* Les participants doivent avoir un diagnostic de sclérose en plaques (SEP) selon les critères de McDonald, dans une tranche d'âge de 18 à 60 ans.
* Le participant doit avoir un score à l'Échelle d'évaluation de l'incapacité élargie (EDSS) lors du dépistage inférieur ou égal à 6,5, inclus.
* La cohorte de participants inclura au moins 3 participants à chaque site présentant l'un des phénotypes de marche suivants : ataxique, hémiplégique et spastique. (Certains participants peuvent présenter plus d'un phénotype).
* La cohorte de participants inclura au moins 3 participants à chaque site avec une forme progressive de SEP.
Critères d'exclusion:
* Les participants qui souffrent actuellement d'une blessure musculo-squelettique (par exemple, entorse, fracture, élongation, etc.) limitant leur capacité à utiliser leur pleine amplitude de mouvement de n'importe quelle articulation au moment du recrutement.
* Incapacité de donner un consentement éclairé.
Source : traduction non-officielle opérée par intelligence artificielle
voir le texte original
Inclusion Criteria:
* Participants must have a diagnosis of Multiple Sclerosis (MS) based on the McDonald criteria, within an age range of 18 to 60.
* The participant must have an Extended Disability Status Scale (EDSS) score at screening less than or equal to 6.5, inclusive.
* The participant cohort will include at least 3 participants at each site exhibiting one of the following gait phenotypes: ataxic, hemiplegic and spastic. (Some participants may exhibit more than one phenotype).
* The participant cohort will include at least 3 participants at each site with a progressive form of MS.
Exclusion Criteria:
* Participants that are currently suffering from a musculoskeletal injury (e.g., sprain, fracture, strain, etc.) that limits their ability to use their full range of motion of any joint at the time of recruitment.
* Inability to provide informed consent.
Cohortes
Thérapie ou Intervention proposée
Cohortes
Donnée non disponible
Données à jour depuis :
29 octobre 2024
Description de l'étude
Description de l'étude
Résumé de l'étude
Pour mesurer l'efficacité d'une solution de surveillance à distance des patients basée sur l'utilisation d'un dispositif portable intelligent dans la semelle intérieure (et l'application associée sur smartphone), pour surveiller la condition des patients atteints de SEP au jour le jour. L'accent principal est mis sur la mesure objective de la marche, étant donné que 75% des personnes atteintes de SEP présentent des altérations significatives de la marche sur le plan clinique. Les données initiales du laboratoire de la marche "gold standard" indiquent que le biomarqueur numérique basé sur l'intelligence artificielle (IA) sera très efficace pour détecter les changements dans la condition du patient atteint de SEP.
Source : traduction non-officielle opérée par intelligence artificielle
voir le texte original
To measure the effectiveness of a Remote Patient Monitoring solution based on the use of a smart insole wearable device (and associated smart phone app), for monitoring MS patients' condition on a day-to-day basis. The main focus is the objective measurement of gait, given that 75% of people with MS display clinically significant gait impairments. Initial gait lab "gold standard" data indicate that the Artificial Intelligence (AI)-based digital biomarker will prove to be highly effective at detecting changes in the MS patient's condition.
La sclérose en plaques (SEP) est une maladie auto-immune chronique qui est généralement diagnostiquée pour la première fois chez de jeunes adultes ; la SEP affecte le système nerveux central et peut entraîner diverses altérations, notamment la marche, la cognition, la dextérité, le sommeil, la vision et le contrôle de la vessie. Notamment, les altérations de la marche sont les plus courantes et sont identifiées comme les plus impactantes sur la qualité de vie d'une personne atteinte de SEP. De plus, l'ambulation est une mesure clé utilisée pour évaluer la gravité de la SEP et est la base de l'Échelle d'évaluation de l'incapacité élargie (EDSS) qui représente la norme mondiale pour évaluer la condition de la SEP d'un patient. Pour ces raisons, les cliniciens utilisent une variété de tests de la marche pour évaluer la gravité et la progression de la maladie, qui nécessitent des visites cliniques fréquentes et manquent de mesures objectives par rapport à ce qui peut être mesuré en laboratoire. Les échelles actuelles ne détectent pas les progrès subtils qui pourraient indiquer une transformation précoce en SEP progressive secondaire (SPMS) à partir de SEP récurrente-rémittente (RRMS) ou une progression significative dans les formes progressives de la SEP.
Avec les progrès des technologies portables et du développement d'algorithmes basés sur l'intelligence artificielle (IA), les cliniciens peuvent disposer de mesures de marche de qualité de laboratoire significatives collectées dans l'environnement domestique du patient pour les aider dans leur pratique. Des informations de marche objectives peuvent être fournies aux cliniciens pour suivre la progression personnalisée de la maladie afin de permettre un plan de traitement plus ciblé. Une partie de ces données est également partagée avec les patients via leur application sur smartphone pour les informer et les motiver.
Plusieurs fois par semaine, les semelles intelligentes dans les chaussures du patient collecteront des données à partir des capteurs intégrés (capteurs de pression, accéléromètre, gyroscope). Les semelles intelligentes portables sont insérées dans une paire de chaussures d'usage courant du patient, et sont très similaires aux types de semelles de confort disponibles dans une pharmacie locale. Les données des semelles intelligentes seront utilisées pour créer des modèles personnalisés basés sur l'IA qui calculent la signature de marche de chaque individu ; cela inclut le suivi des changements subtils au fil du temps (amélioration, détérioration) ainsi que l'identification de phénotypes de marche spécifiques.
Source : traduction non-officielle opérée par intelligence artificielle
voir le texte original
Multiple sclerosis (MS) is lifelong autoimmune disease that is typically first diagnosed in young adults; MS affects the central nervous system and can result in various impairments, including walking, cognition, dexterity, sleep, vision and bladder control. Notably, impairments to gait are the most common and are identified as the most impactful to a person with MS's (PwMS's) quality of life. Furthermore, ambulation is a key metric used to assess the severity of MS and is the basis for the Expanded Disability Status Scale (EDSS) that represents the global standard for assessing a patient's MS condition. For these reasons, clinicians employ a variety of gait tests to assess the severity and progression of the disease, which require frequent clinical visits and lack objective measurements as compared to what can be measured in a laboratory setting. Current scales do not detect subtle progression that could be indicative of early transformation into Secondary Progressive MS (SPMS) from Relapsing Remitting MS (RRMS) or significant progression in progressive forms of MS.
With advancements in wearable technologies and Artificial Intelligence (AI)-based algorithm development, clinicians can be provided with meaningful laboratory grade gait metrics collected in the patient's home environment to assist their practice. Objective walking information can be provided to clinicians to track the personalized progression of the disease to enable a more targeted treatment plan. A subset of this data is also shared with the patients via their smart phone app to keep them informed and motivated.
Several times per week, smart insoles in the patient's shoes will collect data from the embedded sensors (pressure sensors, accelerometer, gyroscope). The wearable smart insoles are fitted into a pair of the patient's "everyday use" shoes, and are very similar to the type of "comfort" insoles available from a local pharmacy. The smart insole data will be used to create AI-based personalized models that compute each individual's walking signature; this includes tracking of subtle changes over time (improvement, deterioration) as well as identifying specific gait phenotypes.
