Classer le lombalgique instrumentalement 


Sans titre
Illustration provenant de l’article

Les tenant d’une méthode s’écharpent avec les tenants de l’autre pour savoir la meilleure façon de classifier les lombalgiques. Quand on compare les classifications, il n’y a pas vraiment consensus. Une étude propose de les classifier à l’aide de capteurs inertiels. Comme ça, y’aura pas photo, il ne restera plus qu’à démontrer que sa méthode de rééducation est meilleure qu’une autre.

Cette étude utilisait un capteur inertiel portable, précédemment développé et validé, pour l’évaluation des paramètres cinématiques du tronc lors de flexion extension du tronc debout. 

Cent patients lombalgiques ont participé, en flexion à 0° dans le plan sagittal, ainsi qu’une rotation latérale de 15° et 30° vers la droite et la gauche, respectivement. 

Ils ont été divisés en trois sous-groupes sur la base du STarT Back Screening Tool. 

Le capteur a été placé sur le tronc de chaque patient. 

Une analyse de variance a été réalisée sur la vitesse angulaire maximale et moyenne, l’accélération linéaire et la secousse maximale. 

Le sous-groupage par direction était sensibilisé lors de l’accélération moyenne du tronc. 

Le sous-groupage par STarT n’a pas eu d’effet principal sur les indices cinématiques dans le plan sagittal, bien que des effets significatifs aient été observés dans les directions asymétriques. 

Une différence significative a également été identifiée dans le plan transversal. L’accélération en flexion du tronc était significativement plus élevée que celle en extension, contrairement à la vitesse, qui était plus élevée en extension. 

Une plus grande discrimination (67 %) a été obtenue dans la classification du risque élevé par rapport au risque faible-moyen. 

Les auteurs estiment que les résultats peuvent également être utilisés en tirant parti des capteurs inertiels déjà disponibles dans les smartphones actuels, utilisés pour diverses applications de santé.


Références bibliographiques 

usairanMehrdad Davoudi, Seyyed Mohammadreza Shokouhyan, Mohsen Abedi, Narges Meftahi, Atefeh Rahimi, Ehsan Rashedi, Maryam Hoviattalab, Roya Narimani, Mohamad Parnianpour, Kinda Khalaf. A Practical Sensor-Based Methodology for the Quantitative Assessment and Classification of Chronic Non Specific Low Back Patients (NSLBP) in Clinical Settings. Sensors (Basel). 2020 May 20;20(10):E2902. doi: 10.3390/s20102902.

Article en accès libre.

Votre commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l’aide de votre compte WordPress.com. Déconnexion /  Changer )

Photo Google

Vous commentez à l’aide de votre compte Google. Déconnexion /  Changer )

Image Twitter

Vous commentez à l’aide de votre compte Twitter. Déconnexion /  Changer )

Photo Facebook

Vous commentez à l’aide de votre compte Facebook. Déconnexion /  Changer )

Connexion à %s