Una nueva investigación realizada por la Universidad de Cardiff descubrió que los relojes inteligentes podrían ayudar a predecir quién es probable que desarrolle la enfermedad de Parkinson hasta siete años antes del diagnóstico clínico.
Un reloj inteligente – foto ilustrativa. Crédito de la imagen: Al Amin Mir a través de Unsplash, licencia gratuita
Publicado en la revista Medicina naturalel equipo del Instituto de Innovación en Neurociencia y Salud Mental de la Universidad (NMHII) y el Instituto de Investigación de la Demencia del Reino Unido, descubrió que la tecnología portátil que rastrea la acelerómetro, la aceleración del movimiento -incluidos los que se utilizan en los relojes inteligentes- podría ser vital para identificar a las personas de la población general que tienen más probabilidades de desarrollar la enfermedad de Parkinson.
Si bien el Parkinson se reconoce en gran medida por sus síntomas motores, como temblores y lentitud de movimientos, los cambios no motores en una etapa anterior de la enfermedad, llamada etapa prodrómica, pueden ser anteriores a la aparición de estos síntomas por muchos años.
La Dra. Kathryn Peall, profesora clínica senior en el NMHII, dijo: “La enfermedad de Parkinson es un trastorno del movimiento progresivo causado por la pérdida de células cerebrales que usan dopamina. Sin embargo, en el momento del diagnóstico clínico se habrán perdido aproximadamente el 50-70% de estas células cerebrales. Esto dificulta el diagnóstico precoz de la enfermedad.
Una pareja de ancianos – foto ilustrativa. Crédito de la imagen: PICNIC-Foto vía Pixabay, licencia libre.
Utilizando datos de más de 500.000 personas de 40 a 69 años de edad a través del Biobanco del Reino Unido que se remontan a 2006, los investigadores compararon datos de acelerometría con modelos basados en genética, estilo de vida, bioquímica sanguínea y datos de síntomas prodrómicos.
Descubrieron que los programas de computadora entrenados con los datos de acelerómetro adquiridos de relojes inteligentes y dispositivos portátiles similares podían distinguir a los pacientes con enfermedad de Parkinson clínicamente diagnosticada y enfermedad de Parkinson prodrómica de la población general. Ningún otro tipo de fecha en su investigación se desempeñó mejor que la acelerómetro.
La Dra. Cynthia Sandor, del Instituto de Investigación de la Demencia de la Universidad de Cardiff, dijo: “Hasta donde sabemos, esta es la primera demostración del valor clínico de los biomarcadores basados en acelerometría para la enfermedad de Parkinson prodrómica en la población general. Nuestros resultados mostraron que una reducción previa al diagnóstico en la aceleración era exclusiva de la enfermedad de Parkinson y no se observó en ningún otro trastorno que examinamos.
Rastreador de actividad física. Crédito de la imagen: Piqsels, CC0 Dominio público
“Sugiere que la acelerometría podría usarse para identificar a las personas con un riesgo elevado de enfermedad de Parkinson en una escala sin precedentes.
“En un entorno clínico, la monitorización continua o semicontinua de las personas no se puede lograr debido al tiempo, el costo, la accesibilidad y la sensibilidad.
“Pero millones de personas usan a diario dispositivos inteligentes capaces de recopilar datos de acelerómetros.
“Aunque se necesitará mucho más trabajo antes de que esto se ponga en práctica clínica, nuestro descubrimiento marca un avance significativo en el diagnóstico temprano de la enfermedad de Parkinson y sugiere que los dispositivos como los rastreadores de actividad y los relojes inteligentes podrían desempeñar un papel clave en el diagnóstico clínico. supervisión.»
Fuente: Universidad de Cardiff
!function(f,b,e,v,n,t,s){if(f.fbq)return;n=f.fbq=function(){n.callMethod?
n.callMethod.apply(n,arguments):n.queue.push(arguments)};if(!f._fbq)f._fbq=n;
n.push=n;n.loaded=!0;n.version=’2.0′;n.queue=[];t=b.createElement(e);t.async=!0;
t.src=v;s=b.getElementsByTagName(e)[0];s.parentNode.insertBefore(t,s)}(window,
document,’script’,’https://connect.facebook.net/en_US/fbevents.js’);
fbq(‘init’, ‘1254095111342376’);
fbq(‘track’, ‘PageView’);
