Effect van haptische cueing op autocorrelaties over lange afstand bij de loopvariabiliteit van de ziekte van Parkinson

1. ACHTERGROND De ziekte van Parkinson (PD) is de tweede meest voorkomende degeneratieve neurologische ziekte. PD veroorzaakt loopstoornissen die leiden tot een verhoogd risico op vallen. Deze valpartijen tasten de kwaliteit van leven van patiënten ernstig aan en brengen aanzienlijke kosten voor de gezondheidszorg met zich mee. Helaas reageren loopstoornissen niet goed op medicamenteuze behandelingen en hun behandeling is voornamelijk gebaseerd op revalidatiebehandelingen. De revalidatiebenadering bestaat uit twee stappen: een functionele beoordeling van de locomotorische capaciteiten gevolgd door voltooiing van een therapeutisch oefenprogramma.

   Net als de hartslag varieert de pasduur op korte en lange termijn volgens een complexe dynamiek van temporele variaties. Deze variaties vertonen langeafstandsautocorrelaties (LRA): de pasduur varieert niet willekeurig maar op een gestructureerde manier. De studie van LRA is gebaseerd op complexe wiskundige methoden die het vastleggen van ten minste 256 opeenvolgende loopcycli vereisen. LRA zijn veranderd bij PD-patiënten met een te willekeurig loopritme. Verandering van LRA is gecorreleerd met neurologische stoornissen (Hoehn & Yahr-schaal en UPDRS) en de locomotorische stabiliteit van de patiënt (ABC-schaal & BESTest). Meting van LRA zou de eerste beschikbare objectieve en kwantitatieve biomarker zijn van stabiliteit en risico op vallen bij patiënten met de ziekte van Parkinson.

   Richtlijnen met betrekking tot revalidatieprogramma's voor PD-patiënten zijn gebaseerd op onderwijs (preventie van vallen en inactiviteit,...), fysieke oefeningen, functionele training (dubbeltaak, complexe taken,...), leren en aanpassingsstrategieën zoals het gebruik van ritmische zintuiglijke cueing. Auditieve cueing (AC) wordt al jaren gebruikt voor klinische en onderzoeksdoeleinden en de effecten ervan op spatio-temporele loopparameters en LRA zijn bekend. Er is minder bekend over Haptic/Somatosensory Cueing (HC). Er zijn enkele onderzoeken uitgevoerd om de invloed van HC op spatio-temporele loopparameters van de ziekte van Parkinson te bestuderen, maar voor zover wij weten, heeft geen enkele de effecten ervan op LRA onderzocht. Het doel van deze huidige studie was om PD saptio-temporele loopparameters en LRA te vergelijken onder drie omstandigheden: lopen zonder aanwijzingen, lopen met AC en lopen met HC.

2. METHODEN 2.1 Deelnemers: 10 patiënten die leden aan de idiopathische ziekte van Parkinson werden geworven uit de lokale gemeenschap en uit de poliklinieken Neurologie en Fysische en Revalidatiegeneeskunde van de Cliniques universitaires Saint-Luc (Sint-Lambrechts-Woluwe, België).

2.2 Functionele beoordeling: voordat de experimenten beginnen, ondergingen alle deelnemers een niet-schadelijke beoordeling, inclusief klinische tests en vragenlijsten

PD-patiënten: leeftijd, lengte, gewicht, geslacht, meest aangedane zijde, Movement Disorder Society-Unified Parkinson Disease Rating Scale (MDS-UPDRS), Mini Balance Evaluation Systems Test (Mini-BESTest), vereenvoudigde versie van de activiteitenspecifieke Balance Confidence Schaal (ABC-schaal), gemodificeerde Hoehn & Yahr-schaal, Mini Mental State Examination (MMSE).

2.3 Procedure: Elke deelnemer liep in drie condities in een willekeurige volgorde. Elke conditie duurde ± 10 minuten om 256 loopcycli verplicht te krijgen om de aanwezigheid van LRA te beoordelen met behulp van de gelijkmatig verdeelde gemiddelde versie van de Detrended Fluctuations Analysis (DFA).

De eerste conditie was de controleconditie (CC), patiënten liepen zonder enige aanwijzing op een rechthoekige baan met afgeronde hoek van 63,2 meter in CUSL op hun comfortabele loopsnelheid.

De tweede conditie was de Auditieve Cueing Condition (ACC) en bestond uit het lopen op dezelfde rechthoekige baan met behulp van auditieve cueing door middel van een smartphone-app genaamd Soundbrenner. Deze app maakte het mogelijk om ritmische auditieve stimulaties nauwkeurig af te geven via oortelefoons die 10% sneller waren dan de voorkeursstapfrequentie van elke patiënt die vóór het experiment werd beoordeeld.

De laatste aandoening was de Haptic Cueing Condition (ACC) en bestond uit het lopen op dezelfde rechthoekige baan met behulp van haptische cueing door middel van een vibrerend apparaat genaamd Soundbrenner Pulse en bevestigd aan de pols van elke patiënt aan de meest aangedane zijde. De Soundbrenner-app op de smartphone was via Bluetooth verbonden met de Soundbrenner Pulse om ritmische vibrerende stimulaties te leveren die ook 10% sneller waren dan de gewenste stapfrequentie van elke patiënt, dezelfde frequentie als tijdens ACC.

2.4 Data-acquisitie: Twee Inertial Measurement Units (IMU) (IMeasureU Research, VICON, VS) werden op de beide laterale malleoli van de patiënt geplakt. Met dit systeem konden enkelversnellingen bij 500 Hz worden geregistreerd. De gegevens werden vervolgens op een computer gezet en elke acceleratiepiek, overeenkomend met elke hielaanval, werd gedetecteerd door intern ontwikkelde software om alle pasduur te bepalen.

2.5 Gangbeoordeling: gegevens werden geëxtraheerd uit 256 opeenvolgende loopcycli die nodig zijn voor LRA-berekeningen.

2.5.1 Spatiotemporele loopvariabelen:

De gemiddelde loopsnelheid, loopcadans en paslengte werden als volgt gemeten:

Gemiddelde loopsnelheid (m.s-1) = totale loopafstand (m)/ acquisitieduur (s) Loopcadans (#steps.min-1) = Totaal aantal stappen (#)/Acquisitieduur (min) Staplengte (m) = Loopsnelheid (m/s)*60/Loopcadans (stappen/min)

2.5.2 Variabiliteit van de pasduur: De variabiliteit van de pasduur kan op 2 manieren worden beoordeeld: in termen van omvang of in termen van organisatie (hoe de pasduur evolueert over opeenvolgende loopcycli).

2.5.2.1 Omvang van de variabiliteit van de pasduur: Om het effect te bepalen van de RAS op de grootte van de variabiliteit van de pasduur gedurende 256 loopcycli, het gemiddelde, de standaarddeviatie (SD) en de variatiecoëfficiënt (CV = [SD/ gemiddelde] * 100) werden beoordeeld.

2.5.2.2 Temporele organisatie van de variabiliteit van de pasduur: De temporele organisatie van de variabiliteit van de pasduur werd beoordeeld door LRA-berekening met behulp van de gelijkmatig verdeelde gemiddelde versie van de Detrended Fluctuation Analysis (DFA) om α-exponent te verkrijgen. De aanwezigheid van LRA kan worden weergegeven met α-exponentwaarden tussen 0,5 en 1.

Gegevens werden behandeld met behulp van CVI Labwindows (C++).

2.6 Statistische analyses: Statistische analyses werden uitgevoerd met behulp van Sigmaplot 13. Als de normaliteitstest slaagde, werd een eenzijdige ANOVA met herhaalde metingen toegepast om het effect van de verschillende loopcondities op spatiotemporele loopparameters (loopsnelheid, loopcadans, paslengte) en op lineaire en niet-lineaire metingen van de variabiliteit van de pasduur (CV) te bepalen. , SD-, H- en α-exponenten). Als er een significant verschil tussen groepen werd gedetecteerd met de ANOVA, werd een Holm-Sidak post hoc-test uitgevoerd om elk gemiddelde te vergelijken met de andere middelen om de groepen van elkaar te isoleren. De effectgrootte tussen condities met betrekking tot alle parameters werd beoordeeld met behulp van Cohen's d.