Zlepšení schopnosti chůze u Parkinsonovy choroby (PASTA)

Parkinsonova nemoc (PD) je chronická a progresivní pohybová porucha, způsobená především změněnou motorickou kontrolou. Poruchy chůze jsou primárními příznaky u pacientů s PD se sníženou délkou kroku a rychlostí chůze, abnormálním rozložením fází chůze, nekonstantním tempem, asymetrií chůze a sníženou koordinací kloubů. Posturální nestabilita a zhoršení vlastností chůze výrazně zvyšují riziko pádů u těchto pacientů, což má za následek ztrátu nezávislosti a zhoršení dlouhodobé prognózy. Bylo jasně prokázáno, že motorické poruchy jsou spojeny s dysfunkcí bazálních ganglií, mozkové struktury, která funguje jako "kardiostimulátor" pro aktivaci (a deaktivaci) každého dílčího pohybu v rámci opakující se pohybové sekvence. Narušení vnitřních rytmických signálů u PD může vysvětlit špatnou plynulost provádění pohybu a potíže s regulací délky kroku, což má za následek zvýšení kadence. Léčba levodopou je nejúčinnější léčbou ke zlepšení symptomů u PD, ale dlouhodobé podávání snižuje její účinnost v průběhu času a je zodpovědná za vedlejší účinky (dyskineze). Výzkumy proto zkoumaly alternativní nefarmakologické přístupy založené na sluchových podnětech, jako je Rhythmical Auditory Stimulation (RAS). Velké množství studií zaznamenalo pozitivní účinky jak po jedné kúře, tak po delších tréninkových programech, se zlepšenou rychlostí chůze, kadencí a délkou kroku a také v symetrii svalové aktivace na horních a dolních končetinách. V takových studiích jsou frekvence RAS předem nastaveny jako procenta pacientovy preferované frekvence chůze. Protože se délka všech terapií může v čase měnit, je nutné průběžně upravovat dávkování a typ léčby, a to jak na základě sledování příznaků pacientů, tak na základě objektivního hodnocení. Metody analýzy chůze (GA) byly navrženy a ověřeny pro studium fyziologické chůze a u několika onemocnění. Tradiční systémy GA jsou založeny na optoelektronických systémech, ale jsou drahé, nejsou přenosné a vyžadují kvalifikovanou obsluhu. Posouzení se vždy provádí v laboratořích s experimentálním uspořádáním, které se pravděpodobně liší od skutečné chůze (hlukové prostředí, přítomnost předmětů a lidí nebo nerovný chodník, různé barvy).

V důsledku toho není tradiční GA spolehlivá pro každodenní kontrolu léčby nebo pro hodnocení situací v reálném životě. Nedávno výzkumníci vyvinuli nositelné systémy založené na inerciálních měřicích jednotkách (IMU). I když značný počet studií prozkoumal platnost analýzy IMU, jen velmi málo z nich bylo zapojeno do analýz pohybu PD. Během několika posledních let se na trhu rozšířila sada nositelných zařízení obsahujících inerciální senzory jako nízkonákladová řešení pro monitorování lidských pohybových aktivit. I když musí být stále plně ověřena přesnost, tyto systémy mohou uživateli poskytnout informace pro sledování jeho/její vlastní aktivity. Tato přesvědčivá technologie má úžasný potenciál zvýšit fyzickou aktivitu a motivaci pacientů s výhodou prodlouženého a nepřetržitého záznamu.

Využití a analýzy velkého množství objektivních dat (big data set) jsou novou hranicí pro efektivní využití vědeckého času a zdrojů, zapojení programu koordinace péče, úsporu ekonomických zdrojů a zajištění vyšší kvality péče. Kromě toho by tyto systémy, integrované s webovou aplikací, telemedicínou a mobilními chytrými telefony, mohly pomoci lékařům lépe řešit léčbu prostřednictvím monitorování v reálném čase v každodenním životě. Naše výzkumná skupina se podílela na klinickém hodnocení různých aspektů kvality chůze u mnoha neurologických stavů, včetně PD. Výzkumníci již prokázali, že nositelné akcelerometry by mohly být užitečné při kvantitativním hodnocení dynamické stability chůze v korelaci s klinickým skóre. Výzkumníci také zjistili, že zrychlení lze měnit patologicky specifickým způsobem (intelektuální postižení vykonávající různé úkoly současně). Podobný stav lze pozorovat také u PD, kde se ukazuje, že pouze vnitřní harmonie chůze významně koreluje se závažností poruch chůze. V posledních letech bylo k dispozici mnoho nositelných nástrojů pro kvantifikaci denní aktivity. To je zvláště důležité pro možné terapeutické použití RAS, který je určen k obnovení harmonického tempa u pacientů s PD.

Specifický cíl 1: Analyzovat motorický vzorec u pacientů s PD v reálném životě, funkce chůze budou získány nositelnými senzory, aby je bylo možné spojit s klinickými a demografickými údaji.

Specifický cíl 2: Pro zlepšení schopnosti chůze a snížení rizika pádů u pacientů s PD budou výzkumníci testovat akustickou zpětnou vazbu v reálném čase (RAS) a výstrahy z integrovaných senzorů spojených s vhodnou a snadno použitelnou aplikací. pro chytré telefony.

Specifický cíl 3: Pro zlepšení farmakologických a rehabilitačních protokolů budou vyšetřovatelé analyzovat údaje o chůzi a motilitě v každodenním životě a klinické rysy, aby otestovali teoretický model rizika pádů.

Experimentální design Cíl 1: Pacienti s PD budou přijati na Fondazione Policlinico Universitario Gemelli a Fondazione Don Gnocchi ONLUS v Římě. Všichni zahrnutí pacienti budou postiženi idiopatickou PD. Klinická data získá vyškolený neurolog.

Tři stovky pacientů budou na dálku monitorovány prostřednictvím nositelných senzorů. Subjekty budou instruovány, aby nosily senzor po dobu 14 po sobě jdoucích dnů. Každý pacient bude mít více než 100 měření každou sekundu, čímž se vygeneruje velké množství dat, která budou uložena v databázi a následně filtrována na data, která ho zajímají. Časoprostorové parametry chůze poskytnou informace pro sledování výkonnosti chůze pacienta s cílem získat přesné měření celkové účinnosti lokomotorické funkce. Poté budou integrovány s elektronickými záznamy pacientů. Budou zaznamenávány klinické údaje, jako jsou lékařské předpisy, lékařské snímky a další administrativní údaje. Nakonec bude sestaven rizikový model pro predikci pádů.

Experimentální návrh Cíl 2: Po analýze získaných dat bude vyvinuta aplikace (Parkinson App Smartphone Aimed: P.A.St.A.), která se bude vyznačovat spolehlivostí, snadnou obsluhou, vizuální přehledností a cenovou dostupností.

Tato aplikace bude schopna: 1) zaznamenávat funkce chůze a odesílat je na server v cloudu; 2) poskytovat akustickou zpětnou vazbu přizpůsobenou vlastnostem chůze pacienta (s vyšší nebo nižší frekvencí na základě potřeb pacienta a prediktivních rizik); 3) poskytovat výstrahy na základě indexů rizika (indexy rizika budou identifikovány podle rizikového modelu pro predikci pádů) a 4) být aktualizovány, kdykoli je to potřeba (např. po pádu). Po školení o používání softwarové aplikace vyvinuté týmovým projektem dostane chytrý telefon padesát pacientů. Aplikaci budou používat po dobu 14 po sobě jdoucích dnů. Před a po použití P.A.St.A. budou prováděna klinická hodnocení pomocí škál, aby se analyzovala motorická funkce a posturální stabilita a nakonec kvalita života. Kromě toho se bude zkoumat soulad s přijetím nové technologie.

Experimentální design Cíl 3: Získaná výpočetní data budou spojena s klinickými rysy a způsoby chůze za účelem identifikace klinických biomarkerů pro poruchu chůze u PD. Dostupnost velkých souborů dat, založených na hodnocení tisíců pacientů s PD, umožní zlepšit znalosti o motorických vzorcích v reálném životě a zlepšit současný terapeutický přístup.

Metodologie a statistické analýzy: Veškeré statistické analýzy budou prováděny pomocí softwaru Stata.

CÍL 1 – Data budou shrnuta jako četnosti a procenta pro kategorické proměnné. Spojité proměnné budou analyzovány jako průměry a standardní odchylky nebo mediány a rozmezí. Vyšetřovatelé budou hledat normalitu pomocí normálních grafů nebo testů významnosti (např. Shapiro-Wilk W test). Bude měřen výskyt pádů a budou popsány okolnosti, za kterých k nim dojde, a jejich následky, v kategoriích bez zranění, lehkých nebo větších zranění. K určení nezávislých prediktorů pádů bude použita vícenásobná logistická regresní analýza. Proměnné budou vybrány pro vstup do logistického modelu na základě výsledků jednorozměrných analýz. Hosmer-Lemeshowův test dobré shody bude použit k posouzení toho, jak dobře model zohlednil konkrétní výsledky. Na základě výsledků vícerozměrné analýzy bude vyvinut predikční model pro pády. Prediktivní skóre bude vypočítáno skórovací metodou založenou na poměru šancí a každému prediktoru budou přiřazena nejbližší celočíselná skóre. Modelová diskriminační síla bude vyhodnocena pomocí charakteristické oblasti přijímače pod analýzou křivky.

CÍL 2 - Zaznamenaná data budou zpracována pro extrakci parametrů chůze a dynamické rovnováhy. Bude měřen výskyt pádů, použití RAS a jeho korelace s indexy rizik během 14 dnů sledování. Bude proveden test Wilcoxon sign-rank, aby se porovnal počet pádů před a po použití P.A.St.A.

CÍL 3 – Časoprostorové parametry chůze a demografické a klinické charakteristiky pacientů před terapií budou porovnány pomocí Chi kvadrát testu, Fisherova exaktního testu a případně nezávislých t-testů.