2011;13(1):3-10。［CrossRef] [Medline］
    8. Palmer R, Witts H, Chater T.在英国，患有失语症的社区中风幸存者接受了哪些言语和语言治疗?科学通报，2018;13(7):e0200096 [j]免费全文] [CrossRef] [Medline］
    9. 李建军，李建军，李建军，等。失语治疗对失语患者康复的影响。中风2003年4月;34(4):987-993。［CrossRef] [Medline］
    10. 张建军，张建军，张建军，等。《世界残疾报告》是国际、国家和地方失语症服务的蓝图。国际言语与病理杂志，2013;15(1):106-112。［CrossRef] [Medline］
    11. 德罗奇CA, Kiran S.技术康复改善后发性脑损伤后的沟通。前沿神经科学2017年7月28日;11:382 [免费全文] [CrossRef] [Medline］
    12. 杜根，李建平，李建平，等。失语症的康复:何时、如何和谁治疗?中华神经科学杂志2018 Oct 15;18(12):90 [j]免费全文] [CrossRef] [Medline］
    13. 魏德纳K，洛曼J.成人语言病理学服务的远程实践:系统回顾。应用力学与工程学报，2020;5(1):326-338。［CrossRef］
    14. 陈志强，陈志强，陈志强。计算机文字训练对失语症的治疗效果。[J]演讲与病理，2008;17(1):19-34 [J]免费全文] [CrossRef] [Medline］
    15. 李JB,凯RC,查LR。成人非流利性失语症的会话脚本表现:治疗强度和失语症严重程度。失语学杂志2009;23(7):885-897。［CrossRef］
    16. Furnas DW, Edmonds LA。计算机化动词网络强化治疗对失语症词汇检索的影响。失语学2014;03;28(4):401-420。［CrossRef］
    17. 王永华，王永华，王永华，王永华，等。口语理解疗法对慢性失语症患者的疗效:一项结构成像交叉随机对照试验。中华神经外科杂志[J]; 2011; 29 (4):418-424 [J]免费全文] [CrossRef] [Medline］
    18. Woodhead ZV, Kerry SJ, Aguilar OM, Ong YH, Hogan JS, Pappa K，等。iReadMore单词阅读训练与中央性失读症脑刺激的随机试验。大脑2018;01;141(7):2127-2141 [j]免费全文] [CrossRef] [Medline］
    19. 李建军，李建军，李建军，李建军，等。脑卒中后失语症的计算机化训练:长期效果如何?一项随机临床试验。脑卒中脑血管病2018;27(8):2271-2276。［CrossRef] [Medline］
    20. Gerber SM, sch tz N, Uslu AS, Schmidt N, Röthlisberger C, Wyss P，等。治疗师指导的基于片剂的失语症患者远程康复:概念验证和可用性研究。中国生物医学工程学报;2019年4月26日;6(1):1363 [j]免费全文] [CrossRef] [Medline］
    21. 查LR,布劳恩EJ,李JB, Kocherginsky M,克里斯蒂安•范维伦s优化复苏失语症:学习后暴露在单一剂量的计算机脚本培训。国际语音学杂志，2019;21(5):448-458。［CrossRef] [Medline］
    22. Des Roches CA, Balachandran I, Ascenso EM, Tripodis Y, Kiran S.基于ipad软件平台的基于损伤的个性化康复计划的有效性。神经科学进展2014年1月5日;8:10 - 15 [j]免费全文] [CrossRef] [Medline］
    23. Palmer R, Dimairo M, Cooper C, Enderby P, Brady M, Bowen A，等。与常规护理或注意力控制(Big CACTUS)相比，中风后慢性失语症患者的自我管理、计算机化言语和语言治疗:一项多中心、单盲、随机对照试验。柳叶刀神经杂志2019 Sep;18(9):821-833 [j]免费全文] [CrossRef] [Medline］
    24. 刘亚平，刘亚平。基于平板电脑的家庭实践项目对慢性失语症治疗效果的影响。[J]语言与听觉，2018,17;61(5):1140-1156 [J]免费全文] [CrossRef] [Medline］
    25. Godlove J, Anantha V, Advani M, Des Roches C, Kiran S.家庭和诊所治疗实践的比较:对固定治疗平台数据集的回顾性分析。中华神经杂志2019年2月25日;10:140 [免费全文] [CrossRef] [Medline］
    26. Mallet KH, Shamloul RM, Corbett D, Finestone HM, Hatcher S, Lumsden J，等。RecoverNow:一种基于移动平板电脑的康复干预在急性护理环境中治疗卒中后沟通障碍的可行性。PLoS One 2016; 12 (12):e0167950 [j]免费全文] [CrossRef] [Medline］
    27. 孟淑娟，陈建军，陈建军，等。数字技术在认知康复治疗中的应用研究。[J]互联网学报，2020;07;22(2):e16286 [J]免费全文] [CrossRef] [Medline］
    28. 李建军，李建军，李建军。脑卒中后失语症治疗剂量的研究进展。中华神经康复杂志，2011;31(10):1629-1660。［CrossRef] [Medline］
    29. Warren SF, Fey ME, Yoder PJ。差别治疗强度研究:创造最有效的沟通干预的缺失环节。残疾与发展，2007;13(1):70-77。［CrossRef] [Medline］
    30. Harvey S, Carragher M, Dickey MW, Pierce JE, Rose ML.卒中后失语症行为治疗的剂量效应:系统回顾和荟萃分析。残疾人康复(即将)2020年11月09:1-12［CrossRef] [Medline］
    31. Bakheit AM, Shaw S, Barrett L, Wood J, Carrington S, Griffiths S，等。一项前瞻性，随机，平行组，对照研究言语和语言治疗强度对中风后失语症早期康复的影响。临床康复杂志2007;21(10):885-894。［CrossRef] [Medline］
    32. Breitenstein C, Grewe T, Flöel A, Ziegler W，施普林格L, Martus P, fceet2ec研究组。强化言语和语言治疗在中风后慢性失语症患者中的应用:一项在卫生保健机构进行的随机、开放标签、盲终点对照试验柳叶刀2017年4月15日;389(10078):1528-1538。［CrossRef] [Medline］
    33. 李晓东，李晓东，李晓东，等。慢性脑卒中患者失语强化治疗的临床疗效分析。中华神经外科杂志;2018;39 (6):586-592 [J]免费全文] [CrossRef] [Medline］
    34. 张建军，张建军，张建军，等。慢性失语症的临床疗效观察。[J]语言与听觉学报，2018;61(7):1664-1690 [J]免费全文] [CrossRef] [Medline］
    35. Harnish SM, Morgan J, Lundine JP, Bauer A, Singletary F, Benjamin ML，等。一种提示图片命名治疗失语症的剂量。[J]语言学报，2014;23(2):S285-S299。［CrossRef] [Medline］
    36. 王晓明，王晓明，王晓明，等。失语症患者的记忆影响因素。失语学杂志2016;30(9):983-1011 [j]免费全文] [CrossRef] [Medline］
    37. 查LR。失语治疗:强度、剂量参数、脚本训练。国际语言与病理杂志，2012;14(5):424-431 [J]免费全文] [CrossRef] [Medline］
    38. 李建平。最优干预强度。国际言语与病理杂志，2012;14(5):401-409。［CrossRef] [Medline］
    39. 基兰S，汤普森CK。失语症中语言网络的神经可塑性:进展、更新和未来的挑战。中华神经杂志2019年4月2日;10:295 [免费全文] [CrossRef] [Medline］
    40. 持续治疗健康。URL:https://constanttherapyhealth.com/constant-therapy/[2022-06-22]访问
    41. Braley M, Pierce JS, Saxena S, De Oliveira E, Taraboanta L, Anantha V，等。卒中后失语症患者语音、语言和认知干预的数字治疗虚拟、随机、对照试验。Front Neurol 2021 Feb 12;12:626780 [免费全文] [CrossRef] [Medline］
    42. 德罗奇CA, Mitko A, Kiran s。失语症患者自我管理提示与康复结果的关系:了解个体对基于技术的康复计划的反应性。前沿神经科学2017年2月1日;11:07 [免费全文] [CrossRef] [Medline］
    43. Kiran S, Gerst K, Dubas E.了解最佳剂量频率和患者参与对数字治疗效果的影响。在:国际中风会议2019主持海报摘要。2019提交于:ISC '19;2019年2月6日至8日;檀香山，HI，美国https://www.ahajournals.org/doi/10.1161/str.50.suppl_1.TMP48［CrossRef］
    44. Meteyard L, Davies RA。心理科学中线性混合效应模型的最佳实践指南。[J] .中国科学院学报(自然科学版);［CrossRef］
    45. R核心团队。R:用于统计计算的语言和环境。R Foundation for Statistical Computing. 2021。URL:https://www.R-project.org/[2021-12-27]访问
    46. 王晓明，王晓明，王晓明，等。线性混合效应模型的拟合。[J] .计算机工程学报，2015;37(1):1- 8。［CrossRef］
    47. Kuznetsova A, Brockhoff PB, Christensen RH。lmerTest包:测试线性混合效果模型。[J] .计算机工程学报，2017;32(1):1-26。［CrossRef］
    48. 披散下来房车。均值:估计的边际均值，又称最小二乘均值。综合R档案网络。2021。URL:https://CRAN.R-project.org/package=emmeans[2021-12-27]访问
    49. [3]李建平，李建平，李建平。社会科学统计数据可视化研究。综合R档案网络。2021年11月26日。URL:https://CRAN.R-project.org/package=sjPlot[2021-12-27]访问
    50. 中风后失语症患者的康复与恢复(发布)合作者。失语症语言治疗的剂量、强度和频率:基于系统回顾的个体参与者数据网络荟萃分析。中风2022年3月;53(3):956-967 [免费全文] [CrossRef] [Medline］
    51. 张建军，张建军，张建军，张建军。失语康复是否存在研究与实践的剂量差距?[J]演讲与病理，2021,Sep 23;30(5):2115-2129]免费全文] [CrossRef] [Medline］
    52. 李晓峰，冯春华，李建军。在中风后的一年中，所有急性期后护理机构的康复治疗没有种族差异。中风2017 Dec;48(12):3329-3335 [免费全文] [CrossRef] [Medline］

    ‎
    LMM:线性混合效应模型
    SLT:语言治疗

    R库卡夫卡编辑;提交04.01.22;E Donoso Brown, J Heo的同行评审;对作者的评论27.04.22;收到修订版本18.05.22;接受30.05.22;发表20.07.22

    版权

    ©Claire Cordella, Michael Munsell, Jason Godlove, Veera Anantha, Mahendra Advani, Swathi Kiran。原载于医学互联网研究杂志(//www.mybigtv.com)， 2022年7月20日。

    这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)下发布的开放获取文章，该许可允许在任何媒介上不受限制地使用、分发和复制，前提是原始作品首次发表在《医学互联网研究杂志》上，并适当引用。必须包括完整的书目信息，到//www.mybigtv.com/上原始出版物的链接，以及版权和许可信息。
    Baidu
    map