Predikce motorického učení úkolu horní končetiny na základě chování a charakteristik specifických pro onemocnění u pacientů s Parkinsonovou chorobou

Pro dosažení personalizované rehabilitace u PD je nezbytné pochopit, které faktory předpovídají, zda bude mít pacient prospěch z cíleného tréninku. K dnešnímu dni se pouze několik studií zabývalo prediktory tréninku chůze a rovnováhy a identifikovalo kognitivní funkce na začátku a počáteční motorický výkon jako nejdůležitější determinanty (Löfgren et al. 2019; Strouwen et al. 2019). Tyto studie se však zaměřily na globální kognitivní funkce, zatímco kognitivní subdomény, jako je exekutivní funkce a paměť, které jsou nejvíce postiženy PD (Muslimović et al. 2005), pravděpodobně mají vážnější dopad na učení (Olson, Lockhart a Lieberman 2019). . Kromě toho byli z těchto studií vyloučeni pacienti s kognitivními poruchami. Proto je málo známo o tom, jak nemotorické symptomy, které mohou také zahrnovat apatii a depresi, interagují se schopností udržet si učení u PD.

Doposud byly determinanty retence motorického učení zkoumány pouze jako sekundární analýzy studií účinků u PD. Tato studie si proto klade za cíl identifikovat prediktivní faktory, včetně motorických a nemotorických symptomů, pro trvalé motorické učení v široké a velké kohortě PD. Primárně závislým výsledkem je určit, kteří pacienti jsou schopni udržet si získané poznatky po 4 týdnech bez tréninku.

Vzhledem ke zhoršeným dovednostem dotykové obrazovky a obhajovaným potížím s udržením (Nackaerts et al. n. d.; De Vleeschhauwer et al. 2021) bude nácvik posuvných pohybů dotykové obrazovky poskytován na tabletu, který umožní nácvik v domácím prostředí. V náhodném pořadí budou nabízeny podmínky jednoduchého (ST) i duálního úkolu (DT) a bude poskytnuta zpětná vazba pro zvýšení motivace a udržení (Nackaerts et al. 2016; Nieuwboer et al. 2009). Tento projekt si klade za cíl identifikovat prediktivní faktory pro udržení účinku po absolvování tohoto dvoutýdenního školícího programu. Vyšetřovatelé naberou širokou kohortu pacientů s PD. Velikost vzorku byla odhadnuta pomocí vícemocného korelačního koeficientu 0,17 na základě predikčního modelu z dřívější práce, který zahrnoval DT-motorickou výkonnost a kognitivní funkce jako determinanty (Strouwen et al. 2019). S použitím α = 0,05 a β = 0,20 byla vypočtena velikost vzorku pro lineární vícenásobnou regresi: pevný model, odchylka R² od 0. Přestože počet prediktorů závisí na možné multikolinearitě, velikost vzorku byla vypočítána za předpokladu 10 prediktorů. Velikost vzorku byla odhadnuta na 89 a po zohlednění 20% výpadku bude muset být zahrnuto 107 pacientů. Důležité je, že tato velikost vzorku je také podporována základním pravidlem zahrnujícím 10 účastníků na prediktor, jak navrhli Harrell et al. (1996) (Harrell, Lee a Mark 1996). Protože vyšetřovatelé očekávají, že do našeho modelu vícenásobné lineární regrese zahrnou 10 prediktorů (viz níže), bude přijato celkem 100 pacientů s PD. Vyšetřovatelé zaregistrují širokou škálu kognitivních profilů. Všichni pacienti však musí být schopni dodržovat pokyny a zapojit se do motorického učení. Během instrukcí, jak provést úkol s dotykovou obrazovkou, vyšetřovatelé pragmaticky posoudí způsobilost. Vyšetřovatelé vyloučí PD-demenci pomocí diagnostických kritérií úrovně I MDS (Dubois et al. 2007). Všichni pacienti budou trénovat úkol SSP po dobu dvou týdnů. V den 1 (T0) všichni účastníci podstoupí rozsáhlé screeningové sezení, včetně motorických a nemotorických testů prováděných u subjektu doma nebo v tiché místnosti v naší laboratoři v KU Leuven, podle preferencí pacientů.

Globální kognitivní screening bude sestávat z Montrealského kognitivního hodnocení (Nasreddine et al. 2005). Navíc 2 specifické testy posoudí každou kognitivní subdoménu. Pozornost a pracovní paměť jsou zachyceny numerickým a vizuálním testem vpřed a vzad (Blackburn a Benton 1957). Pro výkonnou funkci budou použity testy tvorby stezek a střídání jmen (Hyde a Fritsch 2011; Llinàs-Reglà et al. 2017). Vizuoprostorová funkce bude zkoumána pomocí zkrácené formy Bentonova úsudku o orientaci čar a obrázku Rey Osterrieth Complex (Gullett et al. 2013; Poreh a Shye 1998; Winegarden et al. 1998). 30minutové vyvolání posledně uvedeného testu bude také použito k posouzení paměti spolu s testem Rey Auditory Verbal Learning (Poreh a Shye 1998; Schmidt 1996). K posouzení jazyka bude použit Bostonský test pojmenování a Test plynulosti zvířat testu Controlled Oral Word Association (Kaplan, Goodglass a Weintraub 1983; Tombaugh, Kozak a Rees 1999). Další nemotorické rysy, jako je úzkost, deprese a kvalita spánku, budou testovány pomocí validovaných dotazníků pro PD (Almeida a Almeida 1999; Buysse et al. 1988; Leentjens et al. 2014). Dovednosti s dotykovou obrazovkou budou hodnoceny pomocí testu SSP ve stavu ST a DT, úlohy mobilního telefonu (MPT, zadání předem definovaného telefonního čísla na chytrém telefonu) a specifických dotazníků. Po základním sezení všichni pacienti absolvují 10 tréninkových sezení úlohy SSP náhodně ve stavu ST a DT (2 týdny, 5 dní/týden, 10 min/sezení) po dobu dvou týdnů. Školení probíhá doma a bez dozoru. Ihned po zaškolení (T1) a po čtyřtýdenním retenčním období (T2) budou dovednosti s dotykovou obrazovkou hodnoceny doma. Za účelem zohlednění zkreslení výkonu v důsledku jiného tréninku bude zaznamenán další obsah rehabilitace.

Při výběru modelu se vyšetřovatelé budou řídit doporučením nástroje PROBAST (Wolff et al. 2019) a podle toho sníží počet kognitivních testů. Další nezávislé proměnné mohou zahrnovat věk, pohlaví, trvání onemocnění, dotazník New Freezing of Gait a LEDD. Vyšetřovatelé také vypočítají míru včasného získání. Po průzkumné jednorozměrné analýze vyšetřovatelé očekávají, že zahrnou 10 nezávislých proměnných s přihlédnutím k multikolinearitě.

Kromě toho budou vyšetřovatelé studovat determinanty compliance a její souvislost s udržením, protože compliance s domácím tréninkem bez dozoru bude pravděpodobně spojena se specifickými nemotorickými charakteristikami (Allen et al. 2015). Ukázalo se, že apatie a očekávání odměny určují úroveň úsilí generovaného pro cvičení u PD na rozdíl od HC (Colón-Semenza, Fulford a Ellis 2021). Jedna předchozí studie také zkoumala vztah mezi úspěšností programu balančního tréninku a compliance u PD a stanovila compliance jako jeden ze dvou nejdůležitějších determinantů (Joseph, Leavy a Franzén 2020). Jiná práce odhalila, že bylo zjištěno, že trvání onemocnění souvisí se stupněm motorického učení úkolu SSP (Nackaerts et al. 2020) a vůbec s dodržováním cvičení (Allen et al. 2015). Compliance je tedy pravděpodobně spojena s výsledky tréninku u PD (dlouhodobá a krátkodobá) a může být modulována (vícenásobnými) klinickými charakteristikami. Shoda bude automaticky zaznamenána digitalizovaným systémem a uložena v zabezpečeném datovém cloudu. Splnění tréninku bude vyjádřeno jako procento požadovaného počtu sezení a přizpůsobeného času, maximálně však 100 %. Výzkumníci nejprve analyzují vztah mezi compliance a klinickými charakteristikami pomocí vícenásobného lineárního regresního modelu. Dále bude zkonstruován model vícenásobného zprostředkování, aby se prozkoumal očekávaný zprostředkující vliv klinických profilů na tuto asociaci. Budou použity různé modely pro udržení učení a okamžitých efektů školení, jakož i pro různá měřítka výsledků.