V předchozích příspěvcích pro odbornou veřejnost jsme se zabývali mírou fyzické aktivity a odchylek ve spánkovém režimu jako jedním z hlavních příznaků a biomarkerů, kterými se projevují afektivní poruchy a především bipolární porucha. Zároveň jsme představili i možnosti měření těchto parametrů. Využití aktigrafických senzorů se jeví jako poměrně jednoduchá, pro pacienta nenáročná a především přesná metoda, která odráží fungování cirkadiánního systému a činnost suprachiasmatických jader (SCN) [1] [2].
V souvislosti s neustálým pokrokem a vývojem digitálních technologií, chytrých telefonů a mobilních aplikací je možné navíc využívat tyto prostředky k subjektivním záznamům pacienta, objektivnímu měření nebo k vizualizaci těchto dat pomocí mobilní aplikace. Právě digitální technologie mohou usnadnit objektivnější detekci odchylek spánkových a pohybových vzorců, které je možné sledovat dlouhodobě, a díky tomu zaznamenat individuální vývoj afektivních poruch nebo průběh a účinnost léčby [3] [4].
Sledovaná objektivní data pomocí digitálních technologií je možné rozdělit na pasivní a aktivní.
K pasivnímu sledování aktivity pacientů patří především aktigrafické záznamy denního a spánkového režimu. Odborníci na spánkovou medicínu však ve svých doporučeních uvádějí, že vzhledem k náročnosti analýzy aktigrafickcýh dat, je vhodné data doplňovat dalšími informacemi. Například formou spánkových deníků pro přesné určení nástupu spánku a probouzení [6].
Chytré telefony a náramky jsou rovněž schopny shromažďovat údaje o uživatelích. Jedná se například o polohu prostřednictvím GPS, míru aktivity na sociálních sítích, záznamy hovorů nebo textových zpráv. Tyto druhy informací se rovněž v rámci výzkumných studií doporučují kombinovat, aby poskytly komplexní obraz současného stavu pacienta [7] [8].
Nevýhodou pouze pasivního sledování digitálních dat je nedostatek kontextuálních informací, která mohou naopak doplňovat aktivní digitální záznamy. Pro komplexní a srozumitelný popis stavu pacienta se jeví jako nejvhodnější doplnění aktigrafickcýh nebo jiných objektivních digitálních dat o subjektivní zhodnocení příznaků nálady, úrovně kognitivních procesů nebo dalších situačních vlivů nebo událostí. K tomuto subjektivnímu hodnocení se nejčastěji využívají psychologické dotazníky, sebehodnotící škály nebo deníky nálady [9].
V současné době existuje řada studií, které kombinují sebehodnotící škály s aktigrafií nebo další pasivními měřeními, včetně senzorů světla, teploty, galvanické kožní odezvy a srdeční frekvence, a poskytují tak multimodální sledování fyzických a environmentálních podmínek, které pacient s bipolární poruchou zažívá v přirozených podmínkách každodenního života [5] [10].
Data z mobilních aplikací mohou tedy usnadnit sledování vzorců emocí, chování, biologických rytmů a dalších situačních vlivů v reálném čase. Tyto přístupy se široce uplatňují při studiu základních rysů, vlastností, změn stavů a dopadu léčby u bipolární poruchy.
Zjištění podložené systematickou rešerší současných digitálních metod prokazují viditelné odchylky spánku, zejména delší trvání a variabilitu spánkových vzorců, nižší průměr a větší variabilitu motorické aktivity a posun k pozdějšímu vrcholu aktivity a středu spánku. Vývoj nových funkčních analytických nástrojů založených na digitálních datech může pomoci získat hlubší vhled do mechanismů a dynamiky projevů bipolární poruchy a zároveň zohlednit i environmentální a fyziologické koreláty této nemoci. Digitální technologie přináší velký potenciál pro rychlou identifikaci, diagnostiku, longitudinální sledování, hodnocení klinického stavu či zohlednění vlivu medikace [5] [11].
Mindpax již od roku 2016 vyvíjí a zdokonaluje komplexní a personalizovaný systém pro pacienty s bipolární poruchou a kombinuje v rámci výzkumných studií výše uvedené parametry pro co nejpřesnější zachycení aktuálního klinického stavu. Nejprve jsme potřebovali zajistit validitu aktigrafických dat [12] u bipolárních pacientů a odlišit je od zdravých kontrol. Dále jsme v průběhu let přidávali k pasivnímu digitálnímu měření pomocí aktigrafického senzoru i aktivní digitální data prostřednictvím dotazníku nálady (námi vyvinutý a dle klinických škál nálady validizovaný dotazník – ASERT) [13]. V současné probíhající studii je navíc systém doplněn o možnosti denního sebehodnocení nálady, záznam důležitých životní událostí ovlivňující stav pacienta, záznam užívané medikace a vizualizaci všech subjektivních a objektivních dat. Navíc pacientům po období kalibrace shromážděných dat poskytujeme personalizovanou zpětnou vazbu s terapeutickými prvky (tj. digitální terapii).
[1] Bauer M, Grof P, Rasgon N, Bschor T, Glenn T, Whybrow PC. Temporal relation between sleep and mood in patients with bipolar disorder. Bipolar Disord. 2006 Apr;8(2):160-7
[2] De Crescenzo, F., Economou, A., Sharpley, A. L., Gormez, A., & Quested, D. J. (2017). Actigraphic features of bipolar disorder: A systematic review and meta-analysis. Sleep Medicine Reviews, 33, 58–69. https://doi.org/10.1016/j.smrv.2016.05.003
[3]Gershon, A., & Eidelman, P. (2015). Inter-episode affective intensity and instability: Predictors of depression and functional impairment in bipolar disorder. Journal of Behavior Therapy and Experimental Psychiatry, 46, 14–18. https://doi.org/10.1016/j.jbtep.2014.07.005
[4]Ducasse, D., Jaussent, I., Guillaume, S., Azorin, J. M., Bellivier, F., Belzeaux, R., … & Albertini, L. (2017). Affect lability predicts occurrence of suicidal ideation in bipolar patients: a two‐year prospective study. Acta Psychiatrica Scandinavica, 135(5), 460-469.
[5] Dunster, G.P., Swendsen, J. & Merikangas, K.R. Real-time mobile monitoring of bipolar disorder: a review of evidence and future directions. Neuropsychopharmacol. 46, 197–208 (2021). https://doi.org/10.1038/s41386-020-00830-5
[6]Ancoli-Israel S, Martin JL, Blackwell T, Buenaver L, Liu L, Meltzer LJ, et al. The SBSM guide to actigraphy monitoring: clinical and research applications. Behav Sleep Med. 2015;13:S4–S38.
[7]Gliddon E, Barnes SJ, Murray G, Michalak EE. Online and mobile technologies for self-management in bipolar disorder: a systematic review. Psychiatr Rehabil J. 2017;40:309–19. https://doi.org/10.1037/prj0000270.
8]Faurholt-Jepsen M, Frost M, Ritz C, Christensen EM, Jacoby AS, Mikkelsen RL, et al. Daily electronic self-monitoring in bipolar disorder using smartphones – the MONARCA I trial: a randomized, placebo-controlled, single-blind, parallel group trial. Psychol Med. 2015;45:2691–704. https://doi.org/10.1017/S0033291715000410.
[9] Merikangas KR, Swendsen J, Hickie IB, Cui L, Shou H, Merikangas AK, et al. Real-time mobile monitoring of the dynamic associations among motor activity, energy, mood, and sleep in adults with bipolar disorder. JAMA Psychiatry. 2019;76:190–8. https://doi.org/10.1001/jamapsychiatry.2018.3546
[10] Knell G, Gabriel KP, Businelle MS, Shuval K, Wetter DW, Kendzor DE. Ecological momentary assessment of physical activity: validation study. J Med Internet Res. 2017;19:e253.
[11] Orsolini, L., Fiorani, M., & Volpe, U. (2020). Digital Phenotyping in Bipolar Disorder: Which Integration with Clinical Endophenotypes and Biomarkers? International Journal of Molecular Sciences, 21(20), 7684. https://doi.org/10.3390/ijms21207684
[12] Schneider, J., Bakštein, E., Kolenič, M., Vostatek, P., Correll, C. U., Novák, D., & Španiel, F. (2020). Motor Activity Patterns Can Distinguish Between Inter-Episode Bipolar Disorder Patients and Healthy Controls. CNS Spectrums, 1–32. https://doi.org/10.1017/S1092852920001777
[13]Anýž J, Bakštein E, Dally A, Kolenič M, Hlinka J, Hartmannová T, Urbanová K, Correll CU, Novák D, Španiel F
Validity of the Aktibipo Self-rating Questionnaire for the Digital Self-assessment of Mood and Relapse Detection in Patients With Bipolar Disorder: Instrument Validation Study JMIR Ment Health 2021;8(8):e26348 JMIR Ment Health 2021;8(8):e26348
