A doença de Parkinson (DP) é uma doença neurodegenerativa progressiva e complexa, consistindo num distúrbio neurodegenerativo do movimento (Balestrino & Schapira, 2020). Caracteriza-se por tremor, rigidez e bradicinesia com instabilidade postural.
Na Europa, há aproximadamente 1,2 milhões de pessoas com DP, estimando-se uma taxa de incidência entre 5 e 346 por 100.000 pessoas/ano (Balestrino & Schapira, 2020). Sendo a idade o fator de risco mais importante para a doença, é expectável que com o envelhecimento da população, tanto a prevalência como a incidência de DP continuem a aumentar em mais de 30% até 2030 (Kouli et al. 2018). O custo anual estimado para a Europa, em 2015, era de 13,9 bilhões de euros (Capato et al., 2015), quer pelos componentes do custo direto (internamentos e apoios para o cuidado em estruturas residenciais para idosos), quer custos indiretos (perda de produtividade e sobrecarga para o cuidador).
À medida que a doença progride, também aumenta a gravidade dos sintomas motores, não motores e o seu potencial incapacitante (Balestrino & Schapira, 2020), o que tem um impacto substancial na qualidade de vida relacionada com a saúde dos doentes e seus cuidadores familiares (Candel-Parra et al., 2021).
O congelamento da marcha (FoG) é um sintoma que apresenta um grande impacto tanto para os utentes como para as suas famílias, uma vez que conduz frequentemente a quedas, lesões e perda de independência (Gilat et al., 2018). As atuais opções de tratamento farmacológico ou cirúrgico têm uma eficácia limitada. Assim, nos últimos anos surgiram abordagens não farmacológicas/não cirúrgicas alternativas, numa tentativa de melhorar a qualidade de vida destas pessoas (Delgado-Alvarado et al., 2020), incluindo estimulação magnética transcraniana, estimulação transcraniana de corrente direta, programas de treino cognitivo ou físico e o cueing (Delgado-Alvarado et al., 2020).
Cueing é uma das estratégias comportamentais mais conhecidas para superar o FoG. No entanto, os efeitos positivos da estimulação contínua, podem dissipar-se ao longo do tempo sendo particularmente difícil disponibilizar o estímulo/pista como uma intervenção ambulatória (Gilat et al., 2018). Alguns estudos prévios evidenciam melhorias a nível da marcha em doentes com Parkinson, nomeadamente aumentado a velocidade, tamanho da passada, cadência e reduzindo o número de episódios de CM (Sweeney et al., 2019). Há três modalidades de cueing reportadas de forma extensa na literatura (visual, auditivo e somatossensotial; Caudron et al., 2014) e que podem ser associadas à utilização de calçado inteligente.
O desenvolvimento de calçado inteligente para a gestão de condições de saúde complexas não é novo (Godinho et al., 2016), nomeadamente na área das patologias degenerativas da medula espinhal (Lee et al., 2016), síndrome da fragilidade (Scwenk et al., 2015), diabetes (Perrier et al., 2014) ou mesmo glaucoma (Ma et al., 2016). Segundo Eskofier et al. (2017), a avaliação remota da marcha com calçado inteligente requer um sistema de aquisição de dados, uma gestão eficiente da energia, uma variedade de sensores de localização relativa e determinação da orientação, determinação da localização absoluta utilizando sistemas de navegação por satélite, determinação da pressão plantar do pé e sensores ambientais.
Gilat et al. (2018) defendem que a melhor maneira de disponibilizar uma pista no momento adequado seria desenvolver um sistema integrado com um dispositivo de cueing e uma medida fisiológica fiável de FoG iminente, oferecendo uma valiosa janela temporal para a prevenção do FoG, quando associado a uma intervenção ativada sob forma de biofeedback dinâmico (Gilat et al., 2018). Com o uso crescente da tecnologia wearable, surgem novas possibilidades que permitem adaptar o tipo de pista, o seu conteúdo e dose às necessidades de cada pessoa, o que pode aumentar o uso clínico e eficiência do treino de pistas/estímulos em pessoas com CM (Ginis et al., 2018).
De realçar que a abordagem terapêutica para o congelamento da marcha com apoio na tecnologia, terá sempre de ser uma abordagem holística, centrada na pessoa e que contempla a dimensão do apoio à autogestão nas atividades de vida diárias da pessoa no seu domicílio. Particularmente em relação ao congelamento da marcha, a evidência reforça a necessidade de apoio na gestão de emoções e papéis sociais (Kessler & Liddy, 2017) uma vez que tanto o compromisso cognitivo como a ansiedade experienciadas pela pessoa poderão ser fatores desencadeadores de limitações a mobilidade (Kwok et al., 2018).
A doença de Parkinson é a segunda doença neurodegenerativa mais comum, registando um aumento significativo nas últimas três décadas. Em Portugal, estima-se que afete entre 18 a 20 mil pessoas. Em pessoas com Parkinson, o congelamento da marcha é um sintoma, com um grande impacto nas atividades de vida diária, podendo conduzir a quedas, lesões e perda de independência. As taxas de prevalência de congelamento da marcha variam amplamente, atingindo pelo menos 50% dos utentes com Parkinson. As atuais opções terapêuticas têm uma eficácia limitada, sendo necessário apostar em abordagens inovadoras, recorrendo a tecnologia wearable e IoT. Assim sendo, este projeto visa desenvolver, testar e divulgar uma nova tipologia de calçado para pessoas com Parkinson e que apresentem congelamento da marcha. Pretende-se investir no desenvolvimento de calçado inteligente, com um sistema integrado de estimulação multissensorial (cueing visual, auditivo e propriocetivo) sincronizado com a marcha, aliado a um sistema IoT para monitorização contínua da marcha e apoio à autogestão no domicílio. O sucesso deste projeto conduzirá ao desenvolvimento de um produto de valor acrescentado, capaz de contribuir para a melhoria da qualidade de vida da pessoa e da sua autogestão, monitorização e personalização dos parâmetros de reabilitação.
Objetivo geral
Desenvolver uma nova tipologia de calçado para pessoas com doença de Parkinson e congelamento da marcha
Objetivos específicos:
- Analisar os parâmetros clínicos (Força de reação vertical do solo, ciclo de caminhada, cadência, velocidade da marcha, comprimento do passo, deslocamento vertical do centro de massa, distribuição da pressão plantar, simetria proporções, equilíbrio em pé, proporção de caminhada, gasto de energia) e “gatilhos” envolvidos no congelamento da marcha
- Analisar programas de apoio à autogestão para a pessoa com Doença de Parkinson na vertente de eHealth
- Desenvolver especificações detalhadas de componentes mecânicos, elétricos e eletrónicos para o mAIMove.
- Testar materiais para os componentes do calçado, de acordo com as especificações previamente determinadas (conforto ergonómico e termofisiológico, adaptação e desempenho, materiais self-sensing, …).
- Desenvolver sensores impressos em materiais flexíveis e extensíveis para monitorização contínua dos parâmetros da marcha
- Produzir e testar protótipos mAIMove quanto à segurança, fiabilidade e desempenho, atestando a sua conformidade clínica.
- Desenvolver um sistema de estimulação multissensorial (auditiva, visual e propriocetiva) sincronizada com a marcha.
- Desenvolver um sistema IoT com comunicação via App/Cloud para monitorização contínua da marcha e apoio à autogestão no domicílio.
- Desenvolver um plano de exploração, produção e valorização do mAIMove.
- Divulgar o mAIMove através de publicações científicas, participação em conferências e exposição em feiras.
O projeto mAIMove contempla avanços significativos em relação ao estado da arte do desenvolvimento de calçado para pessoas com doença de Parkinson e congelamento da marcha. Não existe, atualmente, um calçado que reúna todas caraterísticas técnicas e funcionais para a inibição do congelamento da marcha, devido à natureza multifatorial desta condição e simultaneamente gerir aspetos como a biomecânica, a monitorização, a estimulação multissensorial, os materiais, os métodos de fabricação, o design e o custo.
Assim, o presente projeto pretende ultrapassar as limitações atuais, através do desenvolvimento de um calçado inovador, contribuindo igualmente para importantes avanços face ao estado de arte atual, nomeadamente:
- Calçado ergonómico, termofisiológico e com capacidade de adaptação às alterações morfológicas e estruturais do pé.
- Design apelativo para os utilizadores finais e com um custo acessível.
- Palmilha inteligente que permite monitorização contínua e análise dos parâmetros da marcha (perfil de caminhada, incluindo cadência, velocidade, força de impacto, postura, ...; sistemas analíticos inteligentes e wearable, com o objetivo de obter um sistema de monitorização fiável).
- Sistema de estimulação multissensorial (auditiva, visual e propriocetiva) sincronizada com a marcha.
- Sistema IoT com comunicação via App/Cloud para monitorização contínua da marcha e sugestão personalizada de exercícios de reabilitação domiciliar (Dashboard disponível numa app/cloud para visualização das informações)
- Validação clínica dos protótipos com utilizadores finais
1. Armstrong, M. J., & Okun, M. S. (2020). Diagnosis and Treatment of Parkinson Disease: A Review. JAMA - Journal of the American Medical Association, 323(6), 548–560. https://doi.org/10.1001/jama.2019.22360
2. Balestrino, R., & Schapira, A. H. V. (2020). Parkinson disease. European Journal of Neurology, 27(1), 27–42. https://doi.org/10.1111/ene.14108
3. Candel-Parra, E., Córcoles-Jiménez, M., Delicado-Useros, V., Hernández-Martínez, A., & Molina-Alarcón, M., (2021). Evolution of Quality of Life in Persons with Parkinson’s Disease: A Prospective Cohort Study. J. Clin. Med., 10, 1824. https://doi.org/10.3390/jcm10091824
4. Capato, T., Domingos, J., & Almeida, L. (2015). Versão em Português da Diretriz Europeia de Fisioterapia para a Doença de Parkinson. São Paulo: Omnifarma.
5. Caudron, S., Guerraz, M., Eusebio, A., Gros, J. P., Azulay, J. P., Vaugoyeau, M. (2014). Evaluation of a visual biofeedback on the postural control in Parkinson’s disease. Clinical Neurophysiology, 44(1): 77-86. doi: 10.1016/j.neucli.2013.10.134. Recuperado de: https://www.ncbi.nlm.nih.gov/pubmed/24502908
6. Delgado-Alvarado, M., Marano, M., Santurtún, A., Urtiaga-Gallano, A., Tordesillas-Gutierrez, D., & Infante, J. (2020). Nonpharmacological, nonsurgical treatments for freezing of gait in Parkinson’s disease: A systematic review. Movement Disorders, 35(2), 204–214. https://doi.org/10.1002/mds.27913
7. Eskofier, B. M., Lee, S. I., Baron, M., Simon, A., Martindale, C. F., Gabner, H., & Klucken, J. (2017). An Overview of Smart Shoes in the Internet of Health Things: Gait and Mobility Assessment in Health Promotion and Disease Monitoring. Applied Sciences, 7 (986). doi: 10.3390/app7100986
8. Ghai, S., Ghai, I., Schmitz, G., & Effenberg, A. O. (2018). Effect of rhythmic auditory cueing on parkinsonian gait: A systematic review and meta-analysis. Scientific Reports, 8(1), 1–19. https://doi.org/10.1038/s41598-017-16232-5
9. Gilat, M., Lígia Silva de Lima, A., Bloem, B. R., Shine, J. M., Nonnekes, J., & Lewis, S. J. G. (2018). Freezing of gait: Promising avenues for future treatment. Parkinsonism and Related Disorders, 52, 7–16. https://doi.org/10.1016/j.parkreldis.2018.03.009
10. Ginis, P., Nackaerts, E., Nieuwboer, A., & Heremans, E. (2018). Cueing for people with Parkinson’s disease with freezing of gait: A narrative review of the state-of-the-art and novel perspectives. Annals of Physical and Rehabilitation Medicine, 61(6), 407–413. https://doi.org/10.1016/j.rehab.2017.08.002
11. Godinho, C., Domingos, J., Cunha, G., Santos, A. T., Fernandes, R. M., Abreu, D., Gonçalves, N., …, Ferreira, J. J. (2016). A systematic review of the characteristica and validity of monitoring technologies to assess Parkinson’s disease. Journal of NeuroEngineering in Rehabilitation, 12, 13-24. doi: 10.1186/s12984-016-0136-7. Recuperado de https://www.ncbi.nlm.nih.gov/pubmed/26969628
12. Kessler, D., & Liddy, C. (2017). Self-management support programs for persons with Parkinson’s disease: An integrative review. Patient education and counseling, 100(10), 1787-1795.
13. Kouli, A., Torsney, K. & Kuan, W-L. (2018). Parkinson’s Disease: Etiology, Neuropathology, and Pathogenesis. In Thomas B. Stoker, & Julia C. Greenland. Parkinson’s Disease: Pathogenesis and Clinical Aspects. Codon Publications. Brisbane, Australia ISBN: 978-0-9944381-6-4. http://dx.doi.org/10.15586/codonpublications.parkinsonsdisease
14. Lee, S. I., Park, E., Huang, A., Mortazavi, B., Garst, J. H., Jahanforouz, N., Espinal, M. …, Sarrafzadeh, M (2016). Objectively quantifying walking ability in degenerative spinal disorder patients using sensor equipped smart shoes. Medical Engineering & Physics, 38(5), 442-449. doi: 10.1016/j.medengphy.2016.02.004. Recuperado de: https://www.ncbi.nlm.nih.gov/pubmed/26970892
15. Ma, Y., Amini, N., & Ghasemzadeh, H. (2016). Wearable sensors for gait pattern examination in glaucoma patients. Microprocessors and Microsystems, 46 (A), 67-74. doi: 10.1016/j.micpro.2016.07.001. Recuperado de: https://www.sciencedirect.com/science/article/abs/pii/S0141933116300849?via=ihub
16. Martignon, C., Pedrinolla, A., Ruzzante, F., Giuriato, G., Laginestra, F. G., Bouça-Machado, R., … Venturelli, M. (2020). Guidelines on exercise testing and prescription for patients at different stages of Parkinson’s disease. Aging Clinical and Experimental Research, (0123456789). https://doi.org/10.1007/s40520-020-01612-1
17. Perrier, A., Vuillerme, N., Luboz, V., Bucki, M., Cannard, F., Diot, B., Colin, D., …, Payan, Y. (2014). Smart Diabetic Socks: Embedded device for diabetic foot prevention. IRBM, 35(2), 72-76. doi: 10.1016/j.irbm.2014.02.004. Recuperado de: https://www.sciencedirect.com/science/article/abs/pii/S1959031814000220?via=ihub
18. Scwenk, M., Mohler, J., Wendel, C., D’Huyvetter, K., Fain, M., Taylor-Piliae, R., & Najafi, B. (2015). Wearable sensor-based in-home assessment of gait, balance, and physical activity for discrimination of frailty status: baseline results of the Arizona frailty cohort study. Gerontology, 61(3), 258-267. doi: 10.1159/000369095. Recuperado de: https://www.ncbi.nlm.nih.gov/pubmed/25547185
19. Sweeney, D., Quinlan, L. R., Browne, P., Richardson, M., Meskell, P., & ÓLaighin, G. (2019). A Technological Review of Wearable Cueing Devices Addressing Freezing of Gait in Parkinson’s Disease. Sensors, 19, 1277. doi: 10.3390/s19061277
01/01/2021
01/01/2025
Self-care and health-disease