Fortalecer músculos centrales del cuerpo disminuiría dolores de rodilla
Conéctate con nosotros

Innovación

Fortalecer músculos centrales del cuerpo disminuiría dolores de rodilla: estudio Unal

La magíster en Fisioterapia del Deporte y la Actividad Física de la UNAL, Luisa Fernanda Prieto, evaluó el efecto terapéutico que tendría sobre el dolor anterior de rodilla combinar un programa de ejercicios de fortalecimiento para los grupos musculares del core, la cadera y la rodilla.

Publicado

el

Fortalecer músculos centrales del cuerpo disminuiría dolores de rodilla: estudio Unal

La magíster en Fisioterapia del Deporte y la Actividad Física de la Universidad Nacional de Colombia (UNAL), Luisa Fernanda Prieto García, evaluó el efecto terapéutico que tendría sobre el dolor anterior de rodilla combinar un programa de ejercicios de fortalecimiento para los grupos musculares del core, la cadera y la rodilla, en pacientes no deportistas con este síndrome.

También le puede interesar: Suspensión retropúbica, cirugía más efectiva para la incontinencia urinaria de esfuerzo.

La experta  explicó que el síndrome de dolor pátelofemoral (SPF) también se conoce como “rodilla de corredor”, ya que afecta mayormente a este grupo poblacional.

El SPF es una dolencia que aparece de manera repentina, en personas sedentarias. A

Además, afecta más a las mujeres ya que al tener pelvis más ancha, sus rodillas tienden a estar mal alienadas generando un desbalance muscular.

“Otros estudios han demostrado que las personas con SPF se benefician haciendo ejercicio, por lo que se deben fortalecer los músculos de la rodilla y la cadera, pero también hemos visto que la incidencia de lesiones en la extremidad inferior está directamente relacionada con la debilidad del core abdominal”, dice Prieto García.

Por eso su propuesta es complementar el tratamiento con el fortalecimiento muscular de esta parte del cuerpo.

CoRE, VITAL PARA MEJORAR DEL DOLOR DE RODILLA

Con la asesoría del profesor Édgar Cortés Reyes, la mágister diseñó una rutina para evaluar el efecto de dos programas de fortalecimiento muscular en personas con SPF.

Los participantes fueron personas entre 15 y 40 años con nivel de actividad física entre leve y moderada, que hicieron las rutinas durante 8 semanas.

  • en el grupo A se trabajaron ejercicios para core, cadera y rodilla,
  • en el B se hizo el programa convencional para cadera y rodilla.

“Con la ayuda de otros fisioterapeutas, medimos los efectos de ambos programas e hicimos pruebas pre y posintervención”, comenta la investigadora.

Para medir el efecto de la intervención en el dolor y la calidad de vida de los pacientes se usó el test de Kujala.

Esta herramienta consta de 13 preguntas que califican de 0 a 100 la percepción de dolor en actividades como subir y bajar escaleras, correr, o permanecer tiempo sentado o arrodillado.

También le puede interesar: DUBSA, el dispositivo que trata la apnea obstructiva del sueño obtuvo patente de invención.

Entre los resultados se identificó que cuando al tratamiento tradicional del síndrome se le incluyen ejercicios para fortalecer el core, la calidad de vida medida con el test de Kujala en estos pacientes aumenta en especial por una importante reducción del dolor, con una diferencia estadísticamente significativa.

Innovación

Proponen modelo computacional para estudiar la tuberculosis

El modelo computacional está diseñado para una mayor comprensión de las fases iniciales de infección

Publicado

el

proponen modelo computacional tuberculosis

Recientemente, se presentó en PLOS COMPUTATIONAL BIOLOGY un modelo computacional elaborado por la Unidad de Tuberculosis Experimental del Instituto de Investigación Germans Trias i Pujol (IGTP), diseñado para reproducir la dinámica de la tuberculosis en un pulmón virtual. La creación de esta herramienta está incentivada por el devastador efecto que causa la enfermedad hoy en día. Actualmente, pese a las estrategias de vacunación y el desarrollo de tratamientos, se mantiene como una de las 10 primeras causas de mortalidad en el mundo.

La enfermedad es provocada por la bacteria Mycobacterium tuberculosis, patógeno que infecta los alveolos pulmonares. Sin embargo, de acuerdo con estadísticas, un 90% de la población infectada nunca desarrolla la patología. Las complicaciones se centran en el 10% de personas que se ven afectadas por la patología, ya que se desconocen los factores principales que la desencadenan en estos individuos.

Para crear este modelo computacional, los investigadores partieron de la siguiente hipótesis: la reinfección endógena juega un papel importante en el mantenimiento de la infección latente. Para comprobarlo, desarrollaron un modelo basado en agentes que describe el crecimiento, la fusión y la proliferación de las lesiones de tuberculosis en un árbol bronquial computacional. Para que la herramienta sea funcional, el grupo de expertos creó un algoritmo interactivo que genera tubos bronquiales y bifurcaciones dentro de un volumen tridimensional de la superficie del pulmón, según explicó Clara Prats, integrante del equipo.

También le puede interesar: ESTOS SON LOS NUEVOS AJUSTES A LOS SOPORTES DE FACTURACIÓN DE SERVICIOS DE SALUD

Modelo 3D podrían predecir los avances de la tuberculosis

Además de este complejo sistema, el instrumento presentado se fundamenta en datos obtenidos por tomografías computarizadas en cinco modelos animales (minicerdos). Según el artículo, las imágenes utilizadas fueron aquellas que mostraban las etapas iniciales de infección por Mycobacterium tuberculosis. A su vez, éstas fueron las que sirvieron para generar el pulmón computarizado.

journal.pcbi .1007772.g002
Imagen de reconstrucción pulmonar. A la derecha se representa la ubicación y el tamaño de las lesiones pulmonares causadas por tuberculosis en los modelos animales. Fuente: PLOS COMPUTATIONAL BIOLOGY

“El resultado es un modelo que nos permite reproducir y comprender los datos experimentales en la computadora. Hemos podido mostrar una relación importante entre el número final de lesiones de tuberculosis y la frecuencia de reinfección endógena y el crecimiento de las lesiones”, dijo Martí Català, otro de los investigadores. El modelo también se ha utilizado como plataforma experimental in silico para explorar la transición de la infección latente a la enfermedad activa, identificando los principales factores desencadenantes: una elevada respuesta inflamatoria y la combinación de una respuesta inflamatoria moderada con una baja amplitud respiratoria.

Ante los resultados vistos con el software, los investigadores consideran que este modelo computacional permitirá hacer predicciones para futuras acciones como nuevos biomarcadores, estrategias preventivas y terapias para la tuberculosis en humanos.

También le puede interesar: ASMA EN COLOMBIA: ¿CÓMO ESTÁ LA CARGA DE LA ENFERMEDAD?

Continuar leyendo

Innovación

Uso de imágenes holográficas facilita detección de virus

Se espera que las imágenes holográficas sean un recurso de detección que pueda ser utilizado en nuevas investigaciones sobre tratamientos a las enfermedades que causan en la población

Publicado

el

imagenes holograficas deteccion virus

En el transcurso del 2020, la capacidad científica para producir nuevas herramientas ha sido puesta a prueba. Sin embargo, la utilización de imágenes holográficas es una muestra del papel destacado de la innovación en uno de los años más importantes para la medicina y el sector salud en general. La técnica fue desarrollada por un equipo de científicos de la Universidad de Nueva York (NYU), presentada en la revista Soft Matter.

De acuerdo con la publicación, el método está basado en la videomicroscopía holográfica, un sistema utilizado para la observación, representación y análisis de imágenes que se lleva a cabo gracias a rayos láser que facilitan la creación de las imágenes holográficas en pequeñas gotas. Aunque por lo general se usa para la revisión de muestras biológicas o químicas, el método creado en la NYU permitirá la detección de varios patógenos, incluyendo virus con precisión milimétrica y gran detalle.

Como se describe en la publicación, las superficies de las gotas se activan con sitios de unión bioquímica que atraen anticuerpos o partículas de virus, dependiendo de la prueba. La unión de anticuerpos o virus hace que las cuentas crezcan unas mil millonésimas de metro, lo que los investigadores de la Universidad de Nueva York han demostrado que pueden detectar a través de cambios en los hologramas que quedan en las gotas.

También le puede interesar: JOHNSON & JOHNSON SUSPENDE SU ENSAYO CLÍNICO

Imágenes holográficas: herramienta potencial en el futuro cercano

“Podemos analizar una docena de cuentas por segundo”, explica David Grier, profesor de física y uno de los integrantes del proyecto en un comunicado. “Lo que significa que podemos reducir el tiempo de una prueba de diagnóstico fiable de mil cuentas a 20 minutos. Y podemos medir esos cambios de forma rápida, fiable y barata”, añade a sus declaraciones. La innovadora herramienta de detección no solo aplica para los virus; ya que cuenta con potencial para evaluar el nivel de inmunización de cada persona.

Las gotas o perlas que se utilizan para la producción de imágenes holográficas son previamente sistematizadas con grupos de superficie. De esta manera, las gotas microscópicas se unen específicamente a los anticuerpos objetivo e impiden que otros patógenos se unan. Es decir, además de ser un test de gran precisión visual, podría ser un método eficaz para patógenos causantes de enfermedades asociadas a bacterias o virus como la tuberculosis o COVID-19.

“Este instrumento puede contar las partículas de virus dispersas en la saliva de los pacientes y también detectar y diferenciar los anticuerpos disueltos en la sangre“, añade Grier. “Esta flexibilidad se logra cambiando la composición de las gotas de prueba para modelar lo que estamos probando”. Además de lo anterior, el investigador mencionó que las gotas utilizadas comprueban la presencia de un objetivo particular, pero también puede comprobar la presencia de varios objetivos simultáneamente.

Los científicos dicen que esta capacidad puede utilizarse para desarrollar bibliotecas de gotas de testeo que pueden combinarse en kits de prueba para mezclarlas con muestras de pacientes. Esto ayudará a los médicos a distinguir entre los posibles diagnósticos, acelerar el tratamiento de los pacientes, reducir el riesgo de diagnósticos erróneos y reducir el costo de la asistencia sanitaria.

También le puede interesar: ASMA EN COLOMBIA: ¿CÓMO ESTÁ LA CARGA DE LA ENFERMEDAD?

Continuar leyendo

Innovación

Inteligencia Artificial para predecir pacientes con mayor riesgo de dolor postquirúrgico

Tres modelos de aprendizaje automático mostraron varios factores que aumentarían el riesgo de un paciente de sufrir severo dolor postoperatorio.

Publicado

el

Inteligencia Artificial para predecir pacientes con mayor riesgo de dolor postquirúrgico

La inteligencia Artificial -IA- a partir de modelos de aprendizaje automático podría predecir cuáles son los pacientes que tienen mayor riesgo de dolor severo después de una intervención quirúrgica. Adicionalmente, la IA podría también identificar los pacientes que serían mayormente beneficiados con terapias para el dolor sin uso de opioides.

La investigación presentada en la reunión anual Anesthesiology 2020, se centra en buscar la razón por la que algunos pacientes experimentan más dolor postquirúrgico llegando a necesitar dosis más altas de opioides durante periodos de tiempo más largo aumentando el riesgo de sufrir efectos adversos por consumo excesivo de estas sustancias.

Si se conoce la razón por la cual algunos pacientes sufren mayores dolores que otros, los médicos anestesiólogos podría implementar un plan de anestesia con alternativas no opioides como por ejemplo, bloqueos nerviosos, epidurales, y otros medicamentos para el dolor.

Recordemos, que en la actualidad los médicos realizan encuestas a los pacientes con el fin de identificar cuáles tienen mayor riesgo de dolor después de una operación, indagando sobre su historial de ansiedad, calidad del sueño e inclusive trastornos depresivos.

También puede leer: 93% de los países vieron afectada la continuidad de sus servicios de salud mental

Inteligencia artificial para predicciones acertadas

Con este análisis el equipo científico buscaba un método más rápido que la encuesta, haciendo uso de un sistema de aprendizaje automático, con el cual el dispositivo aprende y evoluciona en función de los datos que se le suministran.

En este sentido, crearon tres modelos de aprendizaje automático evidenciando, que el género femenino, las edades más jóvenes, la obesidad y el dolor preexistente son factores que aumentan la posibilidad de sufrir dolores severos después de una cirugía. Todos los datos salieron del análisis de los registros médicos electrónicos.

“Planeamos integrar los modelos con nuestros registros médicos electrónicos para proporcionar una predicción del dolor posquirúrgico para cada paciente”, explica Mieke A. Soens, autora principal del estudio y anestesióloga en Brigham and Women’s Hospital

Añadiendo que si se tiene la capacidad de identificar un paciente con tendencia al dolor severo, el anestesiólogo podrá ajustar el plan de anestesia del paciente para maximizar las estrategias de manejo del dolor.

También puede leer: Herramienta de edición genética, nuevo Premio Nobel de Química

Datos del estudio

El análisis constó del estudio de 5.944 pacientes que se sometieron a varias cirugías entre las que se incluye: extirpación de vesícula biliar, histerectomía, reemplazo de cadera y cirugía de próstata.

De los participantes, 22% consumieron 90 miligramos de morfina 24 horas después de la cirugía. Se utilizaron 163 factores potenciales para predecir el dolor alto postoperatorio, basándose en una búsqueda bibliográfica y consultas con expertos.

Con estas bases se crearon los tres modelos de aprendizaje automático que sustrajeron los registros médicos de los pacientes y disminuyeron los 163 factores predictores que determinaban con mayor precisión la gravedad del dolor de los pacientes y la necesidad que tenía cada uno de usar opioides para controlar el dolor.

En una segunda parte del estudio, se compararon lo que predijeron los modelos algorítmicos con el uso real de opioides para controlar el dolor en cada paciente. En este sentido, se evidenció que los tres modelos tenían un porcentaje de precisión predictiva similar, lo que quiere decir que los tres modelos pudieron determinar que personas tenían más probabilidades de tener dolor severo y necesitaban dosis más altas de opioides aproximadamente el 80% de las veces.

Finalmente, el equipo de investigadores resaltó que es de suma importancia empezar a emplear estas tecnologías para identificar de forma selectiva cuáles pacientes necesitan altas dosis de opioides para ayudar a disminuir su uso desmesurado y descontrolado.

También puede leer: Descubrimiento sobre agujeros negros gana Premio nobel de física

Continuar leyendo

Evento Gratuito

ÚNETE AL CONGRESO

btn-comprar

Innovación

Latinoamércia

Productos destacados

Tendencias

Indicadores / Cifras