此页面是自动翻译的,不保证翻译的准确性。请参阅 英文版 对于源文本。

改善帕金森病患者的行走能力 (PASTA)

2020年1月30日 更新者:Augusto Fusco、Fondazione Don Carlo Gnocchi Onlus

旨在提高步行能力和减少跌倒的帕金森应用程序智能手机 (P.A.S.T.A.)

帕金森病 (PD) 患者的步态障碍限制了日常活动的独立性,并显着增加了跌倒的风险。 已经提出了基于可穿戴惯性传感器的新步态分析方法来跟踪治疗期间和现实生活条件下的步态特征。 基于听觉线索的步态训练作为节奏性听觉刺激 (RAS) 已初步显示出改善 PD 步态速度、步幅长度、步行步频的积极效果。 在目前的项目中,研究小组将致力于开发一款集成了传感器和 RAS 的智能手机应用程序(Parkinson App Smartphone Aimed:P.A.St.A.)。 第二次,研究人员将分析可穿戴传感器获得的时空步态参数以及社会人口学和临床数据,从而生成一个大数据集,以提高对当前药物治疗和康复的认识。

研究概览

地位

未知

详细说明

帕金森病 (PD) 是一种慢性进行性运动障碍,主要是由于运动控制的改变。 步态障碍是PD患者的主要症状,表现为步长和行走速度减慢、步态时相分布异常、步速不匀、步态不对称和关节协调性降低。 姿势不稳定和步态特征的恶化明显增加了这些患者跌倒的风险,导致丧失独立性和长期预后恶化。 已经清楚地证明,运动障碍与基底神经节功能障碍有关,基底神经节是一种大脑结构,可作为重复运动序列中每个子运动激活(和停用)的“起搏器”。 PD 中内部节奏线索的中断可能解释了运动执行的不流畅和调节步幅长度的困难,从而导致节奏增加。 左旋多巴疗法是改善 PD 症状的最有效疗法,但长期给药会随着时间的推移降低其疗效,并且会产生附带效应(运动障碍)。 因此,研究已经调查了替代的非药理学方法,这些方法基于作为节奏听觉刺激 (RAS) 的听觉线索。 大量研究表明,在单次治疗后和较长时间的训练计划后均有积极效果,步态速度、节奏和步幅以及上肢和下肢肌肉激活的对称性得到改善。 在此类研究中,RAS 频率被预设为患者首选步行频率的百分比。 由于所有治疗的持续时间可能会随时间变化,因此有必要根据患者对症状的监测和客观评估不断调整剂量和治疗类型。 步态分析 (GA) 方法已被提出并验证用于生理步态和多种疾病的研究。 传统的 GA 系统基于光电系统,但它们价格昂贵、不便携且需要熟练的操作员。 评估始终在具有实验装置的实验室中进行,可能与现实生活中的行走不同(噪音环境、物体和人的存在或不平坦的路面、不同的颜色)。

因此,传统的 GA 对于治疗的日常控制或对现实生活情况的评估是不可靠的。 最近,研究人员开发了基于惯性测量单元 (IMU) 的可穿戴系统。 即使有相当多的研究探索了 IMU 分析的有效性,但很少有研究涉及 PD 运动分析。 在过去的几年中,一组嵌入惯性传感器的可穿戴设备作为监测人体运动活动的低成本解决方案在市场上流行。 虽然它们仍然需要在准确性上得到充分验证,但这些系统可以为用户提供信息以跟踪他/她自己的活动。 这种有说服力的技术具有极大的潜力,可以增强患者的身体活动和积极性,并具有长时间和连续记录的优势。

大量客观数据(大数据集)的使用和分析是有效利用科学时间和资源、参与护理协调计划、节省经济资源和提供更高质量护理的新领域。 此外,这些系统与基于网络的应用程序、远程医疗和移动智能手机相结合,可以帮助临床医生通过日常生活中的实时监控更恰当地进行治疗。 我们的研究小组参与了包括 PD 在内的许多神经系统疾病步态质量不同方面的临床评估。 研究人员已经表明,可穿戴加速度计可用于定量评估与临床评分相关的动态步态稳定性。 研究人员还发现,加速度可以以特定于病理的方式改变(智力障碍者同时执行不同的任务)。 在 PD 中也可以观察到类似的情况,表明只有内在的步态和谐与步态障碍的严重程度显着相关。 近年来,许多可穿戴工具已可用于量化日常活动。 这对于 RAS 的可能治疗用途尤为重要,RAS 旨在恢复 PD 患者的和谐步伐。

具体目标 1:为了分析 PD 患者在现实生活中的运动模式,将通过可穿戴传感器获取步态特征,以便将其与临床和人口统计学数据相关联。

具体目标 2:为了提高步行能力并降低 PD 患者跌倒的风险,研究人员将测试实时声学反馈 (RAS) 和来自与合适且易于使用的应用程序连接的集成传感器的警报对于智能手机。

具体目标 3:为了改进药理学和康复方案,研究人员将分析日常生活步态和运动数据以及临床特征,以测试跌倒的理论风险模型。

实验设计目标 1:将在罗马的 Fondazione Policlinico Universitario Gemelli 和 Fondazione Don Gnocchi ONLUS 招募 PD 患者。 所有纳入的患者都将受到特发性 PD 的影响。 临床数据将由训练有素的神经科医生获取。

三百名患者将通过可穿戴传感器进行远程监控。 将指示受试者连续 14 天佩戴传感器。 每位患者每秒将进行 100 多次测量,产生大量数据,这些数据将存储在数据库中,随后过滤出感兴趣的数据。 时空步态参数将提供信息来监测患者的步行表现,以便准确测量运动功能的整体功效。 然后,它们将与电子病历整合。 将记录临床数据,如医生的处方、医学影像和其他管理数据。 最后,将构建预测跌倒的风险模型。

实验设计目标 2:在对获得的数据进行分析后,将开发一个应用程序(Parkinson App Smartphone Aimed:P.A.St.A.),其特点是可靠、易于使用、视觉清晰和负担得起。

该应用程序将能够:1) 记录步态特征并将其发送到云端服务器; 2) 提供适合患者步态特征的声音反馈(根据患者的需要和预测风险,频率更高或更低); 3) 根据风险指数提供警报(风险指数将根据预测跌倒的风险模型确定)和 4) 在需要时更新(例如跌倒后)。 在接受团队项目开发的软件应用程序使用培训后,将为 50 名患者提供智能手机。 他们将连续 14 天使用该应用程序。 将在使用 P.A.St.A. 前后进行量表临床评估,以分析运动功能和姿势稳定性,最后分析生活质量。 此外,还将调查采用新技术的合规性。

实验设计目标 3:获得的计算数据将与临床特征和步态模式相关联,以确定 PD 步态障碍的临床生物标志物。 由数千名 PD 患者的评估提供支持的大数据集的可用性将有助于提高对现实生活中运动模式的了解,并改进当前的治疗方法。

方法和统计分析:所有统计分析将使用 Stata 软件进行。

AIM 1 - 数据将总结为分类变量的频率和百分比。 连续变量将作为均值和标准差或中位数和范围进行分析。 调查人员将通过使用正态图或显着性检验(例如 夏皮罗-威尔克 W 检验)。 将测量跌倒的发生率,并描述跌倒发生的情况及其后果,分为无伤害、轻伤或重伤。 将使用多元逻辑回归分析来确定跌倒的独立预测因子。 将根据单变量分析的结果选择变量以进入逻辑模型。 Hosmer-Lemeshow 拟合优度检验将用于评估模型对特定结果的解释情况。 跌倒的预测模型将从多变量分析的结果中发展出来。 预测分数将通过基于比值比的评分方法计算,并将最接近的整数分数分配给每个预测变量。 模型判别力将通过曲线分析下的接受者操作特征面积来评估。

AIM 2 - 记录的数据将被处理以提取步态和动态平衡参数。 将在 14 天内测量跌倒的发生率、RAS 的使用及其与风险指数的相关性。 将执行 Wilcoxon 符号秩检验,以比较使用 P.A.St.A. 前后的跌倒次数。

目标 3 - 治疗前患者的时空步态参数以及人口统计学和临床​​特征将使用卡方检验、Fisher 精确检验和适当的独立 t 检验进行比较。

研究类型

观察性的

注册 (预期的)

300

联系人和位置

本节提供了进行研究的人员的详细联系信息,以及有关进行该研究的地点的信息。

学习地点

      • Roma、意大利、00166
        • 招聘中
        • Fondazione Don Carlo Gnocchi Onlus
        • 接触:

参与标准

研究人员寻找符合特定描述的人,称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。

资格标准

适合学习的年龄

14年 及以上 (成人、年长者)

接受健康志愿者

不

有资格学习的性别

全部

取样方法

非概率样本

研究人群

PD 患者将被纳入 Gemelli 大学医院运动障碍科的门诊患者和 Fondazione Don Carlo Gnocchi Onlus 的门诊患者。

描述

纳入标准:

  • 神经科医生诊断出特发性帕金森病
  • 签署知情同意书的能力

排除标准:

  • 无法签署知情同意书
  • 无法填写问卷(即 由于视力不佳,无法阅读等)
  • 存在精神疾病(发作或任何形式的精神病,在去年由精神科医生诊断)。
  • 年龄未满 18 岁

学习计划

本节提供研究计划的详细信息,包括研究的设计方式和研究的衡量标准。

研究是如何设计的?

设计细节

  • 观测模型:队列
  • 时间观点:预期

队列和干预

团体/队列
干预/治疗
帕金森病患者

PD 患者将在罗马的 Fondazione Policlinico Universitario Gemelli 和 Fondazione Don Gnocchi ONLUS 招募。 所有纳入的患者都将受到特发性 PD 的影响。 临床数据将由训练有素的神经科医生获取。

我们将通过可穿戴传感器远程监控 300 名患者。 将指示受试者连续 14 天佩戴传感器。

可穿戴传感器监测帕金森病患者

研究衡量的是什么?

主要结果指标

结果测量
措施说明
大体时间
在执行 UPDRS 第 3 部分和基线总考试期间,惯性传感器派生的运动功能测量值与临床医生评分之间的相关性
大体时间:十四天
从现实生活中连续十四天记录的加速度计信号中提取的特征,将与 UPDRS 第 3 部分的每个相关组成部分和相应的临床医生评级相关联,以量化这些措施之间的关系。
十四天

次要结果测量

结果测量
措施说明
大体时间
起床时间
大体时间:基线
Time Up&Go 是一项简单的测试,用于评估一个人的活动能力,需要静态和动态平衡。 它使用一个人从椅子上站起来、步行三米、转身、走回椅子并坐下所需的时间。 在测试期间,预计该人会穿上他们的常规鞋类并使用他们通常需要的任何助行器。
基线

合作者和调查者

在这里您可以找到参与这项研究的人员和组织。

调查人员

  • 首席研究员:Augusto Fusco, M.D.; Ph.D.、IRCCS Fondazione Don Carlo Gnocchi

出版物和有用的链接

负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。

一般刊物

研究记录日期

这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查,以确保它们在发布到公共网站之前符合特定的质量控制标准。

研究主要日期

学习开始 (实际的)

2019年4月23日

初级完成 (预期的)

2020年5月31日

研究完成 (预期的)

2021年12月31日

研究注册日期

首次提交

2019年3月18日

首先提交符合 QC 标准的

2019年4月16日

首次发布 (实际的)

2019年4月19日

研究记录更新

最后更新发布 (实际的)

2020年1月31日

上次提交的符合 QC 标准的更新

2020年1月30日

最后验证

2020年1月1日

更多信息

与本研究相关的术语

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)?

不

药物和器械信息、研究文件

研究美国 FDA 监管的药品

不

研究美国 FDA 监管的设备产品

不

此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.

订阅