渐进式跑步机训练方案对帕金森病的影响

研究设计：单中心、非营利、随机对照、单盲试验（评估干预效果的临床医生将采用盲法），并使用活性比较剂。 该研究反映了实验治疗相对于标准治疗的优越性设计。 治疗组将通过随机分配。 将比较两种处理获得的结果。

该研究的主办方是意大利佛罗伦萨大学临床与实验医学系；该研究将在“Struttura Organizzativa Dipartimentale (SOD) di Riabilitazione Generale- Istituto di Ricovero e Cura a Carattere Scientifico (IRCCS) Fondazione Don Carlo Gnocchi, Florence”进行。

外部服务的合作者：

• IRCCS Don Carlo Gnocchi Florence 运动分析实验室
• IRCCS Don Carlo Gnocchi Milan 的纳米医学和临床生物光子学实验室 (LABION)

研究开始时间和时长：研究于 2022 年 7 月 6 日开始，将于 2023 年 12 月结束。

单个参与者的研究长度为 8 个月：入组和基线评估 (T0)、治疗（持续 2 个月）、治疗结束评估 (T1)、治疗结束后 3 个月的随访评估 (T2)、电话治疗结束后 6 个月进行访谈。

主要目标：比较使用包括 AVR 应用程序的新跑步机训练的综合康复干预与基于传统跑步机的干预对受步行和/或平衡障碍影响的 PD（Hoehn 和 Yahr II-III 期）患者的影响。

次要目标：根据 PD 患者的生物学特征对患者进行分层，并确定预测性生物标志物和指示康复结果测量的生物标志物。

干预的描述。 干预包括每周 3 次，持续 8 周。 干预将在每天同一时间在患者“开机”期间进行。

实验性和常规治疗计划是渐进的，并可根据参与者的表现水平进行定制：

• 步态速度的进步：步态速度设定为训练开始时个人地面行走速度的 80%，并且每周逐渐增加到最大值 120%
• 试练时长渐进：训练开始时，时长设定为25分钟，包括5个5分钟的练习时段，每个时段之间休息4分钟；每两周每槽增加 1 分钟，在治疗的最后两周达到 45 分钟的最大持续时间；
• 试验难度的进展（仅针对实验组）：该协议为每个 C-Mill 应用程序设置了 5 个难度级别，级别之间的过渡设置为 80% 的成功率。

安全措施：参与者将佩戴防坠落装置和心率控制进行锻炼；当心率超过安全阈值（设置为 HRmax 的 75%，即男性 220-年龄；女性 200-年龄）时，跑步机速度将降低，直到参数归一化。

Motek 的 C-Mill 是一种新开发的用于步态和平衡评估和训练的跑步机，将以安全的方式用于两组的研究（带有防坠落装置应用和心率控制）。 它是一个包含测力平台的跑步机传感器。 指导患者在训练期间避免使用侧支撑杆。 培训协议中包含的 C-Mill 的 AVR 应用是“自然岛”、“垫脚石”、“步行区”、“避障”和“轨道”。 这些应用程序在安全和受控的环境中训练平衡和改变步行速度，促进步态适应策略和克服步态冻结的策略。 此外，（由物理治疗师和应用程序）提供促进正确步行的反馈，包括对步态参数的反馈，例如步幅对称性、步幅长度和节奏。

访问计划和评估时间 将在基线 (T0)、治疗结束时 (T1​​) 和治疗结束后 3 个月 (T2) 收集临床、神经心理学和仪器变量。 在治疗结束后 6 个月 (T3)，将进行电话访谈。

所有评估将在每个时间点（T0、T1、T2）进行，但有一些例外：在 C-Gait 模式下使用 C-Mill 自动采集步态参数将仅在 T1 和 T2 收集；在治疗结束时 (T1​​)，还将使用 5 分李克特量表来记录患者满意度；在 T3 的电话采访中，将只进行跌倒问卷调查。

所有访问都将计划在患者的“正常”时间进行。 药物治疗应稳定至 T1。

依从性的定义：如果患者尊重干预方案中指示的康复治疗的执行时间和方法，则认为对干预的依从性就足够了。 最多允许错过 5 个疗程，丢失的疗程可能会在治疗结束时恢复。 如果中止治疗（错过一个或多个疗程），将以上次完成疗程中使用的步态速度、试验持续时间和难度级别重新开始治疗。 错过 5 节以上的参与者将被视为退出。

样本大小。 G*Power 软件用于估计样本量。 从文献中，先前的研究旨在评估常规跑步机训练（部分重量支持的跑步机训练）对 PD 患者的影响，观察到较高的效应值 (ɳ2=0.737)。 在我们的估计中，中等效应大小 (f=0.25) 被保守地选择了。 假设统计功效为 95% 且 α=0.05，则所得样本为每组 22 名受试者。 为了弥补可能的退出率（估计约为 35%），再招募 16 名患者是合适的，每个治疗组 8 名，估计达到每组 30 名受试者。

数据分析。 对于所有数据，将使用 Kolmogorov-Smirnov 检验评估分布（假设当 p>0.05 时存在正态分布）。 然后数据将酌情总结为平均值和标准偏差、中值和四分位间距，或绝对频率和百分比频率。 两组将在基线时进行比较，以探索临床和人口统计学变量的显着差异。 将进行组内和组间分析，以评估所提供治疗对主要和次要结果指标的影响。 具体来说，重复测量 ANOVA 将与内部因素（评估时间）和因素间（组）一起使用。 将使用软件 International Business Machines Corporation (IBM) Statistical Package for the Social Sciences (SPSS) v28 进行统计分析。

获得的拉曼光谱将通过多元主成分分析-线性判别分析 (PCA-LDA) 分类进行分析。 PCA 将变量的数量减少为主成分，这些主成分将用于构建 LDA 模型。 该模型将被建立以区分检测到的临床改善作为临床量表的可量化变化，根据最小临床重要差异定义，当可从文献中获得时。 将评估基于光谱数据的预测模型的灵敏度、特异性和准确性。 此外，还将进行相关性分析，以评估光谱数据与治疗开始和结束之间记录的临床量表变化之间的关联。 将使用 Origin2021 软件对拉曼数据进行统计分析。

将应用单变量分析模型来选择临床改善的最佳预后标志物以包括在多变量模型中。 对于所有分析，统计显着性将设置为 p<0.05