LESIONES DEL LIGAMENTO CRUZADO ANTERIOR

Casi todas las semanas hay un mensaje en los medios que un atleta bien conocido se ha roto el ligamento cruzado anterior (LCA) de la rodilla.

Aunque a menudo se considera una necesidad, una reconstrucción del LCA no garantiza una función normal de la rodilla. En promedio, solo la mitad de los pacientes regresan a los deportes competitivos. Desafortunadamente, la reconstrucción de ACL no brinda protección contra la aparición de anomalías degenerativas de la rodilla.

Los cambios cinemáticos en la rodilla reconstruida conducen al estrés anormal de la articulación de la rodilla, que, según algunos, se asocia con el desarrollo temprano y la progresión de la osteoartrosis de la rodilla.

La normalización del patrón de caminar puede llevar años y los pacientes pueden tomar el patrón de caminar ajustado como un patrón de caminata normal. Los programas actuales de rehabilitación aún no han demostrado la posibilidad de normalizar completamente el patrón de desviación. Por lo tanto, es importante aplicar un programa de entrenamiento efectivo que permita a los pacientes aprender una buena técnica de caminar inmediatamente al comienzo de la rehabilitación.

La retroalimentación visual se puede utilizar como una herramienta esencial para mejorar los patrones de movimiento del brazo inferior. Los comentarios en video te enseñan observando. La imitación del ejercicio físico que se observa jugará un papel importante. En imitación, la entrada visual se acopla a la salida del motor mediante la activación de las neuronas espejo. Estas neuronas visomotoras se desvanecen tanto en el auto-desempeño de la acción como en la percepción pasiva de la acción. El acoplamiento de la visión al motorismo promueve el automatismo mientras se mueve. La imitación de un modelo mediante la retroalimentación de video permite enseñar una técnica de movimiento correcta.

El profesor Bert Otten, profesor de neuromecánica en el Centro de Ciencias del Movimiento en el Centro Médico Universitario de Groningen y la Universidad de Groningen, ha desarrollado un paquete de software para el aprendizaje motor mediante la imitación. Llamamos a esta herramienta de visualización de visualización de movimiento (VizMo). VizMo utiliza la retroalimentación del contorno del cuerpo (BCF) al mostrar un video de superposición para un movimiento dado. El video de superposición consiste en un contorno de un modelo experto y un contorno del sujeto. Estos contornos se muestran desde la misma perspectiva. El contorno del experto es el patrón objetivo y el sujeto debe imitar el movimiento de este experto lo mejor posible. Una cámara de video conectada a un ordenador portátil filma el movimiento del sujeto, después del cual se muestra el video superpuesto. El puntaje que sigue es el porcentaje de superposición, con una superposición del 100% que corresponde exactamente al mismo movimiento que el experto. El video permite al sujeto comparar su propio desempeño con el rendimiento del modelo experto. Esta retroalimentación individual se enfoca en las limitaciones y mejoras individuales de cada persona.

En el video, verá a VizMo para mejorar los patrones de la marcha en pacientes con reconstrucción del LCA según lo investigaron los estudiantes de Movement Sciences Tessa Huisjes y Michele Keizer.

 

Escrito por Alli Gokeler, profesor en la Universidad de Groningen y docente en ecufis

Dolor Lumbar: ¿hasta qué punto lo comprendemos?

El Dolor Lumbar (DL) está de moda. En los últimos años hemos pasado de un modelo estrictamente patoanatómico a uno biopsicosocial. Parte de esa transición fue motivada, en cierta medida, por estudios que no correlacionaban el DL con los hallazgos en pruebas complementarias o hallazgos creídos patológicos en sujetos sanos, como es el caso de la revisión sistemática de Brinjikji et al (2014) [1]. En la otra parte de esa transición fue esencial la descripción del diagnóstico y tratamiento de las disfunciones de movimiento por Shirley Sahrmann.

 

Dicha revolución ocasionó un cambio de paradigma, y pasamos de observar resonancias magnéticas a observar pacientes, con su conjunto de signos, síntomas, déficits específicos, disfunciones de movimiento, etc. Se empezaron a difundir las subclasificaciones en el dolor lumbar, sobre todo cuatro: la Treatment Based Classification de Julie Fritz, la de O’Sullivan, el Modelo Cinesiopatológico de Sahrmann y el Mechanical Diagnosis and Therapy. De esa forma los fisioterapeutas podíamos desarrollar una sistemática propia y lógica para el abordaje de nuestros pacientes. Todo parecía prometedor, vislumbrando un horizonte enriquecedor de posibilidades clínicas.

 

Ya han pasado años de ese cambio, y aun carecemos de evidencia científica que respalde o refute uno u otro sistema de subclasificación. Es más, los resultados de cualquier tipo de tratamiento de fisioterapia, cuando se pasan por el filtro del método científico, parecen tener efectos muy similares: pequeños o moderados en el mejor de los casos (este panorama no es mucho mejor para los tratamientos de medicina, que normalmente incluyen riesgos). Este fenómeno puede ser debido a dos razones:

 

  • No comprendemos la naturaleza del DL, por lo que a la hora de realizar estudios las muestras elegidas son altamente heterogéneas ya que no se clasifican en base a su fisiopatología, sinó en base a un síndrome. Sería el equivalente a tratar todos los mareos como mareos cervicogénicos, por ejemplo.
  • No podemos cambiar la evolución natural de la patología con nuestras herramientas actuales.

 

Vamos a abordar la opción optimista: ¿Podría ser que la solución para el DL requiera una mayor comprensión de los factores biológicos subyacentes, cómo ya sucede en otros campos de la fisioterapia y medicina? Es decir, aceptar la fisiopatología y la patoanatomía como parte esencial del diagnóstico del DL, siempre correctamente contextualizadas.

Este modelo tiene un éxito atroz en la fisioterapia deportiva (véase las roturas fibrilares, lesiones ligamentosas, etc.), ¿sería tan descabellado aplicarlo en el DL?

 

Además, parece ser que tenemos evidencia suficiente como para sospechar que algunos hallazgos tienen un factor predictor del dolor mucho más alto que otros, como pueden ser: hernia discal con implicación de la raíz nerviosa, combinación de disrupción discal interna + cambios tipo Modic + nódulo de Schmörl [2], movimiento angular del disco alterado [3], etc.

Por si no fuese suficiente, DePalma et al en el 2009 [4] ya afirmaban que era posible concretar experimentalmente la fuente de los síntomas en un 90% de pacientes con DL crónico.

Personalmente, soy consciente de que esta visión se encuentra aun en gestación, y que sus implicaciones clínicas puede que no lleguen de un día para otro (o al menos no con la misma inmediatez que las subclasificaciones para el DL). También es cierto que las subclasificaciones son el paso lógico para la aplicación clínica de nuestros tratamientos, y sin duda ayudan a nuestros pacientes día a día. Pero recordemos que banalizar o infravalorar dichos factores biológicos puede que no sea la mejor solución para dejar atrás un modelo biomédico ofuscado en la patoanatomía. Contextualizemos y sopesemos cada uno de los factores que pueden influir en el DL de nuestro paciente. Reduzcamos a base de investigación y coherencia el Dolor Lumbar Inespecífico al porcentaje de pacientes que se merece, la especificidad es un paso necesario para reducir la incertidumbre de nuestros pacientes y ganar la batalla a una patología tan sumamente prevalente. Porque conocer al paciente que tenemos delante en todas las dimensiones que nos ofrece la complejidad del cuerpo humano es la llave de las puertas del éxito.

 

  1. Brinjikji W, Luetmer PH, Comstock B, Bresnahan BW, Chen LE, Deyo RA, et al. Systematic literature review of imaging features of spinal degeneration in asymptomatic populations. American Journal of Neuroradiology. 2015. p. 811–6.
  2. Mok FPS, Samartzis D, Karppinen J, Fong DYT, Luk KDK, Cheung KMC. Modic changes of the lumbar spine: Prevalence, risk factors, and association with disc degeneration and low back pain in a large-scale population-based cohort. Spine J. 2016;16(1):32–41.
  3. Song J, Wang H-L, Ma X-S, Xia X-L, Lu F-Z, Zheng C-J, et al. The value of radiographic indexes in the diagnosis of discogenic low back pain: a retrospective analysis of imaging results. Oncotarget [Internet]. 2017;8(36):60558–67.
  4. DePalma M, Ketchum J, Queler E, Ruchala M, Powell D, Kouchouch A, et al. Multivariate analysis of predictor variables of low back pain: An interim analysis of 170 consecutive low back pain patients. Pain Med [Internet]. 2009;10(5):948.

 

Escrito por Jeroni Mestre, director de la clínica Jeroni Mestre fisioterapia y docente en Ecufis