Quantification of motor patterns in parkinsonian gait
Type
Trabajo de grado - Maestría
Document language
EspañolPublication Date
2016-06-12Metadata
Show full item recordSummary
A nivel mundial, la enfermedad de parkinson (EP) es la segunda enfermedad degenerativa más común, con cerca de 6.3 millones de casos diagnosticados. Esta enfermedad se caracteriza por un desorden progresivo del sistema nervioso que se manifiesta principalmente en alteraciones de la marcha y del control postural que limita la independencia funcional de los pacientes. El análisis de los patrones en la marcha se ha convertido en una herramienta útil para determinar la severidad de la enfermedad, as como para orientar el diagnóstico. Sin embargo, este análisis es altamente dependiente de la experticia del evaluador, especialmente para la detección de algunos movimientos sutiles característicos de la enfermedad. Los modelos físicos emergen como una alternativa sobresaliente para disminuir la variabilidad en el análisis de movimiento. Los modelos permiten simular la progresión y los patrones de la marcha en diferentes momentos de las enfermedades, proporcionando información para la selección de tratamientos adecuados. Esta tesis presenta un modelo físico que integra la estimación de la trayectoria del centro de gravedad (CoG) basada en la cinemática del tronco y la cuantificación de la severidad de los síntomas en los diferentes estados de la EP. El modelo físico propuesto utiliza un doble péndulo invertido para la fase de apoyo simple y un sistema resorte-amortiguador para la fase de doble apoyo. Este modelo es ajustado para seguir un CoG especco, definido para cada uno de los estadios. La evaluación de la estimación del CoG realizada por los patrones de tronco se realizó comparando las trayectorias resultantes con trayectorias aprendidas de sujetos en estadios 2, 3 y 4. Se obtuvo un coeficiente de correlación para la estimación del CoG de 0.88, 0.92 y 0.86, respectivamente. Los parámetros del modelo físico se ajustaron para generar trayectorias cercanas a los CoG estimados anteriormente, obteniendo una distancia de frechet entre las curvas generadas por el modelo y la trayectoria estimada del CoG de 0.07, 0.09, 0.29.Summary
Abstract: Worldwide Parkinson's disease (PD) is the second most common neurodegenerative disease with around 6.3 million cases diagnosed. This disease is characterized by a progressive disorder of the nervous system, mainly manifested in gait and postural control impairment that alter the functional independence in patients. Gait analysis becomes as an important tool to determine the severity of disease as well as to orient the diagnosis. Nevertheless, such analysis is currently highly dependent on the physician expertise as to detect some subtle characteristic movements of the disease. Physical gait models arise as a powerful alternative to reduce the variability in movement analysis. These models allow to emulate the progression and performance of gait patterns in different disease stages, providing information for the selection of appropriate treatments. This thesis presents a physical model that integrates the estimation of the center of gravity (CoG) trajectory based on trunk kinematics, and the quantification of the symptoms severity for different PD stages. A physical gait model is herein emulated by using a double inverted pendulum for the leg swinging and a damperspring System (SDP) to recreates the double support phase. This model is then adjusted to follow a particular CoG learned for each stage. The evaluation of the CoG estimations performed by trunk patterns was performed by comparing the resulting trajectories with actual ones learned from subjects in stages 2, 3, and 4, achieving a correlation coefficient of 0.88, 0.92 and 0.86, respectively. The parameters from the model were adjusted to generate similar trajectories to the ones previously estimated. The fréchet distance between the trajectories generated by the model and the CoG estimation is 0.07, 0.09, 0.29 for each stage.Keywords
Collections
