Shared Strides: Operational feasibility of community-based biomechanics data collection in knee osteoarthritis

Cette étude démontre que la capture de mouvement sans marqueurs, à haut débit et basée sur la communauté, est opérationnellement réalisable pour collecter des données biomécaniques lors de tâches quotidiennes variées chez des individus souffrant d'arthrose du genou, offrant ainsi une solution évolutive pour surmonter les limitations de taille d'échantillon et de représentativité inhérentes à la capture de mouvement optique traditionnelle.

L'essentiel

Imaginez essayer de comprendre comment fonctionne un moteur de voiture, mais vous ne pouvez le tester que dans un garage spécifique et high-tech avec un mécanicien très coûteux. Vous ne pouvez pas sortir la voiture dans le quartier, à l'épicerie ou au parc pour voir comment elle gère réellement les bosses, les collines et les feux rouges. C'est essentiellement le problème auquel les chercheurs ont été confrontés pendant des années lorsqu'ils étudient la façon dont les personnes souffrant d'arthrose du genou (OA) se déplacent.

Ce document, intitulé "Shared Strides", porte sur le test d'une nouvelle façon de résoudre ce problème. Au lieu de garder le « garage » (le laboratoire) à un seul endroit, les chercheurs ont emballé leur équipement, l'ont chargé dans un camion et l'ont conduit dans le monde réel pour tester les personnes là où elles vivent et se rassemblent.

Voici une décomposition de ce qu'ils ont fait et de ce qu'ils ont découvert, en utilisant des analogies simples :

Le Problème : Le « Garage » est Trop Petit

Traditionnellement, étudier la façon dont les gens se déplacent (la biomécanique) nécessite un laboratoire sophistiqué avec des caméras spéciales et des marqueurs collants placés partout sur le corps d'une personne. C'est comme un studio photo haut de gamme : cela prend beaucoup de temps à installer, nécessite un spécialiste pour fonctionner, et généralement, seules quelques personnes peuvent être testées par jour. À cause de cela, les études se retrouvent souvent avec de petits groupes de personnes qui se ressemblent toutes beaucoup.

Mais l'arthrose du genou est comme un flocon de neige ; aucun cas n'est exactement identique à un autre. Pour la comprendre pleinement, vous devez tester beaucoup de personnes différentes faisant beaucoup de choses différentes (comme marcher, monter des escaliers ou s'asseoir) dans leurs environnements quotidiens. L'ancienne méthode du « garage » ne pouvait tout simplement pas gérer ce volume.

La Solution : L'Approche du « Food Truck »

Les chercheurs ont décidé de transformer leur laboratoire en un food truck mobile. Ils ont construit un système portable utilisant des caméras spéciales qui n'ont pas besoin de marqueurs collants (pensez à une caméra qui peut « voir » votre squelette sans que vous portiez un costume).

Ils ont emmené ce « food truck » dans quatre endroits différents sur une période de 11 mois :

1. Une résidence pour personnes âgées (où vivent les seniors).
2. Un centre pour personnes âgées (où les seniors vont pour des activités de jour).
3. Une clinique de kinésithérapie.
4. Un centre étudiant universitaire (sur le campus).

Ils ont installé l'équipement, laissé les gens marcher, s'accroupir et monter des escaliers, puis ont tout rangé.

Le Test : Est-ce que le « Food Truck » Fonctionne ?

La question principale n'était pas « Est-ce que les caméras fonctionnent ? » (ils savaient qu'elles fonctionnaient). La question était : « Est-il réellement pratique de faire tourner ce spectacle dans différents quartiers sans que tout ne s'effondre ? »

Ils ont mesuré trois choses principales :

• Le Temps de Mise en Place : Combien de temps cela a-t-il pris pour décharger le camion, installer les caméras et se préparer ?
• Le Temps des Participants : Combien de temps cela a-t-il pris pour qu'une personne s'inscrive, remplisse des formulaires et fasse enregistrer ses mouvements ?
• Le Flux : Les gens restaient-ils coincés en attendant dans la file, ou la « cuisine » arrivait-elle à suivre les « clients » ?

Les Résultats : Cela Fonctionne Flottamment

L'étude a testé 85 personnes à travers ces différents sites. Voici ce qu'ils ont découvert :

• La Cohérence est la Clé : Même si les lieux étaient différents (certains étaient loin, d'autres juste à côté), le temps nécessaire pour installer et le temps nécessaire pour tester une personne étaient étonnamment similaires partout. Qu'ils soient dans une maison de retraite ou dans un bâtiment universitaire, le « food truck » fonctionnait selon le même horaire.
• Le « Temps d'Attente » était Faible : Parfois, lorsque vous apportez un service mobile à une foule, les gens s'ennuient en attendant. Les chercheurs ont constaté que la personne moyenne n'attendait en tout que 7 minutes environ lors de sa visite. Cela signifie que l'équipe était très bonne pour jongler avec l'horaire, permettant aux gens de remplir des formulaires pendant que d'autres étaient testés, de sorte que personne ne restait debout sans rien faire.
• Le « Menu » était Complet : Ils n'ont pas seulement demandé aux gens de marcher en ligne droite. Ils ont testé tout un menu d'activités quotidiennes : marcher vite, marcher lentement, se tenir debout sur une jambe, s'accroupir, s'asseoir et se lever, et monter et descendre des marches. Environ 81 % des personnes ont réussi à faire tout le menu ; les autres ont sauté quelques éléments s'ils avaient trop mal ou se sentaient en insécurité, ce qui est exactement ce que vous voulez dans un test en milieu réel.

La Conclusion

Le document conclut que cette approche de « food truck mobile » est faisable. Il prouve que vous pouvez emmener l'analyse du mouvement high-tech hors du laboratoire sophistiqué et dans la communauté sans perdre en efficacité.

Ils ont constaté que, bien que la mise en place de l'équipement prenne environ 30 minutes (comme monter une tente), une fois installé, ils peuvent tester de nombreuses personnes en une seule journée. Cela ouvre la porte à l'étude de groupes beaucoup plus importants de personnes souffrant d'arthrose du genou dans leurs propres quartiers, plutôt que seulement un petit groupe dans un laboratoire universitaire.

En bref : Ils ont prouvé avec succès que vous pouvez emballer un laboratoire high-tech, le conduire dans un centre pour personnes âgées et y faire fonctionner une opération fluide et efficace qui capture comment les vraies personnes se déplacent dans le vrai monde.

Résumé technique

1. Énoncé du problème

La recherche biomécanique traditionnelle repose fortement sur des systèmes de capture de mouvement optique basés sur des marqueurs. Bien que précis, ces systèmes souffrent de limitations importantes :

• Contraintes logistiques : Ils sont généralement confinés à des environnements de laboratoire, nécessitent du personnel hautement qualifié et impliquent des processus de configuration et de collecte de données très chronophages.
• Limitations de l'échantillon : Ces contraintes entraînent des tailles d'échantillons petites et homogènes, insuffisantes pour étudier des conditions hétérogènes comme l'arthrose du genou (OA).
• Limitations des tâches : La recherche se concentre souvent sur des mouvements isolés (par exemple, la marche sur terrain plat) plutôt que sur une gamme complète d'activités de la vie quotidienne (AVQ), limitant la capacité à identifier des cibles d'intervention spécifiques au patient dans divers contextes fonctionnels.

Les auteurs postulent que la capture de mouvement sans marqueurs (utilisant l'estimation de pose basée sur l'apprentissage profond) offre une solution en permettant une collecte de données à haut débit et portable. Cependant, la faisabilité opérationnelle du déploiement de cette technologie dans des environnements communautaires avec des populations cliniques effectuant plusieurs AVQ reste à prouver.

2. Méthodologie

L'étude, intitulée « Shared Strides », a été conçue pour évaluer la faisabilité opérationnelle d'un flux de collecte de données à haut débit basé sur la communauté.

• Conception de l'étude et sites :

  • Participants : 85 adultes (âgés de ≥40 ans) ayant déclaré une arthrose du genou ou répondant aux critères cliniques de l'ACR.
  • Lieux : La collecte de données a eu lieu sur quatre sites distincts sur une période de 11 mois (12 événements) :
    1. Résidence pour personnes âgées (résidence fermée pour seniors).
    2. Centre pour seniors (centre de loisirs public).
    3. Laboratoire clinique (centre médical de soins tertiaires).
    4. Union étudiante (campus universitaire).
  • Recrutement : Comprend à la fois des rendez-vous préplanifiés et des participants « sans rendez-vous ».

• Équipement et configuration :

  • Système : Un système portable de capture de mouvement sans marqueurs composé de 8 caméras FLIR Blackfly S et de 2 caméras Vicon Vero (100 Hz) disposées en motif ovale.
  • Cinétique : Une passerelle Accugait de 3,6 m avec des plateformes de force AMTI intégrées (1000 Hz).
  • Transport : Le matériel a été transporté par un camion universitaire équipé d'une porte élévatrice vers les sites hors campus ; le site de l'Union étudiante était adjacent au laboratoire.
  • Logiciel : Les données ont été enregistrées via Vicon Nexus et traitées à l'aide du logiciel Theia3D.

• Protocole :

  • Flux de travail : Les participants ont rempli le consentement éclairé, les questionnaires électroniques (REDCap) et les mesures anthropométriques, suivis de la capture de mouvement.
  • Tâches : Un ensemble complet d'AVQ incluant la marche à vitesse choisie et rapide, l'équilibre à une/deux jambes, les squats, le passage assis-debout et la montée/descente de marches.
  • Objectif : Collecter au moins trois essais réussis par activité (sauf pour l'essai d'équilibre unique de 10 s).

• Indicateurs de faisabilité :

  • Opérations de recherche : Temps de transit, temps de configuration, temps d'étalonnage, temps de panne et nombre de personnel.
  • Flux de travail des participants : Durée du consentement, des questionnaires, de la capture de mouvement et temps total de visite (incluant les temps d'attente/inactivité).
  • Analyse statistique : Une ANOVA à un facteur de Welch a été utilisée pour comparer les indicateurs temporels entre les sites (significativité $\alpha = 0,05$).

3. Contributions clés

• Validation du déploiement communautaire : L'étude a démontré avec succès qu'un système biomécanique complexe (caméras + plateformes de force) peut être transporté, configuré et exploité dans divers environnements communautaires (résidences pour seniors, centres publics) avec une cohérence opérationnelle comparable à celle des laboratoires sur campus.
• Flux de travail à haut débit : L'étude a établi un flux de travail évolutif capable d'évaluer jusqu'à 18 participants en une seule journée, dépassant considérablement le débit des études traditionnelles en laboratoire.
• Évaluation complète des AVQ : Contrairement aux études de faisabilité précédentes limitées à la marche, ce protocole a capturé un large spectre de mouvements fonctionnels (squats, escaliers, passage assis-debout) dans une population clinique, comblant une lacune critique dans la recherche sur l'OA.
• Données opérationnelles : L'article fournit des données temporelles granulaires (configuration, étalonnage, démontage et flux des participants) essentielles pour les chercheurs planifiant des études multi-sites similaires.

4. Résultats clés

• Démographie des participants : 85 participants ont été inscrits sur les quatre sites (26 Résidence, 39 Centre pour seniors, 13 Laboratoire clinique, 7 Union étudiante). La population était majoritairement féminine (~70 %) avec un âge moyen d'environ 73 ans.
• Faisabilité opérationnelle :
  • Configuration/Étalonnage : Les sites communautaires ont eu des temps de configuration moyens légèrement plus longs (35,3 min) que les sites sur campus (26,6 min), mais aucune différence statistiquement significative n'a été trouvée dans l'efficacité globale du flux de travail.
  • Variabilité de l'étalonnage : Les temps d'étalonnage ont varié considérablement (de 11 à 170 minutes), principalement en raison de la résolution de problèmes techniques et de l'absence de support à distance, plutôt que de l'emplacement du site.
• Chronométrage des participants :
  • Durée totale de la visite : La durée moyenne totale de la visite était de 66,4 minutes (ET ± 20,4) sur tous les sites.
  • Cohérence statistique : Il n'y avait aucune différence statistiquement significative dans les indicateurs temporels (consentement, questionnaires, capture de mouvement ou durée totale de la visite) entre les quatre sites ($p > 0,05$).
  • Temps d'inactivité : Le temps d'inactivité moyen (attente) était faible (7,1 minutes), indiquant un flux de travail bien coordonné où le personnel pouvait ajuster dynamiquement l'ordre des tâches pour éviter les goulots d'étranglement.
• Accomplissement des tâches : 81,2 % des participants ont terminé toutes les AVQ. Les essais de marche ont pris le plus de temps (4,2 min à vitesse choisie), tandis que les tâches d'équilibre et de marche sur les marches ont été le plus souvent sautées en raison des préférences des participants ou de préoccupations de sécurité.

5. Signification et implications

• Évolutivité dans la recherche clinique : L'étude prouve que la capture de mouvement sans marqueurs peut surmonter le « goulot d'étranglement de la taille de l'échantillon » dans la recherche musculo-squelettique. En déplaçant la collecte de données du laboratoire vers la communauté, les chercheurs peuvent recruter des cohortes plus grandes, plus diversifiées et cliniquement représentatives.
• Soins centrés sur le patient : La capacité d'évaluer un large éventail d'AVQ dans des environnements communautaires permet d'identifier des déficits biomécaniques spécifiques au patient qui peuvent ne pas être évidents dans un environnement de laboratoire contrôlé, conduisant potentiellement à des stratégies d'intervention plus personnalisées.
• Plan opérationnel : Les indicateurs temporels détaillés et les stratégies de flux de travail (par exemple, la séquence flexible des tâches pour minimiser les temps d'attente) fournissent un plan pratique pour les futures études biomécaniques multi-sites.
• Perspectives futures : Bien que la faisabilité soit établie, les auteurs notent que les travaux futurs doivent aborder la validation de la qualité des données entre les sites, les taux de rétention des participants et l'optimisation du support technique pour réduire la variabilité de l'étalonnage.

En conclusion, l'étude « Shared Strides » valide que la collecte de données biomécaniques à haut débit basée sur la communauté est opérationnellement faisable, offrant une voie viable pour générer les ensembles de données hétérogènes à grande échelle nécessaires pour faire progresser la compréhension et le traitement de l'arthrose du genou.