Projeto Knee4Life: Capacitando a recuperação do joelho após a substituição total do joelho por meio da saúde digital (K4L)

1. Fundo

   A substituição total do joelho (TKR) é um procedimento comum, com mais de 100.000 por ano realizados na Inglaterra e no País de Gales. Embora a maioria dos pacientes tenha um resultado bem sucedido após a ATJ, aproximadamente 10-20% dos pacientes estão insatisfeitos, principalmente por causa da dor e rigidez do joelho. Um método para detectar precocemente problemas de dor e rigidez poderia facilitar o encaminhamento precoce para tratamentos não cirúrgicos, que são eficazes na prevenção da necessidade de manipulação sob anestesia [MUA]. Atualmente, as taxas de MUA são de 2,5% (~2.500 pacientes por ano na Inglaterra e no País de Gales), custando aproximadamente £14 mil por procedimento. Nossa compreensão atual de quando a rigidez se desenvolve e o momento e o(s) melhor(es) tratamento(s) para rigidez são limitados. Uma recente Parceria de Definição de Prioridades da Aliança James Lind identificou a rigidez após TKR como uma das 10 principais prioridades de pesquisa para melhor compreender e testar as intervenções. As medidas atuais não são precisas nem adequadas para uso doméstico. Os investigadores precisam de ferramentas para medir com precisão os primeiros indicadores de rigidez.

2. Justificativa

Os investigadores atualmente não têm nenhuma ferramenta para detectar remotamente e com precisão o desenvolvimento de rigidez pós-cirúrgica precoce do joelho. Este estudo tem como objetivo desenvolver uma ferramenta econômica para medir e quantificar a rigidez do joelho antes e depois da cirurgia de substituição total do joelho (TKR) para uso em todo o NHS. A pesquisa busca entender como a amplitude de movimento (ADM) do joelho se recupera após ATJ e detectar sinais precoces de rigidez. Também visa prever quem pode desenvolver rigidez após ATJ e explorar a relação entre dor e rigidez.

Os métodos atuais para medir a amplitude de movimento (ADM) do joelho, como ferramentas manuais para medir ângulos, têm limitações em termos de precisão e precisam de pessoal de saúde treinado para usá-los. A ferramenta ideal seria de baixo custo, fácil de usar e fornecer feedback rápido aos pacientes e equipes clínicas. O estudo envolverá o desenvolvimento e validação de uma abordagem baseada em visão computacional (usando câmeras para avaliar os movimentos) para monitorar a flexão e extensão do joelho e uma avaliação do padrão de caminhada. A tecnologia baseada em vídeo ou visão computacional (CV) foi recentemente pioneira em Exeter para medir o movimento da coluna em pacientes com espondilite anquilosante. A visão computacional é uma tecnologia emergente que tem grande potencial para monitorar a flexão do joelho em pessoas com rigidez do joelho. Essa abordagem envolve o uso de câmeras e algoritmos de aprendizado de máquina para detectar e analisar automaticamente os ângulos das articulações do joelho durante o movimento. Ao fornecer medidas objetivas e precisas da flexão do joelho, a visão computacional tem o potencial de melhorar a avaliação da rigidez do joelho e facilitar intervenções de tratamento direcionadas. Contudo, como acontece com qualquer nova tecnologia, há necessidade de validar o método no contexto de pacientes com rigidez de joelho para garantir sua precisão e confiabilidade. Estudos destacaram a importância do desenvolvimento de algoritmos de aprendizado de máquina especificamente para esta população de pacientes, para levar em conta diferenças individuais nos padrões de movimento e limitações devido à rigidez. Mais pesquisas são necessárias para avaliar a validade e a viabilidade de abordagens baseadas em visão computacional para monitorar a flexão do joelho em pessoas com rigidez do joelho, o que poderia, em última análise, melhorar o diagnóstico, o monitoramento e o tratamento dessa condição.

A validação da abordagem baseada em visão computacional para monitorar a flexão do joelho em pessoas com rigidez do joelho é essencial para garantir sua confiabilidade e precisão. Isso requer o desenvolvimento e o refinamento de algoritmos de aprendizado de máquina que possam detectar e medir com precisão os ângulos das articulações do joelho nesta população de pacientes. Este estudo avaliará a exatidão e precisão do algoritmo em relação aos métodos de medição padrão-ouro, como captura de movimento ou goniometria. Além disso, este estudo examinará a sensibilidade da abordagem às mudanças na flexão do joelho devido à rigidez e dor e avaliará sua viabilidade em um ambiente clínico. Uma vez validada, a abordagem baseada na visão computacional tem o potencial de fornecer um meio não invasivo e objetivo de monitorar a flexão do joelho em pessoas com rigidez do joelho, o que poderia informar as decisões de tratamento e melhorar os resultados dos pacientes.

Outra ferramenta que os investigadores usarão é o aplicativo Gaitcapture que aproveita o acelerômetro e o sensor giroscópio de um telefone celular e atua de forma semelhante a uma unidade de medição inercial (IMU) para nos fornecer dados de aceleração e rotação.

A validação da abordagem baseada em visão computacional envolverá compará-la com métodos de medição padrão-ouro (avaliação de fisioterapia especializada).

Além da abordagem baseada em visão computacional, o estudo utilizará sensores usados ​​no corpo e aplicativos móveis para monitorar os níveis de atividade física, padrões de caminhada e contagem de passos dos participantes. Esses dados fornecerão insights sobre os padrões gerais de atividade física das pessoas com TKR e ajudarão a avaliar a usabilidade, aceitabilidade, viabilidade e precisão das ferramentas de diagnóstico e monitoramento.

As descobertas deste projeto de pesquisa têm o potencial de melhorar o diagnóstico, monitoramento e tratamento da rigidez do joelho após a artroplastia total do joelho (TKR), com potencial para reduzir a necessidade de cirurgia MUA. Ao fornecer medições precisas e detecção precoce, as ferramentas desenvolvidas neste estudo poderiam permitir o encaminhamento precoce para tratamentos não cirúrgicos e reduzir a necessidade de procedimentos caros e arriscados para melhorar a amplitude de movimento (ADM) do joelho após a cirurgia de substituição total do joelho (TKR). como uma manipulação do joelho sob anestesia.

Aqui, os investigadores conduzirão um estudo de validação de um algoritmo de captura de movimento sem marcador para determinar sua precisão e avaliar sua viabilidade e usabilidade para implementação em larga escala em casa. os investigadores também verificarão a confiabilidade teste-reteste das saídas do algoritmo, como ângulos de flexão/extensão do joelho.