Project R-12784

Geautomatiseerde functionele evaluatie tijdens revalidatie-oefeningen met behulp van draagbare sensoren (Onderzoek)

Motorische disfuncties veroorzaakt door neurologische aandoeningen vormen de derde meest voorkomende oorzaak van de wereldwijde ziektelast (WHO, 2019), die meer dan de helft van de Europese bevolking treft. Ondanks grote inspanningen ervaart echter slechts een beperkt deel van de deelnemers aan klinische onderzoeken bevredigende verbeteringen, wat de noodzaak benadrukt om de revalidatieresultaten te maximaliseren: met andere woorden, er is behoefte aan gepersonaliseerde geneeskunde en "precisierevalidatie" die de unieke kenmerken zouden verklaren van elk individu, om vervolgens patiëntspecifieke interventies te ontwikkelen; in die zin is het daarom van fundamenteel belang om de voortgang te kunnen volgen en behandelresultaten te kunnen voorspellen (Adans-Dester et al., 2020; Hulsen et al., 2019; Niederberger et al., 2019). Toch is een van de grootste uitdagingen bij poliklinische revalidatiesettings inderdaad het gebrek aan informatie over hoe de in de kliniek waargenomen vooruitgang zich vertaalt in functionele prestaties thuis: tegenwoordig zijn zorgverleners tegenwoordig vooral afhankelijk van door de patiënt gerapporteerde resultaten over de voortgang van hun patiënten buiten de kliniek, meestal zonder longitudinale analyse van de evolutie van de behandelingsresultaten (Jones et al., 2020). In deze context zou het verzamelen van gegevens ter aanvulling van de informatie die anders alleen in klinieken wordt verkregen, zowel de effectiviteit als de efficiëntie van revalidatie kunnen verbeteren door het traject van het herstel van de patiënt te volgen en te voorspellen (Adans-Dester et al., 2020). Om de verzameling en analyse van "big data" over patiënten te actualiseren, is er echter behoefte aan technologische oplossingen die gemakkelijk toegankelijk en te gebruiken zijn voor zowel clinici als patiënten, discreet en kosteneffectief: draagbare sensoren en smartphone- gebaseerde gezondheidsapps zouden in die zin de ideale oplossing kunnen zijn, aangezien de acceptatie van dergelijke technologieën snel versnelt en steeds meer beschikbaar komt voor mensen over de hele wereld (Aitkin et al., 2017; Bonnechère & Sahakian, 2020). In feite is het gebruik van draagbare sensoren de afgelopen jaren exponentieel toegenomen, omdat ze het mogelijk maken om patiënten met een hogere gevoeligheid te monitoren in vergelijking met klassieke klinische beoordeling. Momenteel worden draagbare sensoren algemeen aanvaard voor de beoordeling van motorische disfuncties, waarbij op sensoren gebaseerde revalidatie voor neurologische en musculoskeletale aandoeningen een verbeterde effectiviteit van de revalidatie-interventies laat zien, zowel in face-to-face als op afstand (Picerno et al., 2021 ). Verdere ontwikkeling van kosteneffectieve technologische oplossingen die gericht zijn op het bewaken en evalueren van de kwaliteit van revalidatie-interventies en het op afstand beoordelen van patiënten in telegezondheidsscenario's, terwijl hun motivatie en therapietrouw hoog blijven, zou de toekomstige implementatie van dergelijke technologieën gemakkelijker maken, waardoor ze op een grote schaal. Een dergelijke evaluatie kan ook worden gebruikt om te bepalen of het mogelijk is om de langetermijnprognose van deze patiënten te voorspellen op basis van de gegevens die zijn verkregen via de draagbare sensoren.

01 januari 2022 - 31 december 2023