Vídeos de smartphones do teste sentar-levantar preveem osteoartrite e resultados de saúde em um estudo nacional

As condições musculoesqueléticas – que abrangem deficiências das articulações, ossos ou músculos – afetam mais de 1,5 bilhão de pessoas em todo o mundo. Como a maioria dos problemas de saúde, detectar esses problemas precocemente pode prevenir distúrbios graves, mas poucos testes quantitativos e objetivos para avaliar a saúde musculoesquelética estão disponíveis.

“Há uma necessidade significativa de ferramentas escalonáveis ​​e baratas para medir e monitorar objetivamente as mudanças na função física, especialmente à medida que a população global envelhece”, explicou Melissa Boswell, Ph.D., pós-doutoranda na Universidade de Stanford. “Encontrar maneiras de avaliar remotamente a saúde musculoesquelética pode ajudar no diagnóstico, orientar as decisões de tratamento e potencialmente melhorar a qualidade de vida de inúmeras pessoas”.

Para resolver este problema, Boswell e seus colegas desenvolveram um ferramenta online que pode analisar vídeos caseiros coletados por você com um smartphone. A ferramenta, que foi implantada em um estudo nacional, foi sensível o suficiente para prever saúde física (conforme avaliado usando uma ferramenta de pesquisa padronizada) e osteoartrite do joelho ou quadril. Os resultados do estudo foram descritos recentemente em npj medicina digital.

A ferramenta é baseada no teste sentar-levantar, uma avaliação bastante autoexplicativa: partindo da posição sentada com os braços cruzados, o participante levanta-se e senta-se cinco vezes no total durante a contagem do tempo. Tempos mais lentos podem indicar força corporal inferior reduzida ou uma condição que afeta o sistema músculo-esquelético ou simplesmente envelhecimento, explicou Boswell, observando que o teste por si só não é uma medida precisa da função física. É aqui que entram as análises cinemáticas (que avaliam o movimento). Ao avaliar coisas como ângulos e acelerações de diferentes partes do corpo durante o movimento, previsões mais definitivas da saúde musculoesquelética podem ser feitas.

Veja como a ferramenta funciona: usando um smartphone, alguém grava um vídeo do participante realizando o teste de sentar e levantar, que é carregado no aplicativo. A ferramenta combina um algoritmo de código aberto para estimar a pose do participante com algoritmos personalizados que calculam o tempo que o participante leva para concluir o teste junto com fatores cinemáticos, como ângulos articulares durante o movimento. Os participantes também respondem a uma pesquisa para inserir informações demográficas e preencher um questionário para avaliar fatores como fadiga, dor, sofrimento emocional e função física geral. Os participantes também foram questionados se eles tiveram um diagnóstico clínico anterior de osteoartrite.

Como o estudo era acessível a muitas pessoas, a participação foi marcadamente maior do que os ensaios biomecânicos tradicionais. “Investigações do movimento humano têm sido tipicamente limitadas a laboratórios de biomecânica equipados com equipamentos caros e técnicos”, explicou Boswell.

Em seu estudo nacional, Boswell e colegas incorporaram dados de 405 participantes de 35 estados dos EUA, com indivíduos enviando vídeos em pouco mais de um mês. “Nosso estudo teve mais de 35 vezes o número médio de indivíduos em comparação com os estudos biomecânicos tradicionais”, observou ela. A idade dos participantes variou de 18 a 96 anos, com média de 37,5 anos.

Semelhante às avaliações laboratoriais e clínicas anteriores, os pesquisadores descobriram que um maior ângulo máximo do tronco – ou seja, inclinar-se mais para a frente – quando em pé pode prever a osteoartrite, mesmo ao controlar uma variedade de fatores, como idade, sexo ou índice de massa corporal. (IMC). Como estudos biomecânicos anteriores, a ferramenta descobriu que tempos mais longos para concluir o teste de sentar e levantar estavam associados a uma pontuação de saúde física mais baixa, um IMC mais alto e idade avançada. Esses resultados sugerem que avaliações caseiras baseadas em smartphones podem ser viáveis ​​para futuros estudos biomecânicos.

Como o estudo teve uma população de participantes diversificada, os pesquisadores puderam avaliar como os fatores demográficos podem estar associados às diferenças biomecânicas. Quando compararam os dois maiores grupos étnicos em seu estudo, eles descobriram que os 243 participantes brancos tiveram diferenças significativas no ângulo do tronco durante o teste de sentar e levantar em comparação com os 103 participantes asiáticos, mesmo depois de levar em consideração outras variáveis.

“Esta descoberta indica que não podemos assumir semelhanças entre grupos raciais e étnicos e destaca a importância de amostras mais diversas em estudos biomecânicos”, disse Boswell. “Essas diferenças funcionais provavelmente se devem a fatores subjacentes, como mobilidade ou força, ou mesmo desigualdades na saúde, que não foram capturados neste estudo”.

Os pesquisadores também descobriram uma característica biomecânica (especificamente, inclinar-se para a frente mais rapidamente quando em pé) que foi significativamente associada a uma pontuação mais alta de saúde mental. “É empolgante ver possíveis relações entre saúde mental e como nos movemos”, disse Boswell. Ela enfatizou, no entanto, que as relações entre diferenças biomecânicas e raça/etnia ou estado de saúde mental observadas em seu estudo são principalmente geradoras de hipóteses e exigirão pesquisas de acompanhamento.

“Este estudo destaca que os dados coletados podem ser usados ​​para avaliar a função física e a saúde musculoesquelética, permitindo que os pacientes participem de um estudo biomecânico no conforto de sua própria casa”, disse Moria Bittmann, Ph.D., diretor do programa em a divisão de Discovery Science & Technology no Instituto Nacional de Imagem Biomédica e Bioengenharia (NIBIB). “Estudos como esses fornecem evidências adicionais de que os aplicativos baseados em smartphones podem ajudar a facilitar ensaios clínicos descentralizados e capacitar os indivíduos a assumir um papel ativo em sua saúde”.

“Ferramentas de aprendizado de máquina novas e aprimoradas estão constantemente sendo desenvolvidas para estimar o movimento humano (e muito mais), que têm o potencial de ter um impacto profundo na assistência médica por meio do monitoramento móvel da saúde”, disse o autor sênior do estudo Scott Delp, Ph.D. , professor da Universidade de Stanford.

“Mas apenas construir novas ferramentas de IA não é suficiente. Para realmente causar impacto, precisamos traduzir essas novas ferramentas para o mundo, torná-las utilizáveis ​​para a pessoa comum e para populações vulneráveis ​​e avaliar rigorosamente sua capacidade de fornecer insights sobre importantes medidas clínicas”.

Fornecido pelo Instituto Nacional de Imagem Biomédica e Bioengenharia