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

Este estudo demonstra que a captura de movimento sem marcadores, baseada na comunidade e de alto rendimento, é operacionalmente viável para a coleta de dados biomecânicos em diversas tarefas diárias em indivíduos com osteoartrite de joelho, oferecendo uma solução escalável para superar as limitações de tamanho amostral e representatividade da captura de movimento óptica tradicional.

O essencial

Imagine tentar entender como funciona o motor de um carro, mas você só pode testá-lo em uma garagem específica e de alta tecnologia, com um mecânico muito caro. Você não pode levar o carro para o bairro, o supermercado ou o parque para ver como ele realmente lida com lombadas, ladeiras e placas de pare. Esse é essencialmente o problema que os pesquisadores enfrentaram por anos ao estudar como pessoas com osteoartrite (OA) no joelho se movem.

Este artigo, intitulado "Passos Compartilhados", trata de testar uma nova maneira de resolver esse problema. Em vez de manter a "garagem" (o laboratório) em um só lugar, os pesquisadores embalaram seu equipamento, colocaram-no em um caminhão e o levaram para o mundo real, testando as pessoas exatamente onde elas vivem e se reúnem.

Aqui está uma explicação do que eles fizeram e do que descobriram, usando analogias simples:

O Problema: A "Garagem" é Muito Pequena

Tradicionalmente, estudar como as pessoas se movem (biomecânica) exige um laboratório sofisticado com câmeras especiais e marcadores adesivos colocados por todo o corpo de uma pessoa. É como um estúdio fotográfico de alto padrão: leva muito tempo para montar, requer um especialista para operar e, geralmente, apenas algumas pessoas podem ser testadas por dia. Por causa disso, os estudos frequentemente acabam com pequenos grupos de pessoas que são todas muito semelhantes entre si.

Mas a OA no joelho é como um floco de neve; nenhum dois casos são exatamente iguais. Para entendê-la completamente, você precisa testar muitas pessoas diferentes fazendo muitas coisas diferentes (como caminhar, subir escadas ou sentar) em seus ambientes cotidianos. O antigo método da "garagem" simplesmente não conseguia lidar com esse volume.

A Solução: A Abordagem do "Caminhão de Comida"

Os pesquisadores decidiram transformar seu laboratório em um caminhão de comida móvel. Eles construíram um sistema portátil usando câmeras especiais que não precisam de marcadores adesivos (pense nisso como uma câmera que consegue "ver" seu esqueleto sem que você precise usar um traje).

Eles levaram esse "caminhão de comida" a quatro locais diferentes ao longo de 11 meses:

1. Uma comunidade de aposentados (onde idosos vivem).
2. Um centro para a terceira idade (onde idosos vão para atividades diurnas).
3. Uma clínica de fisioterapia.
4. Um sindicato estudantil universitário (no campus).

Eles montaram o equipamento, deixaram as pessoas caminhar, agachar e subir escadas, e depois embalar tudo de volta.

O Teste: O "Caminhão de Comida" Funciona?

A principal pergunta não era "As câmeras funcionaram?" (eles sabiam que funcionavam). A pergunta era: "É realmente prático realizar esse espetáculo em diferentes bairros sem que tudo desmorone?"

Eles mediram três coisas principais:

• O Tempo de Montagem: Quanto tempo levou para descarregar o caminhão, montar as câmeras e se preparar?
• O Tempo do Participante: Quanto tempo levou para uma pessoa se inscrever, preencher formulários e ter seu movimento registrado?
• O Fluxo: As pessoas ficaram presas esperando na fila, ou a "cozinha" conseguiu acompanhar os "clientes"?

Os Resultados: Funciona Sem Problemas

O estudo testou 85 pessoas nesses diferentes locais. Aqui está o que eles descobriram:

• A Consistência é Fundamental: Mesmo que os locais fossem diferentes (alguns distantes, outros logo ao lado), o tempo necessário para montar e o tempo para testar uma pessoa foram surpreendentemente semelhantes em todos os lugares. Se estivessem em uma casa de repouso ou em um prédio universitário, o "caminhão de comida" operava no mesmo cronograma.
• O "Tempo de Espera" foi Baixo: Às vezes, quando você traz um serviço móvel para uma multidão, as pessoas ficam entediadas esperando. Os pesquisadores descobriram que a pessoa média esperou apenas cerca de 7 minutos no total durante sua visita. Isso significa que a equipe era muito boa em gerenciar o cronograma, permitindo que as pessoas preenchessem formulários enquanto outras estavam sendo testadas, para que ninguém ficasse parado sem fazer nada.
• O "Cardápio" estava Completo: Eles não pediram apenas às pessoas para caminhar em linha reta. Eles testaram um cardápio completo de atividades diárias: caminhar rápido, caminhar devagar, ficar em pé em uma perna, agachar, sentar e levantar, e subir e descer degraus. Cerca de 81% das pessoas conseguiram fazer todo o cardápio; o restante pulou alguns itens se estivessem com muita dor ou se sentissem inseguras, o que é exatamente o que se deseja em um teste do mundo real.

A Conclusão

O artigo conclui que essa abordagem de "caminhão de comida móvel" é viável. Isso prova que é possível levar a análise de movimento de alta tecnologia para fora do laboratório sofisticado e para a comunidade sem perder eficiência.

Eles descobriram que, embora montar o equipamento leve cerca de 30 minutos (como montar uma tenda), uma vez montado, eles podem testar muitas pessoas em um único dia. Isso abre a porta para estudar grupos muito maiores de pessoas com OA no joelho em seus próprios bairros, em vez de apenas um pequeno grupo em um laboratório universitário.

Em resumo: Eles provaram com sucesso que é possível embalar um laboratório de alta tecnologia, levá-lo a um centro para a terceira idade e operar um serviço suave e eficiente que captura como pessoas reais se movem no mundo real.

Resumo técnico

1. Declaração do Problema

A pesquisa biomecânica tradicional depende fortemente de sistemas de captura de movimento óptica baseados em marcadores. Embora precisos, esses sistemas sofrem limitações significativas:

• Restrições Logísticas: Geralmente confinados a ambientes laboratoriais, exigem pessoal altamente treinado e envolvem processos de configuração e coleta de dados intensivos em tempo.
• Limitações de Amostra: Essas restrições resultam em tamanhos de amostra pequenos e homogêneos, insuficientes para estudar condições heterogêneas como a osteoartrite (OA) do joelho.
• Limitações de Tarefa: A pesquisa frequentemente foca em movimentos isolados (por exemplo, caminhada em nível) em vez de uma gama abrangente de Atividades da Vida Diária (AVDs), limitando a capacidade de identificar alvos de intervenção específicos do paciente em diversos contextos funcionais.

Os autores postulam que a captura de movimento sem marcadores (usando estimativa de pose baseada em aprendizado profundo) oferece uma solução ao permitir coleta de dados de alto rendimento e portátil. No entanto, a viabilidade operacional de implantar essa tecnologia em ambientes comunitários com populações clínicas realizando múltiplas AVDs permanece não comprovada.

2. Metodologia

O estudo, intitulado "Shared Strides", foi projetado para avaliar a viabilidade operacional de um fluxo de trabalho de coleta de dados comunitário de alto rendimento.

• Desenho do Estudo e Locais:

  • Participantes: 85 adultos (idade ≥40) com OA de joelho autorrelatada ou atendendo aos critérios clínicos da ACR.
  • Locais: A coleta de dados ocorreu em quatro locais distintos ao longo de 11 meses (12 eventos):
    1. Comunidade de Aposentadoria (Moradia para idosos com portaria).
    2. Centro para Idosos (Centro de recreação público).
    3. Laboratório Clínico (Centro médico de cuidados quaternários).
    4. Sindicato de Estudantes (Campus universitário).
  • Recrutamento: Incluiu tanto consultas pré-agendadas quanto participantes de "chegada espontânea" (walk-in).

• Equipamento e Configuração:

  • Sistema: Um sistema portátil de captura de movimento sem marcadores consistindo em 8 câmeras FLIR Blackfly S e 2 câmeras Vicon Vero (100 Hz) dispostas em um padrão oval.
  • Cinética: Uma passarela Accugait de 3,6 m com placas de força AMTI embutidas (1000 Hz).
  • Transporte: O equipamento foi transportado via caminhão universitário com plataforma elevatória para locais fora do campus; o local do Sindicato de Estudantes era adjacente ao laboratório.
  • Software: Dados registrados via Vicon Nexus e processados usando o software Theia3D.

• Protocolo:

  • Fluxo de Trabalho: Os participantes completaram o consentimento informado, questionários eletrônicos (REDCap) e medições antropométricas, seguidos pela captura de movimento.
  • Tarefas: Um conjunto abrangente de AVDs, incluindo caminhada em velocidade auto-selecionada e rápida, equilíbrio em uma/perna dupla, agachamento, sentar-e-levantar e subir/descer degraus.
  • Objetivo: Coletar pelo menos três tentativas bem-sucedidas por atividade (exceto a única tentativa de equilíbrio de 10s).

• Métricas de Viabilidade:

  • Operações de Pesquisa: Tempo de trânsito, tempo de configuração, tempo de calibração, tempo de desmontagem e número de funcionários.
  • Fluxo de Trabalho do Participante: Duração do consentimento, questionários, captura de movimento e tempo total da visita (incluindo tempo ocioso/espera).
  • Análise Estatística: ANOVA de um fator de Welch foi usada para comparar métricas de tempo entre os locais (significância $\alpha = 0.05$).

3. Principais Contribuições

• Validação de Implantação Comunitária: O estudo demonstrou com sucesso que um sistema biomecânico complexo (câmeras + placas de força) pode ser transportado, configurado e operado em diversos ambientes comunitários (moradia para idosos, centros públicos) com consistência operacional comparável aos laboratórios no campus.
• Fluxo de Trabalho de Alto Rendimento: O estudo estabeleceu um fluxo de trabalho escalável capaz de avaliar até 18 participantes em um único dia, excedendo significativamente o rendimento de estudos tradicionais baseados em laboratório.
• Avaliação Abrangente de AVDs: Ao contrário de estudos de viabilidade anteriores limitados à caminhada, este protocolo capturou um amplo espectro de movimentos funcionais (agachamento, escadas, sentar-e-levantar) em uma população clínica, abordando uma lacuna crítica na pesquisa de OA.
• Dados Operacionais: O artigo fornece dados granulares de tempo (configuração, calibração, desmontagem e fluxo de participantes) essenciais para pesquisadores planejando estudos multissítio semelhantes.

4. Principais Resultados

• Demografia dos Participantes: 85 participantes foram inscritos nos quatro locais (26 Comunidade de Aposentadoria, 39 Centro para Idosos, 13 Laboratório Clínico, 7 Sindicato de Estudantes). A população foi predominantemente feminina (~70%) com idade média de ~73 anos.
• Viabilidade Operacional:
  • Configuração/Calibração: Os locais comunitários tiveram tempos médios de configuração ligeiramente mais longos (35,3 min) em comparação com os locais no campus (26,6 min), mas não foram encontradas diferenças estatisticamente significativas na eficiência geral do fluxo de trabalho.
  • Variabilidade de Calibração: Os tempos de calibração variaram significativamente (11 a 170 minutos), principalmente devido a solução de problemas técnicos e falta de suporte remoto, e não à localização do site.
• Tempo do Participante:
  • Duração Total da Visita: O tempo médio total da visita foi de 66,4 minutos (DP ± 20,4) em todos os locais.
  • Consistência Estatística: Não houve diferenças estatisticamente significativas nas métricas de tempo (consentimento, questionários, captura de movimento ou tempo total da visita) entre os quatro locais ($p > 0.05$).
  • Tempo Ocioso: O tempo ocioso médio (espera) foi baixo (7,1 minutos), indicando um fluxo de trabalho bem coordenado onde a equipe pôde ajustar dinamicamente a ordem das tarefas para evitar gargalos.
• Conclusão de Tarefas: 81,2% dos participantes completaram todas as AVDs. As tentativas de caminhada levaram mais tempo (4,2 min em velocidade auto-selecionada), enquanto tarefas de equilíbrio e degraus foram mais frequentemente omitidas devido à preferência do participante ou preocupações de segurança.

5. Significado e Implicações

• Escalabilidade na Pesquisa Clínica: O estudo prova que a captura de movimento sem marcadores pode superar o "gargalo do tamanho da amostra" na pesquisa musculoesquelética. Ao mover a coleta de dados do laboratório para a comunidade, os pesquisadores podem recrutar coortes maiores, mais diversas e clinicamente representativas.
• Cuidado Centrado no Paciente: A capacidade de avaliar uma ampla gama de AVDs em ambientes comunitários permite a identificação de déficits biomecânicos específicos do paciente que podem não ser evidentes em um ambiente laboratorial controlado, potencialmente levando a estratégias de intervenção mais personalizadas.
• Plano Operacional: As métricas detalhadas de tempo e estratégias de fluxo de trabalho (por exemplo, sequenciamento flexível de tarefas para minimizar o tempo ocioso) fornecem um plano prático para futuros estudos biomecânicos multissítio.
• Direções Futuras: Embora a viabilidade esteja estabelecida, os autores observam que trabalhos futuros devem abordar a validação da qualidade dos dados entre os locais, taxas de retenção de participantes e otimização do suporte técnico para reduzir a variabilidade de calibração.

Em conclusão, o estudo "Shared Strides" valida que a coleta de dados biomecânicos comunitária de alto rendimento é operacionalmente viável, oferecendo um caminho viável para gerar conjuntos de dados heterogêneos em grande escala necessários para avançar a compreensão e o tratamento da osteoartrite do joelho.