Tragbare und aktiv vom Parkinson-Patienten genutzte Technologie im häuslichen Umfeld: Was bringt die Zukunft?

Zusammenfassung

Das Idiopathische Parkinson-Syndrom weist eine Vielzahl von Symptomen auf, die nach Zahl und Ausprägung weit über den üblicherweise in der Klinik oder Facharztpraxis erfassten Bereich hinausgehen, zum Teil auch nur im häuslichen Umfeld auftreten und somit der Untersuchung durch den Arzt entgehen. Moderne Entwicklungen im Bereich der tragbaren Bewegungssensorik könnten hier Abhilfe schaffen. Im Gesundheits- und Fitnessbereich finden diese neuen Technologien in Form von kleinen, tragbaren und vom Nutzer selbst bedienbaren Sensoren bereits erste Anwendungen. Da die klinische Erfassung von Krankheitssymptomen verschiedensten Limitationen unterliegt (subjektiv, ungenau, Momentaufnahme einer im Verlauf stark schwankenden Krankheit, Zeitaufwand), liegt es nahe, über Sensoren Bewegungseinschränkungen von Parkinson-Patienten auch im häuslichen Umfeld zu erfassen. Erste Studien zur Erfassung von Bradykinese, Dyskinesie, Tremor, Tagesaktivität und Bewegungen im Schlaf deuten darauf hin, dass derartige Sensortechnik eine sinnvolle Ergänzung der klinischen Diagnostik darstellt und in naher Zukunft in die Routineversorgung von Parkinson-Patienten eingebunden werden kann. Die aktuelle Entwicklung hat darüber hinaus das Potenzial, Patienten in Zukunft aktiv in die Diagnostik und Therapie-Evaluation einzubinden.

Abstract

Parkinson’s disease (PD) is a multisystem disorder with a plethora of symptoms affecting the quality of life of patients in the home environment. Due to the rapid development of wearable technique in the health and fitness sector, an increasing number of such wearable devices are available to complement diagnostic strategies of PD symptoms not only in the clinical but also in the home environment. This development has clear advantages over clinical evaluation, as the latter is relatively subjective, time-consuming and costly, and provides only a snapshot of the condition. First results about the use of such technology for the assessment of PD symptoms (including bradykinesia, dyskinesia, tremor, daily activity and sleep behavior) in the home environment are promising. They suggest that these techniques can provide complementary information about the symptoms of PD patients, and have the potential to be included in future diagnostic workup concepts of routine care in PD. The use of such technique provides also the opportunity to more actively include patients into medical decision-making processes.

Schlüsselwörter

Häusliches Umfeld - quantitatives Assessment - Sensoren

Key words

body-worn sensors - continuous evaluation - quantitative assessment

• Literatur

• 1 van Uem J, Marinus J, Canning C et al. Health-related quality of life in patients with Parkinson’s disease – a systematic review based on the ICF model. Neurosci Biobehav Rev 2016; 61: 26-34
• 2 Pasluosta CF, Gassner H, Winkler J et al. An Emerging Era in the Management of Parkinson’s Disease: Wearable Technologies and the Internet of Things. IEEE J Biomed Heal informatics 2015; 19: 1873-1881
• 3 Maetzler W, Rochester L. Body-worn sensors-the brave new world of clinical measurement?. Mov Disord 2015; 30: 1203-1205
• 4 Maetzler W, Domingos J, Srulijes K et al. Quantitative wearable sensors for objective assessment of Parkinson’s disease. Mov Disord 2013; 28: 1628-1637
• 5 Müller T, Harati A. Diadochokinetic movements differ between patients with Parkinson’s disease and controls. J Neural Transm 2010; 117: 189-195
• 6 Griffiths RI, Kotschet K, Arfon S et al. Automated assessment of bradykinesia and dyskinesia in Parkinson’s disease. J Parkinsons Dis 2012; 2: 47-55
• 7 Klucken J, Barth J, Kugler P et al. Unbiased and mobile gait analysis detects motor impairment in Parkinson’s disease. PLoS One 2013; 8: e56956
• 8 Mancini M, El-Gohary M, Pearson S et al. Continuous monitoring of turning in Parkinson’s disease: Rehabilitation potenzial. NeuroRehabilitation 2015; 37: 3-10
• 9 Hammerla N, Fisher J, Andras P et al. PD disease state assessment in naturalistic environments using deep learning. Austin, Texas: AAAI; 2015
• 10 Ledger D. Wearables Abandonment rates are not improving. Endeav Partners 2015;
• 11 Ferreira JJ, Godinho C, Santos AT et al. Quantitative home-based assessment of Parkinson’s symptoms: the SENSE-PARK feasibility and usability study. BMC Neurol 2015; 15: 89