Eine Studie mit tPCS im AUS-Zustand der Parkinson-Krankheit

Dies wird eine randomisierte, scheinkontrollierte Studie sein. Die Forscher haben geplant, die Wirksamkeit der transkraniellen Impulsstromstimulation (tPCS) bei Patienten mit Parkinson-Krankheit (PD) in ihrem AUS-Zustand zu untersuchen. Jeder Patient kommt an 3 verschiedenen Tagen im AUS-Zustand. Sie erhalten zunächst entweder aktive tPCS oder Schein-tPCS oder 3 Tabletten Levodopa (100/25) im AUS-Zustand. Es wird eine Vor- und Nachbehandlungsanalyse durchgeführt. Denjenigen, die tPCS (aktiv/Schein) erhalten, werden die Ermittler Levodopa (100/25) geben, nachdem die Bewertung nach der Stimulation durchgeführt wurde. Die Patienten werden von UPDRS III klinisch untersucht. EEG (zur elektrophysiologischen Analyse), Gait Carpet (zur Ganganalyse) werden ebenfalls durchgeführt - vor und nach einer einzelnen Sitzung von 20 Minuten Stimulation über tPCS. Die Forscher werden auch die Wirkung von tPCS im AUS-Zustand mit der von Levodopa im AUS-Zustand vergleichen.

Die Bewertung erfolgt durch-

1. Unified Parkinson's disease rating scale III (UPDRS III)
2. Gang über Gangteppich
3. Quantitative Elektroenzephalographie (qEEG)
4. KinARM

Die transkranielle Impulsstromstimulation (tPCS) wird über ein Paar mit Kochsalzlösung getränkter (0,9 % NaCl) Oberflächenschwammelektroden abgegeben. Für dieses Experiment werden 20 Minuten Stimulation durchgeführt. Die Stimulation würde am motorischen Kortex (M1) oder im ergänzenden motorischen Bereich (SMA) erfolgen, basierend auf den Befunden der quantitativen Elektroenzephalographie (qEEG). Bei der Scheinstimulation bleibt die Elektrodenplatzierung gleich, aber der elektrische Strom wird um 5 Sekunden heruntergefahren.

Zeno Walkway ist ein druckempfindlicher elektronischer Roll-Up-Gehweg, der die zeitlichen und räumlichen Parameter des Gangs misst, was wiederum bei der Identifizierung von Anomalien im Gang helfen könnte. Der Patient geht vor und nach der tPCS-Stimulation auf der Zeno Walkway-Matte, um den Unterschied in der Gangbewegung zu finden. Der Zeno-Laufsteg wird in Verbindung mit der Bewegungsanalyse-Software von ProtoKinetics (PKMAS) verwendet. Diese Daten werden über die PKMAS-Software erfasst und zusammengeführt, woraus zahlreiche räumliche, zeitliche und druckbezogene Gangparameter resultieren. Timed-up-and-go (TUG) (1-5 Minuten pro Versuch) wird durchgeführt. Der Test besteht aus dem Aufstehen vom Stuhl, dem Gehen über den 20-Fuß-Gangteppich, dem Umdrehen vom Teppich, dem Zurückgehen und dem Hinsetzen. Dies wird über 3 Versuche durchgeführt. Die Ganganalyse liefert verschiedene zusätzliche Parameter als Ausgabe, wie z. B. Schrittlänge, Progressionslinie, Schrittlänge, Zehenabstände und andere zeitliche und räumliche Parameter zur Analyse.

Quantitative EEG-Signale werden mit geschlossenen Augen und ohne Aufgabe mit dem drahtlosen g.Nautilus g.tec-System aufgezeichnet. Das g.tech-System verwendet Ohrclip-Referenzsensoren. Der Patient befindet sich an einem ruhigen Ort mit weniger Licht oder elektromagnetischen Störungen. Während der Aufzeichnungen im Ruhezustand sitzen die Patienten in einem bequemen Sessel und werden angewiesen, entspannt zu bleiben, mit geschlossenen Augen für 5 Minuten.

Kinarm wird verwendet, um die Kinematik der Bewegungen der oberen Extremitäten über Reaching-Aufgaben zu messen. Dies ist im Grunde ein mechanischer Griff, der von mehreren Aktuatoren angetrieben wird. Eine Software namens BKIN wird verwendet, um diese Hardware einzurichten. Der Kinarm bietet den Patienten zunächst mehrere zu erreichende Punkte auf dem Bildschirm, und die Patienten würden versuchen, diese Punkte mit dem Kinarm-Griff zu erreichen. Die Bewegung der Patienten beim Versuch, diese Punkte zu erreichen, wird von kinarm analysiert und die Daten werden uns auf der Grundlage dieser Analyse zur Verfügung gestellt.

Ein gepaarter t-Test wird verwendet, um Ausgangsdaten und Post-tPCS-Daten zu vergleichen. Eine deskriptive Analyse der neurologischen Untersuchungsbefunde wird zur Verfügung gestellt. Die Ausgabe von KinARM, Gangteppich, EEG wird für weitere Analysen verwendet, um ein deskriptives Modell für maschinelles Lernen zu erstellen.