A interferência do congelamento da marcha na marcha associada a dupla-tarefa em indivíduos com doença de Parkinson com e sem alteração cognitiva leve
Bibliographic record
Abstract
Introdução: Indivíduos com Doença de Parkinson (DP) e alteração cognitiva leve (ACL) podem apresentar alterações na marcha principalmente na variabilidade dos parâmetros espaço-temporais. No entanto, para nosso conhecimento ainda não há estudos que demonstrem se o congelamento da marcha (FOG) interfere nessas variáveis e em diferentes situações de dupla-tarefa (DT). Objetivos: Analisar os parâmetros espaço-temporais da marcha (comprimento do passo, velocidade do passo, largura do passo, tempo de passada e tempo de duplo apoio) e sua variabilidade, o número de erros durante a dupla-tarefa cognitiva não funcional e o custo da dupla-tarefa, em indivíduos com DP com e sem ACL. Durante a marcha e durante a marcha associada a DT (ANOVA) e também ao considerar o FOG como co-variável (ANCOVA). Métodos: Estudo transversal, com amostragem não probabilística por conveniência. Os indivíduos foram recrutados seguindo os critérios de inclusão: DP idiopática; Hoehn e Yahr de I a III, marcha independente e medicação estável; critérios de exclusão: doenças neurológicas ou ortopédicas, associadas e/ou limitações articulares que dificultem a marcha; rastreio cognitivo de demência segundo a Montreal Cognitive Assesment (MoCA) (escore <21/30). Os indivíduos foram divididos em dois grupos: DP/ACL (n=11) e DP sem ACL (n=13), segundo MoCA (<26/30: com ACL e ≥26/30: sem ACL). As variáveis analisadas foram os parâmetros espaço-temporais (velocidade do passo, comprimento do passo, largura do passo, tempo da passada e tempo de balanço) e sua variabilidade. A análise consistiu na realização de 3 diferentes tarefas: 1- Simples (marcha em velocidade confortável); 2- DT cognitiva 1 (marcha associada a responder perguntas); e 3- DT cognitiva 2 (marcha associada a contabilizar números pares/ímpares) em um trajeto de 8 metros, randomizadas e repetidas 5 vezes cada. As variáveis foram analisadas por meio do Vicon Motion e processadas pelo programa Matrix Laboratory (MATLAB). Todos os testes estatísticos foram realizados no programa estatístico STATISTICA, adotando o nível de significância de 5% (p < 0,05). A estatística descritiva foi apresentada em média e desvio padrão. O teste de Shapiro-Wilk foi utilizado para analisar a normalidade dos dados e teste de Levene para verificar a homogeneidade. A diferença clínica entre os grupos foi analisada por meio dos testes t de Student. Para as variáveis de marcha foi realizada ANOVA two-way para avaliação do efeito do grupo e condição e interação entre os fatores. Para incluir o FOG como co-variável foi realizada uma análise de covariância (ANCOVAs). Assim como do custo da DT (comparando o custo da tarefa 2 com o custo da tarefa 3. Em caso de interação entre os fatores, foi utilizado o teste de post-hoc de Tukey. Para analisar o número de erros, durante a dupla-tarefa não funcional, entre os grupos, foi utilizado o teste t de Student. Resultados: Os resultados da ANCOVA mostram que ao incluir o FOG como covariável, não encontramos diferenças entre os grupos nem entre grupo x tarefa. Houve efeito da tarefa (1 x 2 x 3) com diferença estatisticamente significativa no comprimento do passo (p<0,01; F=17,15; η2 parcial= 0,44; poder=0,99), velocidade do passo (p<0,01; F= 23,66; η2 parcial=0,52; poder= 0,99) e tempo de balanço (p=0,02; F=3,93; η2 parcial= 0,15; poder=0,67). Na variabilidade dos parâmetros espaço-temporais da marcha foi encontrado efeito de tarefa (1x 2 x 3) somente no tempo da passada (p=0,01; F=4,36; η2 parcial=0,17; poder=0,72). Referente a média de erros na tarefa 3, não houve diferença significativa (p=0,13), embora os indivíduos com DP/ACL apresentassem maior número de erros. Quanto a comparação do custo das diferentes DTs considerando o FOG como co-variável não foram encontradas diferenças significativas. Conclusão: Infere-se que o FOG e o ACL estão intimamente relacionados e influenciam na marcha associada a DT cognitiva. Ao incluir o FOG como co-variável, não encontramos diferenças significativas entre os grupos. Conclui-se desta maneira, que a presença de FOG tem um papel relevante. Quanto ao número de erros na dupla-tarefa não funcional, percebemos que há uma priorização da tarefa motora em detrimento da tarefa cognitiva. Ao comparar o custo entre as DTs, não foram encontradas diferenças.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".