Przegląd zakresu wykorzystania danych z rzeczywistego świata do oceny skuteczności aplikacji mHealth

Dlaczego twoje aplikacje zdrowotne mają znaczenie wykraczające poza telefon

Wielu z nas rejestruje teraz nastrój, sen, liczbę kroków czy poziom cukru we krwi w aplikacjach zdrowotnych — ale co dzieje się z tymi danymi? Artykuł bada, w jaki sposób dane z życia codziennego pochodzące z mobilnych aplikacji zdrowotnych (mHealth) są używane do oceny, czy te narzędzia rzeczywiście pomagają ludziom na co dzień. Zamiast opierać się wyłącznie na tradycyjnych badaniach klinicznych, autorzy analizują prace wykorzystujące dane, które aplikacje naturalnie zbierają podczas użytkowania w domu, w pracy i w podróży.

Co badacze chcieli ustalić

Autorzy przeprowadzili przegląd zakresu (scoping review) — rodzaj szerokiej mapy — żeby zobaczyć, jak dane z rzeczywistego świata pochodzące z aplikacji zdrowotnych są wykorzystywane w opublikowanych badaniach. Skupili się na aplikacjach skierowanych do pacjentów, które ludzie używają samodzielnie, aby zarządzać zdrowiem, śledzić stany lub wspierać zmiany stylu życia. Kluczowe było to, że uwzględniono tylko badania korzystające z „naturalnie powstających” danych — informacji zapisanych przez normalne funkcje aplikacji lub rutynowe rejestry opieki zdrowotnej, a nie dodatkowych kwestionariuszy czy narzędzi dodanych specjalnie do badania. Dane pogrupowano w trzy proste kategorie: informacje wpisywane przez użytkowników, dane automatycznie rejestrowane przez urządzenia takie jak czujniki czy wearables oraz informacje pochodzące z systemów opieki zdrowotnej, np. elektroniczne rekordy medyczne czy rozliczenia ubezpieczeniowe.

Gdzie testuje się aplikacje zdrowotne

Z ponad dziesięciu tysięcy artykułów zespół wyłonił 72 badania spełniające kryteria, dotyczące 61 różnych aplikacji. Większość z nich koncentrowała się na problemach zdrowia psychicznego, takich jak depresja czy bezsenność, albo na zaburzeniach metabolicznych, np. cukrzycy i kontroli masy ciała. Wiele aplikacji pełniło w praktyce rolę narzędzi medycznych, wspierając podejmowanie decyzji terapeutycznych lub codzienne decyzje, choć ich status regulacyjny nie zawsze był jasno opisany. Aplikacje do zdrowia psychicznego częściej opierały się na tym, co użytkownicy wpisywali o nastroju, śnie czy objawach, podczas gdy aplikacje metaboliczne częściej korzystały z podłączonych urządzeń, takich jak monitory glukozy czy inteligentne wagi rejestrujące pomiary automatycznie.

Jakiego rodzaju dane te aplikacje faktycznie wykorzystują

Przegląd wykazał, że większość badań opierała się na aktywnie wprowadzanych informacjach, takich jak ankiety objawów w aplikacji, a rzadziej wykorzystywała pasywne dane z czujników czy systemów opieki zdrowotnej. Około siedmiu na dziesięć badań korzystało z danych wpisywanych przez użytkowników, często wyników dotyczących bólu, nastroju czy snu. Około jedna czwarta używała danych generowanych przez urządzenia, a tylko niewielka część łączyła dane z rejestrów medycznych lub rozliczeń ubezpieczeniowych. Wiele aplikacji zbierało informacje w sposób ciągły lub bardzo często, jednak sposób, w jaki badacze analizowali ten bogaty strumień danych, bywał zaskakująco ograniczony. Niewiele badań łączyło wiele źródeł danych — na przykład dane samoopisowe z odczytami czujników — mimo że takie połączenia mogłyby dać pełniejszy i bardziej wiarygodny obraz zdrowia.

Jak mocne są dotychczasowe dowody?

Analizując projekty badań, autorzy stwierdzili, że większość to stosunkowo proste porównania przed i po w jednej grupie użytkowników, bez grupy kontrolnej do porównań. Tylko niewielka liczba stosowała bardziej rygorystyczne podejścia, takie jak porównywanie użytkowników aplikacji z podobnymi osobami ich nieużywającymi, czy pragmatyczne randomizowane próby odzwierciedlające opiekę w warunkach rzeczywistych. W rezultacie wiele istniejących badań może pokazać, że objawy zmieniały się w czasie korzystania z aplikacji, ale nie pozwala to z pewnością stwierdzić, że to sama aplikacja była przyczyną tych zmian. Wielkość badań była bardzo zróżnicowana — od kilkudziesięciu osób do setek tysięcy — a okres obserwacji często trwał tylko kilka miesięcy, co sprawia, że długoterminowe efekty nadal są słabo poznane.

Co to oznacza dla pacjentów i przyszłej opieki cyfrowej

Podsumowując, przegląd ukazuje duży potencjał, ale też niedokończoną pracę. Aplikacje zdrowotne wyraźnie potrafią rejestrować duże ilości danych z rzeczywistego świata o tym, jak ludzie się czują i funkcjonują, a te dane mogłyby wspierać ciągłe, elastyczne oceny działania narzędzi cyfrowych po wprowadzeniu ich na rynek. Jednak dotychczas większość opublikowanych badań wykorzystuje tylko część tego potencjału. Opierają się głównie na samoopisach, stosują ograniczone projekty badawcze i rzadko łączą dane aplikacji z rekordami klinicznymi. Aby dać klinicystom, regulatorom i pacjentom większą pewność, przyszłe oceny będą musiały łączyć różne rodzaje danych z rzeczywistego świata, śledzić osoby przez dłuższy czas i stosować lepsze metody porównań. Wykonane dobrze, może to przekształcić codzienne korzystanie z aplikacji w potężny mechanizm uczenia się, co rzeczywiście działa w opiece zdrowotnej cyfrowej.

Cytowanie: Gehder, S., Brückner, S., Gilbert, S. et al. A scoping review on using real-world data to evaluate the effectiveness of mHealth applications. npj Digit. Med. 9, 309 (2026). https://doi.org/10.1038/s41746-026-02562-0

Słowa kluczowe: aplikacje zdrowotne mobilne, dane z rzeczywistego świata, terapie cyfrowe, badania danych zdrowotnych, oparte na dowodach mHealth