- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT02419768
Auswirkungen von körperlicher Betätigung auf weitreichende Autokorrelationen bei der Parkinson-Krankheit
Fortbewegung eines Parkinson-Patienten: Gibt es Zusammenhänge zwischen den Fernautokorrelationen und den neurologischen Beeinträchtigungen, den Gehfähigkeiten und der Ausübung körperlicher Betätigung?
Die Parkinson-Krankheit (PD) ist eine der häufigsten neurodegenerativen Erkrankungen. Der Parkinson-Gang ist durch eine verringerte Schrittlänge und Ganggeschwindigkeit, Haltungsstörungen (mit hohem Sturzrisiko) und eine veränderte Variabilität der Schrittdauer gekennzeichnet. Diese Variabilität kann anhand ihrer Größe (SD und CV) und ihrer zeitlichen Organisation (Langstrecken-Autokorrelationen) beurteilt werden. Bei einem gesunden menschlichen Gang besteht eine gegenseitige Abhängigkeit zwischen aufeinanderfolgenden Zyklen, die sich über Hunderte von Schritten erstrecken kann (Langstrecken-Autokorrelationen). Zahlreiche Beobachtungen sprechen für einen Zusammenhang zwischen weiträumigen Autokorrelationen und funktionalen Fähigkeiten des Systems. Ergänzend zu Medikamenten wird die Rehabilitation zu einem wichtigen Mittel zur Behandlung der Parkinson-Krankheit.
Das Ziel unserer Studie ist es, durch eine kontrollierte, randomisierte, einfach verblindete klinische Studie die Auswirkung von körperlicher Betätigung auf die Variabilität der Schrittdauer, neurologische Beeinträchtigungen und Gehfähigkeiten von Parkinson-Patienten zu beurteilen.
Das körperliche Trainingsprogramm umfasst 30 Sitzungen, verteilt über 15 Wochen, gemäß den Richtlinien. Langfristige Korrelationsanalysen, einschließlich der Untersuchung von Hurst- und α-Exponenten, werden in mindestens 512 aufeinanderfolgenden Zyklen durchgeführt. Abschließend erfolgt die Funktionsbeurteilung des Parkinson-Patienten gemäß der Internationalen Klassifikation der Funktionsfähigkeit, Behinderung und Gesundheit (ICF).
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
HINTERGRUND
Eines der häufigsten Merkmale der menschlichen Bewegung ist ihre Variabilität bei mehrfacher Wiederholung derselben rhythmischen Aufgabe (1). Beim Menschen zeichnen sich viele periodische Signale wie Gang, Herzschlag, Atmung und neuronale Aktivitäten durch ihre zeitliche Komplexität aus, die im Laufe der Zeit auf komplexe Weise schwankt. Obwohl die Fluktuationen zwischen den Zyklen scheinbar zufällig variieren, ohne erkennbare Korrelationen zwischen den Zyklen, verfügen gesunde Systeme über die Erinnerung an vorangehende Werte der Reihe, die eine komplexe zeitliche Struktur aufweisen.
Um die Variabilität in physiologischen Zeitreihen zu beurteilen, können verschiedene mathematische Methoden verwendet werden. Einerseits quantifizieren klassische mathematische Methoden, die normalerweise auf kürzere Zeitreihen (zehn Datenpunkte) angewendet werden, die Schwankungsgröße in einer Reihe von Werten unabhängig von ihrer Reihenfolge in der Verteilung, indem sie die Standardabweichung (SD) und den Koeffizienten von berechnen Variation (Lebenslauf). Andererseits können komplexere mathematische Methoden, die auf längere Zeitreihen (≥512 Zyklen) angewendet werden, verwendet werden, um die Fluktuationsdynamik über die Zeit abzuschätzen (3). Diese letztgenannten Methoden haben gezeigt, dass die Variabilität zahlreicher physiologischer Signale (z. B. Herz- und Atemrhythmus oder Bewegungsaktivitäten) weitreichende Autokorrelationen aufweist, wobei die statistische gegenseitige Abhängigkeit zwischen Zyklen eine sehr große Anzahl von Zyklen umfasst (14).
Diese zeitliche Organisation der Variabilität ist daher eine intrinsische Eigenschaft zahlreicher biologischer Systeme. Darüber hinaus könnte es Einblicke in die neurophysiologische Organisation und die Regulierung dieser Systeme geben (32). Jüngste Studien behaupteten, dass diese Schwankungen, wenn sie in einem optimalen Bereich liegen, die zugrunde liegende physiologische Fähigkeit widerspiegeln würden, flexible Anpassungen an alltägliche Belastungen vorzunehmen, denen der menschliche Körper ausgesetzt ist (32). Daher wird angenommen, dass das Vorhandensein einer solchen zeitlichen Dynamik ein entscheidender Indikator für die Gesundheit und ihr Zusammenbruch ein Indikator für einen pathologischen Zustand ist (18, 25, 32). Bei der menschlichen Herzfrequenz beispielsweise weisen Abweichungen von einem Optimum der Variabilität entweder in Richtung der Zufälligkeit (z. B. Vorhofflimmern) oder der Überregelmäßigkeit (z. B. Herzinsuffizienz) auf den Verlust der Anpassungsfähigkeiten des Systems hin (9, 32). .
Daneben beeinflussen einige Erkrankungen des Zentralnervensystems die Variabilität insbesondere des Gangs. Tatsächlich sind neurodegenerative Erkrankungen wie die Parkinson- und die Huntington-Krankheit unter anderem durch eine Veränderung der Gehvariabilität (beobachtet durch einen Zusammenbruch von Autokorrelationen über große Entfernungen) und ein hohes Sturzrisiko gekennzeichnet. Obwohl der Ursprung der weitreichenden Autokorrelation unbekannt bleibt, lässt ihr Zusammenbruch bei solchen Krankheiten auf einen zentralen Kontrollmechanismus schließen (8, 11, 13, 16, 17, 36).
FORSCHUNGSPROJEKT
Die Parkinson-Krankheit (PD) betrifft etwa 1 % der Bevölkerung über 60 Jahre und ist eine der häufigsten neurodegenerativen Erkrankungen. Die Parkinson-Krankheit ist von Natur aus fortschreitend und daher haben Patienten mit zunehmenden Schwierigkeiten bei Aktivitäten des täglichen Lebens und verschiedenen Aspekten der Mobilität wie Gang, Transfers, Gleichgewicht und Körperhaltung zu kämpfen. Letztendlich führt dies zu verminderter Unabhängigkeit, Inaktivität und sozialer Isolation, was zu einer verminderten Lebensqualität führt. Daher ist die Verbesserung der Fortbewegung eines der wichtigsten Ziele bei der Behandlung der Parkinson-Krankheit.
Die Behandlung der Parkinson-Krankheit konzentriert sich traditionell auf eine medikamentöse Therapie, wobei Levodopa als „Goldstandard“-Behandlung gilt. Doch selbst bei optimaler medizinischer Behandlung kommt es bei Parkinson-Patienten zu einer Verschlechterung der Körperfunktionen, der täglichen Aktivitäten und der Teilnahme. Aus diesem Grund wird die Einbeziehung von Rehabilitationstherapien als Ergänzung zur pharmakologischen und neurochirurgischen Behandlung zunehmend befürwortet. Tatsächlich verlangsamt regelmäßige körperliche Aktivität das Fortschreiten und verringert das Sturzrisiko. Darüber hinaus hat Bewegung ihre Wirksamkeit sowohl zur Erhaltung der funktionellen Fähigkeiten als auch zur Vorbeugung von Komplikationen (Herz-Kreislauf, Osteoporose usw.) bewiesen.
Bisher haben nur wenige Studien die Analyse der Variabilität bei der Funktionsbeurteilung von Patienten mit einer neurologischen Erkrankung wie der Parkinson-Krankheit einbezogen. Dennoch stellen Gehstörungen und Stürze nicht nur einen erheblichen Kostenfaktor für die Gesellschaft dar, sondern stellen auch ein erhebliches individuelles Morbiditäts-/Mortalitätsrisiko dar. Ein geeignetes Rehabilitationsprogramm sollte es ermöglichen, die mit diesen Erkrankungen verbundenen Risiken und Kosten sofort zu reduzieren. Der Forscher geht davon aus, dass die Analyse der Gehvariabilität als klinisches Instrument zur Beurteilung des Sturzrisikos und als Beurteilungsinstrument der therapeutischen Wirksamkeit (Medikamente und/oder körperliche Bewegung) bei Parkinson nützlich sein könnte. Daher besteht das Ziel dieser Studie darin, (1) den Einfluss körperlicher Bewegung auf die Gehvariabilität des Menschen zu bewerten und (2) seine möglichen Zusammenhänge mit den Gehfähigkeiten und neurologischen Beeinträchtigungen von Parkinson-Patienten zu untersuchen.
Patienten
Die Forscher werden 50 Patienten mit idiopathischer Parkinson-Krankheit aus der Abteilung für Neurologie der Cliniques universitaires Saint-Luc (Brüssel, Belgien) rekrutieren. Die Studie ist von der Ethikkommission genehmigt. Alle Patienten geben eine informierte schriftliche Einwilligung zur Studie. Zulassungskriterien sind: Diagnose idiopathisches Parkinson (gemäß den Brain Bank-Kriterien der United Kingdom Parkinson's Disease Society), Schweregrad der Erkrankung (gemäß den modifizierten Hoehn & Yahr-Stadien I bis IV), Fehlen von Demenz (Mindestpunktzahl der Mini Mental State Examination von 24). oder höher), stabiler Drogenkonsum in den letzten 4 Wochen und ausreichendes Seh- und Hörvermögen, erreicht bei Bedarf durch Korrekturlinsen und/oder Hörgeräte. Patienten werden ausgeschlossen, wenn sie an schwerer Komorbidität, anderen neurologischen Problemen, akuten medizinischen Problemen (z. B. MI, Diabetes) und Gelenkprobleme, die die Mobilität beeinträchtigen, und unvorhersehbare „Off“-Phasen (Score >2, MDS-UPDRS Punkt 4.5).
Verfahren
Bei der vorliegenden Studie handelt es sich um eine kontrollierte, randomisierte, einfach verblindete klinische Studie mit Crossover-Design. Die Kontrollgruppe wird ihre übliche körperliche Aktivität nicht ändern, während die Interventionsgruppe von dem körperlichen Trainingsprogramm profitieren wird. Letzteres umfasst 30 Sitzungen Zirkelgruppentraining von 60 Minuten (zweimal pro Woche), verteilt auf 15 Wochen. Dann werden die beiden Gruppen gekreuzt. Gemäß den aktuellen Richtlinien umfasst das Programm eine spezifische Arbeit zu Gleichgewicht, Haltung, Gang, Fitness, Doppelaufgaben und Dehnung. Alle Sitzungen werden mit angemessener Intensität durchgeführt (d. h. 60–80 % der vorhergesagten maximalen Herzfrequenz). Mindestens 512 Zyklen werden aufgezeichnet (bei einer hohen Abtastrate (512 Hz)) auf einem Laufband bei einer selbst gewählten angenehmen Geschwindigkeit unter Verwendung eines eindimensionalen Beschleunigungsmessers, der auf den rechten lateralen Malleolus geklebt ist.
Funktionsbewertung basierend auf den 3 Bereichen der Internationalen Klassifikation der Funktionsfähigkeit, Behinderung und Gesundheit (ICF)
Die Patienten werden vor dem Eingriff (T0) und nach 15 (T1), 30 (T2), 45 (T3) und 60 Wochen (T4) in den drei ICF-Domänen beurteilt:
Beeinträchtigungen werden mittels MDS-UPDRS, einer instrumentierten Ganganalyse (kinematisch, kinetisch, elektromyographisch und energetisch) (18), der 6-Minuten-Gehstrecke, dem 10-Meter-Gehtest, der ABC-Skala und dem BESTest (einschließlich des Functional Reach Test) beurteilt , der Push & Release- und der Get Up & Go-Test).
Aktivitäten, Teilnahme und Lebensqualität werden anhand des Impact on Participation and Autonomy Questionnaire (IPAQ) und eines Herbsttagebuchs bewertet.
Analyse der Gehvariabilität
Die Variabilität der Umlaufzeit wird durch klassische und komplexe mathematische Methoden ermittelt. Klassische mathematische Methoden (Standardabweichung, Variationskoeffizient) ermöglichen die Bewertung der Fluktuationsgröße, während komplexe mathematische Methoden (langreichweitige Autokorrelationen) die Dynamik von Fluktuationen über die Zeit bewerten (3).
Das Vorhandensein weitreichender Autokorrelationen wird mithilfe des von Rangarajan und Ding vorgeschlagenen und von Crevecoeur et al. validierten integrierten Ansatzes bewertet. im Kontext physiologischer Zeitreihen. Diese Methoden werden an anderer Stelle ausführlicher beschrieben. Kurz gesagt wird der Hurst-Exponent (H) mithilfe der neu skalierten Bereichsanalyse berechnet und der α-Exponent mithilfe der spektralen Leistungsdichte der Zeitreihe bewertet. Für jede Zeitreihe werden beide Methoden auf Sequenzen von 512 aufeinanderfolgenden Gangschritten angewendet.
Theoretisch stehen die Exponenten H und α durch die Beziehung H asymptotisch in Beziehung. Daher besteht der integrierte Ansatz darin, H und α getrennt zu berechnen und zu überprüfen, ob diese beiden Parameter konsistent sind, und zwar durch die Gleichung d=H-(1+α)/ 2=0. Ein Wert von d ≤ 0,10 gilt als akzeptabel, da die asymptotischen Parameter anhand endlicher Zeitreihen ausgewertet werden.
Zusammenfassend müssen die folgenden drei Bedingungen erfüllt sein, um auf das Vorhandensein weitreichender Autokorrelationen schließen zu können:
H > 0,5; α ist deutlich von 0 verschieden und kleiner als 1; und d ≤ 0,10
Wenn Inkonsistenzen zwischen H und α auftreten, verwenden die Forscher den zufällig gemischten Ersatzdatentest, um die Nullhypothese abzulehnen, dass die untersuchte Reihe keine zeitliche Struktur hat (d. h. unkorrelierter Zufallsprozess).
PERSPEKTIVEN
Durch die Untersuchung des Einflusses körperlicher Bewegung auf die Gehvariabilität des Menschen und seiner möglichen Korrelationen mit Gehfähigkeiten und neurologischen Beeinträchtigungen von Parkinson-Patienten hoffen die Forscher zeigen zu können, dass die Analyse der Gehvariabilität als klinisches Instrument bei der Beurteilung des Sturzrisikos eingesetzt werden könnte als Beurteilungsinstrument der therapeutischen Wirksamkeit (Medikamente und/oder körperliche Bewegung) bei Parkinson.
Studientyp
Einschreibung (Voraussichtlich)
Phase
- Unzutreffend
Kontakte und Standorte
Studienorte
-
-
Brussels
-
Woluwé-Saint-Lambert, Brussels, Belgien, 1200
- Rekrutierung
- Université catholique de Louvain - Cliniques universitaires Saint-Luc
-
Kontakt:
- Thierry Lejeune, Professor
- Telefonnummer: +32 2 764 16 48
- E-Mail: thierry.lejeune@uclouvain.be
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Beschreibung
Einschlusskriterien:
- Diagnose idiopathischer Parkinson gemäß den Brain Bank-Kriterien der United Kingdom Parkinson's Disease Society
- Schweregrad der Erkrankung nach den modifizierten Hoehn & Yahr-Stadien I bis IV
- Keine Demenz. Mindestpunktzahl der Mini-Mental-State-Prüfung von 24 oder höher
- Stabiler Drogenkonsum in den letzten 4 Wochen
- Angemessenes Seh- und Hörvermögen, erreicht bei Bedarf durch Korrekturlinsen und/oder Hörgeräte
Ausschlusskriterien:
- Schwere Komorbidität, andere neurologische Probleme, akute medizinische Probleme (z. B. MI, Diabetes) und Gelenkprobleme, die die Mobilität beeinträchtigen
- Unvorhersehbare „Off“-Perioden (Score >2, MDS-UPDRS Punkt 4.5)
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Zuteilung: Zufällig
- Interventionsmodell: Crossover-Aufgabe
- Maskierung: Single
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
|---|---|
|
Experimental: Körperliche Bewegung
Alle Patienten erhalten ein Zirkel-Gruppentraining, das eine spezifische Übung zu Gleichgewicht, Haltung, Gang, Fitness, Doppelaufgaben und Dehnübungen umfasst.
|
Das körperliche Trainingsprogramm umfasst 30 Sitzungen à 60 Minuten (zweimal pro Woche).
Gemäß den aktuellen Richtlinien umfasst das Programm eine spezifische Arbeit zu Gleichgewicht, Haltung, Gang, Fitness, Doppelaufgaben und Dehnung.
|
|
Kein Eingriff: Kontrolle
Alle Patienten werden ihre körperlichen Aktivitäten nicht ändern
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
|---|---|
|
Balance Evaluation Systems Test (BESTest)
Zeitfenster: Veränderung der Gleichgewichtswerte gegenüber dem Ausgangswert bei einem erwarteten Durchschnitt von 15 (T1), 30 (T2), 45 (T3) und 60 Wochen (T4)
|
Veränderung der Gleichgewichtswerte gegenüber dem Ausgangswert bei einem erwarteten Durchschnitt von 15 (T1), 30 (T2), 45 (T3) und 60 Wochen (T4)
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
|---|---|
|
Movement Disorder Society – Unified Parkinson Disease Rating Scale (MDS-UPDRS)
Zeitfenster: Änderung des MDS-UPDRS gegenüber dem Ausgangswert bei einem erwarteten Durchschnitt von 15 (T1), 30 (T2), 45 (T3) und 60 Wochen (T4)
|
Änderung des MDS-UPDRS gegenüber dem Ausgangswert bei einem erwarteten Durchschnitt von 15 (T1), 30 (T2), 45 (T3) und 60 Wochen (T4)
|
|
Sechs-Minuten-Gehstrecke (6-MWD)
Zeitfenster: Veränderung der Belastungstoleranz gegenüber dem Ausgangswert bei einem erwarteten Durchschnitt von 15 (T1), 30 (T2), 45 (T3) und 60 Wochen (T4)
|
Veränderung der Belastungstoleranz gegenüber dem Ausgangswert bei einem erwarteten Durchschnitt von 15 (T1), 30 (T2), 45 (T3) und 60 Wochen (T4)
|
|
10-Meter-Gehtest (10-MWT)
Zeitfenster: Änderung der Gehgeschwindigkeit, Schrittlänge und Trittfrequenz gegenüber dem Ausgangswert bei einem erwarteten Durchschnitt von 15 (T1), 30 (T2), 45 (T3) und 60 Wochen (T4)
|
Änderung der Gehgeschwindigkeit, Schrittlänge und Trittfrequenz gegenüber dem Ausgangswert bei einem erwarteten Durchschnitt von 15 (T1), 30 (T2), 45 (T3) und 60 Wochen (T4)
|
|
Autokorrelationen über große Entfernungen
Zeitfenster: Änderung der langfristigen Autokorrelationen gegenüber dem Ausgangswert bei einem erwarteten Durchschnitt von 15 (T1), 30 (T2), 45 (T3) und 60 Wochen (T4)
|
Änderung der langfristigen Autokorrelationen gegenüber dem Ausgangswert bei einem erwarteten Durchschnitt von 15 (T1), 30 (T2), 45 (T3) und 60 Wochen (T4)
|
|
Instrumentierte Ganganalyse
Zeitfenster: Veränderung der Gangparameter (kinematisch, kinetisch, elektromyographisch und energetisch) gegenüber dem Ausgangswert bei einem erwarteten Durchschnitt von 15 (T1), 30 (T2), 45 (T3) und 60 Wochen (T4)
|
Veränderung der Gangparameter (kinematisch, kinetisch, elektromyographisch und energetisch) gegenüber dem Ausgangswert bei einem erwarteten Durchschnitt von 15 (T1), 30 (T2), 45 (T3) und 60 Wochen (T4)
|
|
Fragebogen zur Auswirkung auf Partizipation und Autonomie (IPAQ)
Zeitfenster: Veränderung der Teilnahme und Lebensqualität gegenüber dem Ausgangswert bei einem erwarteten Durchschnitt von 15 (T1), 30 (T2), 45 (T3) und 60 Wochen (T4)
|
Veränderung der Teilnahme und Lebensqualität gegenüber dem Ausgangswert bei einem erwarteten Durchschnitt von 15 (T1), 30 (T2), 45 (T3) und 60 Wochen (T4)
|
|
Aktivitätsspezifische Balance-Konfidenzskala (ABC-Skala)
Zeitfenster: Veränderung der subjektiven Gleichgewichtsmessungen (Angst vor Stürzen) gegenüber dem Ausgangswert bei einem erwarteten Durchschnitt von 15 (T1), 30 (T2), 45 (T3) und 60 Wochen (T4)
|
Veränderung der subjektiven Gleichgewichtsmessungen (Angst vor Stürzen) gegenüber dem Ausgangswert bei einem erwarteten Durchschnitt von 15 (T1), 30 (T2), 45 (T3) und 60 Wochen (T4)
|
Mitarbeiter und Ermittler
Ermittler
- Hauptermittler: Thibault B. Warlop, Doctor, Université Catholique de Louvain
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- KARVONEN MJ, KENTALA E, MUSTALA O. The effects of training on heart rate; a longitudinal study. Ann Med Exp Biol Fenn. 1957;35(3):307-15. No abstract available.
- Gillespie LD, Robertson MC, Gillespie WJ, Sherrington C, Gates S, Clemson LM, Lamb SE. Interventions for preventing falls in older people living in the community. Cochrane Database Syst Rev. 2012 Sep 12;2012(9):CD007146. doi: 10.1002/14651858.CD007146.pub3.
- Peng CK, Havlin S, Stanley HE, Goldberger AL. Quantification of scaling exponents and crossover phenomena in nonstationary heartbeat time series. Chaos. 1995;5(1):82-7. doi: 10.1063/1.166141.
- Hausdorff JM. Gait dynamics, fractals and falls: finding meaning in the stride-to-stride fluctuations of human walking. Hum Mov Sci. 2007 Aug;26(4):555-89. doi: 10.1016/j.humov.2007.05.003. Epub 2007 Jul 5.
- Stergiou N, Decker LM. Human movement variability, nonlinear dynamics, and pathology: is there a connection? Hum Mov Sci. 2011 Oct;30(5):869-88. doi: 10.1016/j.humov.2011.06.002. Epub 2011 Jul 29.
- Hausdorff JM, Cudkowicz ME, Firtion R, Wei JY, Goldberger AL. Gait variability and basal ganglia disorders: stride-to-stride variations of gait cycle timing in Parkinson's disease and Huntington's disease. Mov Disord. 1998 May;13(3):428-37. doi: 10.1002/mds.870130310. Erratum In: Mov Disord 1998 Jul;13(4):757.
- Goldberger AL, Amaral LA, Hausdorff JM, Ivanov PCh, Peng CK, Stanley HE. Fractal dynamics in physiology: alterations with disease and aging. Proc Natl Acad Sci U S A. 2002 Feb 19;99 Suppl 1(Suppl 1):2466-72. doi: 10.1073/pnas.012579499.
- Bollens B, Crevecoeur F, Nguyen V, Detrembleur C, Lejeune T. Does human gait exhibit comparable and reproducible long-range autocorrelations on level ground and on treadmill? Gait Posture. 2010 Jul;32(3):369-73. doi: 10.1016/j.gaitpost.2010.06.011. Epub 2010 Jul 15.
- Bollens B, Crevecoeur F, Detrembleur C, Guillery E, Lejeune T. Effects of age and walking speed on long-range autocorrelations and fluctuation magnitude of stride duration. Neuroscience. 2012 May 17;210:234-42. doi: 10.1016/j.neuroscience.2012.02.039. Epub 2012 Mar 5.
- Crevecoeur F, Bollens B, Detrembleur C, Lejeune TM. Towards a "gold-standard" approach to address the presence of long-range auto-correlation in physiological time series. J Neurosci Methods. 2010 Sep 30;192(1):163-72. doi: 10.1016/j.jneumeth.2010.07.017. Epub 2010 Jul 21.
- Diniz A, Wijnants ML, Torre K, Barreiros J, Crato N, Bosman AM, Hasselman F, Cox RF, Van Orden GC, Delignieres D. Contemporary theories of 1/f noise in motor control. Hum Mov Sci. 2011 Oct;30(5):889-905. doi: 10.1016/j.humov.2010.07.006. Epub 2010 Dec 31.
- Dingwell JB, John J, Cusumano JP. Do humans optimally exploit redundancy to control step variability in walking? PLoS Comput Biol. 2010 Jul 15;6(7):e1000856. doi: 10.1371/journal.pcbi.1000856.
- Gates DH, Dingwell JB. Peripheral neuropathy does not alter the fractal dynamics of stride intervals of gait. J Appl Physiol (1985). 2007 Mar;102(3):965-71. doi: 10.1152/japplphysiol.00413.2006. Epub 2006 Nov 16.
- Hausdorff JM, Ashkenazy Y, Peng CK, Ivanov PC, Stanley HE, Goldberger AL. When human walking becomes random walking: fractal analysis and modeling of gait rhythm fluctuations. Physica A. 2001 Dec 15;302(1-4):138-47. doi: 10.1016/s0378-4371(01)00460-5.
- Paterson K, Hill K, Lythgo N. Stride dynamics, gait variability and prospective falls risk in active community dwelling older women. Gait Posture. 2011 Feb;33(2):251-5. doi: 10.1016/j.gaitpost.2010.11.014. Epub 2010 Dec 16.
- Keus SH, Munneke M, Nijkrake MJ, Kwakkel G, Bloem BR. Physical therapy in Parkinson's disease: evolution and future challenges. Mov Disord. 2009 Jan 15;24(1):1-14. doi: 10.1002/mds.22141.
- Tomlinson CL, Patel S, Meek C, Herd CP, Clarke CE, Stowe R, Shah L, Sackley CM, Deane KH, Wheatley K, Ives N. Physiotherapy versus placebo or no intervention in Parkinson's disease. Cochrane Database Syst Rev. 2013 Sep 10;2013(9):CD002817. doi: 10.1002/14651858.CD002817.pub4.
- Snijders AH, Bloem BR. Images in clinical medicine. Cycling for freezing of gait. N Engl J Med. 2010 Apr 1;362(13):e46. doi: 10.1056/NEJMicm0810287. No abstract available.
- Snijders AH, Toni I, Ruzicka E, Bloem BR. Bicycling breaks the ice for freezers of gait. Mov Disord. 2011 Feb 15;26(3):367-71. doi: 10.1002/mds.23530. Epub 2011 Feb 1.
- Warlop TB, Bollens B, Crevecoeur F, Detrembleur C, Lejeune TM. Dynamics of revolution time variability in cycling pattern: voluntary intent can alter the long-range autocorrelations. Ann Biomed Eng. 2013 Aug;41(8):1604-12. doi: 10.1007/s10439-013-0834-2. Epub 2013 May 28.
- Stoquart G, Detrembleur C, Lejeune T. Effect of speed on kinematic, kinetic, electromyographic and energetic reference values during treadmill walking. Neurophysiol Clin. 2008 Apr;38(2):105-16. doi: 10.1016/j.neucli.2008.02.002. Epub 2008 Mar 6.
- Warlop T, Detrembleur C, Buxes Lopez M, Stoquart G, Lejeune T, Jeanjean A. Does Nordic Walking restore the temporal organization of gait variability in Parkinson's disease? J Neuroeng Rehabil. 2017 Feb 21;14(1):17. doi: 10.1186/s12984-017-0226-1.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn
Primärer Abschluss (Voraussichtlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Schätzen)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Schätzen)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- IONS - Warlop - 01
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .
Klinische Studien zur Körperliche Bewegung
-
Karolinska InstitutetEvira ABAbgeschlossenMagersucht | Bulimie | Kindheitsfettleibigkeit | Binge-Eating-Störung | Gestörtes EssenSchweden
-
McGill UniversityCanadian Institutes of Health Research (CIHR)AbgeschlossenChronische Rückenschmerzen (CLBP)Kanada
-
Rabin Medical CenterBeendetDiabetes Typ 1Israel
-
Gaziosmanpasa Research and Education HospitalAbgeschlossenCovid19 | Post-Intensivstation-SyndromTruthahn
-
Keller Army Community HospitalBeendetSportliche Leistung | GewichthebenVereinigte Staaten
-
University of North Carolina, Chapel HillNational Institutes of Health (NIH); National Institute on Aging (NIA)AbgeschlossenArthroseVereinigte Staaten
-
Saglik Bilimleri UniversitesiMedical Park Hospital IstanbulAbgeschlossenPatienten auf der Intensivstation | Auf der Intensivstation erworbene SchwächeTruthahn
-
Istinye UniversityAbgeschlossenPhysische Aktivität | Jugend | Barrieren für körperliche Aktivität | Moderatoren für körperliche AktivitätTruthahn
-
Creighton UniversityNational Institutes of Health (NIH)AbgeschlossenLeichte kognitive Einschränkung | Burnout der PflegekraftVereinigte Staaten
-
Kansas State UniversityNational Development and Research Institutes, Inc.Abgeschlossen