Alltägliche Bewegungsinfos für den Umgang mit MS
Tägliche Aktivitätsverfolgung für bessere MS-Versorgung nutzen.
Brett M. Meyer, Nishit Agarwal, Kevin Machado Gamboa, Aisling O’Learly, Andrew J. Solomon, Ryan S. McGinnis, Melissa Ceruolo
― 8 min Lesedauer
Inhaltsverzeichnis
Multiple Sklerose (MS) ist eine langwierige Krankheit, die das Gehirn und das Rückenmark betrifft. Sie verursacht Schäden an der schützenden Hülle der Nervenfasern, was zu verschiedenen Problemen mit Bewegung und Empfindung führt. Viele Leute mit MS fühlen sich oft müde, haben Schwierigkeiten, Dinge zu fühlen, und kämpfen mit Muskelschwäche und Koordination. Diese Probleme können einfache Aufgaben wie Aufstehen oder Laufen ziemlich herausfordernd machen.
Interessanterweise haben unter den geschätzten 2,8 Millionen Menschen, die weltweit mit MS leben, 50-80 % von ihnen Probleme beim Gehen und Balancieren. Über die Hälfte von ihnen könnte sogar mindestens einmal im Jahr umfallen! Diese Probleme können von Tag zu Tag unterschiedlich sein, was es den Ärzten schwer macht, die richtige Hilfe bei gelegentlichen Besuchen alle sechs Monate zu bieten. Deshalb ist es wichtig, regelmässigChecks zu machen, um zu sehen, wie gut jemand sein Gleichgewicht und Gehen im Alltag meistert.
Technik zur Rettung
Dank der modernen Technologie haben wir jetzt Möglichkeiten, um zu beobachten, wie Leute im Alltag leben, ohne aufdringliche Besuche. Es gibt Apps, die Besucher auf ihren Smartphones herunterladen können, um Aktivitätslevel zu verfolgen, Kamera-Systeme, die spezifische Bewegungen überwachen, und tragbare Geräte, die Leute anlegen können, um ihre Körperbewegungen zu messen.
Eine der besten Optionen unter diesen ist das tragbare Gerät. Sie sind nicht nur günstig, sondern werfen auch nicht viele Datenschutzbedenken auf, wie es bei Kameras der Fall sein könnte. Allerdings haben nicht viele Studien untersucht, wie man diese tragbaren Geräte am besten nutzen kann, um die Bedingungen der Leute über einen längeren Zeitraum zu verfolgen.
Es wurde festgestellt, dass das Herumgehen zu Hause sehr anders ist als das Gehen in der Arztpraxis, und wie lange jemand überwacht wird, kann die Ergebnisse wirklich beeinflussen. Es gibt immer noch ein grosses Fragezeichen darüber, ob spezifische Übungen aus der Ferne ausreichen oder ob es notwendig ist, Daten zu sammeln, während jemand seinen Alltag lebt.
Der Stand der Dinge
Forschung zeigt, dass sowohl spezifische Übungen als auch natürliche alltägliche Bewegungen wichtige Informationen über Gleichgewicht und Gehen liefern. Tests, die in Kliniken durchgeführt wurden, sagen stark die Sturzgefahr voraus und schneiden normalerweise besser ab, als nur das Gehen im Alltag zu messen. Während das alltägliche Gehen mit der allgemeinen Gesundheit und der Wahrscheinlichkeit zu fallen zusammenhängt, kann die Art und Weise, wie die Daten gesammelt werden, die Genauigkeit der Ergebnisse verändern.
In-klinisch durchgeführte Tests, die das Gleichgewicht messen, oft als posturale Schwingungstests bezeichnet, haben sich als sehr gut erwiesen, um das Sturzrisiko in verschiedenen Personengruppen zu zeigen. Andererseits ist das Überwachen des Gleichgewichts zu Hause noch relativ neu, zeigt aber vielversprechende Ansätze. Wie das jedoch gemacht wird, kann einen grossen Unterschied in dem ausmachen, was die Ergebnisse uns über den Zustand einer Person sagen.
Viele Studien haben bereits gezeigt, dass Aufgaben wie Gehen und Gleichgewichtseinschätzungen zu Hause durchgeführt werden können. Angesichts der Schwankungen der MS-Symptome kann eine ständige Überwachung für Betroffene sehr hilfreich sein. Es besteht jedoch ein grosser Bedarf herauszufinden, wie man das gut in der medizinischen Praxis oder Forschung umsetzen kann.
Was diese Studie vorhat
Diese Studie zielt darauf ab, die Ergebnisse von gezielten Aufgaben, die aus der Ferne durchgeführt wurden, mit Daten zu vergleichen, die während der Aktivitäten im realen Leben gesammelt wurden, um zu sehen, welche besseren Einblicke in Gehen und Gleichgewicht geben. Wir möchten Vorschläge machen, wie man die Überwachung des täglichen Lebens in Studien mit tragbaren Sensoren einbeziehen kann.
Wer hat teilgenommen?
Unsere Studie basiert auf bereits gesammelten Daten. Wir haben 25 Teilnehmer einbezogen, bestehend aus 5 Männern und 20 Frauen, mit einem Durchschnittsalter von 50 Jahren. Diese Teilnehmer wurden aus einem spezialisierten MS-Zentrum rekrutiert und mussten einige Kriterien erfüllen: Sie durften nur MS haben, mussten ohne Hilfe gehen können, durften nicht schwanger oder stillend sein und hatten keine Hautprobleme mit den Klebesensoren.
Über 12 Wochen haben wir diese Personen alle zwei Wochen überwacht, was zu sechs Wochen Daten für unsere Studie führte. Alle Teilnehmer nahmen an mindestens zwei Wochen der Überwachung teil, während einige bis zu sechs Wochen abgeschlossen haben. Während der Sensorwochen machten die Teilnehmer jeden Tag kurze Tests, wie das Aufstehen von einem Stuhl und eine Minute lang herumlaufen. Ausserdem füllten sie Umfragen aus, um Stürze, die sie erlebt haben, festzuhalten.
Datensammlung
Zur Datensammlung verwendeten wir tragbare Sensoren, die die Teilnehmer an ihrem Körper trugen. Diese Sensoren zeichneten Bewegungen kontinuierlich über den Tag auf. Die Daten wurden auf den Geräten gespeichert und täglich in die Cloud gesendet, um sie zu analysieren.
Die Teilnehmer führten verschiedene Aufgaben aus, und wir sammelten Daten über ihre Bewegungen während dieser Aufgaben sowie während ihrer normalen Alltagsaktivitäten. Dann verglichen wir ihre Bewegungsdaten während dieser Aktivitäten, um zu sehen, wie gut sie sich auf die von den Patienten berichteten Ergebnisse bezogen, die die Erfahrungen und Gefühle der Teilnehmer über ihre Bedingungen widerspiegeln.
Analyse der Bewegungen
Wir identifizierten Phasen, in denen die Teilnehmer gingen oder standen, mithilfe der Daten von den tragbaren Sensoren. Dieser Prozess basierte auf einem intelligenten Computeralgorithmus, der auf vielen Daten trainiert wurde, um verschiedene Aktivitäten wie Gehen oder Sitzen zu bestimmen.
Sobald wir die Geh-Sessions herausfanden, schauten wir uns an, wie sie sich während dieser Spaziergänge bewegten. Wir analysierten ihre Schritte und das Gleichgewicht basierend auf den gesammelten Daten und zerlegten ihr Gehen in verschiedene Aspekte, wie lange jeder Schritt dauerte und wie stabil sie sich beim Bewegen fühlten.
Für die Standmessungen schauten wir uns die Zeiten an, in denen die Teilnehmer mindestens 30 Sekunden still standen, und sammelten Informationen darüber, wie ihr Körper während des Stehens schwankte.
Die Zahlen aufschlüsseln
Wir analysierten die Daten sowohl aus der sechs Wochen langen Studie als auch aus einer kürzeren dreitägigen Überwachungsphase. Wir wollten sehen, wie sich die Bewegungen im Alltag im Vergleich zu den strukturierteren Aufgaben verhielten.
Wir führten viele Tests durch, um zu sehen, wie unterschiedlich die Bewegungen in beiden Szenarien waren und um mögliche Verbindungen zu den von den Teilnehmern selbst angegebenen Ergebnissen, wie ihr Vertrauen in das Gleichgewicht oder ihre Ermüdungslevel, zu finden.
Was wir herausfanden
Die Ergebnisse zeigten, dass die Bewegungen im Alltag ganz anders waren als die während der vorgeschriebenen Aufgaben. Tatsächlich fanden wir eine Reihe von deutlichen Unterschieden, als wir die beiden Datensätze verglichen. Das deutet darauf hin, dass die Routinen, die die Teilnehmer zu Hause folgten, ein anderes Bild ihrer Fähigkeiten gaben als die strukturierteren Tests.
Als wir speziell das Gleichgewicht und Gehen aus dem Alltag betrachteten, stellte sich heraus, dass diese Messungen besser geeignet waren, um Beziehungen zu den selbstberichteten Ergebnissen zu zeigen, als die Daten, die aus den vorgeschriebenen Aufgaben gesammelt wurden.
Selbst als wir nur die dreitägige Überwachung betrachteten, stellten wir fest, dass die im Alltag gesammelten Daten nützlicher waren, um den Zustand der Teilnehmer zu verstehen, als die längeren Daten aus der sechs Wochen langen Datensammlung. Es scheint, dass manchmal weniger mehr ist!
Eingehende Betrachtung der Gleichgewichts-Messungen
Für das Gleichgewicht fanden wir heraus, dass die Standmessungen aus dem Alltag sich sehr von denen im Labor unterschieden. Die stehenden Aufgaben wiesen die Teilnehmer an, still zu bleiben, erfassten aber nicht, was sie zu Hause wirklich tun konnten. Wenn die Teilnehmer natürlich standen, gab das reichhaltigere Details über ihre Gleichgewichtsfähigkeiten.
Interessanterweise schien es, je mehr die Teilnehmer schwankten, desto weniger beeinträchtigt sie in den selbstberichteten Ergebnissen waren. Das könnte darauf hindeuten, dass je aktiver sie beim Stehen zu Hause waren, desto besser sie sich insgesamt fühlten.
Fazit: Passive Daten sind der Weg
In unserer Analyse wurde klar, dass die Messung alltäglicher Bewegungen nicht nur eine realistischere Sicht darauf bot, wie die Teilnehmer funktionierten, sondern auch unser Verständnis ihrer Gleichgewichts- und Gehprobleme schärfte. Die passive Datensammlung aus den täglichen Routinen gibt ein klareres Bild, als wenn man die Patienten auffordert, vorgeschriebene Aufgaben auszuführen, was oft den lebendigen realen Kontext vermissen lässt.
Diese Studie unterstrich die Bedeutung der Verwendung passiver Lebensdaten in zukünftiger Forschung und klinischen Einstellungen. Wenn wir messen können, wie Leute tatsächlich in ihrem Alltag bewegen und balancieren, können wir ihnen besser helfen, ihre MS zu bewältigen und ihre Pflege an ihre individuellen Bedürfnisse anzupassen.
Also, im Duell zwischen vorgeschriebenen Aufgaben und dem Alltag, sagen wir einfach, der Alltag gewinnt ganz klar, und es sieht so aus, als wären unsere tragbaren Freunde hier, um alles im Blick zu behalten!
Titel: Beyond prescribed activities: examining passive postural sway and gait data in patients with multiple sclerosis
Zusammenfassung: Symptoms of multiple sclerosis (MS) are highly variable and include impaired senses, instability, and fatigue, making persons with MS (PwMS) ill-suited for the traditional six-month office visit paradigm. Instead, PwMS are well suited for remote monitoring to capture their true impairment. The objective of this work is to investigate the value of free-living data compared to prescribed walking tasks. Wearable sensor data were utilized from six-weeks of data from 25 PwMS. Participants completed a daily 1-minute walk, 30-second standing task, and patient reported outcomes of balance confidence (ABC), fatigue (MFIS) and walking impairment (MSWS). We compared gait and sway, as well as correlated them to patient reported outcomes (PRO). Lastly, we used a regression to determine the variance accounted for (VAF) in each PRO by different data sources. Temporal gait features were moderately correlated (r=0.6 - 0.81) between passive and prescribed walking, however, no postural sway features were correlated with each other. Passive data was found to have greater clinical relevance in our sample of PwMS compared to prescribe tasks for both gait and sway analyses. Passive sway features were found to be moderately related to ABC, MFIS, and MSWS (r=0.42-0.74, VAF=0.42-0.7), while prescribe sway was only correlated to MFIS (r = 0.41, VAF = 0.44). Both passive and prescribed measures of gait were related to ABC and MSWS; stronger relationships were found in the passive data (r = 0.42-0.78, VAF = 0.64-0.78). Additionally, we found the performance increased for passive monitoring with a shorter monitoring duration - highlighting the need to properly match the monitoring and analysis duration to the population. Overall, our findings highlight the importance of including passive free-living analysis in future studies.
Autoren: Brett M. Meyer, Nishit Agarwal, Kevin Machado Gamboa, Aisling O’Learly, Andrew J. Solomon, Ryan S. McGinnis, Melissa Ceruolo
Letzte Aktualisierung: 2024-11-05 00:00:00
Sprache: English
Quell-URL: https://www.medrxiv.org/content/10.1101/2024.11.05.24316692
Quell-PDF: https://www.medrxiv.org/content/10.1101/2024.11.05.24316692.full.pdf
Lizenz: https://creativecommons.org/licenses/by/4.0/
Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.
Vielen Dank an medrxiv für die Nutzung seiner Open-Access-Interoperabilität.