Filter by input type
Select all
News
Pages
Events
Filter by category
Select all
AI ANALYTICS
Mobile Apps and Internet of Things
Advancement of science
big data
Connected communities
Coronavirus
Courses and training
DIAGNOSIS
Initial Editorial
Editorials
A world in the cloud
Events
Infographics
Artificial Intelligence and Science
IoT Apps
News
Digital platforms
Social networks
Review of scientific publications
Course Summary
Synopsis of essay
Overview of reference frames
Synopsis of recent publications
Use of Digital Platforms
Filter by input type
Select all
News
Pages
Events
Filter by category
Select all
AI ANALYTICS
Mobile Apps and Internet of Things
Advancement of science
big data
Connected communities
Coronavirus
Courses and training
DIAGNOSIS
Initial Editorial
Editorials
A world in the cloud
Events
Infographics
Artificial Intelligence and Science
IoT Apps
News
Digital platforms
Social networks
Review of scientific publications
Course Summary
Synopsis of essay
Overview of reference frames
Synopsis of recent publications
Use of Digital Platforms
Wearables pueden ayudar a monitorear el progreso de esclerosis lateral amiotrófica

Investigación muestra que los sensores de los wearables pueden ayudar a evaluar funciones motoras en pacientes con ELA

La esclerosis lateral amiotrófica (ELA) es una enfermedad neurodegenerativa que afecta las células nerviosas en el cerebro y la médula espinal, conduciendo a la debilidad muscular y a la disminución de la función motora. Esta condición debilitante ha sido objeto de investigaciones constantes en busca de métodos que mejoren el monitoreo y la evaluación de la función motora en los pacientes.

Recientemente, un nuevo estudio científico publicado en Nature Communications destaca cómo los sensores de dispositivos wearables pueden desempeñar un papel crucial al evaluar y seguir el progreso de los pacientes con ELA desde sus hogares.

El estudio realizó un análisis del uso de wearables colocados en las extremidades de los 376 pacientes para evaluar su comportamiento natural desde sus hogares. Estos sensores recopilan datos de aceleración que son analizados mediante un enfoque de submovimientos, permitiendo medir la función motora con mayor precisión y objetividad. Además, los investigadores desarrollaron un modelo de aprendizaje automático que genera una puntuación de gravedad independiente de las evaluaciones clínicas.

Los resultados de la investigación revelaron que este enfoque proporciona puntuaciones de progresión de la enfermedad que evolucionan más rápido que las obtenidas con la escala estándar de evaluación funcional de la ELA. Es decir, el uso de wearables tiene el potencial de reducir el tamaño de las muestras necesarias en ensayos clínicos, lo que podría acelerar el desarrollo de tratamientos más eficaces. Además, estos sensores ofrecen una medida escalable y válida para ser implementada tanto en ensayos clínicos como en la atención clínica de pacientes con ELA.

“En resumen, hemos demostrado que un análisis basado en submovimientos del comportamiento natural en el hogar utilizando sensores portátiles produce medidas interpretables, fiables, sensibles y ecológicamente válidas de la función motora gruesa y fina en la ELA. Esta tecnología tiene propiedades que apoyan su uso como una medida de resultado en ensayos clínicos de ELA con el potencial de reducir el coste y el tamaño de futuros ensayos”, explicaron los autores.

Además, detallaron que el uso de sensores baratos, llevados en casa con instrucciones mínimas y sin limitaciones de elegibilidad, podría aumentar el acceso a ensayos clínicos y apoyar ensayos clínicos virtuales en ELA. De igual forma sería clave para apoyar el cuidado clínico rutinario de individuos con ELA proporcionando a médicos y pacientes una evaluación motora objetiva y fiable que puede obtenerse pasivamente en casa con una carga y coste relativamente bajos.

Check the full study at the following link:

 https://www.nature.com/articles/s41467-023-40917-3

Outstanding news

News by country

Share

Digital Health in the world

  • — Science Brief: Omicron (B.1.1.529) Variant/CDC updates
    See more
  • —Coronavirus resource center/Johns Hopkins
    See more
  • — Epidemiological tracing of COVID-19 contacts / Johns Hopkins Course
    See more
  • — SARS-CoV-2 infection behavior / FCS calculator
    See more
  • — Omicron SARS-CoV-2 variant: a new chapter in the COVID-19 pandemic/ Article The Lancet
    See more
  • —Genomic Epidemiology Tracker/GISAID
    See more
  • — Mexican Genomic Surveillance Consortium
    See more
Secured By miniOrange