Harjoituksen vaikutukset pitkän kantaman autokorrelaatioihin Parkinsonin taudissa

TAUSTA

Yksi ihmisen liikkeen yleisimmistä piirteistä on sen vaihtelevuus saman rytmisen tehtävän useiden toistojen välillä (1). Ihmisillä monille jaksollisille signaaleille, kuten kävelylle, sydämen sykkeelle, hengitys- ja hermosolujen toiminnalle, on tunnusomaista niiden ajallinen monimutkaisuus, joka vaihtelee monimutkaisella tavalla ajan myötä. Vaikka syklien väliset vaihtelut saattavat näyttää vaihtelevan satunnaisesti, ilman ilmeisiä korrelaatioita syklien välillä, terveillä järjestelmillä on muisti sarjan edeltävistä arvoista, jotka näyttävät monimutkaisen ajallisen rakenteen.

Fysiologisten aikasarjojen vaihtelun arvioimiseksi voidaan käyttää useita matemaattisia menetelmiä. Toisaalta klassiset matemaattiset menetelmät, joita yleensä sovelletaan lyhyemmille aikasarjoille (kymmeniä datapisteitä), kvantifioivat vaihtelujen suuruuden arvojoukossa riippumatta niiden järjestyksestä jakaumassa laskemalla keskihajonnan (SD) ja kertoimen variaatio (CV). Toisaalta monimutkaisempia matemaattisia menetelmiä, joita sovelletaan pidempiin aikasarjoihin (≥512 sykliä), voidaan käyttää ajan vaihteludynamiikan arvioimiseen (3). Nämä jälkimmäiset menetelmät ovat osoittaneet, että lukuisten fysiologisten signaalien vaihtelu (esim. sydämen ja hengitysrytmi tai liiketoiminnat) osoittaa pitkän kantaman autokorrelaatioita, jolloin syklien välinen tilastollinen keskinäinen riippuvuus kattaa hyvin suuren syklien määrän (14).

Tämä vaihtelevuuden ajallinen järjestäytyminen on siten luontainen ominaisuus lukuisissa biologisissa järjestelmissä. Lisäksi se voisi tarjota tietoa neurofysiologisesta organisaatiosta ja näiden järjestelmien säätelystä (32). Viimeaikaiset tutkimukset väittivät, että nämä vaihtelut, jotka sisältyvät optimaaliseen vaihteluväliin, edustaisivat taustalla olevaa fysiologista kykyä mukautua joustavasti ihmiskehoon kohdistuviin jokapäiväisiin rasituksiin (32). Siksi tällaisen ajallisen dynamiikan läsnäolon uskotaan olevan kriittinen terveyden merkki ja niiden hajoaminen patologisen tilan indeksinä (18, 25, 32). Esimerkiksi ihmisen sydämen sykkeessä poikkeamat vaihtelevuuden optimista joko satunnaisuuden suunnassa (esim. eteisvärinä) tai ylisäännöllisyydessä (esim. kongestiivinen sydämen vajaatoiminta) osoittavat järjestelmän mukautumiskyvyn menetystä (9, 32). .

Lisäksi jotkut keskushermoston sairaudet vaikuttavat erityisesti kävelyn vaihteluun. Itse asiassa neurodegeneratiivisille sairauksille, kuten Parkinsonin ja Huntingtonin taudeille, on ominaista muun muassa kävelyn vaihtelu (jota havaitaan pitkän matkan autokorrelaatioiden hajoamisesta) ja korkea kaatumisriski. Vaikka pitkän kantaman autokorrelaation alkuperä on edelleen tuntematon, niiden hajoaminen tällaisissa sairauksissa viittaa keskeiseen kontrollimekanismiin (8, 11, 13, 16, 17, 36).

TUTKIMUSPROJEKTI

Parkinsonin tauti (PD) on yksi yleisimmistä neurodegeneratiivisista sairauksista, jota sairastaa noin 1 % yli 60-vuotiaista väestöstä. PD on luonteeltaan progressiivinen, joten potilaat kohtaavat lisääntyneitä vaikeuksia päivittäisten toimintojen ja erilaisten liikkuvuuden näkökohtien, kuten kävelyn, siirrot, tasapainon ja asennon, kanssa. Viime kädessä tämä johtaa riippumattomuuden, passiivisuuden ja sosiaalisen eristäytymisen vähenemiseen, mikä johtaa heikentyneeseen elämänlaatuun. Näin ollen liikkuvuuden parantaminen on yksi tärkeimmistä PD:n hallinnan tavoitteista.

PD:n hallinta on perinteisesti keskittynyt lääkehoitoon, ja levodopaa pidetään "kultaisena hoitona". Kuitenkin jopa optimaalisella lääketieteellisellä hoidolla parkinsonipotilaiden kehon toiminta, päivittäiset toimet ja osallistuminen heikkenevät. Tästä syystä tuki kuntoutushoitojen sisällyttämiselle lääkehoidon ja neurokirurgisen hoidon apuvälineeksi on lisääntynyt. Säännöllinen liikunta todellakin hidastaa etenemistä ja vähentää kaatumisriskiä. Lisäksi liikunta on osoittanut tehokkuutensa sekä toimintakykyjen säilyttämisessä että komplikaatioiden (sydän- ja verisuonitaudit, osteoporoosi,…) ehkäisyssä.

Tähän mennessä vain harvoissa tutkimuksissa on analysoitu neurologista sairautta, kuten PD:tä, sairastavien potilaiden toiminnallisen arvioinnin vaihtelua. Kävelyhäiriöt ja kaatumiset eivät kuitenkaan ole vain merkittävä kustannus yhteiskunnalle, vaan myös huomattava yksilöllinen sairastuvuus/kuolleisuusriski. Asianmukaisen kuntoutusohjelman pitäisi mahdollistaa näiden sairauksien aiheuttamien riskien ja kustannusten vähentäminen välittömästi. Tutkija olettaa, että kävelyn vaihtelun analyysi voisi olla hyödyllinen kliinisenä työkaluna kaatumisriskin arvioinnissa ja terapeuttisen tehokkuuden (lääkitys ja/tai fyysinen harjoittelu) arviointityökaluna PD:ssä. Siksi tämän tutkimuksen tavoitteena on (1) arvioida fyysisen harjoituksen vaikutusta ihmisen kävelyn vaihteluun ja (2) tutkia sen mahdollisia korrelaatioita kävelykykyyn ja Parkinson-potilaiden neurologisiin häiriöihin.

Potilaat

Tutkijat rekrytoivat 50 idiopaattista Parkinsonin tautia sairastavaa potilasta Cliniques universitaires Saint-Lucin neurologian osastolta (Bryssel, Belgia). Tutkimuksen on hyväksynyt eettinen komitea. Kaikki potilaat antavat tietoon perustuvan kirjallisen suostumuksen tutkimukseen. Kelpoisuuskriteerit ovat: diagnoosi idiopaattinen Parkinson (Iso-Britannian Parkinsonin tautiyhdistyksen Brain Bank -kriteerien mukaan), taudin vakavuus (muunneltujen Hoehn & Yahrin vaiheiden I–IV mukaan), dementian puuttuminen (minimillinen mielentilatutkimuksen pistemäärä 24) tai korkeampi), vakaa lääkkeen käyttö viimeisen 4 viikon aikana ja riittävä näkö ja kuulo, joka saavutetaan tarvittaessa käyttämällä korjaavia linssejä ja/tai kuulolaitetta. Potilaat suljetaan pois, jos heillä on vakavia samanaikaisia ​​sairauksia, muita neurologisia ongelmia tai akuutteja lääketieteellisiä ongelmia (esim. MI, diabetes) ja liikkuvuuteen vaikuttavat nivelongelmat sekä arvaamattomat "off"-jaksot (pisteet >2, MDS-UPDRS kohta 4.5).

Menettely

Tämä tutkimus on kontrolloitu, satunnaistettu, yksisokkoutettu kliininen tutkimus, jossa on crossover-suunnittelu. Kontrolliryhmä ei muuta tavanomaista fyysistä aktiivisuuttaan, kun taas interventioryhmä hyötyy liikuntaohjelmasta. Tämä jälkimmäinen sisältää 30 60 minuutin (kahdesti viikossa) piiriryhmäharjoittelukertaa 15 viikon aikana. Sitten nämä kaksi ryhmää risteytetään. Tuoreen ohjeistuksen mukaan ohjelma sisältää erityistä tasapainoa, ryhtiä, kävelyä, kuntoa, kaksoistehtäviä ja venyttelyä. Kaikki harjoitukset suoritetaan riittävällä intensiteetillä (esim. 60-80 % ennustetusta maksimisykkeestä). Vähintään 512 sykliä tallennetaan (korkealla näytteenottotaajuudella (512 Hz)) juoksumatolla itse valitulla mukavalla nopeudella käyttämällä yksiulotteista kiihtyvyysanturia, joka on teipattu oikeaan lateraaliseen malleolukseen.

Toiminnan arviointi, joka perustuu kansainvälisen toiminnan, vammaisuuden ja terveyden luokituksen (ICF) kolmeen osa-alueeseen

Potilaat arvioidaan ennen toimenpidettä (T0) ja 15 (T1), 30 (T2), 45 (T3) ja 60 viikkoa (T4) kolmen ICF-alueen joukossa:

Poikkeamat arvioidaan MDS-UPDRS:llä, instrumentoidulla kävelyanalyysillä (kinemaattinen, kineettinen, elektromyografinen ja energinen) (18), 6 minuutin kävelyetäisyydellä, 10 metrin kävelytestillä, ABC-asteella ja BESTestillä (mukaan lukien toiminnallinen ulottuvuustesti). , Push & Release ja Get Up & Go -testi).

Toimintaa, osallistumista ja elämänlaatua arvioidaan osallistumis- ja itsenäisyyskyselyllä (IPAQ) ja syyspäiväkirjalla.

Kävelyvaihteluanalyysi

Käännösajan vaihtelua arvostetaan klassisilla ja monimutkaisilla matemaattisilla menetelmillä. Klassiset matemaattiset menetelmät (keskihajonta, variaatiokerroin) mahdollistavat vaihtelun suuruuden arvioimisen, kun taas monimutkaiset matemaattiset menetelmät (pitkän aikavälin autokorrelaatiot) arvioivat vaihtelujen dynamiikkaa ajan kuluessa (3).

Pitkän kantaman autokorrelaatioiden esiintyminen arvioidaan käyttämällä Rangarajanin ja Dingin ehdottamaa integroitua lähestymistapaa, jonka Crevecoeur et al. fysiologisten aikasarjojen yhteydessä. Näitä menetelmiä kuvataan tarkemmin muualla. Lyhyesti sanottuna Hurst-eksponentti (H) lasketaan käyttämällä uudelleenskaalattua alueanalyysiä ja α-eksponentti arvioidaan käyttämällä aikasarjan tehospektritiheyttä. Kussakin aikasarjassa molempia menetelmiä sovelletaan 512 peräkkäisen askeleen sekvensseihin.

Teoriassa eksponentit H ja α liittyvät asymptoottisesti suhteeseen H. Näin ollen integroitu lähestymistapa koostuu H:n ja α:n laskemisesta erikseen ja näiden kahden parametrin yhdenmukaisuuden varmistamisesta yhtälön d=H-(1+α)/ avulla. 2 = 0. Arvoa d ≤ 0,10 pidetään hyväksyttävänä, koska asymptoottiset parametrit arvioidaan äärellisillä aikasarjoilla.

Yhteenvetona, seuraavat kolme ehtoa on täytettävä pitkän kantaman autokorrelaatioiden olemassaolon päättelemiseksi:

H > 0,5; α on merkittävästi erilainen kuin 0 ja pienempi kuin 1; ja d < 0,10

Kun H:n ja α:n välillä ilmenee epäjohdonmukaisuuksia, tutkijat käyttävät satunnaisesti sekoitettua korvikedatatestiä hylätäkseen nollahypoteesin, jonka mukaan tutkittavalla sarjalla ei ole ajallista rakennetta (ts. korreloimaton satunnaisprosessi).

NÄKYMÄT

Tutkimalla fyysisen harjoituksen vaikutusta ihmisen kävelyn vaihteluun ja sen mahdollisia korrelaatioita kävelykykyyn ja Parkinson-potilaiden neurologisiin vammoihin, tutkijat toivovat osoittavansa, että kävelyn vaihtelun analyysiä voitaisiin käyttää kliinisenä työkaluna kaatumisriskin ja kaatumisriskin arvioinnissa. terapeuttisen tehokkuuden (lääkitys ja/tai fyysinen harjoittelu) arviointityökaluna PD:ssä.