ETD

Archivio digitale delle tesi discusse presso l'Università di Pisa

Tesi etd-05302022-182736


Tipo di tesi
Tesi di laurea magistrale
Autore
FORMICA, ALESSIA
URN
etd-05302022-182736
Titolo
La tecnologia di mobile health a supporto dell'efficienza nella prevenzione e cura delle lombalgie
Dipartimento
MEDICINA CLINICA E SPERIMENTALE
Corso di studi
SCIENZE E TECNICHE DELLE ATTIVITA' MOTORIE PREVENTIVE E ADATTATE
Relatori
relatore Casarosa, Simone
correlatore Dott.ssa Franchini, Michela
tutor Dott. Trotta, Luca
Parole chiave
  • motor activity
  • prevention
  • m-health tools
  • lombalgia
  • esercizio fisico
  • attività motoria
  • prevenzione
  • strumenti digitali
  • low back pain
  • physical exercises
Data inizio appello
13/07/2022
Consultabilità
Non consultabile
Data di rilascio
13/07/2092
Riassunto
La lombalgia (LBP) è ad alto rischio di cronicizzazione e disabilità, ha un forte impatto sulla domanda complessiva di cure e sui costi e il suo trattamento è a rischio di scarsa aderenza. Questo può influenzare l'esito dei trattamenti per la lombalgia. Le restrizioni imposte in risposta alla pandemia da Covid-19 hanno ulteriormente limitato la frequenza presso i centri di riabilitazione. L'attuale sviluppo delle tecnologie digitali ci offre un'opportunità senza precedenti per promuovere la prevenzione del mal di schiena e nuove strategie e strumenti per raccogliere big data su pazienti reali nell’ambito degli studi osservazionali. Questo lavoro di tesi introduce un nuovo scenario basato sull'uso di uno strumento di mobile-health, il Dress-KINESIS, sviluppato per supportare il tradizionale approccio riabilitativo per le lombalgie non specifiche. Lo strumento propone piani di esercizi autogestiti mirati per ridurre il dolore e la disabilità, ma ne monitora anche l'efficacia. Poiché la prevenzione della lombalgia è la strategia chiave, lo strumento raccoglie anche informazioni sindromiche su pazienti reali, condivide messaggi educativi validi e promuove la motivazione autodeterminata all'esercizio.

Low Back Pain (LBP) is at high risk of chronicization and disability, highly impacting the overall demand of care and costs and whose treatment is at risk of scarce adherence. This can influence the outcome of LBP treatments. Restrictions imposed in response to Covid 19 pandemic have further limited the attendance to in-person physical therapy. Actual digital technologies information development gives us an unprecedented chance to promote LBP prevention and novel strategies and tools to collect big-data within real-world observational studies. This work introduces a new scenario based on the use of a m-health tool, the Dress-KINESIS, to support the traditional rehabilitation approach for non-specific LBP. The tool proposes targeted self-manageable exercise plans for improving pain and disability, but it also monitors their efficacy. Since LBP prevention is the key strategy, the tool also collects real-patient syndromic information, shares valid educational messages and fosters self-determined motivation to exercise.
File