Un essai du tPCS sur l'état OFF de la maladie de Parkinson

Il s'agira d'un essai contrôlé randomisé fictif. Les chercheurs ont prévu d'étudier l'efficacité de la stimulation transcrânienne par courant pulsé (tPCS) chez des patients atteints de la maladie de Parkinson (MP) dans leur état OFF. Chaque patient viendra dans 3 jours séparés en état OFF. Ils recevront d'abord soit des tPCS actifs, soit des tPCS factices, soit 3 comprimés de lévodopa (100/25) à l'état OFF. Une analyse pré et post intervention sera effectuée. Chez ceux qui reçoivent du tPCS (actif/fictif), les enquêteurs leur donneront de la lévodopa (100/25) après une évaluation post-stimulation effectuée. Les patients seront évalués cliniquement par UPDRS III. EEG (pour l'analyse électrophysiologique), Gait Carpet (pour l'analyse de la marche) seront également effectués - avant et après une seule session de stimulation de 20 minutes via tPCS. Les chercheurs compareront également l'effet du tPCS à l'état OFF avec celui de la lévodopa à l'état OFF.

L'évaluation se fera par-

1. Échelle unifiée d'évaluation de la maladie de Parkinson III (UPDRS III)
2. Marche via tapis de marche
3. Électroencéphalographie quantitative (qEEG)
4. KinARM

La stimulation transcrânienne par courant pulsé (tPCS) sera délivrée par une paire d'électrodes en éponge de surface imbibées de solution saline (0,9 % de NaCl). Pour cette expérience, 20 minutes de stimulation seront réalisées. La stimulation serait effectuée sur le cortex moteur (M1) ou la zone motrice supplémentaire (SMA), sur la base des résultats de l'électroencéphalographie quantitative (qEEG). Pour la stimulation fictive, le placement des électrodes sera le même, mais le courant électrique sera réduit de 5 secondes.

Zeno Walkway est une passerelle électronique sensible à la pression qui mesure les paramètres temporels et spatiaux de la marche, ce qui pourrait à son tour aider à identifier toute anomalie de la marche. Le patient marche sur le tapis Zeno Walkway avant et après la stimulation tPCS pour trouver la différence dans le mouvement de marche. La passerelle Zeno sera utilisée conjointement avec le logiciel d'analyse de mouvement ProtoKinetics (PKMAS). Ces données seront capturées et rassemblées via le logiciel PKMAS, résultant en de nombreux paramètres de marche spatiaux, temporels et liés à la pression. Timed-up-and-go (TUG) (1-5minutes par essai) sera exécuté. Le test consiste à se lever d'une chaise, à marcher sur le tapis de marche de 20 pieds, à se retourner sur le tapis, à reculer et à s'asseoir. Celle-ci se déroulera sur 3 essais. L'analyse de la marche fournit divers paramètres supplémentaires en sortie tels que la longueur de la foulée, la ligne de progression, la longueur du pas, les orteils et d'autres paramètres temporels et spatiaux pour l'analyse.

Les signaux EEG quantitatifs seront enregistrés, les yeux fermés, sans tâche, à l'aide du système sans fil g.Nautilus g.tec. Le système g.tech utilise des capteurs de référence de clip d'oreille. Le patient sera dans un endroit calme avec moins de perturbations lumineuses ou électromagnétiques. Pendant les enregistrements de l'état de repos, les patients sont assis dans un fauteuil confortable et seront invités à rester détendus, les yeux fermés pendant 5 min.

Kinarm sera utilisé pour mesurer la cinématique des mouvements des membres supérieurs, via des tâches d'atteinte. Il s'agit essentiellement d'une poignée mécanique entraînée par plusieurs actionneurs. Un logiciel nommé BKIN sera utilisé pour configurer ce matériel. Le Kinarm fournit initialement aux patients plusieurs points à atteindre sur l'écran et les patients essaient d'atteindre ces points à l'aide de la poignée Kinarm. Le mouvement des patients lorsqu'ils essaient d'atteindre ces points est analysé par kinarm et les données nous seraient fournies sur la base de cette analyse.

Un test t apparié sera utilisé pour comparer les données de base et les données post-tPCS. Une analyse descriptive des résultats de l'examen neurologique sera fournie. La sortie du KinARM, du tapis de marche, de l'EEG sera utilisée pour une analyse plus approfondie afin de construire un modèle d'apprentissage automatique descriptif.