Terug naar het nieuwsoverzicht

nieuws

Zoals je thuis loopt, loop je nergens: de ParkinsonThuis Validatie studie

Project: ParkinsonThuis
2 oktober 2019

Een blog voor zorgverleners over de ParkinsonThuis Validatie studie. Geschreven door Luc Evers, onderzoeker ParkinsonThuis, voor ParkinsonConnect van ParkinsonNet. 

Zoals je thuis loopt, loop je nergens: de ParkinsonThuis Validatie studie
Er is al langere tijd veel interesse in het gebruik van draagbare bewegingssensoren om het looppatroon van mensen met Parkinson in kaart te brengen. Waar dit in eerste instantie vooral in het lab of in de kliniek gebeurde (bijvoorbeeld d.m.v. de instrumented Timed-Up-and-Go – de normale TUG maar dan met sensoren), is er steeds meer aandacht voor metingen in de thuissituatie. U weet waarschijnlijk beter dan ik dat hoe iemand zich tijdens het spreekuur presenteert, niet altijd een goede weerspiegeling is van hoe het er thuis aan toe gaat. Zo laat een recente studie zien dat loopganganalyse in het lab vaak iemands “beste” functioneren weergeeft [1]. Het is dan ook niet verrassend dat loopganganalyse in het dagelijks leven met sensoren beter kan voorspellen of iemand in de toekomst zal vallen [2]. In de ParkinsonThuis Validatie studie hebben we gekeken of het looppatroon in het dagelijks leven ook kan worden gebruikt om motor fluctuaties – verschillen tussen on en off – te monitoren.

ParkinsonThuis Validatie studie
Het unieke aan deze studie is dat we alle data bij mensen thuis hebben verzameld: 25 mensen met en 25 mensen zonder de ziekte van Parkinson lieten we ’s ochtends hun gebruikelijke activiteiten doen, inclusief wandelen en/of fietsen door de buurt (zonder specifieke instructies). In de Parkinson groep deden we dit voor en na inname van levo-dopa. Tegelijkertijd droeg iedereen sensoren (o.a. accelerometers) om de enkels, polsen, in de broekzak en op de onderrug, en werd alles gefilmd. In samenwerking met de Michael J Fox Foundation zal deze dataset beschikbaar worden gesteld aan onderzoekers wereldwijd om nieuwe algoritmes te ontwikkelen.

In onze eigen analyses hebben we gekeken naar verschillen tussen de langere loopepisodes (minstens 25 seconden) voor en na medicijninname. We zagen dat de energie in de frequentieband waarin lopen valt in de meeste patiënten duidelijk toenam, hetgeen waarschijnlijk verklaard kan worden door een toegenomen staplengte. De variabiliteit van het looppatroon veranderde nauwelijks na medicijninname. De stapfrequentie nam in sommige patiënten duidelijk toe, maar in anderen juist duidelijk af, hetgeen misschien te maken heeft met verschillende compensatiestrategieën. In de video-opnames zagen we geen freezing, dus de genoemde veranderingen horen bij de meer continue beperkingen in het looppatroon (ook wel aangeduid als “bradykinetisch” lopen).

Voorspellen voor/na medicijninname
Vervolgens hebben we gekeken of we deze informatie konden gebruiken om te voorspellen of een loopepisode voor of na medicijninname plaatsvond. Wanneer we alle sensoren gebruikten, was de nauwkeurigheid ongeveer 80%. We waren enigszins verbaasd dat we dezelfde nauwkeurigheid konden bereiken met alleen de sensor om de enkel van de meest aangedane zijde. We hadden verwacht dat in ieder geval de sensor om de pols van de meest aangedane zijde toegevoegde waarde zou hebben door het meten van de armzwaai.

Door de video’s te bekijken vonden we twee mogelijke verklaringen. De eerste ligt misschien voor de hand, maar is niet minder belangrijk in het dagelijks leven: patiënten staken soms de hand in de zak tijdens het lopen, hetgeen het loopsignaal van de polssensor sterk beïnvloedde. Een tweede verklaring is dat bij sommige patiënten het loopsignaal juist duidelijker was voor medicijninname: wanneer de armzwaai vrijwel afwezig was en de patiënt geen gebaren maakte, liet de polssensor juist duidelijk de loopbewegingen van de as van het lichaam zien.

Klaar voor de praktijk?
Samengevat hebben we laten zien dat het mogelijk is om, ondanks de variabiliteit in het dagelijks leven, het effect van levodopa te meten in het looppatroon. Het feit dat dit met één sensor ongeveer even goed ging als met alle sensoren, is gunstig voor de gebruikersvriendelijkheid: we willen mensen immers niet voor lange tijd met 6 sensoren laten rondlopen. U vraagt zich wellicht af of u deze bevindingen al in de praktijk kan gebruiken. Wat ons betreft zou het goed zijn om nog meer onderzoek te doen naar factoren in het dagelijks leven die de analyses kunnen verstoren. Een voorbeeld: wellicht ziet het looppatroon er anders uit in een drukke omgeving (stad) dan in een park, en kan hiervoor gecontroleerd worden door een GPS sensor toe te voegen.

Toch zijn er ook al een aantal startups die bewegingssensoren aanbieden voor mensen met Parkinson. Een voorbeeld met gevalideerde (maar helaas wel grotendeels afgeschermde) algoritmes is Sense4Care (www.sense4care.com) [3]. Ook worden sensoren steeds vaker gebruikt voor (secundaire) uitkomstmaten in interventiestudies. Hopelijk kunnen dit soort oplossingen u en uw patiënten in de toekomst helpen om meer zicht en grip te krijgen op het dagelijks functioneren.

Referenties:

  1. Hillel, Inbar, et al. “Is every-day walking in older adults more analogous to dual-task walking or to usual walking? Elucidating the gaps between gait performance in the lab and during 24/7 monitoring.” European review of aging and physical activity 16.1 (2019): 6.
  2. Weiss, Aner, et al. “Objective assessment of fall risk in Parkinson’s disease using a body-fixed sensor worn for 3 days.” PloS one 9.5 (2014): e96675.
  3. Samà, Albert, et al. “Estimating bradykinesia severity in Parkinson’s disease by analysing gait through a waist-worn sensor.” Computers in biology and medicine 84 (2017): 114-123.
Inge Ruitenberg
Inge Ruitenberg
Communicatiemedewerker ParkinsonNEXT