Neurodegenerative diseases such as Alzheimer's, Parkinson's, amyotrophic lateral sclerosis (ALS), and Huntington's disease are the leading cause of disability worldwide. In 2023, it was estimated that 55 million people are affected by dementia, a number that is unfortunately expected to increase. Currently, the methods for identifying the presence and progression of a neurodegenerative disease are based on rating scales, which can be subject to the doctor's subjectivity. Moreover, the analyses involve invasive and expensive processes, and very often a definitive diagnosis is reached only when the disease has reached an advanced and irreversible stage. Since these pathologies are characterized not only by a loss of cognitive abilities but also by the deterioration of motor skills, numerous medical trials are focusing on the correlation between these two aspects to understand if and to what extent movement analysis can contribute as a diagnostic tool. This thesis aims to review the most recent studies in the field of diagnosing neurodegenerative diseases through gait analysis. In particular, starting with an introduction to walking and the technologies used for this type of examination, it aims to identify the protocols and tools that have proven to be most effective in decoding anomalies in the quantification of movement quality and posture.

Le malattie neurodegenerative come Alzheimer, Parkinson, sclerosi laterale amiotrofica (SLA) e malattia di Huntington sono la principale causa di disabilità nel mondo, nel 2023 è stato stimato che 55 milioni di persone sono affette da una demenza, un numero che sfortunatamente è destinato ad aumentare. Attualmente i metodi per identificare la presenza e lo stato di avanzamento di una malattia neurodegenerativa si basano su scale di valutazione, che possono subire l’effetto della soggettività del medico, inoltre le analisi passano attraverso processi invasivi e costosi e molto spesso si arriva ad una diagnosi definitiva solo quando la malattia ha raggiunto una condizione avanzata e irreversibile. Essendo queste patologie caratterizzate non solo da una perdita di capacità cognitive ma anche dal deterioramento delle abilità motorie, numerosi trial medici si stanno concentrando sulla correlazione tra questi due aspetti per capire se e in quale misura l’analisi del movimento può contribuire come strumento per la diagnostica. Questa tesi ha come obiettivo la revisione degli studi più recenti nell’ambito della diagnosi di malattie neurodegenerative tramite l’utilizzo dell’analisi della deambulazione. In particolare, partendo da un’introduzione sulla camminata e sulle tecnologie impiegate per questo tipo di esame, si propone di individuare i protocolli e gli strumenti che si sono rivelati più efficaci in quanto a decodifica di anomalie nella quantificazione della qualità del movimento e della postura.

L'Analisi del movimento come strumento per la diagnosi di malattie neurodegenerative

COGO, SAMUELE
2023/2024

Abstract

Neurodegenerative diseases such as Alzheimer's, Parkinson's, amyotrophic lateral sclerosis (ALS), and Huntington's disease are the leading cause of disability worldwide. In 2023, it was estimated that 55 million people are affected by dementia, a number that is unfortunately expected to increase. Currently, the methods for identifying the presence and progression of a neurodegenerative disease are based on rating scales, which can be subject to the doctor's subjectivity. Moreover, the analyses involve invasive and expensive processes, and very often a definitive diagnosis is reached only when the disease has reached an advanced and irreversible stage. Since these pathologies are characterized not only by a loss of cognitive abilities but also by the deterioration of motor skills, numerous medical trials are focusing on the correlation between these two aspects to understand if and to what extent movement analysis can contribute as a diagnostic tool. This thesis aims to review the most recent studies in the field of diagnosing neurodegenerative diseases through gait analysis. In particular, starting with an introduction to walking and the technologies used for this type of examination, it aims to identify the protocols and tools that have proven to be most effective in decoding anomalies in the quantification of movement quality and posture.
2023
Gait analysis as a diagnostic tool in neurodegenerative diseases
Le malattie neurodegenerative come Alzheimer, Parkinson, sclerosi laterale amiotrofica (SLA) e malattia di Huntington sono la principale causa di disabilità nel mondo, nel 2023 è stato stimato che 55 milioni di persone sono affette da una demenza, un numero che sfortunatamente è destinato ad aumentare. Attualmente i metodi per identificare la presenza e lo stato di avanzamento di una malattia neurodegenerativa si basano su scale di valutazione, che possono subire l’effetto della soggettività del medico, inoltre le analisi passano attraverso processi invasivi e costosi e molto spesso si arriva ad una diagnosi definitiva solo quando la malattia ha raggiunto una condizione avanzata e irreversibile. Essendo queste patologie caratterizzate non solo da una perdita di capacità cognitive ma anche dal deterioramento delle abilità motorie, numerosi trial medici si stanno concentrando sulla correlazione tra questi due aspetti per capire se e in quale misura l’analisi del movimento può contribuire come strumento per la diagnostica. Questa tesi ha come obiettivo la revisione degli studi più recenti nell’ambito della diagnosi di malattie neurodegenerative tramite l’utilizzo dell’analisi della deambulazione. In particolare, partendo da un’introduzione sulla camminata e sulle tecnologie impiegate per questo tipo di esame, si propone di individuare i protocolli e gli strumenti che si sono rivelati più efficaci in quanto a decodifica di anomalie nella quantificazione della qualità del movimento e della postura.
Gait Analysis
Diagnosi
Neurodegenerative
Demenza
Deambulazione
File in questo prodotto:
File Dimensione Formato  
Cogo_Samuele.pdf

accesso aperto

Dimensione 1.84 MB
Formato Adobe PDF
1.84 MB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/71116