Efecto de la retroalimentación visual sobre la velocidad de la marcha después de un accidente cerebrovascular: diseño de caso único

Introducción

De acuerdo con la Organización Mundial de Salud, el accidente cerebrovascular (ACV) es la segunda causa de mortalidad en el mundo y la tercera más común en países de bajos ingresos, ocasionando alrededor de 4,4 millones de muertes anuales [1]. Aunque los estudios epidemiológicos más recientes muestran reducción en las tasas de mortalidad estandarizadas por la edad a nivel mundial, el número absoluto de personas que sufren un accidente cerebrovascular y que viven con discapacidad va en aumento, lo que genera consecuencias emocionales y socioeconómicas para las personas, sus familias y los servicios de salud [2,3]

Entre el 50 y el 70% de los sobrevivientes de un ACV recuperan la independencia funcional. Sin embargo, cerca del 30% permanecen con deficiencias físicas, sensoriales e intelectuales que generan discapacidad, y aproximadamente el 20% requieren cuidados institucionales por la dependencia funcional después del alta hospitalaria tras un episodio agudo [4].

La deficiencia más común y ampliamente reconocida causada por el ACV es la deficiencia motriz [5]. La hemiparesia desencadena alteraciones de la marcha relacionadas principalmente con reducción en la propulsión y asimetría cinemática o espaciotemporal, que aumentan el gasto energético, reducen la velocidad y resistencia durante la marcha e incrementan el riesgo de caída en esta población [6]. Lo anterior genera mayor dependencia funcional y necesidad de asistencia en más de la tercera parte de las actividades de la vida diaria, incluyendo el cuidado personal y la interacción social [2,7].

La recuperación de la marcha se considera uno de los principales objetivos en rehabilitación [8]. Del 65% al 95% de las personas con ACV aprenden a caminar de manera independiente aproximadamente seis meses después de la lesión; en comparación con otros individuos, invierten más tiempo entrenando la marcha que otras actividades y solo entre el 30 y 50% son capaces de deambular en comunidad [9]. Esto ha generado un incremento considerable en la investigación en rehabilitación hacia el desarrollo de nuevas estrategias para favorecer y potenciar la recuperación de la marcha posterior a un ACV [10].

De estas estrategias, la evidencia en neurorrehabilitación respalda el entrenamiento especifico con grandes dosis y altas intensidades de la práctica como principales elementos para mejorar la movilidad y la velocidad de la marcha después de un ACV [11], respaldando los hallazgos en neurociencias que promueven la incorporación de la práctica repetitiva y variable para la mejora de los procesos de neuroplasticidad y aprendizaje motor pos-ACV [12]. Así, se responde a la premisa de que el entrenamiento mejora el desempeño en términos de adquisición de nuevas habilidades y refinamiento de habilidades previamente aprendidas después de una lesión cerebral [13]. Esto significa que para que el sistema nervioso central actúe eficientemente, los programas de rehabilitación deben estar orientados por procesos de plasticidad dependientes como la práctica orientada a la tarea, la atención centrada, el entrenamiento repetitivo y la retroalimentación [14].

En los últimos años se ha demostrado que la retroalimentación es una de las variables que más impacta en la recuperación de la marcha [15]. Los sistemas de retroalimentación extrínseca determinan el desempeño de la tarea a través de la cuantificación de variables biomédicas e informan al usuario directa o indirectamente sobre una variable relevante como la fuerza, la actividad mioeléctrica, la temperatura o los torques articulares, transformando esta información en señales auditivas, visuales o hápticas fácilmente identificables por el usuario [16,17]. La retroalimentación se considera un elemento clave para la rehabilitación, dada su fácil obtención, manipulación y cuantificación en los ámbitos experimentales [18].

La retroalimentación proporciona información sobre el desempeño y los resultados en la ejecución de una tarea, con la intención de reducir los errores en la ejecución y facilitar el logro de objetivos en la recuperación [19]. Su aplicación en rehabilitación en ACV está orientada principalmente a suministrar o representar la información sensorial propioceptiva que puede verse afectada tras la lesión [6]. Este tipo de retroalimentación se utiliza en la rehabilitación de la marcha, especialmente para mejorar la longitud y el ancho de paso, el tiempo de apoyo, el control de la postura y la transferencia de peso entre las extremidades o en el tronco, los cuales son pasos obligatorios para la mejora de dicha función de caminar [20].

La estrategia utilizada en este estudio se basa en un sistema de ortesis robóticas dinámicas que combina un método de soporte de peso para el control del movimiento de las extremidades inferiores en el plano sagital durante el entrenamiento de la marcha (Lokomat®) [21]. Este sistema presenta retroalimentación extrínseca en línea durante el entrenamiento del paciente, lo que permite evaluar el desempeño durante la marcha. La información presentada al participante muestra la interacción de los torques articulares de la cadera y la rodilla con las ortesis robóticas que se representan en un gráfico lineal visible en un monitor. El propósito de esta información es brindar retroalimentación extrínseca como orientador del desempeño en las diferentes fases en el ciclo de la marcha [10].

El presente estudio está diseñado para determinar el efecto de la retroalimentación visual sobre la velocidad de la marcha durante el entrenamiento robótico de la marcha, variando únicamente la condición de suministro y no suministro de dicha información durante el entrenamiento, al aplicar un diseño de caso único. En este tipo de estudio, cada participante se convierte en su propio control, reduciendo la interferencia de variables de confusión como el género, la edad, el nivel socioeconómico y las intervenciones concurrentes [22].

Metodología

Diseño del estudio

Se realizó un estudio de caso único de línea de base múltiple, aleatorio, no concurrente en dos fases: fase de base o control (A) y fase de intervención (B). Los sujetos fueron aleatorizados para recibir 12 a 20 sesiones con el tratamiento de control (entrenamiento robótico de la marcha sin retroalimentación) antes de iniciar la intervención con entrenamiento robótico con retroalimentación visual. La aleatorización se llevó a cabo a través del método de sobres sellados.

Participantes

Cuatro personas con antecedentes de accidente cerebrovascular de no más de seis meses de evolución (tres mujeres, un hombre; edad media: 50 años; rango de 19 a 73 años) fueron reclutados mientras participaban en el proceso interdisciplinario de rehabilitación PIR® de la Clínica Universidad de la Sabana en Chía, municipio de Cundinamarca, Colombia.

Los criterios de inclusión fueron: 1) realizar marcha de manera independiente con o sin uso de producto de apoyo por al menos 10 metros, 2) presentar calificación en la evaluación del mini mental test superior a 20 puntos.

Criterios de exclusión: presentar 1) deficiencias severas visuales o auditivas, 2) enfermedades graves de origen cardiovascular, 3) peso superior a 260 libras, 4) historia reciente de lesiones traumáticas en el tronco o miembros inferior y 5) discrepancia de miembros inferiores mayor a 3 centímetros .

El estudio fue avalado por el comité de Bioética de la Universidad Autónoma de Manizales (acta 080 de 2018). Cada uno de los participantes aceptaron la intervención con la firma del consentimiento informado.

La Tabla 1 presenta las características sociodemográficas de los cuatro participantes, incluyendo nivel educativo y estado cognitivo.

Tabla 1. Características sociodemográficas y clínicas de los participantes.

Materiales y métodos

Se evaluó la velocidad de la marcha en todos los participantes mediante la aplicación del test de marcha 10 metros, inmediatamente después de finalizar cada sesión de entrenamiento durante las fases de base (A) e intervención (B). El test de marcha 10 metros tiene excelente confiabilidad test/retest (ICC=0.95-0.99) e inter e intra-evaluador (ICC= 0.87- 0.88) para personas pos-ACV en estadios crónicos [23]. Además, cuenta con excelente correlación con instrumentos de evaluación de independencia de actividades de la vida diaria (r=0.76) [24].

Intervención

En las fases de control e intervención, los participantes realizaron entrenamiento robótico de la marcha Lokomat( 3 veces por semana durante una hora, con un soporte de peso inicio en 40% del peso corporal, progresando entre 5 al 10% en cada sesión, hasta alcanzar la tolerancia al soporte del 100%.

La velocidad de la marcha se ajustó inicialmente en 1.5 km/hora con aumentos progresivos de 0.2 km/hora en cada sesión hasta alcanzar una velocidad máxima de 3 km/hora. La fuerza guía del dispositivo fue programada al 100% al inicio del entrenamiento con reducción progresiva, hasta alcanzar el 0% según tolerancia del participante.

Para la fase de intervención, todos los participantes recibieron además retroalimentación visual, a través de la observación de un monitor que presentaba información sobre los torques articulares de la cadera y la rodilla necesarios para mantener una trayectoria predefinida en cada fase de la marcha. Por definición, un torque es positivo cuando el movimiento del participante se corrige hacia la extensión y es negativo cuando el movimiento se corrige hacia la flexión. Los torques son el resultado de la multiplicación del movimiento articular del participante por la carga de peso en cada articulación, dando como resultado una unidad de medida arbitraria que se define como unidad de biofeedback [25]. Esta información se presenta en un gráfico lineal que visualiza el participante e informa el desempeño durante la fase de apoyo y balanceo (Figura 1). El entrenamiento fue realizado por terapeutas certificados en el manejo del dispositivo robótico, ajenos a la investigación.

Figura 1. Simulación de la visualización estándar del monitor implementado en el sistema Lokomat( para suministro de retroalimentación visual.

Análisis de datos

Los datos fueron analizados según las recomendaciones de la documentación técnica para diseños de caso único de la What Works Clearinghouse y la guía de publicación para diseños de caso único - SCRIBE [26,27], mediante el uso del recurso web para análisis visual de los diseños de caso único: https://manolov.shinyapps.io/Overlap [28]. Se examinó y comparó cada una de las fases para determinar las diferencias en el nivel, la tendencia de cambio, la estabilidad, el efecto inmediato y la no superposición de datos para cada participante.

El valor de la mediana de los datos se usó para determinar los cambios en el nivel en cada fase; la dirección de la tendencia se calculó a través del estimador Theil-Sen, también conocido como estimador de pendiente de Sen o el método de ajuste de Kendall [29].

La estabilidad de los datos se determinó calculando el porcentaje de datos que caían encima o por debajo del 20% del valor de la mediana de datos, a través del método de banda de dos desviaciones estándar; se satisface un criterio de estabilidad si el 80% de los datos caen en este rango [30].

Por último, la no superposición de los datos (PND) se estimó a través del índice de no superposición. Este índice cuantifica la proporción de datos en la fase de intervención (B) que no se superponen en la fase de base (A). Los estadísticos de no superposición se escalan típicamente como porcentaje de 0 a 100. Así, un porcentaje menor a 50 no denota efecto de la intervención, porcentaje entre el 50 y 70 demuestra un efecto cuestionable y más del 70% sugiere que la intervención fue efectiva [31].

Resultados

Análisis visual

Las Figuras 2, 3, 4 y 5 muestran la gráfica de datos de cada participante utilizadas para el análisis visual durante la fase de base (A) y la fase de intervención (B), separadas por la línea vertical continua. El eje “x” representa el valor de la velocidad de la marcha y el eje “y” la cantidad de sesiones para cada una de las fases.

Figura 2. Análisis visual para el participante 1 demostrando: a) nivel, b) tendencia, c) estabilidad de los datos, d) efecto inmediato y e) la no superposición de los datos (PND)

Figura 3. Análisis visual para el participante 2 demostrando: a) nivel, b) tendencia, c) estabilidad de los datos, d) efecto inmediato y e) la no superposición de los datos (PND)

Figura 4. Análisis visual para el participante 3 demostrando: a) nivel, b) tendencia, c) estabilidad de los datos, d) efecto inmediato y e) la no superposición de los datos (PND)

Figura 5. Análisis visual para el participante 4 demostrando: a) nivel, b) tendencia, c) estabilidad de los datos, d) efecto inmediato y e) la no superposición de los datos (PND)

Cambios en el nivel

La Tabla 2 muestra los cambios en el nivel (la mediana) y la desviación estándar de los datos para la fase de base y la fase de intervención en cada participante. Para todos los participantes se encontraron cambios positivos en el nivel de los datos. Los valores de la velocidad de la marcha fueron superiores en todos los participantes en la fase de intervención en comparación con la fase de base (media:0.76 m/s); con diferencia en la mediana de la fase intervención y la de base entre 0.1 y 0.21 m/s. Los cambios más elevados se presentaron en los participantes 1 y 2.

Tabla 2. Valores de la mediana y desviación estándar de los datos para cada participante en cada fase.

Cambios en la tendencia de los datos

La tendencia de los datos muestra ascenso o descenso de la variable de estudio en el análisis visual. Para la presente investigación, la tendencia de los datos hacia el ascenso demuestra mejoría. El análisis visual de la tendencia demuestra aceleración para la tendencia (incremento de los valores de la velocidad de la marcha a través del tiempo) de la línea de intervención para los participantes P01, P03 y P04.

Análisis estadístico

Estabilidad de los datos: método de banda de dos desviaciones estándar

Cada una de las líneas de base (A) e intervención (B) de cada participante cumplió el criterio de estabilidad según el método de banda de dos desviaciones estándar [32]. Para todos los participantes, más del 80% de los datos se mantuvieron en el rango establecido, indicando estabilidad de los datos tanto en la fase de base como en la fase de intervención.

Efecto inmediato: patrones de cambio

Se identifican dos patrones de cambio en respuesta a la intervención. El primer patrón fue un cambio inmediato al comienzo del entrenamiento (media: 0.15 m/s), seguido por una leve mejora adicional a lo largo de la fase de intervención, pero con descenso en la tendencia de los datos en esta fase (sin efecto dentro del entrenamiento), aplicable para el participante 2.

El segundo patrón fue un cambio inmediato, seguido de una mejoría gradual y continua durante la fase de intervención (efecto continuo durante el entrenamiento), aplicable para los participantes 1, 3 y 4. El participante 1 demostró un patrón de cambio inmediato elevado (media: 0.09 m/s) con efecto continuo durante la intervención, mientras que los participantes 3 y 4 se caracterizaron por un patrón de cambio inmediato más discreto (media: 0.04 y 0.03 m/s) con efecto continuo durante la intervención.

Porcentaje de no superposición de datos

Para el presente estudio, un incremento en los valores de resultado localizaría los puntos en el análisis visual más elevados en la fase de intervención versus la fase de base. El porcentaje de no superposición demostró efecto de la intervención para los participantes 1, 2 y 4 (>91.67%) y efecto cuestionable para el participante 3 (58.3%).

Discusión

Desde la investigación en neurociencias, son diversas las variables del entrenamiento que determinan el proceso de aprendizaje motor. La mayoría de ellas se relacionan con el tipo de práctica, la repetición, el entrenamiento orientado a la tarea, la especificidad y fundamentalmente la retroalimentación, siendo esta última una de las variables más críticas para el entrenamiento en rehabilitación [25]. Basados en este concepto, el presente estudio tuvo como objetivo determinar el efecto de la retroalimentación visual sobre la velocidad de la marcha durante el entrenamiento robótico, al variar únicamente la condición de suministro y no suministro de dicha información, aplicando un diseño de caso único. La hipótesis planteada en este estudio formuló que el entrenamiento robótico con retroalimentación visual mejoraba la ejecución de la marcha en términos temporales, específicamente en la velocidad de la marcha.

De acuerdo con los principios de análisis de los diseños de caso único, el criterio experimental fue moderado, al demostrar incrementos en la velocidad de la marcha en los primeros cinco días después de la introducción del entrenamiento para los casos 1, 2 y 4, esto asociado al patrón de cambio de los datos reportados para cada caso. Los cambios positivos en la velocidad de la marcha se relacionan principalmente al reconocimiento del movimiento articular de la cadera y la rodilla, guiado por las ortesis dinámicas del sistema Lokomat®, lo que permite mantener una adecuada longitud de paso, mayor libertad en el balanceo, estabilidad en el apoyo y mantener la dirección de progresión [14].

Pak y Lee [33] describieron efectos similares en un estudio de retroalimentación visual durante el entrenamiento de sentadilla con cambio gradual en el soporte de peso en la extremidad parética en adultos con antecedentes de ACV. Los resultados demuestran mejoría en la actividad muscular, el balance y la marcha, indicando que los marcadores visuales tienen un efecto primario sobre el control y el aprendizaje del movimiento, lo que mejora específicamente la transferencia de peso para el control del equilibrio y la estabilidad de la extremidad afectada [33].

Por su parte, Genthe et al. [34] demostraron cambios en la propulsión de la pierna parética después de un entrenamiento de la marcha con retroalimentación visual en tiempo real en nueve personas posACV. El entrenamiento con retroalimentación generó aumento significativo en la longitud de paso de la extremidad parética, indicando que durante la marcha la extremidad parética se ubicó más atrás durante la fase de apoyo terminal, lo que modificó a su vez patrones en el desempeño muscular de la extremidad parética y redujo las compensaciones en la extremidad sana [34]. Durante el entrenamiento de la marcha, el uso de señales visuales en tiempo real ha demostrado resultados favorables en términos de la distribución de peso y la simetría en el apoyo, lo que contribuye de manera positiva en la mejoría de la velocidad y el balance durante la marcha.

Kim y Oh [35] combinaron el entrenamiento de marcha en tapiz rodante con el uso de retroalimentación visual en tiempo real en adultos con hemiparesia secundaria a un ACV, demostrando aumento en la longitud de paso, la longitud de zancada y en el tiempo de apoyo. Además, reportaron mejoría en la evaluación del balance utilizando el test de Timed get up and Go. Estos hallazgos sugieren que el entrenamiento orientado a la tarea con retroalimentación visual favorece no solamente la ejecución de la tarea en si misma, sino además la transferencia del aprendizaje en actividades funcionales que comparten características espaciotemporales durante su ejecución [35].

Basados en estos hallazgos, el presente estudio confirma la relevancia de la aplicación y el uso de principios de aprendizaje motor para la rehabilitación de las personas con déficit neurológico. En general, los cambios neuroplásticos reportados en el sistema nervioso central después de una lesión son dependientes de la actividad y están fuertemente asociados a la aplicación de los principios de aprendizaje motor en el entorno rehabilitador.

Conclusiones

El uso de retroalimentación visual durante el entrenamiento de la marcha ha sido ampliamente investigado. Sin embargo, algunos estudios que presentan hallazgos significativos presentan algunas limitaciones: la mayoría de ellos compara los grupos intervención con entrenamiento convencional y consideran dentro de la intervención estrategias adicionales que se ha comprobado potencian el aprendizaje, como la práctica masiva y repetitiva y los sistemas de soporte de peso en banda sin fin. Esto genera dificultades para determinar el efecto real de la retroalimentación visual durante el entrenamiento [18].

Por otro lado, la naturaleza, la cantidad y frecuencia de la retroalimentación extrínseca juegan un papel importante en su efectividad. No obstante, no ha sido posible determinar de manera concluyente cuáles son las características y tipos de retroalimentación más apropiadas y esenciales para favorecer el proceso de aprendizaje [36].

Los resultados presentados en este estudio evidenciaron un efecto positivo del entrenamiento robótico de la marcha con retroalimentación visual sobre la velocidad de la marcha en todos los participantes en esta investigación. Aunque los patrones de cambio y el efecto inmediato no fue el mismo en todos los participantes, sí se destaca una mejoría en el nivel de los datos durante la intervención, lo que demuestra la importancia de la retroalimentación visual como orientador del desempeño en el entrenamiento rehabilitador para el entrenamiento de la marcha. Sin embargo, estos mismos deben verse con precaución, debido a las limitaciones derivadas de la no replicación de las fases dentro del estudio y el diseño del estudio en sí mismo, el cual presenta limitaciones en comparación con los ensayos clínicos contralados, como los son principalmente el tamaño de la muestra y el uso de análisis estadístico más extenso.

Con relación a los resultados descritos, la falta de seguimiento limita la posibilidad de describir posibles efectos a largo plazo derivados de la intervención presentada. De la misma manera, todos los participantes deambulaban de manera independiente previo a la participación en la investigación, lo que hace imposible generalizar los resultados a otro tipo de población que no comparta dicha característica.

Por otro lado, el diseño utilizado en esta investigación es un diseño que en los últimos años ha empezado a tener uso y reconocimiento en las ciencias de la rehabilitación, por lo que en la mayoría de los casos se desconoce su confiabilidad y validez. Por lo tanto, se recomienda al lector profundizar en su revisión para comprender la forma en que este tipo de diseño permite generar conclusiones validas aplicables a la práctica clínica.