Poprawa zdolności chodzenia w chorobie Parkinsona (PASTA)

Choroba Parkinsona (PD) jest przewlekłym i postępującym zaburzeniem ruchowym, głównie z powodu zmienionej kontroli motorycznej. Zaburzenia chodu są głównymi objawami u pacjentów z ChP, ze zmniejszoną długością kroku i szybkością chodu, nieprawidłowym rozkładem faz chodu, niestałym tempem, asymetrią chodu i upośledzoną koordynacją stawową. Niestabilność posturalna i pogorszenie cech chodu znacząco zwiększają ryzyko upadków u tych pacjentów, co skutkuje utratą samodzielności i pogorszeniem rokowania odległego. Wyraźnie wykazano, że upośledzenia ruchowe są związane z dysfunkcją zwojów podstawy mózgu, struktury mózgu, która działa jako „rozrusznik” do aktywacji (i dezaktywacji) każdego pod-ruchu w ramach powtarzalnej sekwencji ruchów. Zakłócenie wewnętrznych sygnałów rytmicznych w PD może tłumaczyć słabą płynność wykonywania ruchu i trudności w regulacji długości kroku, skutkujące wzrostem kadencji. Terapia lewodopą jest najskuteczniejszym sposobem leczenia objawów choroby Parkinsona, jednak długotrwałe podawanie zmniejsza jej skuteczność w czasie i odpowiada za efekty uboczne (dyskinezy). Dlatego badacze zbadali alternatywne podejścia niefarmakologiczne, oparte na sygnałach słuchowych, takich jak Rytmiczna Stymulacja Słuchowa (RAS). W wielu badaniach odnotowano pozytywne efekty zarówno po pojedynczej sesji leczenia, jak i po dłuższych programach treningowych, w postaci poprawy prędkości chodu, rytmu i długości kroku oraz symetrii aktywacji mięśni kończyn górnych i dolnych. W takich badaniach częstotliwości RAS są wstępnie ustawione jako procent preferowanej przez pacjenta częstotliwości chodzenia. Ponieważ czas trwania wszystkich terapii może zmieniać się w czasie, konieczne jest ciągłe dostosowywanie dawki i rodzaju leczenia, zarówno w oparciu o obserwację objawów przez pacjentów, jak i obiektywną ocenę. Metody analizy chodu (GA) zostały zaproponowane i zatwierdzone do badania chodu fizjologicznego oraz w kilku chorobach. Tradycyjne systemy GA oparte są na układach optoelektronicznych, ale są drogie, mało przenośne i wymagają wykwalifikowanych operatorów. Ocena jest zawsze przeprowadzana w laboratoriach z ustawieniami eksperymentalnymi, które prawdopodobnie różnią się od rzeczywistego chodzenia (hałas, obecność przedmiotów i ludzi lub nierówny chodnik, różne kolory).

W związku z tym tradycyjna GA nie jest wiarygodna w codziennej kontroli zabiegów ani w ocenie rzeczywistych sytuacji. Niedawno naukowcy opracowali systemy do noszenia na ciele, oparte na inercyjnych jednostkach pomiarowych (IMU). Nawet jeśli znaczna liczba badań zbadała ważność analizy IMU, bardzo niewiele było zaangażowanych w analizy ruchu PD. W ciągu ostatnich kilku lat na rynku rozpowszechniły się zestawy urządzeń ubieralnych z wbudowanymi czujnikami inercyjnymi jako niskobudżetowe rozwiązania do monitorowania czynności ruchowych człowieka. Chociaż nadal muszą one zostać w pełni zweryfikowane pod względem dokładności, systemy te mogą dostarczać użytkownikowi informacji umożliwiających śledzenie jego własnej aktywności. Ta przekonująca technologia ma ogromny potencjał w zakresie zwiększania aktywności fizycznej i motywacji pacjentów, z korzyścią w postaci przedłużonej i ciągłej rejestracji.

Wykorzystanie i analiza dużej ilości obiektywnych danych (big data set) to nowa granica efektywnego wykorzystania czasu i zasobów naukowych, zaangażowania programu koordynacji opieki, oszczędności zasobów ekonomicznych i zapewnienia wyższej jakości opieki. Ponadto systemy te, zintegrowane z aplikacją internetową, telemedycyną i smartfonami mobilnymi, mogą pomóc klinicystom w lepszym adresowaniu leczenia poprzez monitorowanie w czasie rzeczywistym w życiu codziennym. Nasza grupa badawcza była zaangażowana w kliniczną ocenę różnych aspektów jakości chodu w wielu stanach neurologicznych, w tym w chorobie Parkinsona. Badacze wykazali już, że akcelerometry nadające się do noszenia mogą być przydatne w ilościowej ocenie dynamicznej stabilności chodu, w korelacji z wynikami klinicznymi. Naukowcy odkryli również, że przyspieszenia mogą być zmieniane w sposób specyficzny dla patologii (niepełnosprawność intelektualna wykonująca jednocześnie różne zadania). Podobny stan można zaobserwować również w PD, pokazując, że tylko wewnętrzna harmonia chodu istotnie koreluje z nasileniem zaburzeń chodu. W ostatnich latach pojawiło się wiele narzędzi do noszenia, które pozwalają na ilościową ocenę codziennej aktywności. Jest to szczególnie ważne dla ewentualnego zastosowania terapeutycznego RAS, czyli ukierunkowanego na przywrócenie rytmu harmonicznego u pacjentów z ChP.

Cel szczegółowy 1: Aby przeanalizować wzorce motoryczne u pacjentów z PD w rzeczywistych warunkach, cechy chodu zostaną uzyskane za pomocą czujników do noszenia w celu powiązania ich z danymi klinicznymi i demograficznymi.

Cel szczegółowy 2: Aby poprawić zdolność chodzenia i zmniejszyć ryzyko upadków u pacjentów z chorobą Parkinsona, naukowcy przetestują akustyczne sprzężenie zwrotne (RAS) w czasie rzeczywistym i alarmy ze zintegrowanych czujników połączonych z odpowiednią i łatwą w użyciu aplikacją dla smartfonów.

Cel szczegółowy 3: Aby udoskonalić protokoły farmakologiczne i rehabilitacyjne, badacze przeanalizują codzienne dane dotyczące chodu i motoryki oraz cechy kliniczne, aby przetestować teoretyczny model ryzyka upadków.

Projekt eksperymentu Cel 1: Pacjenci z PD będą rekrutowani w Fondazione Policlinico Universitario Gemelli i Fondazione Don Gnocchi ONLUS w Rzymie. Wszyscy włączeni pacjenci będą dotknięci idiopatyczną chorobą Parkinsona. Dane kliniczne zostaną zebrane przez przeszkolonego neurologa.

Trzysta pacjentów będzie zdalnie monitorowanych za pomocą czujników do noszenia. Badani zostaną poinstruowani, aby nosić czujnik przez 14 kolejnych dni. Każdy pacjent będzie miał ponad 100 pomiarów na sekundę, generując dużą ilość danych, które będą przechowywane w bazie danych, a następnie filtrowane pod kątem interesujących ich danych. Czasoprzestrzenne parametry chodu dostarczą informacji do monitorowania wydajności chodu pacjenta w celu uzyskania dokładnej miary ogólnej skuteczności funkcji lokomotorycznej. Następnie zostaną one zintegrowane z elektroniczną kartoteką pacjenta. Rejestrowane będą dane kliniczne, takie jak recepty lekarskie, obrazowanie medyczne i inne dane administracyjne. Na koniec zostanie skonstruowany model ryzyka do przewidywania upadków.

Projekt eksperymentalny Cel 2: Po analizie uzyskanych danych zostanie opracowana aplikacja (Parkinson App Smartphone Aimed: P.A.St.A.), która będzie charakteryzować się niezawodnością, łatwością obsługi, przejrzystością wizualną i przystępnością cenową.

Aplikacja ta będzie mogła: 1) rejestrować cechy chodu przesyłając je na serwer w chmurze; 2) zapewnić akustyczną informację zwrotną dostosowaną do cech chodu pacjenta (z wyższą lub niższą częstotliwością w zależności od potrzeb pacjenta i przewidywanego ryzyka); 3) dostarczać alerty na podstawie wskaźników ryzyka (wskaźniki ryzyka będą identyfikowane zgodnie z modelem ryzyka do przewidywania upadków) oraz 4) być aktualizowane w razie potrzeby (np. po upadku). Pięćdziesięciu pacjentów otrzyma smartfon, po przeszkoleniu z obsługi aplikacji opracowanej przez zespół projektu. Z aplikacji będą korzystać przez okres 14 kolejnych dni. Przed i po zastosowaniu P.A.St.A. zostaną przeprowadzone oceny kliniczne z użyciem skal, aby przeanalizować funkcje motoryczne i stabilność posturalną oraz ostatecznie jakość życia. Ponadto zbadana zostanie zgodność z przyjęciem nowej technologii.

Projekt eksperymentalny Cel 3: Uzyskane dane obliczeniowe zostaną powiązane z cechami klinicznymi i wzorcami chodu w celu identyfikacji klinicznych biomarkerów upośledzenia chodu w PD. Dostępność dużych zbiorów danych, opartych na ocenach tysięcy pacjentów z PD, pozwoli na poprawę wiedzy na temat wzorców motorycznych w rzeczywistych warunkach i ulepszenie obecnego podejścia terapeutycznego.

Metodologie i analizy statystyczne: Wszystkie analizy statystyczne zostaną przeprowadzone przy użyciu oprogramowania Stata.

CEL 1 – Dane zostaną podsumowane jako częstości i procenty dla zmiennych kategorycznych. Zmienne ciągłe będą analizowane jako średnie i odchylenia standardowe lub mediany i rozstępy. Badacze będą szukać normalności, używając wykresów normalnych lub testów istotności (np. test W Shapiro-Wilka). Zmierzona zostanie częstość upadków, zostaną opisane okoliczności, w jakich one występują i ich skutki, z podziałem na brak urazów, drobne lub poważne urazy. Wielokrotna analiza regresji logistycznej zostanie wykorzystana do określenia niezależnych predyktorów upadków. Zmienne zostaną wybrane do wprowadzenia do modelu logistycznego na podstawie wyników analiz jednowymiarowych. Test dobroci dopasowania Hosmera-Lemeshow zostanie wykorzystany do oceny, jak dobrze model uwzględniał określone wyniki. Model prognozowania spadków zostanie opracowany na podstawie wyników analizy wielowymiarowej. Predykcyjny wynik zostanie obliczony metodą punktacji opartą na ilorazie szans, a każdemu predyktorowi zostaną przypisane najbliższe wyniki całkowite. Moc dyskryminacyjna modelu zostanie oceniona przez obszar charakterystyki pracy odbiornika pod analizą krzywej.

CEL 2 – Zarejestrowane dane zostaną przetworzone w celu wyodrębnienia parametrów chodu i równowagi dynamicznej. Zmierzona zostanie częstość upadków, wykorzystanie RAS i jego korelacja ze wskaźnikami ryzyka w ciągu 14 dni obserwacji. Test Wilcoxona zostanie przeprowadzony w celu porównania liczby upadków przed i po zastosowaniu P.A.St.A.

CEL 3 – Czasoprzestrzenne parametry chodu oraz charakterystyka demograficzna i kliniczna pacjentów przed terapią zostaną porównane za pomocą testu chi-kwadrat, dokładnego testu Fishera i niezależnych testów t, jeśli to konieczne.