Mapeando 15 Anos de Pesquisas com Dispositivos Vestíveis sobre a Marcha para Identificar Demência Precocemente
Uma revisão bibliométrica de 126 estudos mostra que os sensores vestíveis de marcha representam uma via multidisciplinar em crescimento para a detecção precoce da demência, mas ainda existem lacunas de validação.
Resumo
As alterações na marcha podem aparecer cedo no declínio cognitivo, e os sensores vestíveis conseguem medi-las de forma barata e não invasiva. Esta revisão bibliométrica pesquisou na Scopus estudos de 2010 a 2025 sobre sensores vestíveis e análise da marcha para a detecção precoce de demência e analisou 126 artigos com o VOSviewer. O campo abrange neurologia, geriatria, engenharia e ciência da computação, e é liderado pelos Estados Unidos e seus colaboradores na Europa. Surgiram quatro temas: aspectos cognitivos e clínicos da demência, atividade física e mobilidade em idosos, tecnologia e análise de dados para marcha e fragilidade, e envelhecimento com tecnologias emergentes, como o aprendizado de máquina. Os autores apontam lacunas na validação de longo prazo, na padronização de métodos e na integração aos fluxos de trabalho clínicos. O artigo mapeia o panorama da pesquisa, em vez de testar a acurácia diagnóstica.
Resumo Detalhado
A demência afeta mais de 55 milhões de pessoas em todo o mundo, número que deve chegar a 139 milhões até 2050, e até 60% dos casos podem não ser diagnosticados na atenção primária. Os biomarcadores de neuroimagem e do líquido cefalorraquidiano são eficazes, mas caros, invasivos e muitas vezes inacessíveis. A marcha depende de atenção, função executiva e memória, e pode mudar de forma sutil no declínio cognitivo inicial. Isso faz da caminhada um candidato a biomarcador digital, mensurável com sensores inerciais vestíveis ou acelerômetros.
Os autores realizaram uma revisão bibliométrica, e não um estudo clínico. Eles pesquisaram na Scopus artigos originais em inglês, com participantes humanos, publicados entre 2010 e 2025. A estratégia de busca combinou termos de demência/comprometimento cognitivo, termos de detecção ou monitoramento, termos de marcha ou mobilidade e termos de sensores. Dos 184 registros recuperados, 126 atenderam aos critérios. Eles usaram o VOSviewer para realizar a análise de desempenho (autores, periódicos) e o mapeamento científico (coautoria, acoplamento bibliográfico, cocitação e coocorrência de palavras-chave).
Os autores mais citados incluíram Jeffrey Kaye (563 citações em 6 artigos), Nora Mattek, Tamara Hayes e Bijan Najafi. Os principais periódicos foram Sensors, Journal of Alzheimer's Disease e Gait & Posture, com produção relevante também no IEEE Journal of Biomedical and Health Informatics, Gerontology e Journal of Medical Internet Research. Os Estados Unidos ocuparam o centro da rede de colaboração, estreitamente ligados ao Reino Unido, à Itália, à Alemanha e aos Países Baixos. A análise de cocitação mostrou um gradiente que vai de periódicos de demência e geriatria, passando por neurologia e ciência do envelhecimento, até a medicina clínica geral. A análise de palavras-chave identificou quatro temas: aspectos cognitivos e clínicos da demência; atividade física e mobilidade em idosos; abordagens tecnológicas e analíticas da marcha e da fragilidade (aprendizado profundo, sensores); e envelhecimento, declínio cognitivo e tecnologias emergentes (aprendizado de máquina, MCI).
A discussão no texto disponível destaca as avaliações cognitivo-motoras de tarefa dupla como promissoras. Um exemplo é um Performance Index que combina marcha e acurácia cognitiva durante um teste Timed Up and Go instrumentado, o qual previu fortemente as pontuações do MMSE. Outros incluem um Dual Task Ball Balancing Test associado ao MCI e à demência relacionada à doença de Alzheimer, e maior variabilidade da altura mínima de elevação do pé (minimum toe clearance) no MCI. Pior equilíbrio e marcha também previram quedas e dependência de cadeira de rodas.
Os autores concluem que métricas de marcha derivadas de sensores poderiam fortalecer as vias de diagnóstico precoce, mas apontam lacunas na validação longitudinal, na padronização metodológica e na integração clínica. Por ser um mapa bibliométrico, ele mostra onde a pesquisa está concentrada, e não quão precisos são os sensores de marcha para o diagnóstico. O texto completo fornecido também está truncado na discussão, e a busca em uma única base de dados pode ter deixado de captar estudos relevantes.
Principais Descobertas
- 126 peer-reviewed studies (2010–2025) on wearable gait analysis for early dementia detection were identified from 184 Scopus records.
- Jeffrey Kaye was the most-cited author (563 citations from 6 papers); Sensors, J Alzheimer's Disease, and Gait & Posture led journal output.
- The US anchors a collaboration network linked with the UK, Italy, Germany, and the Netherlands.
- Four thematic clusters emerged, spanning clinical dementia, mobility in older adults, sensor/deep-learning analytics, and aging with machine learning.
- Dual-task cognitive-motor tests, such as the instrumented TUG Performance Index, showed promise, but longitudinal validation and standardization remain lacking.
Metodologia
Revisão bibliométrica de estudos originais em humanos, indexados na Scopus e publicados em inglês entre 2010 e 2025; 184 registros foram triados e 126 foram incluídos. O VOSviewer 1.6.20 foi utilizado para análise de desempenho, além de mapeamento de coautoria, acoplamento bibliográfico, cocitação e coocorrência de palavras-chave.
Limitações do Estudo
A revisão mapeia padrões de publicação e não agrupa nem avalia a acurácia diagnóstica ou a qualidade dos estudos. Ela se baseou em uma única base de dados (Scopus), em artigos apenas em inglês e em um filtro restritivo pela palavra-chave "Humans", de modo que trabalhos relevantes podem ter ficado de fora. O texto fornecido está truncado na discussão, e as descrições dos clusters e dos limiares são internamente inconsistentes em alguns pontos.
Gostou deste resumo?
Receba as pesquisas de longevidade mais recentes na sua caixa de entrada toda semana.
Digite seu e-mail para assinar:
