Clinica
Neurologia
19/12/2024

Parkinson, la tecnologia indossabile può prevedere le cadute nei pazienti

I brevi dati dei sensori indossabili, combinati con modelli di machine learning, possono prevedere il rischio di cadute negli individui con malattia di Parkinson fino a cinque anni

telemedicna Ia cellulare app

Un recente studio pubblicato su Npj Digital Medicine ha esplorato come i brevi dati dei sensori indossabili, combinati con modelli di machine learning, possano prevedere il rischio di cadute negli individui con malattia di Parkinson fino a cinque anni. Analizzando la deambulazione e lo sway posturale, la ricerca mirava a offrire un metodo affidabile e obiettivo per anticipare le cadute e migliorare l'assistenza preventiva e gli esiti clinici.

Background

Le cadute sono una preoccupazione significativa nella malattia di Parkinson, spesso portando a lesioni, riduzione della mobilità e diminuzione della qualità della vita. Studi dimostrano che oltre il 50% delle persone con Parkinson sperimenta almeno una caduta, con rischi crescenti legati alla variabilità della deambulazione, instabilità posturale e progressione della malattia.

Le valutazioni tradizionali del rischio di caduta si basano fortemente sul giudizio clinico, che può essere soggettivo e incoerente. Tuttavia, le nuove tecnologie dei sensori indossabili offrono l'opportunità di misurare il movimento in modo più oggettivo, offrendo informazioni sulle irregolarità della deambulazione e dell'equilibrio che sono difficili da rilevare visivamente.

Lo studio

Il team di ricerca dell’Università di Oxford ha esaminato 104 pazienti con Parkinson nell’ambito del progetto longitudinale Oxford Quantification in Parkinsonism (OxQUIP). I partecipanti sono stati reclutati in base a criteri specifici, tra cui la malattia di Parkinson idiopatica da lieve a moderata e la capacità di camminare e stare in piedi senza assistenza.

I ricercatori hanno determinato lo stato di caduta attraverso visite cliniche e follow-up a due e cinque anni. Per garantire un'analisi solida, hanno ricampionato la maggior parte della classe "non caduti" per bilanciare il dataset per i modelli di machine learning. Sono stati utilizzati cinque algoritmi di apprendimento automatico (Random Forest, Regressione Logistica, ElasticNet, Support Vector Machine e XGBoost) per analizzare i dati, con metriche come accuratezza, precisione e area sotto la curva (AUC) per valutare le prestazioni.
La selezione delle caratteristiche si è concentrata su variabili critiche come la variabilità dell’andatura e l’instabilità posturale. È stato valutato anche l’impatto dei dati clinici-demografici (età, durata della malattia, punteggi clinici di base) per integrare le previsioni basate sui soli parametri cinematici.
I dati di base sono stati raccolti utilizzando sensori indossabili durante un compito di camminata di due minuti e un compito di oscillazione posturale di 30 secondi. Tutti i partecipanti indossavano sei sensori posizionati sui polsi, i piedi, lo sterno e la regione lombare. L'obiettivo dello studio era sviluppare valutazioni affidabili e di breve durata per la previsione a lungo termine delle cadute nella malattia di Parkinson integrando la tecnologia indossabile con metodi statistici avanzati per migliorare il processo decisionale clinico.

I risultati hanno riportato che i sensori indossabili e i modelli di machine learning hanno previsto efficacemente il rischio di caduta negli individui con malattia di Parkinson nel tempo. A 24 mesi, i classificatori di machine learning hanno dimostrato prestazioni eccellenti, con un'accuratezza compresa tra l'84% e il 92% e un'area sotto la curva (AUC) superiore a 0,90.

Conclusioni

I risultati hanno suggerito, quindi, che le valutazioni basate sui sensori forniscono una maggiore precisione predittiva. Sebbene sia stato osservato un certo calo dell'accuratezza predittiva per periodi di tempo più lunghi, i risultati hanno dimostrato il potenziale della tecnologia indossabile per migliorare la gestione del rischio di caduta negli ambienti clinici.

Nel complesso, lo studio ha evidenziato il potenziale dell'integrazione dei dati dei sensori indossabili con i modelli di machine learning per prevedere il rischio di caduta nella malattia di Parkinson. I risultati hanno inoltre sottolineato l'importanza della variabilità della deambulazione e posturale come fattori predittivi e hanno dimostrato la fattibilità di valutazioni cliniche di breve durata.
Migliorando la rilevazione precoce dei rischi di caduta, questi metodi offrono una strada verso interventi mirati, riducendo l'incidenza delle cadute e migliorando la qualità della vita dei pazienti con malattia di Parkinson.

Se l'articolo ti è piaciuto rimani in contatto con noi sui
nostri canali social seguendoci su:
Oppure rimani sempre aggiornato in ambito farmaceutico iscrivendoti alla nostra Newsletter!
POTREBBERO INTERESSARTI ANCHE
Una breve esposizione a elevate concentrazioni di polveri sottili può compromettere l’abilità di concentrarsi, di evitare distrazioni e di interpretare le emozioni degli altri

Resta aggiornato con noi!
La tua risorsa per news mediche, riferimenti clinici e formazione.

I più letti della settimana
CODIFA
Farmaci, integratori, dispositivi medici, prodotti veterinari e tanto altro. Digita il marchio, il principio attivo o l'azienda del prodotto che stai cercando.
ANNUNCI
Vendo | Puglia
VENDESI STUDIO DENTISTICO IN PUGLIA ( Salento 12 km. dal mare) 120 mq. due poltrone , possibilita' terza poltrona, due...

EVENTI
Evento di presentazione dell'Intergruppo parlamentare "ONE BRAIN: per la tutela delle persone con disturbi mentali e neurologici"
Per il loro impatto sulla vita quotidiana, le malattie del cervello sono una delle principali sfide per la salute pubblica....

AZIENDE
Eurosets presenta Landing Advance
Immagine in evidenza Eurosets presenta Landing Advance, un sistema completo e intuitivo che apre nuove frontiere nel campo del monitoraggio multiparametrico in cardiochirurgia...

Libreria
Il manuale è stato scritto per colmare una...
La radiologia senologica incarna un ramo dell'imaging di...
Negli ultimi anni, i progressi scientifici e clinici...
Questo manuale offre una panoramica aggiornata sul ruolo...
Questo testo vuole aiutare a comprendere la legge...
Corsi
L’INTELLIGENZA ARTIFICIALE NELLA GESTIONE DELLE MALATTIE INFETTIVE

L’impatto dell’Intelligenza Artificiale (AI) e dei Big Data nel settore sanitario è innegabile. L’AI sta rivoluzionando la scoperta di farmaci, la...


Social media in medicina. Al via nuovo corso di formazione Fad

Edra, sempre attenta a garantire una formazione completa e adeguata alle esigenze del sistema salute, ha progettato il nuovo corso...


Progettare la cura con la medicina narrativa. Strumenti per un uso quotidiano

Introdurre la Medicina Narrativa nella progettazione dei percorsi di cura. Integrare la narrazione nel sistema cura e nel sistema persona...


Il rapporto con il paziente: rapporti legali ed emozionali

3 Corsi per 25 crediti ECMCorso 1: La medicina narrativa nella pratica di cura Corso 2: Progettare la cura con...