April 21st, 2017
这个协议描述了使用腕戴式加速度计来量化在日常生活上肢性能的方法。
这种加速度计方法的总体目标是量化日常生活中的上肢表现,从而跟踪康复进度和结果。这种方法可以帮助回答中风康复中的关键问题。例如,干预是否可以改善某人在现实世界中的功能,而不仅仅是在诊所或实验室中。
这种技术的主要优点是它提供了上肢表现的数字量化,并且不依赖于自我报告。虽然这种方法最初是为中风康复而开发的,但它也可以应用于其他接受物理和职业治疗服务的人。例如脑损伤或多发性硬化症患者,甚至脑瘫儿童。
起初,该方法可能看起来很困难,因为步骤太多了,但是在你使用它几次之后,这些步骤变得更加常规。演示这种方法的是我们实验室的成员 Maggie Bland。首先,通过扩展坞将两个加速度计连接到计算机,为电池充电并确保在整个实验过程中进行记录。
将加速度计连接到计算机后,打开相应的软件进行初始化。然后,在软件中选择 Initialization(初始化)以将加速度计时钟彼此同步并与本地计算机同步。根据加速度计放置在参与者身上的时间,输入数据收集的开始时间和日期,并在至少 24 小时后输入结束日期和时间。
接下来,从下拉菜单中选择 30 Hz采样率,并取消选中 LED 选项和无线选项。启用 Idle Sleep Mode 以延长电池寿命,然后选择 Enter Subject Info 以完成初始化过程。然后,输入加速度计位置、手腕和身体侧、右侧或左侧的主题特定信息。
根据需要选择填写其他主题特定信息。输入仅用于识别,不会影响数据分析。最后,选择 Initialize Devices 以完成该过程。
确认初始化后,断开加速度计与计算机的连接。首先,在参与者的每个手腕上放置一个加速度计。然后,让参与者全天进行日常活动,并告诉他们加速度计一开始可能会感觉很奇怪,但他们很快就会习惯它们。
告诉参与者,加速度计是防水的,可以在淋浴或洗碗时佩戴。但是,请指示他们在长时间游泳时不要佩戴加速度计。此外,要求他们在小睡和过夜时保持加速度计开启。
最后,提供有关何时取下两个加速度计以及如何将加速度计和佩戴日志带回或邮寄回的说明。然后,鼓励参与者回家进行正常的日常活动。归还加速度计后,佩戴 24 小时或更长时间后,将它们连接到计算机以下载记录的数据。
在软件中,选择 下载 然后使用 更改位置 按钮选择将数据存储在计算机上的位置。选择创建 AGD 文件的选项。对于足够小而需要快速检查的文件,请从 Epoch 下拉菜单中选择 10 秒,然后选择 Download All Devices。
接下来,为了确认加速度计在计划的时间段内佩戴,并且数据与佩戴日志匹配,请单击 File(文件)、Open AGD File(打开 AGD 文件)并选择要打开的文件,以目视检查数据。然后查看每日图表以查看收集的数据。确认活动发生在典型的清醒时间,并且除了夜间外,没有长时间没有活动。
如果需要,可以缩小图表以专注于较小的时间增量。最后,要生成用于计算的文件,请重复下载过程,但从 Epoch 下拉框中选择 1 秒,以便将数据分箱到 1 秒的 epoch 中。这个来自健康成年人的对称图表明上肢全天一起活跃。
优势和非优势肢体的使用方式相似。对称性与人们对手牌优势的普遍看法相反。其次,该图是树形的,底部较宽,边缘为圆角,其中这些圆角边缘代表一个肢体在移动而另一个肢体相对静止的活动。
圆润边缘的对称性表明双指针在一天中都积极地进行演奏和稳定。最后,中心的暖光表明最常见的上肢运动强度较低,双肢的贡献大致相等。其他结果显示,中风导致左肢中度麻痹和功能障碍的个体的上肢活动。
不对称图表明麻痹的上肢在日常生活中很少活跃,低峰值意味着只发生低强度的活动。最后,中间的冷色表示运动频率低。掌握后,此技术的设置可能需要大约 10 分钟。
返回加速度计后,处理大约需要 20 分钟。在执行此过程时,在返回加速度计后目视检查数据非常重要。开发后,这项技术为中风研究人员在诊所或实验室之外探索日常生活中的手臂和手部活动铺平了道路。
看完这个视频,您将知道如何在日常生活中使用加速度计来量化上肢表现。因此,能够跟踪康复的进展和结果。
本协议描述了一种使用腕部佩戴式加速度计来量化日常生活中上肢性能的方法。该技术允许跟踪康复进展和结果,特别是在中风康复中。
Quantifying upper limb performance in real-world settings addresses a critical gap in neurorehabilitation and translational research by providing objective, continuous data beyond clinic-based assessments. This accelerometry-based methodology enhances predictive confidence in intervention outcomes and supports risk-adjusted advancement decisions for therapeutic candidates targeting motor recovery. Its reproducibility and scalability position it as a valuable asset for portfolio-level evaluation of functional endpoints in neurological disorders.
This methodology integrates into the discovery-to-preclinical continuum by providing a bridge between laboratory efficacy and real-world functional outcomes.