パーキンソン病における歩行能力の改善 (PASTA)

パーキンソン病 (PD) は、慢性かつ進行性の運動障害であり、主に運動制御の変化が原因です。 歩行障害は、PD 患者の主な症状であり、歩幅と歩行速度の低下、異常な歩行位相分布、不安定なペース、歩行の非対称性、および関節協調の低下を伴います。 姿勢の不安定性と歩行機能の悪化は、これらの患者の転倒のリスクをかなり高め、自立の喪失と長期予後の悪化をもたらします。 運動障害が大脳基底核の機能障害に関連していることが明確に実証されています。大脳基底核は、反復運動シーケンス内の各下位運動の活性化 (および非活性化) の「ペースメーカー」として機能する脳構造です。 PD における内部のリズミカルな手がかりの乱れは、動きの実行の滑らかさの悪さと歩幅の調整の難しさを説明し、ケイデンスの増加をもたらす可能性があります。 レボドパ療法は PD の症状を改善するための最も効果的な治療法ですが、長期間の投与は時間の経過とともに効果を低下させ、付随的な影響 (ジスキネジア) の原因となります。 したがって、研究では、リズミカルな聴覚刺激 (RAS) などの聴覚キューに基づいて、代替の非薬理学的アプローチが調査されています。 多数の研究で、1 回の治療セッションの後と、より長いトレーニング プログラムの後、歩行速度、ケイデンス、ストライドの長さの改善、および上肢と下肢の筋肉活性化の対称性におけるプラスの効果が報告されています。 このような研究では、RAS 周波数は、患者の好みの歩行周波数のパーセンテージとして事前に設定されています。 すべての治療の期間は時間の経過とともに変化する可能性があるため、患者の症状のモニタリングと客観的な評価の両方に基づいて、投与量と治療の種類を継続的に調整する必要があります。 歩行分析 (GA) メソッドが提案され、生理的歩行の研究およびいくつかの疾患で検証されています。 GA の従来のシステムは光電子システムに基づいていますが、高価であり、持ち運びができず、熟練したオペレーターが必要です。 評価は常に実験室で行われ、実際の歩行とは異なる可能性があります (騒音環境、物体や人の存在、平らでない舗装、さまざまな色)。

その結果、従来の GA は、治療の毎日の管理や実際の状況の評価には信頼できません。 最近、研究者は、慣性測定ユニット (IMU) に基づくウェアラブル システムを開発しました。 かなりの数の研究が IMU 分析の妥当性を調査したとしても、PD 運動分析に関与した研究はほとんどありません。 ここ数年、慣性センサーを組み込んだ一連のウェアラブル デバイスが、人間の動作活動を監視するための低コストのソリューションとして市場に普及しています。 正確性を完全に検証する必要がありますが、これらのシステムはユーザー情報を提供して、ユーザー自身のアクティビティを追跡できます。 この説得力のある技術は、患者の身体活動とモチベーションを高める素晴らしい可能性を秘めており、長期にわたる継続的な記録という利点があります。

大量の客観的データ (ビッグデータセット) の使用と分析は、科学的な時間とリソースを効率的に使用し、ケア調整プログラムに関与し、経済的資源を節約し、より質の高いケアを提供するための新しいフロンティアです。 さらに、これらのシステムは、Web ベースのアプリケーション、遠隔医療、モバイル スマートフォンと統合されており、臨床医が日常生活でリアルタイムのモニタリングを通じてより適切に治療に取り組むのに役立ちます。 私たちの研究グループは、PD を含む多くの神経学的状態における歩行の質のさまざまな側面の臨床評価に関与してきました。 研究者は、ウェアラブル加速度計が臨床スコアと相関して、動的歩行安定性の定量的評価に役立つ可能性があることをすでに示しています。 研究者はまた、加速度が病状に特有の方法で変更される可能性があることも発見しました (知的障害が異なるタスクを同時に実行している)。 同様の状態はPDでも観察でき、固有の歩行調和のみが歩行障害の重症度と有意に相関することを示しています。 近年、日常の活動を数値化するためのウェアラブル ツールが数多く利用できるようになりました。 これは、PD患者の高調波ペースを回復するために対処されるRASの治療的使用の可能性にとって特に重要です。

特定の目的 1: 実際の環境で PD 患者の運動パターンを分析するには、ウェアラブル センサーによって歩行の特徴を取得し、それらを臨床および人口統計データと関連付けます。

特定の目的 2: PD 患者の歩行能力を向上させ、転倒のリスクを軽減するために、研究者はリアルタイムの音響フィードバック (RAS) と、適切で使いやすいアプリケーションに接続された統合センサーからのアラートをテストします。スマートフォン用。

特定の目的 3: 薬理学的およびリハビリテーション プロトコルを改善するために、研究者は、日常生活の歩行および運動データと臨床的特徴を分析して、転倒の理論的リスク モデルをテストします。

実験計画 目的 1: PD 患者は、ローマの Fondazione Policlinico Universitario Gemelli および Fondazione Don Gnocchi ONLUS で募集されます。 含まれるすべての患者は、特発性PDの影響を受けます。 臨床データは、訓練を受けた神経科医によって取得されます。

300 人の患者が、ウェアラブル センサーを介してリモートで監視されます。 被験者は、センサーを 14 日間連続して装着するように指示されます。 各患者は毎秒 100 回以上の測定を行い、大量のデータが生成されます。このデータはデータベースに保存され、その後、関心のあるデータでフィルタリングされます。 時空間歩行パラメータは、自発運動機能の全体的な有効性の正確な尺度を得るために、患者の歩行のパフォーマンスを監視するための情報を提供します。 その後、それらは電子患者記録と統合されます。 医師の処方箋、医療画像、その他の管理データなどの臨床データが記録されます。 最後に、転倒予測のリスクモデルを構築します。

実験計画の目的 2: 得られたデータを分析した後、アプリケーションを開発し (パーキンソン アプリ スマートフォン向け: P.A.St.A.)、信頼性、使いやすさ、視覚的な明瞭さ、手頃な価格を特徴とします。

このアプリケーションは、次のことができるようになります。1) 歩行の特徴を記録して、それらをクラウド内のサーバーに送信します。 2) 患者の歩行の特徴に適応した音響フィードバックを提供する (患者のニーズと予測リスクに基づいて、より高いまたはより低い周波数で)。 3) リスク指標に基づいてアラートを提供する (リスク指標は、転倒予測のリスク モデルに従って識別されます)。4) 必要に応じて更新します (例: 転倒後)。 チーム プロジェクトによって開発されたソフトウェア アプリケーションの使用に関するトレーニングの後、50 人の患者にスマートフォンが提供されます。 彼らはアプリケーションを 14 日間連続して使用します。 P.A.St.A.の使用前と使用後にスケールを使用した臨床評価を行い、運動機能と姿勢の安定性、そして最後に生活の質を分析します。 さらに、新規技術の採用への適合性が調査されます。

実験計画の目的 3: 得られた計算データは、PD の歩行障害の臨床バイオマーカーを特定するために、臨床的特徴と歩行パターンに関連付けられます。 何千人もの PD 患者の評価によって強化されたビッグデータセットを利用できるようになると、実際の生活環境における運動パターンに関する知識が向上し、現在の治療アプローチが改善されます。

方法論と統計分析: すべての統計分析は、Stata ソフトウェアを使用して実施されます。

AIM 1 - データは、カテゴリ変数の度数とパーセンテージとして要約されます。 連続変数は、平均と標準偏差または中央値と範囲として分析されます。 調査官は、正規プロットまたは有意性検定を使用して正規性を探します (例: Shapiro-Wilk W 検定)。 転倒の発生率が測定され、転倒が発生した状況とその結果が説明され、無傷、軽傷または重傷に分類されます。 多重ロジスティック回帰分析を使用して、転倒の独立した予測因子を決定します。 単変量解析の結果に基づいて、ロジスティック モデルに入力する変数が選択されます。 Hosmer-Lemeshow 適合度検定を使用して、モデルが特定の結果をどの程度説明しているかを評価します。 多変量解析の結果から転倒予測モデルを構築します。 予測スコアは、オッズ比ベースのスコアリング方法によって計算され、最も近い整数スコアが各予測変数に割り当てられます。 モデル識別力は、受信者動作特性曲線下面積分析によって評価されます。

AIM 2 - 記録されたデータは、歩行およびダイナミック バランス パラメータを抽出するために処理されます。 転倒の発生率、RAS の使用、および 14 日間の追跡期間内のリスク指標との相関関係が測定されます。 P.A.St.A の使用前後の転倒回数を比較するために、Wilcoxon の符号付き順位検定が実行されます。

AIM 3 - 必要に応じてカイ二乗検定、フィッシャーの正確確率検定、および独立した t 検定を使用して、治療前の患者の時空間歩行パラメーター、および人口統計学的および臨床的特徴を比較します。