Verbesserung der Gehfähigkeit bei der Parkinson-Krankheit (PASTA)

Die Parkinson-Krankheit (PD) ist eine chronische und fortschreitende Bewegungsstörung, die hauptsächlich auf eine veränderte motorische Kontrolle zurückzuführen ist. Gangstörungen sind die primären Symptome bei Patienten mit PD, mit verringerter Schrittlänge und Gehgeschwindigkeit, abnormaler Gangphasenverteilung, unkonstantem Tempo, Gangasymmetrie und reduzierter Gelenkkoordination. Die posturale Instabilität und die Verschlechterung der Gangeigenschaften erhöhen das Sturzrisiko dieser Patienten spürbar, was zu einem Verlust der Selbständigkeit und einer Verschlechterung der Langzeitprognose führt. Es wurde eindeutig nachgewiesen, dass motorische Beeinträchtigungen mit einer Dysfunktion der Basalganglien zusammenhängen, einer Gehirnstruktur, die als „Schrittmacher“ für die Aktivierung (und Deaktivierung) jeder Teilbewegung innerhalb eines sich wiederholenden Bewegungsablaufs fungiert. Eine Störung der internen rhythmischen Hinweise bei PD kann die schlechte Gleichmäßigkeit der Bewegungsausführung und die Schwierigkeiten bei der Regulierung der Schrittlänge erklären, was zu einer Erhöhung der Trittfrequenz führt. Die Levodopa-Therapie ist die wirksamste Behandlung zur Verbesserung der Symptome bei Parkinson, aber eine langfristige Verabreichung verringert ihre Wirksamkeit im Laufe der Zeit und ist für Begleiterscheinungen (Dyskinesien) verantwortlich. Daher haben Forscher alternative nicht-pharmakologische Ansätze untersucht, die auf auditiven Hinweisen wie der rhythmischen auditiven Stimulation (RAS) basieren. Eine Vielzahl von Studien berichtet über positive Effekte sowohl nach einmaliger Behandlung als auch nach längeren Trainingsprogrammen mit verbesserter Ganggeschwindigkeit, Trittfrequenz und Schrittlänge sowie in der Symmetrie der Muskelaktivierung für obere und untere Extremitäten. In solchen Studien werden die RAS-Frequenzen als Prozentsätze der bevorzugten Gehfrequenz des Patienten voreingestellt. Da sich die Dauer aller Therapien im Laufe der Zeit ändern kann, ist eine kontinuierliche Anpassung der Dosierung und Art der Behandlung erforderlich, die sowohl auf der Überwachung der Symptome durch den Patienten als auch auf objektiven Bewertungen basiert. Methoden der Ganganalyse (GA) wurden für die Untersuchung des physiologischen Gangs und bei mehreren Krankheiten vorgeschlagen und validiert. Die traditionellen Systeme von GA basieren auf optoelektronischen Systemen, aber sie sind teuer, nicht tragbar und erfordern erfahrene Bediener. Die Bewertung wird immer in Laboratorien mit Versuchsaufbauten durchgeführt, die sich wahrscheinlich vom realen Gehen unterscheiden (Lärmumgebungen, Vorhandensein von Gegenständen und Personen oder unebener Bürgersteig, unterschiedliche Farben).

Folglich ist die traditionelle GA für die tägliche Kontrolle der Behandlungen oder für die Beurteilung der realen Situationen nicht zuverlässig. Kürzlich haben Forscher tragbare Systeme entwickelt, die auf Trägheitsmesseinheiten (IMUs) basieren. Auch wenn eine beträchtliche Anzahl von Studien die Gültigkeit der IMU-Analyse untersucht hat, waren nur sehr wenige mit PD-Bewegungsanalysen befasst. In den letzten Jahren wurde eine Reihe von tragbaren Geräten mit eingebetteten Trägheitssensoren als kostengünstige Lösungen zur Überwachung menschlicher Bewegungsaktivitäten auf dem Markt verbreitet. Obwohl ihre Genauigkeit noch vollständig validiert werden muss, können diese Systeme dem Benutzer Informationen liefern, um seine eigenen Aktivitäten zu verfolgen. Diese überzeugende Technologie hat ein enormes Potenzial, die körperliche Aktivität und Motivation der Patienten zu verbessern, mit dem Vorteil einer längeren und kontinuierlichen Aufzeichnung.

Die Verwendung und Analyse einer großen Menge objektiver Daten (Big Data Set) ist die neue Grenze für eine effiziente Nutzung wissenschaftlicher Zeit und Ressourcen, die Einbindung des Pflegekoordinierungsprogramms, die Einsparung wirtschaftlicher Ressourcen und die Bereitstellung einer höheren Pflegequalität. Darüber hinaus könnten diese Systeme, integriert mit einer webbasierten Anwendung, Telemedizin und mobilen Smartphones, Ärzten helfen, die Behandlungen durch eine Echtzeitüberwachung im Alltag besser anzugehen. Unsere Forschungsgruppe war an der klinischen Bewertung verschiedener Aspekte der Gangqualität bei vielen neurologischen Erkrankungen, einschließlich Parkinson, beteiligt. Forscher haben bereits gezeigt, dass tragbare Beschleunigungsmesser bei der quantitativen Bewertung der dynamischen Gangstabilität in Korrelation mit klinischen Werten nützlich sein könnten. Forscher haben auch herausgefunden, dass Beschleunigungen auf pathologiespezifische Weise verändert werden können (intellektuelle Behinderungen, die gleichzeitig verschiedene Aufgaben ausführen). Ein ähnlicher Zustand kann auch bei PD beobachtet werden, was zeigt, dass nur die intrinsische Gangharmonie signifikant mit der Schwere der Gangstörungen korreliert. In den letzten Jahren sind viele tragbare Tools verfügbar geworden, um die tägliche Aktivität zu quantifizieren. Dies ist besonders wichtig für einen möglichen therapeutischen Einsatz des RAS, der darauf abzielt, ein harmonisches Tempo bei Patienten mit PD wiederherzustellen.

Spezifisches Ziel 1: Um das Bewegungsmuster von Parkinson-Patienten im realen Leben zu analysieren, werden Gangmerkmale durch tragbare Sensoren erfasst, um sie mit klinischen und demografischen Daten in Beziehung zu setzen.

Spezifisches Ziel 2: Um die Gehfähigkeit zu verbessern und das Sturzrisiko bei Patienten mit Parkinson zu reduzieren, werden die Forscher ein akustisches Echtzeit-Feedback (RAS) und Warnungen von integrierten Sensoren in Verbindung mit einer geeigneten und einfach zu bedienenden Anwendung testen für Smartphones.

Spezifisches Ziel 3: Um die pharmakologischen und rehabilitativen Protokolle zu verbessern, werden die Forscher die täglichen Gang- und Motilitätsdaten und die klinischen Merkmale analysieren, um das theoretische Sturzrisikomodell zu testen.

Experimentelles Design Ziel 1: Patienten mit PD werden an der Fondazione Policlinico Universitario Gemelli und der Fondazione Don Gnocchi ONLUS in Rom rekrutiert. Alle eingeschlossenen Patienten werden von idiopathischer PD betroffen sein. Klinische Daten werden von einem ausgebildeten Neurologen erhoben.

Dreihundert Patienten werden durch tragbare Sensoren fernüberwacht. Die Probanden werden angewiesen, den Sensor 14 aufeinanderfolgende Tage lang zu tragen. Bei jedem Patienten werden jede Sekunde mehr als 100 Messungen durchgeführt, wodurch eine große Datenmenge generiert wird, die in einer Datenbank gespeichert und anschließend nach interessanten Daten gefiltert wird. Räumlich-zeitliche Gangparameter liefern Informationen zur Überwachung der Gehleistung des Patienten, um ein genaues Maß für die Gesamtwirksamkeit der Bewegungsfunktion zu erhalten. Anschließend werden sie in die elektronische Patientenakte integriert. Klinische Daten wie ärztliche Verordnungen, medizinische Bildgebung und andere Verwaltungsdaten werden erfasst. Abschließend wird ein Risikomodell zur Vorhersage von Stürzen erstellt.

Experimentelles Design Ziel 2: Nach der Analyse der erhaltenen Daten wird eine Anwendung entwickelt (Parkinson App Smartphone Aimed: P.A.St.A.), die sich durch Zuverlässigkeit, einfache Bedienung, visuelle Klarheit und Erschwinglichkeit auszeichnet.

Diese Anwendung kann: 1) die Gangmerkmale aufzeichnen und sie an einen Server in der Cloud senden; 2) Bereitstellung einer akustischen Rückmeldung, die an die Gangmerkmale des Patienten angepasst ist (mit höherer oder niedrigerer Frequenz auf der Grundlage der Bedürfnisse des Patienten und der prädiktiven Risiken); 3) Warnung auf der Grundlage von Risikoindizes bereitstellen (Risikoindizes werden gemäß einem Risikomodell zur Vorhersage von Stürzen identifiziert) und 4) bei Bedarf aktualisiert werden (z. B. nach einem Sturz). Fünfzig Patienten werden nach einer Schulung zur Verwendung der vom Teamprojekt entwickelten Softwareanwendung mit einem Smartphone ausgestattet. Sie verwenden die Anwendung für einen Zeitraum von 14 aufeinanderfolgenden Tagen. Klinische Beurteilungen mit Skalen werden vor und nach der Verwendung von P.A.St.A. durchgeführt, um die motorische Funktion und die posturale Stabilität und schließlich die Lebensqualität zu analysieren. Darüber hinaus wird die Einhaltung der Übernahme der neuartigen Technologie untersucht.

Experimentelles Design Ziel 3: Die erhaltenen Computerdaten werden mit klinischen Merkmalen und Gangmustern in Beziehung gesetzt, um klinische Biomarker für Gangstörungen bei Parkinson zu identifizieren. Die Verfügbarkeit großer Datensätze, gestützt auf die Einschätzungen von Tausenden von Patienten mit Parkinson, wird es ermöglichen, das Wissen über motorische Muster im realen Leben zu verbessern und den aktuellen therapeutischen Ansatz zu verbessern.

Methoden und statistische Analysen: Alle statistischen Analysen werden mit Stata-Software durchgeführt.

ZIEL 1 - Die Daten werden als Häufigkeiten und Prozentsätze für kategoriale Variablen zusammengefasst. Kontinuierliche Variablen werden als Mittelwerte und Standardabweichungen oder Mediane und Bereiche analysiert. Die Ermittler suchen nach Normalität, indem sie normale Plots oder Signifikanztests verwenden (z. Shapiro-Wilk-W-Test). Die Häufigkeit von Stürzen wird gemessen und die Umstände, unter denen sie auftreten, und ihre Folgen werden beschrieben, kategorisiert als keine Verletzung, leichte oder schwere Verletzungen. Eine multiple logistische Regressionsanalyse wird verwendet, um unabhängige Prädiktoren für Stürze zu bestimmen. Auf der Grundlage der Ergebnisse einer univariaten Analyse werden Variablen für die Eingabe in das logistische Modell ausgewählt. Der Hosmer-Lemeshow-Anpassungstest wird verwendet, um zu beurteilen, wie gut das Modell bestimmte Ergebnisse berücksichtigt. Aus den Ergebnissen der multivariaten Analyse wird das Vorhersagemodell für Stürze entwickelt. Die prädiktive Punktzahl wird durch die Odds-Ratio-basierte Bewertungsmethode berechnet, und jedem Prädiktor werden die nächsten ganzzahligen Punktzahlen zugewiesen. Die Modelldiskriminationsleistung wird durch den charakteristischen Bereich des Empfängerbetriebs unter der Kurvenanalyse bewertet.

ZIEL 2 – Die aufgezeichneten Daten werden verarbeitet, um Gang- und dynamische Gleichgewichtsparameter zu extrahieren. Die Inzidenz von Stürzen, die Verwendung von RAS und ihre Korrelation zu den Risikoindizes innerhalb von 14 Tagen nach der Nachuntersuchung werden gemessen. Der Wilcoxon-Vorzeichen-Rang-Test wird durchgeführt, um die Anzahl der Stürze vor und nach der Verwendung von P.A.St.A.

AIM 3 – Räumlich-zeitliche Gangparameter sowie demografische und klinische Merkmale von Patienten vor Therapien werden unter Verwendung des Chi-Quadrat-Tests, des exakten Fisher-Tests und gegebenenfalls unabhängiger t-Tests verglichen.