Appen, känd som N1, gör det möjligt för individer att besvara den här typen av frågor på ett statistiskt noggrant sätt. Appen är också utformad för att ta itu med ett genomgripande problem inom hälsa och medicin- olika behandlingar kan fungera olika på olika människor. Vissa svarar mycket bra på paracetamol, till exempel, medan andra inte känner någon nytta. Att försöka hitta den mest effektiva behandlingen för dig själv genom försök och fel kan vara utmanande.
Vi har tagit de verktyg som driver klinisk forskning och för första gången gjort dem tillgängliga för allmänheten. Individer kan nu använda några av de statistiska och metodiska verktyg som forskare använder. "
Noah Zimmerman, Doktorsexamen, grundande chef för Health Data and Design Innovation Center vid Institute for Next Generation Healthcare (INGH)
Appens namn härrör från vad forskare kallar ett "n-of-1" -prov, där individer jämför effekterna av olika behandlingar på sig själva. Konceptet är inte nytt, men n-of-1-försök har inte antagits allmänt eftersom det kan vara dyrt att utforma den här typen av studier från början och kräva specialiserad expertis. N1-appen förenklar processen genom att definiera experimentets parametrar-; beskriva vilka behandlingar man ska prova, när man ska ta dem, och vilka resultat som ska mätas. Den använder sedan sofistikerad statistik för att analysera data som användare samlar in och genererar individualiserade resultat som sammanfattar behandlingarnas jämförande effektivitet.
"Genom användning av teknik, vi kan göra dessa verktyg tillgängliga för en mycket bredare publik, säger Jason Bobe, MSc, Docent i genetik och genomvetenskap vid Icahn School of Medicine på Mount Sinai, Direktör för demokratiserad hälsoinnovation på INGH, och huvudutredare av studien. "Förhoppningen är att appen kommer att göra det möjligt för många fler att anta n-of-1-metoden."
Användare måste gå med på att dela sina uppgifter från den identifierade, i de flesta fall- med Mount Sinai-forskare, men kan välja om de vill avidentifiera data med forskare utanför Sinai-berg eller inte.
Appen, nu fritt tillgängligt i Apple iOS -butiken (men ännu inte tillgänglig på Android), lanseras med ett specifikt experiment:"kaffe mot te -utmaningen." Målet med denna studie är att avgöra om användare får en bättre hjärnförstärkning från koffein eller koffein plus L-teanin, en naturligt förekommande förening som finns i grönt te. Varje morgon, appen kommer att instruera användare att ta koffein eller koffein + L-teanin, från kaffe, te, eller receptfria tillskott. Den kommer sedan att leverera en serie hjärnträngare för att bedöma kreativt tänkande, bearbetningshastighet, och visuell uppmärksamhet.
"Vi lanserar appen med ett hälsorelaterat experiment för att ge användarna en rolig, intressant, och säkert sätt att lära sig om n-of-1-metoden, säger Mr. Bobe.
Herr Bobe och medarbetare planerar att lansera ytterligare experiment för att demonstrera hur man använder medicinsk vetenskap för att ta itu med vanliga hälsorelaterade frågor, såsom sömnproblem eller kronisk smärta. Några av dessa kommer att dra nytta av data från bärbara enheter och smartphone-appar som många redan använder för självspårning. Så småningom, teamet hoppas kunna anpassa plattformen så att användarna kan designa sina egna experiment. N-of-1-experiment kan också ge individer ett sätt att bedöma fördelarna med de otaliga wellness-produkterna på marknaden, till exempel kosttillskott eller appar som påstår sig förbättra sömnen eller minnet.
Även om N1 -appen inledningsvis kommer att fokusera på friskvård, dessa metoder och verktyg kan en dag användas mer regelbundet i kliniska sammanhang. Vissa läkare använder redan n-of-1-experiment som ett alternativ till test-och-fel-metoden som ofta krävs för att hitta den bästa behandlingen för sina patienter. För en patient som lider av kronisk smärta, till exempel, en läkare kan ordinera ett n-of-1-experiment som jämför acetaminophen (Tylenol) och ibuprofen (Advil). N1 -appen kan erbjuda läkare ett enklare sätt att strukturera dessa jämförelser.
"N1-appen ger användarna ett verktyg för att utnyttja data som de redan kan samla in för att fatta välgrundade beslut om verkliga behandlingsdilemma, "Dr Zimmerman säger." Vi hoppas att detta kommer att hjälpa människor att göra datastödda val om vad som verkligen fungerar för dem. "