Enfoque de entrenamiento de aprendizaje motor de aumento de errores en pacientes con accidente cerebrovascular

La recuperación del movimiento de las extremidades superiores tras un ictus es incompleta. El accidente cerebrovascular es una de las principales causas de discapacidad sensoriomotora a largo plazo, incluidos los déficits persistentes en la función de las extremidades superiores (UL). Comprender cómo mejorar la recuperación de UL es una importante prioridad científica, clínica y del paciente. Sin embargo, a pesar de numerosos estudios que intentan identificar las intervenciones de rehabilitación más efectivas basadas en principios establecidos de aprendizaje motor y plasticidad neuronal, la recuperación de UL posterior al accidente cerebrovascular sigue siendo incompleta. De hecho, incluso con terapia, los déficits sensoriomotores del UL persisten en una gran proporción (hasta el 62 %) de los supervivientes de un accidente cerebrovascular durante más de 6 meses, lo que genera una carga socioeconómica elevada.

TRASTORNOS DEL CONTROL MOTOR: Una consecuencia del déficit de control subyacente después de un accidente cerebrovascular es la hemiparesia, caracterizada por una capacidad disminuida para reclutar músculos agonistas, activación muscular no deseada/inapropiada (es decir, espasticidad, contracción muscular agonista y antagonista), sincronización anormal de la activación muscular, debilidad y cambios en las propiedades de las fibras musculares. Esto conduce a deficiencias en la capacidad de aislar el movimiento articular y combinar apropiadamente diferentes articulaciones para realizar funciones relacionadas con tareas. Hemos acumulado evidencia sustancial que sugiere que los déficits de movimiento y la espasticidad están asociados con un déficit de control común en la especificación y regulación de los umbrales espaciales (ST) del reflejo de estiramiento y otros reflejos propioceptivos. Los ST se expresan en el dominio espacial (angular) en lugar del temporal (latencia). La regulación de ST es un mecanismo bien establecido de control de los reflejos de estiramiento en animales y reflejos y movimientos en humanos.

DEFINICIÓN DE ST Y MECANISMOS DE ACCIÓN: El umbral espacial (ST) es el ángulo articular en el que los músculos comienzan a reclutarse y los reflejos posturales y otros reflejos comienzan a actuar. Al cambiar ST, el cerebro restablece los mecanismos de estabilización de la postura a una nueva posición del miembro o del cuerpo. Estos mecanismos se combinan para regular las ST en sistemas multimusculares de acuerdo con la configuración corporal y las demandas de la tarea. El accidente cerebrovascular produce déficits en la regulación del ST. Las lesiones del sistema nervioso central (SNC) que afectan los mecanismos descendentes y espinales y los intrínsecos conducen a limitaciones en la regulación del ST. Como resultado, los movimientos pasivos o activos que superan el umbral angular, ST (rango de espasticidad), provocan una activación muscular refleja anormal. El ST depende de la velocidad, lo que reduce el rango de control activo en pacientes con accidente cerebrovascular y su capacidad para realizar movimientos más rápidos.

ENFOQUE DE INTERVENCIÓN: Nuestro enfoque está diseñado para aumentar el rango de movimiento del codo sin reflejos en la brazada. La adaptación del movimiento del codo a una nueva carga (es decir, la capacidad de corregir errores) en pacientes con accidente cerebrovascular crónico mejoró sustancialmente cuando el movimiento se realizó dentro del rango de control activo (donde la espasticidad no afectó la contracción muscular) en comparación con cuando el movimiento sin reflejos. rango no fue identificado. En consecuencia, el potencial para el aprendizaje motor puede mejorarse al considerar el rango de movimiento del codo afectado en ensayos diseñados adecuadamente. Para evitar provocar movimientos realizados con patrones de activación muscular anormales y otras compensaciones (mala plasticidad), los programas de entrenamiento se adaptarán a la capacidad de movimiento del individuo e incorporarán enfoques que cuantifiquen y amplíen el rango articular realizado con patrones de activación muscular típicos. En esta propuesta, utilizaremos un robot y una interfaz de aprendizaje de realidad virtual novedosa para manipular la capacidad de producir un movimiento controlado en el codo, que es una discapacidad común en personas con accidente cerebrovascular de moderado a severo. El enfoque de entrenamiento personalizado propuesto se centra en proporcionar retroalimentación específica para aumentar el rango de regulación de ST de un individuo.

RETROALIMENTACIÓN DE AUMENTO DE ERROR (EA): La retroalimentación de aumento de error se utilizará para aumentar la zona ST de control activo del codo. EA utiliza el aprendizaje intrínseco basado en errores para mejorar la capacidad del SNC para aprovechar la redundancia cinemática y encontrar soluciones de tareas motoras significativas. Específicamente, los sujetos reciben retroalimentación que mejora sus errores motores. Se ha demostrado que la manipulación de las señales de error estimula la mejora sensoriomotora del UL tanto en sujetos sanos como con accidentes cerebrovasculares, con mayores ganancias de aprendizaje cuando los errores son más grandes. La retroalimentación de EA se utilizará para reasignar dinámicamente el rango de control de codo activo. Se modificará la retroalimentación visual sobre el ángulo del codo, para que parezca que el codo se mueve menos de lo que en realidad es. Así, cuando el codo real se mueve, el sujeto percibe que el codo se ha movido menos e intenta corregir el error extendiendo más el codo. El rango de control activo se ampliará al hacer que los sujetos trabajen cerca o justo en el límite de su rango ST. La reasignación de la relación percepción/acción ocurrirá cuando la retroalimentación aferente se asocie con un mayor ángulo del codo. Dado el papel clave de los errores en el aprendizaje motor, aumentar artificialmente el error de rendimiento a través de EA aumentará el rango de control activo de cada individuo y hará que el aprendizaje ocurra más rápidamente.

IMPACTO EN LA REHABILITACIÓN: Los resultados generarán conocimientos que pueden guiar a los médicos y sus pacientes a identificar el mejor tipo de entrenamiento para la recuperación funcional de UL, un componente esencial de la reintegración a las actividades de la vida diaria. Los hallazgos también pueden respaldar un cambio de paradigma en la práctica clínica, alentando a los profesionales de la rehabilitación a considerar opciones de intervención personalizadas para mejorar los resultados. El aumento de las opciones terapéuticas también puede contribuir a una atención personalizada que se adapte a las necesidades particulares del paciente y conduzca a mejores resultados funcionales.

Objetivo 1 - Determinar la efectividad del ejercicio personalizado usando EA para expandir el rango de control activo del codo en sujetos post ACV. Hipótesis 1: la retroalimentación intrínseca sobre el error de movimiento en el codo conducirá a una reasignación dinámica de los mecanismos de control a nivel muscular y mejorará el rango de movimiento activo de la articulación del codo. Hipótesis 2: Los sujetos que practican con EA podrán incorporar la mayor amplitud de la articulación del codo en los movimientos funcionales de alcance, como se refleja en mejores resultados clínicos.

Objetivo 2 - Determinar la dosis óptima específica del paciente de ejercicio intensivo para maximizar la recuperación motora del brazo. Hipótesis 3: una mayor dosis de entrenamiento conducirá a mejores resultados cinemáticos y clínicos y un mejor aprendizaje motor.

Objetivo 3: relacionar la cantidad de daño CST con la recuperación de UL en función de medidas cinemáticas y clínicas. Hipótesis 4: un mayor daño del CST se correlacionará con un peor aprendizaje motor y resultados clínicos.

Dos grupos, duración del entrenamiento,

DURACIÓN DEL ENTRENAMIENTO: 54 sujetos realizarán ~30 min/sesión de alcanzar el objetivo con el brazo afectado. Para controlar la intensidad, la práctica se extenderá al tiempo necesario para completar 138 alcances/sesión con 6-10 segundos entre alcances. Las sesiones se realizarán 3 veces por semana durante 9 semanas (es decir, 27 sesiones, 810 minutos, 3726 intentos), lo que se considera un ejercicio de alta intensidad según lo recomendado por la Mesa Redonda de Recuperación y Rehabilitación de Accidentes Cerebrovasculares. Las medidas cinemáticas y clínicas se realizarán antes (PRE), después de 3 (POST3), 6 (POST6) y 9 semanas (POST9) y después de 4 semanas de seguimiento (SEGUIMIENTO).

TAMAÑO DE LA MUESTRA: Se utilizó la diferencia clínica importante mínima (MCID) de la medida de resultado primaria (ST) para calcular el tamaño de la muestra. Se determinó que el MCID del ST era 18,07° utilizando un método basado en anclas (cambio en FMA > MCID 5,25). Considerando un nivel de α del 5 % y una potencia del 95 % (tamaño del efecto = 1,39) para detectar diferencias utilizando un ANOVA de modelo mixto (G*Power 3.1.9.4), el tamaño mínimo de la muestra es 21/grupo. El tamaño de la muestra se aumentó a 27 por grupo considerando una tasa de abandono del 25% dada la necesidad de asistir a múltiples sesiones de capacitación/evaluación para una cohorte final de 54 sujetos.

ANÁLISIS ESTADÍSTICO: Relacionaremos los cambios en el comportamiento motor con el estado clínico inicial (PRE) y con los cambios posteriores al tratamiento (POST) en 3 puntos temporales (POST1, POST2, POST3) y en el seguimiento (SEGUIMIENTO). Los enfoques estadísticos se basan en el análisis por intención de tratar. El análisis descriptivo/de distribución resaltará las principales características demográficas y clínicas y controlará las diferencias en los indicadores de pronóstico de referencia entre los grupos. Para Obj. 1-3, utilizaremos un ANOVA de modelo mixto de medidas repetidas para los resultados primarios y secundarios donde el modelo incluye un factor entre sujetos - grupo con 2 niveles (EA, sin EA) y un factor dentro del sujeto - tiempo (5 niveles) , utilizando puntajes de cambio normalizados (es decir, POST-PRE/PRE; SEGUIMIENTO-PRE/PRE). Consideraremos significativos los cambios en los resultados primarios y secundarios si sus intervalos de confianza (IC) del 95 % superan los MCID para cada medida. Para controlar la lesión del %CST como posible factor de confusión, ejecutaremos un ANCOVA paralelo utilizando el %CST como covariable. Esto aumentará el poder estadístico y se ajustará a las diferencias de grupo de línea de base estimando una diferencia imparcial en los resultados primarios. Este diseño de estudio se ha utilizado en nuestro ECA anterior. Para el espacio de trabajo del brazo activo, la importancia se indicará mediante un cambio de >10 % en el área de PRE-test, basado en un aumento del TSRT de al menos 18°. Para el rango de movimiento del codo, un cambio significativo será del 15 % del rango previo a la prueba. Para los resultados secundarios, se utilizarán los valores de MCID cuando se conozcan. Para las medidas para las que no se conocen los MCID, consideraremos un cambio mínimamente significativo como >15 % del valor previo a la prueba. El análisis de regresión lineal múltiple de los datos agrupados identificará las relaciones entre los sujetos con diferentes niveles de deterioro clínico inicial (% de lesión CST) y las medidas de resultado primarias y secundarias. Todos los análisis considerarán el sexo como un factor de confusión. Mientras que los hombres tienen una mayor incidencia de accidentes cerebrovasculares ajustada por edad, las mujeres experimentan accidentes cerebrovasculares más graves y tienen una mayor mortalidad a corto plazo. Una mejor comprensión de la influencia del sexo en las intervenciones terapéuticas puede conducir a una mejor gestión del accidente cerebrovascular. Para todos los modelos, se examinarán gráficos residuales para verificar la linealidad, la normalidad y la homocedasticidad. La colinealidad se evaluará en función de la tolerancia, la variación de la inflación y los valores propios. Se examinarán los coeficientes de correlación parcial y estandarizados (beta) para demostrar qué variables explicativas tienen un mayor efecto sobre la variable dependiente en los modelos de regresión múltiple. Para cada resultado, la variabilidad se estimará en función de los IC del 95 %. Los datos faltantes se comprobarán en busca de patrones no aleatorios.

GESTIÓN DE LAS PRUEBAS: La gestión diaria de las pruebas será responsabilidad del comité directivo (Levin, Archambault, Piscitelli). La aleatorización será realizada por Levin. Piscitelli se encargará de la coordinación del ensayo y el manejo de los datos. El equipo tiene conocimientos complementarios directamente relacionados con la propuesta y una amplia experiencia en la realización de investigaciones sobre accidentes cerebrovasculares. Un ex paciente (GG) que ha participado en nuestros estudios anteriores ayudará a evaluar la viabilidad y aceptabilidad de la tecnología y el protocolo, incluidas las pruebas clínicas y cinemáticas. Piscitelli coordinará el ensayo, ayudará a supervisar a los estudiantes y se encargará de la gestión diaria. Prevost (Coordinador de Investigación Clínica) reclutará y evaluará pacientes de 3 centros dentro de CRIR. Levin y Wien tienen experiencia en imágenes y Feldman en control motor. Wein es neurólogo especializado en accidentes cerebrovasculares en el MNI, donde ha realizado varios ECA. Triviño (fisioterapeuta) ha participado en varios proyectos de investigación clínica en el JRH utilizando rehabilitación apoyada en tecnología en pacientes con ictus. Berman (ingeniero de rehabilitación) diseñó la intervención robótica/VR y realizó los estudios de factibilidad iniciales con Levin. Difundiremos los hallazgos a los equipos de accidentes cerebrovasculares en los hospitales afiliados a CRIR a través de presentaciones en servicio y discutiremos los problemas de medición y gestión de UL. Las herramientas de diagnóstico por imágenes y el conocimiento del control motor se compartirán con investigadores, médicos y pacientes. La viabilidad de incorporar la tecnología desarrollada en entornos clínicos se evaluará con los médicos Trivino y Wein y el paciente GG.