Artículo de método

Configuración para la evaluación cuantitativa del movimiento y la actividad muscular durante una prueba virtual de caja y bloque modificado

DOI:

10.3791/65736

⸱

12 de enero de 2024

 ,  ,  ,  , 
1Department of Neuroscience, West Virginia University, 2Department of Human Performance, West Virginia University, 3Department of Biomedical Engineering, West Virginia University

* These authors contributed equally

En este artículo

Resumen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

El protocolo aquí descrito tiene como objetivo mejorar la evaluación cuantitativa de los déficits de las extremidades superiores, con el objetivo de desarrollar tecnología adicional para la evaluación a distancia tanto en la clínica como en el hogar. Las tecnologías de realidad virtual y biosensores se combinan con técnicas clínicas estándar para proporcionar información sobre el funcionamiento del sistema neuromuscular.

Resumen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La capacidad de movernos nos permite interactuar con el mundo. Cuando esta capacidad se ve afectada, puede reducir significativamente la calidad de vida y la independencia de una persona y puede provocar complicaciones. La importancia de la evaluación y rehabilitación remota de pacientes ha crecido recientemente debido al acceso limitado a los servicios presenciales. Por ejemplo, la pandemia de COVID-19 dio lugar inesperadamente a regulaciones estrictas, lo que redujo el acceso a servicios de atención médica no emergentes. Además, la atención remota ofrece la oportunidad de abordar las disparidades de atención médica en áreas rurales, desatendidas y de bajos ingresos donde el acceso a los servicios sigue siendo limitado.

Mejorar la accesibilidad a través de opciones de atención remota limitaría el número de visitas al hospital o a especialistas y haría que la atención de rutina fuera más asequible. Por último, el uso de productos electrónicos comerciales de consumo fácilmente disponibles para la atención en el hogar puede mejorar los resultados de los pacientes debido a una mejor observación cuantitativa de los síntomas, la eficacia del tratamiento y la dosis de la terapia. Si bien la atención a distancia es un medio prometedor para abordar estos problemas, existe una necesidad crucial de caracterizar cuantitativamente la discapacidad motora para tales aplicaciones. El siguiente protocolo busca abordar esta brecha de conocimiento para permitir que los médicos e investigadores obtengan datos de alta resolución sobre el movimiento complejo y la actividad muscular subyacente. El objetivo final es desarrollar un protocolo para la administración remota de pruebas clínicas funcionales.

Aquí, se instruyó a los participantes para que realizaran una tarea de caja y bloqueo (BBT) de inspiración médica, que se usa con frecuencia para evaluar la función de la mano. Esta tarea requiere que los sujetos transporten cubos estandarizados entre dos compartimentos separados por una barrera. Implementamos un BBT modificado en realidad virtual para demostrar el potencial del desarrollo de protocolos de evaluación remota. La activación muscular de cada sujeto se capturó mediante electromiografía de superficie. Este protocolo permitió la adquisición de datos de alta calidad para caracterizar mejor el deterioro del movimiento de una manera detallada y cuantitativa. En última instancia, estos datos tienen el potencial de ser utilizados para desarrollar protocolos para la rehabilitación virtual y el monitoreo remoto de pacientes.

Introducción

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

El movimiento es la forma en que interactuamos con el mundo. Si bien las actividades cotidianas, como tomar un vaso de agua o caminar al trabajo, pueden parecer simples, incluso estos movimientos dependen de señalescomplejas entre el sistema nervioso central, los músculos y las extremidades. Como tal, la independencia personal y la calidad de vida están altamente correlacionadas con el nivel de función de las extremidades de un individuo 2,3. El daño neurológico, como en la lesión de la médula espinal (LME) o la lesión de los nervios periféricos, puede dar lugar a déficits motores permanentes, disminuyendo así la capacidad de realizar incluso las actividades más sencillas de la vida diaria 4,5. Según el Instituto Nacional de Trastornos Neurológicos y Accidentes Cerebrovasculares, más de 100 millones de personas en los Estados Unidos experimentan déficits motores, siendo el accidente cerebrovascular una de las principales causas 6,7,8. Debido a la naturaleza de estas lesiones, los pacientes a menudo requieren cuidados prolongados en los que la evaluación motora cuantitativa y el tratamiento a distancia pueden ser beneficiosos.

Las prácticas actuales para tratar los trastornos del movimiento a menudo requieren una evaluación clínica inicial y continua de la función a través de la observación por parte de expertos capacitados, como fisioterapeutas u ocupacionales. Las pruebas clínicas estándar validadas a menudo requieren profesionales capacitados para administrarlas, con limitaciones de tiempo específicas y puntuación subjetiva de movimientos predefinidos o tareas funcionales. Sin embargo, incluso en individuos sanos, se pueden lograr movimientos idénticos con diferentes combinaciones de ángulos articulares. Este concepto se denomina redundancia musculoesquelética.

Las pruebas clínicas funcionales a menudo no tienen en cuenta la redundancia individual que subyace a la variabilidad entre sujetos. Tanto para los clínicos como para los investigadores, distinguir entre la variabilidad normal causada por la redundancia y los cambios patológicos en el movimiento sigue siendo un desafío. Las evaluaciones clínicas estandarizadas realizadas por evaluadores bien entrenados utilizan sistemas de puntuación de baja resolución para reducir la variabilidad entre evaluadores y mejorar la validez de las pruebas. Sin embargo, esto introduce efectos techo, disminuyendo así la sensibilidad y la validez predictiva para los sujetos que pueden tener déficits de movimiento leves 9,10. Además, estas pruebas clínicas no pueden diferenciar si los déficits son causados por la mecánica corporal pasiva o la coordinación muscular activa, lo que puede ser importante durante el diagnóstico inicial y el diseño de un plan de rehabilitación específico para el paciente. Los ensayos clínicos aleatorizados han revelado una eficacia inconsistente de los planes de tratamiento formulados con base en la evidencia proporcionada por estas pruebas clínicas 11,12,13. Varios estudios han enfatizado la necesidad de contar con métricas clínicas cuantitativas y fáciles de usar que puedan ser utilizadas para guiar el diseño de futuras intervenciones14,15.

En estudios previos, demostramos la implementación de la evaluación automatizada del movimiento utilizando dispositivos de captura de movimiento fácilmente disponibles para el consumidor en el deterioro del brazo después de un accidente cerebrovascular, así como la evaluación de la función del hombro después de una cirugía torácica en pacientes con cáncer de mama16,17. Además, hemos demostrado que el uso de los momentos activos de las articulaciones para estimar los momentos musculares de movimientos activos específicos es una medida más sensible de los déficits motores después de un accidente cerebrovascular en comparación con los ángulos articulares18. Por lo tanto, la captura de movimiento y la electromiografía de superficie (EMG) pueden ser de vital importancia en la evaluación de los pacientes que son diagnosticados como asintomáticos por las pruebas clínicas estándar, pero que aún pueden estar experimentando dificultades de movimiento, fatiga o dolor. Este artículo describe un sistema que puede permitir la caracterización detallada y cuantitativa del movimiento durante pruebas clínicas estándar para el desarrollo futuro de métodos para la evaluación y rehabilitación en el hogar en poblaciones de pacientes con problemas de movimiento.

La realidad virtual (VR) se puede utilizar para construir una experiencia de usuario inmersiva mientras se modelan las tareas cotidianas. Por lo general, los sistemas de realidad virtual rastrean los movimientos de la mano del usuario para permitir interacciones simuladas con el entorno virtual. El protocolo que describimos aquí utiliza productos de realidad virtual de consumo para la captura de movimiento para cuantificar la evaluación de los déficits motores, de manera similar a otros estudios que demuestran el uso de controladores de videojuegos listos para usar en la evaluación cuantitativa del deterioro después de un accidente cerebrovascular o una cirugía de hombro16,17. Además, la EMG es una medida no invasiva de la actividad neuronal subyacente a la contracción muscular19. Como tal, la EMG se puede utilizar para evaluar indirectamente la calidad del control neural del movimiento y proporcionar una evaluación detallada de la función motora. El daño muscular y nervioso puede ser detectado por EMG, y trastornos como la distrofia muscular y la parálisis cerebral son comúnmente monitoreados utilizando esta técnica20,21. Además, la EMG puede utilizarse para rastrear cambios en la fuerza muscular o espasticidad, que pueden no ser evidentes en las evaluaciones cinemáticas22,23, así como la fatiga y la coactivación muscular. Métricas como estas son críticas para considerar el progreso de la rehabilitación 23,24,25.

El paradigma experimental descrito aquí busca aprovechar una combinación de VR y EMG para abordar las limitaciones de las herramientas tradicionales de evaluación clínica. Aquí, se les pidió a los participantes que realizaran una tarea modificada de Caja y Bloque (BBT)26 utilizando objetos reales y en realidad virtual. La TCB estándar es una herramienta clínica utilizada en la evaluación general de la función macroscópica de las extremidades superiores, en la que se pide a los sujetos que muevan tantos bloques de 2,5 cm como sea posible de un compartimento, sobre un tabique, a un compartimento contiguo en un minuto. Si bien a menudo se utilizan para evaluar de manera confiable los déficits en pacientes con accidente cerebrovascular u otras afecciones neuromusculares (p. ej., paresia de las extremidades superiores, hemiplejia espástica), también se han reportado datos normativos para niños y adultos sanos, de 6 a 89 añosde edad 26. Una evaluación virtual del movimiento se utiliza para simular los aspectos funcionales de la prueba clínica validada realizada en la vida real. La realidad virtual se utiliza aquí para disminuir el hardware requerido al tiempo que permite el suministro de instrucciones estandarizadas y puntuaciones programadas y automatizadas. Como tal, ya no sería necesaria la supervisión constante por parte de profesionales capacitados.

El BBT en este estudio se ha simplificado para centrarse en capturar el alcance y el agarre de un bloque a la vez que aparece en el mismo lugar. Esto maximizó la reproducibilidad de los movimientos y minimizó la variabilidad entre sujetos en los datos registrados. Por último, los auriculares de realidad virtual se pueden comprar por tan solo $ 300 y tienen el potencial de albergar múltiples evaluaciones. Una vez programado, esto disminuiría significativamente el costo asociado con la evaluación profesional típica y permitiría una mayor accesibilidad a estas pruebas clínicas estándar y validadas tanto en entornos clínicos como remotos/en el hogar.

Protocolo

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Los procedimientos experimentales fueron aprobados por la Junta de Revisión Institucional (IRB) de la Universidad de Virginia Occidental, protocolo # 1311129283, y se adhirieron a los principios de la Declaración de Helsinki. Los riesgos de este protocolo son menores, pero es necesario explicar todos los procedimientos y riesgos potenciales a los participantes y se obtuvo el consentimiento informado por escrito con documentación aprobada por la junta de revisión ética institucional.

1. Características y diseño del sistema

NOTA: La configuración de este protocolo consta de los siguientes elementos: (1) sensores EMG y base, (2) software de adquisición de datos EMG (DAQ), (3) un sistema de captura de movimiento y (4) un auricular VR con el software correspondiente. Estos componentes se visualizan en la Figura 1.

  1. Configuración de los componentes del sistema
    1. Conecte el sistema EMG.
      1. Conecte la estación base EMG a la alimentación.
      2. Conecte la estación base EMG a una computadora dedicada (Figura 1C) que contenga los scripts DAQ.
        NOTA: Los scripts de ejemplo se pueden encontrar en: https://www.dropbox.com/sh/7se5lih4noxj584/AACqFDZytpDm-L8jAULFwfTHa?dl=0. Algunos productos comerciales pueden venir con software DAQ con licencia, que también se puede utilizar.
    2. Conecte el sistema de captura de movimiento.
      1. Conecte una segunda computadora dedicada (Figura 1A) a un enrutador de red.
      2. Conecte el enrutador de red a un servidor de captura de movimiento.
      3. Conecte el servidor de captura de movimiento a un monitor de computadora para la visualización.
      4. Conecte las cámaras al servidor de captura de movimiento.
    3. Conecte el sistema de realidad virtual.
      1. Conecte el casco de realidad virtual a una tercera computadora dedicada con los scripts de adquisición de datos correspondientes (Figura 1B).
        NOTA: Los scripts de ejemplo se pueden encontrar en: https://www.dropbox.com/sh/7se5lih4noxj584/AACqFDZytpDm-L8jAULFwfTHa?dl=0
      2. Cargue el entorno de juego de realidad virtual que contiene las tareas previstas en el equipo vinculado al casco de realidad virtual (Figura 1B).
    4. Prepare el área donde el sujeto completará la tarea.
      1. Utilice una silla resistente y sin brazos para asegurarse de que no interfiera con el alcance normal del sujeto.
      2. Para la seguridad y precisión de los datos recopilados, confirme que el área de prueba esté libre de obstáculos.
    5. Sincronizar los sistemas.
      1. Utilice una función de software personalizada para sincronizar los sistemas en el tiempo con un servidor de un solo uso.
      2. Alternativamente, use una computadora o un administrador de mensajes preferido.

figure-protocol-1
Figura 1: Configuración del equipo experimental. (A) Las cámaras marcadoras de captura de movimiento están colocadas en el suelo y en el techo alrededor del espacio experimental, estableciendo un espacio óptimo para el seguimiento del movimiento. Se utiliza una computadora dedicada para ejecutar el software de captura de movimiento y guardar los datos. (B) El auricular utilizado para mostrar el BBT modificado en VR está conectado a una computadora dedicada donde se guardan los datos de la evaluación virtual y la tarea. (C) La base EMG está conectada a una computadora dedicada donde los datos de actividad muscular se registran y guardan durante la ejecución de la tarea. Los sensores EMG y los marcadores LED para la captura de movimiento se colocan en el brazo del sujeto durante la sesión (ver Figura 2). Abreviaturas: VR = realidad virtual; EMG = electromiografía. Haga clic aquí para ver una versión más grande de esta figura.

2. Procedimientos experimentales

NOTA: en la Figura 2 se muestra una representación visual del flujo experimental descrito en este protocolo.

  1. Configurar EMG
    1. Para determinar la ubicación del sensor EMG para obtener la mejor calidad de señal, palpe el vientre muscular mientras el participante contrae el músculo relevante27. Ver Tabla 1 para la selección muscular utilizada en este protocolo.
    2. Con una toallita con alcohol, limpie cuidadosamente cada electrodo y el sitio de colocación del sensor previsto en el brazo del sujeto.
      NOTA: La limpieza a fondo tanto de los sensores EMG como de la piel del sujeto garantizará una baja impedancia del electrodo a la piel. Esto garantiza que los datos EMG registrados tengan una alta relación señal-ruido. El exceso de vello en el sitio de colocación del sensor puede causar datos de baja calidad incluso si se limpian adecuadamente. En este caso, puede ser necesario afeitar el vello.
    3. Después de preparar los electrodos EMG y la piel del sujeto, coloque los sensores EMG en el sujeto, asegurándose de un buen contacto entre los electrodos y la piel. Los electrodos bipolares deben colocarse de manera que los sensores sean paralelos a la dirección de las fibras musculares.
  2. Configurar el sistema de captura de movimiento
    NOTA: Es posible que esto no sea necesario si solo se usa un auricular de realidad virtual para rastrear los movimientos de la mano para la cinemática.
    1. Calibre las cámaras de seguimiento de movimiento siguiendo las instrucciones del fabricante. Mueva la varilla de calibración por todo el espacio experimental para calibrar las cámaras de seguimiento de movimiento y establecer el eje 3D del espacio.
      NOTA: El sistema de captura de movimiento de marcadores utilizado en este protocolo incluye una varilla de calibración con marcadores LED.
    2. Coloque los marcadores LED de captura de movimiento en los puntos de referencia óseos de la extremidad superior y el tronco del sujeto que se necesitan para construir los modelos biomecánicos deseados.
    3. Utilice el software de captura de movimiento proporcionado para asegurarse de que las cámaras de captura de movimiento reconozcan y rastreen todos los marcadores. Instruya al sujeto para que realice varios movimientos de práctica mientras el personal del estudio monitorea visualmente los datos de los marcadores en tiempo real.
  3. Configurar la tarea de evaluación de habilidades de realidad virtual
    1. Coloque una silla en el centro del espacio experimental de captura de movimiento. Use una silla que sea similar a la que se usa para la prueba tradicional del mundo real.
    2. Calibra el casco de realidad virtual en la silla donde el sujeto realizará la tarea de evaluación. Una vez calibrado, indique al sujeto que se siente en la silla y coloque el casco de realidad virtual en su cabeza.
    3. Mientras el sujeto está sentado, mida la distancia entre el hombro del sujeto y el suelo, así como la longitud del brazo del sujeto. Utilice estas distancias para establecer la ubicación en la que se generarán la tabla y la tarea de evaluación en VR.
    4. En el script de control de tareas de realidad virtual, ingrese las medidas del sujeto y programe el número deseado de repeticiones de generación de bloques.
      NOTA: En este BBT modificado, los bloques individuales aparecerán de uno en uno para aumentar la reproducibilidad.
  4. Instruya al sujeto para que realice la evaluación BBT modificada en VR.
    1. Proporcione una breve explicación de la tarea al sujeto.
      1. El bloque virtual aparecerá en el lado izquierdo o derecho, según lo determine el experimentador.
      2. Explique al sujeto que tendrá que recoger el bloque virtual, transportarlo a través de la partición y colocarlo en el objetivo en el compartimento opuesto (Figura 2).
        NOTA: En el BBT modificado virtual utilizado aquí, el bloque desaparecerá automáticamente y volverá a aparecer en la posición inicial tantas veces como determine el experimentador.
    2. Comience a recopilar datos de EMG.
    3. Comience a recopilar datos de captura de movimiento.
    4. Inicie la tarea de evaluación de habilidades de realidad virtual.
      1. Deje que la tarea se ejecute durante el número preestablecido de repeticiones antes de finalizar automáticamente.
    5. Guarde los datos EMG y cinemáticos para el análisis post-hoc.
    6. Determine una puntuación clínicamente relevante para el TCB modificado post-hoc como el número de bloques llevados con éxito a través de la barrera o repeticiones de la tarea en 60 s.

figure-protocol-2
Figura 2: Protocolo experimental, tarea de RV y configuración del sujeto. (A) Diagrama de flujo que describe el protocolo experimental utilizado aquí. (B) Vista de ejemplo de BBT modificado implementado en un entorno de realidad virtual. Las mediciones anatómicas se utilizan para calibrar la tarea de realidad virtual, lo que garantiza que la mesa virtual aparezca en la ubicación relativa correcta. (C) Colocación de marcadores LED de captura de movimiento y sensores EMG en el sujeto. Los sensores EMG se colocan en los músculos de interés y los marcadores LED de captura de movimiento se colocan sobre puntos de referencia óseos. Abreviaturas: VR = realidad virtual; EMG = electromiografía; LED = diodo emisor de luz. Haga clic aquí para ver una versión más grande de esta figura.

Resultados

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Los datos EMG, cinemáticos y de fuerza obtenidos de los sujetos que utilizan este protocolo se pueden utilizar para caracterizar los movimientos a través de las repeticiones de la misma tarea, así como durante diferentes tareas. Los datos que se muestran aquí representan los resultados de participantes de control sanos para demostrar la viabilidad de esta configuración. En la Figura 3 se muestran los perfiles representativos de EMG registrados de un sujeto sano que realiza la TCB modificada en RV. Se puede observar una alta activación muscular del deltoides anterior (DELT_A), lo que sugiere que es el motor principal del brazo para cada movimiento de alcance. Los extensores del antebrazo y la muñeca (ECU y ECR) también se activaron notablemente, lo que sugiere que estos músculos se utilizan para apoyar el agarre del bloque durante todo el movimiento. Por último, el aumento de la actividad de los músculos del pulgar (EPB y APB) indica su uso en el agarre y liberación del bloqueo. Si bien los perfiles de EMG registrados durante la TCB modificada en RV fueron similares a la tarea del mundo real, la actividad muscular máxima durante la evaluación de RV se redujo. Estos resultados sugieren que tanto la BBT estándar del mundo real como la BBT modificada en VR involucran mecanismos de control motor similares.

Se utilizaron datos de seguimiento manual de RV para obtener datos cinemáticos que produjeron perfiles suaves de las trayectorias de los ángulos de las articulaciones a lo largo de la TCB modificada implementada en RV (Figura 4). El uso de los dedos pulgar, medio e índice para agarrar el bloque se caracteriza por cambios en el ángulo articular en las articulaciones interfalángicas proximal y distal (Figura 4). Se observa que los ángulos de las articulaciones de los dedos 2 (índice) y 3 (medio) cambian a lo largo de trayectorias similares, lo que significa su uso simultáneo para agarrar y luego soltar el bloque. Comparativamente, los dedos 4 (anular) y 5 (meñique) muestran un patrón distinto en los cambios de ángulo articular en las articulaciones interfalángicas proximales y distales. Esto no solo sugiere que no se usaron para agarrar el bloque, sino que también muestra que su movimiento opuesto a los dedos 2 y 3 puede marcar un movimiento típico fuera de sinergia en el que estos dedos permanecen flexionados mientras se suelta el bloque. Este control fraccionado de la extensión de los dedos frente a la flexión puede estar ausente en alguien con déficits motores posteriores a un accidente cerebrovascular. La Tabla 2 muestra los rangos promedio de los ángulos de articulación durante la tarea. Además, el tiempo de cada movimiento o fase del movimiento, como el agarre y el alcance, y el número de repeticiones en un período determinado también se pueden medir a partir de los datos cinemáticos obtenidos del casco de realidad virtual.

La calidad de los datos obtenidos de este protocolo se puede maximizar a través de la consideración exhaustiva de varios factores. Como se mencionó anteriormente, la adquisición de datos de EMG de alta calidad se basa en el contacto cercano entre los electrodos del sensor y la piel. Cuando los sensores están colocados de forma segura, los datos de EMG tendrán una alta relación señal-ruido con claros períodos de estallido que indican cuándo los músculos se están contrayendo activamente (Figura 5). Se pueden visualizar distintas ráfagas de actividad eléctrica correspondientes a la contracción muscular tanto en las señales sin filtrar (Figura 5A) como en las filtradas (Figura 5B), con un ruido mínimo. Los aumentos aberrantes o inesperados en la amplitud de la señal pueden ser indicativos de artefactos de movimiento que pueden resultar de la fijación insegura de los sensores EMG a la piel. Si se utilizan sensores cableados, esto también podría deberse a cables que cuelgan durante el movimiento. Los datos de captura de movimiento de alta calidad requieren que las extremidades permanezcan a la vista de la cámara para que el algoritmo de seguimiento pueda resolver con precisión las coordenadas relativas de los puntos rastreados. Los cambios grandes o bruscos en las coordenadas de los puntos rastreados o los valores de coordenadas faltantes indican datos de captura de movimiento de baja calidad. Si bien la interpolación de marcadores se puede utilizar para calcular las coordenadas faltantes, este método solo es válido para períodos breves en relación con la duración del movimiento.

figure-results-1
Figura 3: Perfiles representativos de EMG filtrados y rectificados registrados de un sujeto sano que realizó 10 repeticiones de la TCB modificada en RV. (A) Flexores proximales del brazo (bíceps cabeza corta, rojo; bíceps cabeza larga, gris; deltoides anterior, negro). (B) Extensores proximales del brazo (tríceps cabeza larga, verde; tríceps lateral, azul). (C) Flexores distales del brazo (flexor cubital del carpo, rojo; flexor radial del carpo, negro). (D) Extensores distales del brazo (extensor cubital del carpo, verde; extensor radial del carpo, azul). (E) Músculos de los dedos y pulgares (flexor superficial de los dedos, rojo; extensor de los dedos común, verde; extensor corto del pulgar, azul; abductor corto del pulgar, marrón). Esta cifra es una adaptación de Yough28. Abreviaturas: BBT = Tarea de caja y bloque; EMG = electromiografía; BIC_SH = bíceps cabeza corta; BIC_LO = bíceps cabeza larga; DELT_A = deltoides anterior); TRI_LO = tríceps cabeza larga; TRI_LAT = tríceps lateral; FCU = flexor cubital del carpo; FCR = flexor radial del carpo; ECU = extensor cubital del carpo; ECR = extensor radial del carpo; FDS = flexor superficial de los dedos; EDC = extensor de los dedos communis; EPB = extensor corto del pulgar; APB = abductor corto del pulgar. Haga clic aquí para ver una versión más grande de esta figura.

figure-results-2
Figura 4: Perfiles cinemáticos representativos registrados de un sujeto sano que realiza 10 repeticiones de la TCB modificada en RV. (A) Ángulos articulares del pulgar en las articulaciones CMC, MCP e IP. (B) Ángulos de unión de las uniones MCP de los dígitos 2-5. (C) Ángulos de unión de las uniones PIP de los dígitos 2-5. (D) Ángulos de unión de las uniones DIP de los dígitos 2-5. Los números que siguen al nombre de cada articulación indican el dedo al que corresponde cada articulación (pulgar = 1, índice = 2, centro = 3, anillo = 4, meñique = 5). Esta cifra es una adaptación de Yough28. Abreviaturas: CMC = carpometacarpiano; Ad/Ab = aducción/abducción; E/F = extensión/flexión; MCP = metacarpofalángico; IP = interfalángico; PIP = interfalángica proximal; DIP = interfalángica distal. Haga clic aquí para ver una versión más grande de esta figura.

figure-results-3
Figura 5: Datos representativos del sensor EMG. (A) Señales EMG sin procesar y (B) filtradas de un sensor EMG seguro y colocado de manera óptima en el flexor cubital del carpo. Esta cifra es una adaptación de Yough28. Abreviaturas: EMG = electromiografía. Haga clic aquí para ver una versión más grande de esta figura.

Número de sensor DelsysMúsculo
1Flexor cubital del carpo
2Flexor radial del carpo
3Extensor cubital del carpo
4Extensor radial largo del carpo
5Ancóneo
6Flexor superficial de los dedos
7Extensor de los dedos communis
8Bíceps braquial - cabeza medial/corta
9Bíceps braquial - cabeza lateral/larga
10Tríceps braquial - cabeza larga
11Tríceps braquial - cabeza lateral
12Deltoides anterior
13Deltoides lateral
14Extensor corto del pulgar
15Abductor corto del pulgar

Tabla 1: Selección de músculos para sensores EMG para registro en este protocolo.

Grado de libertadÁngulo mínimo de unión (rad)Ángulo máximo de articulación (rad)Magnitud (rad)
Supinación-Pronación de Muñeca0.240.680,44 ± 0,17
Extensión-flexión de muñeca-0.47-0.40,1 ± 0,06
Aducción-Abducción de Muñeca-0.18-0.10,08 ± 0,03
Aducción-Abducción Carpometacarpiana0.350.550,2 ± 0,09
Flexión-extensión carpometacarpiana0.050.240,18 ± 0,12
Flexión-extensión metacarpiana del pulgar-0.23-0.150,08 ± 0,02
Flexión-extensión interfalángica del pulgar-0.56-0.480,09 ± 0,03
Índice Extensión-Flexión Metacarpiana0.250.50,25 ± 0,13
Índice: Extensión-flexión interfalángica proximal0.740.940,0,2 ± 0,14
Índice Extensión-flexión interfalángica distal0.670.810,15 ± 0,1
Extensión-flexión del metacarpiano medio0.250.460,2 ± 0,11
Extensión-flexión de la interfalángica proximal media0.891.070,18 ± 0,11
Extensión-flexión interfalángica distal media0.740.90,15 ± 0,1
Extensión-flexión metacarpiana del anillo0.220.420,2 ± 0,14
Extensión-flexión interfalángica proximal del anillo0.91.10,2 ± 0,15
Extensión-flexión interfalángica distal del anillo0.780.930,15 ± 0,1
Pequeña extensión-flexión metacarpiana0.320.480,16 ± 0,04
Poca extensión-flexión interfalángica proximal0.931.090,16 ± 0,09
Pequeña extensión-flexión interfalángica distal0.760.90,14 ± 0,09

Tabla 2: Rangos promedio de ángulos de articulación durante una BBT modificada. Las direcciones de movimiento en los nombres DOF corresponden a direcciones negativas-positivas. Por ejemplo, en "Supuración-Pronación de la muñeca", la supinación está en la dirección negativa y la pronación está en la dirección positiva.

Discusión

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Sistema EMG
El hardware del sistema EMG consta de 15 sensores EMG que se utilizan para obtener datos de activación muscular. Se utilizó una interfaz de programación de aplicaciones (API) disponible en el mercado para generar software de grabación EMG personalizado. El hardware del sistema de realidad virtual consta de un casco de realidad virtual que se utiliza para mostrar el entorno de realidad virtual inmersivo y un cable para conectar el auricular a la computadora dedicada donde se almacena la tarea de evaluación virtual. El software consiste en software de gráficos por computadora en 3D para crear y ejecutar la tarea de realidad virtual. En este caso, se utilizó como tarea de evaluación una prueba de caja y bloque modificada, adaptada del popular manual de evaluación de destreza26. La interacción con el entorno de realidad virtual se permitió mediante el uso de un programa de software diseñado para calcular la ubicación donde se generaría la tabla, iniciaría la tarea, generaría bloques y guardaría los datos.

Sistema de captura de movimiento
El hardware del sistema de captura de movimiento consta del auricular VR, el sistema de captura de movimiento del marcador y el controlador de movimiento VR. El auricular VR está equipado con capacidad de seguimiento manual a través de cuatro cámaras infrarrojas incorporadas (72-120 Hz). Estos datos se extrajeron del dispositivo para el análisis cinemático. El sistema de captura de movimiento del marcador consta de un servidor, cámaras con un campo de visión de 60°, diodo emisor de luz roja (LED) como marcadores y un objeto de calibración. Para capturar con precisión el espacio, las cámaras deberán superponerse ligeramente. Durante el experimento, un área de captura dada estaba rodeada por ocho cámaras (480 Hz), donde cuatro estaban en el techo y cuatro en el suelo. Este sistema fue calibrado y alineado antes del experimento. Se pueden preferir los sistemas de captura de movimiento de marcadores, ya que proporcionan datos cinemáticos de alta definición para aplicaciones clínicas y de investigación. El controlador de movimiento VR contiene un módulo óptico de seguimiento de manos que captura el movimiento de la mano y los dedos. El controlador tiene dos cámaras de infrarrojo cercano de 640 x 240 píxeles (120 Hz), que son capaces de rastrear el movimiento hasta 60 cm del dispositivo y en un campo de visión de 140 x 120°. Este dispositivo se conectaba al casco de realidad virtual o se aseguraba por encima de la cabeza durante el movimiento. Se utilizó software de desarrollo de gráficos por computadora en 3D para visualizar el seguimiento de la mano y recopilar datos del entorno de realidad virtual. Los datos de los sistemas de captura de movimiento con y sin marcadores se adquirieron y guardaron utilizando scripts de programas de software personalizados. Ejemplos de scripts de programas de software se pueden encontrar en: https://www.dropbox.com/sh/7se5lih4noxj584/AACqFDZytpDm-L8jAULFwfTHa?dl=0.

Posibles sustituciones de equipos
En este protocolo se utilizan electrodos EMG inalámbricos, bipolares y de superficie, sin embargo, se podrían sustituir otras tecnologías EMG (cableadas, etc.). Si se utilizan sensores estándar disponibles en el mercado, como se describe en la Tabla de materiales, se puede utilizar el software DAQ adjunto en lugar de los scripts de software personalizados (frecuencia de muestreo de 2.000 Hz). Si se utilizan sensores EMG alternativos, también se debe utilizar un software compatible con ese sistema.

En lugar de vincular el casco de realidad virtual a la computadora mediante un cable, el casco de realidad virtual tiene la capacidad de almacenar el entorno interactivo dentro del auricular. La implementación de la función en futuras aplicaciones para la rehabilitación en el hogar sería ventajosa para el paciente. El casco de realidad virtual utilizado aquí puede sustituirse por un casco de realidad virtual inmersivo diferente. Antes de la sustitución, esto requeriría la validación de la compatibilidad con el software de desarrollo del juego.

Se puede utilizar software de desarrollo alternativo para la creación del entorno virtual y la tarea descrita en este protocolo. Además, se pueden utilizar otras evaluaciones clínicas traducidas a la RV en lugar de la TCB modificada que se ilustra aquí (p. ej., la prueba del brazo de investigación en acción (ARAT) o la evaluación redefinida graduada de la fuerza, la sensación y la prehensión (GRASSP)). Si bien la TCB se puede utilizar para evaluar una amplia gama de lesiones neurológicas, el uso de tareas clínicas alternativas permitiría la evaluación de otros trastornos del movimiento. El GRASSP, por ejemplo, se utiliza principalmente para evaluar a los pacientes con lesión de la médula espinal, mientras que el ARAT se utiliza con mayor frecuencia para evaluar la hemiplejia debida al daño cortical. Las evaluaciones virtuales también podrían administrarse sin control mediante un script de programa de software (es decir, independiente), pero habría que tener en cuenta la adquisición de datos y el control de la administración de las pruebas. Para la evaluación de las habilidades, se podría utilizar una prueba tangible de caja y bloque (BBT) en lugar de la tarea desarrollada en VR26. El uso de equipos del mundo real requeriría una tecnología alternativa de captura de movimiento, en lugar del seguimiento de manos grabado desde un auricular de realidad virtual.

Se puede utilizar un marcador confiable alternativo o la captura de movimiento sin marcadores para rastrear la cinemática de la mano. Por ejemplo, la captura de movimiento basada en realidad virtual se puede utilizar para simplificar la configuración, al tiempo que se obtienen los datos de seguimiento manual necesarios para extraer información cinemática. El sistema de captura de movimiento de marcadores utilizado aquí incluye un software para calibrar el espacio de captura de movimiento experimental y hacer funcionar las cámaras (frecuencia de muestreo de 480 Hz). Se debe utilizar una tecnología alternativa de captura de movimiento con el software correspondiente adecuado.

En la Figura 1 se ilustran equipos separados, cada uno de los cuales ejecuta un componente de hardware diferente. Una sola computadora de alto rendimiento puede ejecutar todo el software para la recopilación de datos y la realidad virtual. En el protocolo descrito aquí, el uso de tres computadoras separadas requiere sincronización de datos. La sincronización de los datos en el tiempo entre dispositivos es fundamental para que los datos EMG, cinemáticos y de fuerza arrojen conclusiones significativas. Se utilizaron scripts de programas de software personalizados que utilizaban una función de fecha y hora incorporada para registrar la hora universal en cada sistema al comienzo de la tarea. Fundamentalmente, todos los equipos deben estar conectados a la misma red para que estos scripts funcionen correctamente. Una vez registrada la hora de inicio mediante la fecha y hora, los scripts de adquisición de datos utilizaron las funciones de índice y índice para incrementar el tiempo durante la prueba. Estas funciones tienen una precisión de aproximadamente 0,000001 s, lo que puede permitir que los datos se registren a 1.000 kHz. En nuestra configuración, la frecuencia de muestreo más alta es de 30 kHz, que está muy por debajo de las capacidades máximas de este método para grabar y sincronizar el tiempo entre dispositivos. Se utilizó una aplicación de mensajería de protocolo de control de transmisión/protocolo de Internet (TCP-IP)29 desarrollada en Python para transmitir datos entre el entorno de realidad virtual y la aplicación DAQ basada en la dirección IP.

Además de garantizar la sincronización del tiempo, era de vital importancia sincronizar los datos adquiridos a diferentes frecuencias de muestreo. Dos de las computadoras se pusieron en marcha manualmente para recopilar datos de captura de movimiento (480 Hz) y registrar datos EMG (2000 Hz). Estudios anteriores han utilizado circuitos de sincronización personalizados para enviar un evento común entre sistemas en puntos de referencia de prueba (por ejemplo, se envía un pulso de sincronización cuando comienza la grabación de datos y nuevamente cuando finaliza la grabación)30. Aquí, el uso de las funciones datetime, tic y toc del programa de software permite la sincronización sin necesidad de hardware adicional. La aplicación de mensajería TCP-IP disponible en el mercado que se utiliza aquí también soportaba la comunicación continua entre sistemas. Este marco para sincronizar el tiempo y las frecuencias de recopilación de datos entre sistemas también funcionó para organizar los datos de manera consistente para el análisis post hoc avanzado.

El protocolo experimental descrito aquí es extremadamente personalizable para abordar las necesidades variables de los grupos clínicos o de investigación, con el potencial de aplicarse tanto en entornos clínicos como en el hogar/remotos. Si bien hemos descrito una evaluación de la actividad muscular y la cinemática utilizando una TCB modificada en realidad virtual, se puede usar una configuración similar para diferentes pruebas clínicas e incluso se puede simplificar para conjuntos de datos reducidos. Por ejemplo, los sensores EMG y de fuerza se pueden excluir si solo se necesitan datos cinemáticos. La adquisición de datos cinemáticos solo requeriría simplemente el uso de un sistema de captura de movimiento. También se podría incluir hardware adicional, como electroencefalografía o electrocardiografía, para registrar datos adicionales. En lugar de los electrodos EMG de superficie estándar, se puede utilizar EMG de superficie o intramuscular de alta densidad para registrar datos de actividad muscular más precisos31,32. Además, se pueden utilizar otras pruebas clínicas funcionales, como el ARAT o el GRASSP, para evaluar los déficits motores en diferentes poblaciones de pacientes. Si bien la configuración descrita aquí está pensada principalmente con fines de investigación para cuantificar mejor los déficits de movimiento en la realidad virtual, nuestro objetivo es desarrollar una configuración similar que permita el monitoreo y la rehabilitación remotos del paciente. Esperamos que este protocolo se adapte fácilmente utilizando gafas de realidad virtual estándar de consumo equipadas con seguimiento del movimiento de la mano, en combinación con un dispositivo de grabación EMG portátil. En estudios futuros, nuestro objetivo es desarrollar aún más este protocolo para uso en el hogar mediante la incorporación de una funda EMG de alta densidad, portátil y de bajo costo que se está desarrollando actualmente.

En comparación con la fisioterapia u ocupacional tradicional en una clínica o centro de rehabilitación, la rehabilitación de realidad virtual ofrece muchos beneficios potenciales. Si bien el protocolo descrito aquí está destinado a ser utilizado principalmente con fines de investigación, los métodos de evaluación virtual pueden implementarse de forma remota y utilizando dispositivos listos para usar, sin la necesidad de equipos médicos costosos y especializados. Además, los sistemas de realidad virtual son capaces de realizar un seguimiento cuantitativo de los movimientos de la mano para proporcionar información sobre la calidad del movimiento, lo que puede no ser factible con la evaluación estándar33,34. La comparabilidad de los movimientos en la RV frente a las tareas del mundo real sigue siendo un tema de estudio intensivo y los conocimientos futuros afectarán a la forma en que la RV se puede utilizar para la rehabilitación. El procedimiento descrito aquí es una configuración flexible que utiliza VR para guiar movimientos estandarizados y obtener datos cinemáticos y EMG individuales. Los datos obtenidos de los estudios que utilizan la configuración descrita también pueden proporcionar información sobre cómo se mueven las personas en el entorno virtual y los posibles mecanismos por los que algunos sujetos encuentran que la realidad virtual es más inmersiva. Esto es de vital importancia a la hora de adaptar las evaluaciones clínicas de la vida real a un entorno de realidad virtual.

Varios pasos en la configuración y ejecución de este protocolo deben ser monitoreados cuidadosamente para obtener datos precisos y de alta calidad. De primordial importancia es la ubicación adecuada del sensor EMG. Los datos EMG limpios y precisos con una alta relación señal-ruido requieren que los sensores se coloquen sobre piel desinfectada y sin vello por encima del vientre del músculo seleccionado27. Del mismo modo, si se utiliza un sistema de captura de movimiento de marcadores, los marcadores deben colocarse con precisión en puntos de referencia óseos para capturar datos fiables para calcular los ángulos de interés de las articulaciones. En comparación con los sensores EMG, existe cierta flexibilidad en la orientación de los marcadores de captura de movimiento, pero siempre se debe usar un mínimo de tres puntos no colineales para definir la ubicación de un cuerpo rígido en el espacio35. Ciertas técnicas para calcular los ángulos de las articulaciones, como la cinemática inversa basada en modelos, requerirán la colocación exacta de marcadores. Si se utiliza este método, las ubicaciones de los marcadores experimentales deben coincidir con las del modelo36. El software de modelado musculoesquelético desarrollado para el cálculo de la cinemática inversa suele incluir funciones computacionales integradas para hacer coincidir el modelo y las ubicaciones de los marcadores experimentales. OpenSim, una plataforma desarrollada por la Universidad de Stanford37, se utiliza habitualmente para este tipo de análisis. Tanto el sensor EMG como la seguridad del marcador deben supervisarse durante toda la tarea para garantizar que se registren datos de alta calidad.

Si los datos obtenidos de este protocolo son ruidosos, la solución de problemas debe centrarse en la consideración de varios pasos. En primer lugar, una mala ubicación del sensor EMG puede producir datos ruidosos y debe verificarse. Para mitigar este problema, es importante la preparación de la piel antes de la colocación del sensor EMG, como se ha comentado anteriormente. Además, pueden producirse datos de captura de movimiento de baja calidad si los marcadores se mueven fuera del alcance de las cámaras. Una breve pérdida de puntos rastreados se puede resolver a través de la interpolación, pero si los marcadores continúan sin transmitir datos de posición precisos, pueden existir problemas subyacentes más graves. Si un solo marcador se cae repetidamente, esto puede indicar que el marcador está oscurecido por el movimiento del sujeto o se está moviendo fuera del alcance de la cámara. Además, una calibración defectuosa de la cámara puede hacer que varios marcadores fallen. En este escenario, es mejor recalibrar completamente el sistema de captura de movimiento después de retirar el sujeto y el equipo de prueba del espacio experimental. Además, se debe utilizar suficiente iluminación, ya que los entornos con poca luz pueden impedir la adquisición de datos de captura de movimiento de alta calidad.

El protocolo descrito tiene varias limitaciones. En primer lugar, la configuración que se ilustra aquí requiere el uso de varias cámaras de captura de movimiento. Sin embargo, la intención de este protocolo es recopilar datos de alta resolución para cuantificar mejor los déficits de movimiento en la RV antes del desarrollo de evaluaciones clínicas totalmente remotas que puedan ser completadas solo por el paciente. Además, las tareas realizadas en realidad virtual carecen de retroalimentación táctil. Es importante tener en cuenta esto, ya que la retroalimentación táctil por sí sola puede alterar la magnitud de la fuerza de agarre38,39. Esto puede afectar la activación muscular o la cinemática cuando una tarea se ejecuta en un entorno virtual en lugar de utilizar equipos tangibles. Si se cree que la retroalimentación táctil es de importancia crítica (por ejemplo, si los pacientes también experimentan déficits sensoriales), se puede incluir el uso de robots hápticos para imitar la retroalimentación táctil. A pesar de esta limitación, anticipamos que los datos obtenidos de la configuración descrita aquí serán cruciales para cuantificar los cambios en la cinemática y la actividad muscular en tareas solo de realidad virtual para pacientes con trastornos del movimiento. Esto ayudará a adaptar dichas pruebas clínicas para su uso en el hogar. Una limitación adicional de este protocolo es que se presenta un solo bloque a la vez durante la prueba. En el BBT estándar, se colocan 150 bloques de madera en un compartimento de la caja para empezar. Este BBT modificado fue diseñado para aumentar la reproducibilidad de la captura de movimiento registrada y los datos EMG mediante la simulación de un bloque que reaparece en la misma ubicación virtual. Como tal, es probable que el BBT modificado implementado en la realidad virtual sea una tarea más simplificada. En estudios futuros, será importante que el BBT modificado en VR sea coherente con la configuración del BBT estándar para garantizar la validez del contenido.

Divulgaciones

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Los autores no tienen conflictos de intereses que declarar.

Agradecimientos

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Este trabajo fue apoyado por la Oficina del Subsecretario de Defensa para Asuntos de Salud a través del Programa de Investigación de Restauración de Combatientes con Lesiones Neuromusculoesqueléticas (RESTORE) bajo el Premio No. W81XWH-21-1-0138. Las opiniones, interpretaciones, conclusiones y recomendaciones son de los autores y no están necesariamente respaldadas por el Departamento de Defensa.

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
Silla sin brazosN/AUna silla para que los sujetos se sienten debe ser sin brazos para que sus brazos no se vean interferidos.
ComputadoraDell Technologiesutilizaron tres computadoras para acompañar el equipo de adquisición de datos.
MóduloUltraleap Controller Ultraleapque captura el movimiento de la mano y los dedos. El controlador tiene dos cámaras de infrarrojo cercano de 640 x 240 píxeles (120 Hz), que son capaces de rastrear el movimiento hasta 60 cm del dispositivo y en un ángulo de 140 x 120 grados. campo de visión. Este dispositivo se conectaba al casco de realidad virtual o se aseguraba por encima de la cabeza durante el movimiento.
MATLABMathWorks, Inc. Plataforma de programación utilizada para desarrollar software de adquisición de datos personalizado
Oculus Quest 2MetaAuriculares de realidad virtual inmersivos equipados con capacidad de seguimiento de manos a través de 4 cámaras infrarrojas incorporadas (72-120 Hz). Se puede sustituir por otros dispositivos similares (por ejemplo, HTC Vive, HP Reverb, Playstation VR).
Oculus Quest 2 Cable de enlaceMetaSe utiliza para conectar el auricular a la computadora donde se almacenó el juego de realidad virtual
PhaseSpace Motion CapturePhaseSpace, Inc.Sistema de captura de movimiento marcado, que consta de un servidor, cámaras con un campo de visión de 60 grados, diodo emisor de luz roja (LED) como marcadores y un objeto de calibración
Trigno Wireless SystemDelsys, Inc.By Delsys Inc., incluye EMG, acelerómetro, sensores de fuerza, una estación base y software de recolección. Se utilizó la interfaz de programación de aplicaciones (API) de Trigno-MATLAB para desarrollar software de grabación personalizado.
UnReal Engine 4Epic GamesSoftware utilizado para crear y ejecutar la tarea de caja y bloque modificada en realidad virtual
Se óptico de seguimiento de manos

Referencias

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Rosenbaum, D. A. Human motor control. , Elsevier Inc. (2010).
  2. Kalsi-Ryan, S., Curt, A., Fehlings, M., Verrier, M. Assessment of the hand in tetraplegia using the Graded Redefined Assessment of Strength, Sensibility and Prehension (GRASSP): impairment versus function. Topics in Spinal Cord Injury Rehabilitation. 14 (4), 34-46 (2009).
  3. Kalsi-Ryan, S., et al. The Graded Redefined Assessment of Strength Sensibility and Prehension: reliability and validity. Journal of Neurotrauma. 29 (5), 905-914 (2012).
  4. Menorca, R. M. G., Fussell, T. S., Elfar, J. C. Nerve physiology. Hand Clinics. 29 (3), 317-330 (2013).
  5. Spinal cord injury. National Institute of Neurological Disorders and Stroke. , Available from: https://www.ninds.nih.gov/health-information/disorders/spinal-cord-injury (2023).
  6. Peripheral neuropathy. National Institute of Neurological Disorders and Stroke. , Available from: https://www.ninds.nih.gov/health-information/patient-caregiver-education/fact-sheets/peripheral-neuropathy-fact-sheet (2023).
  7. Statistics: Get informed about Parkinson's disease with these key numbers. Parkinson's Foundation. , Available from: https://www.parkinson.org/understanding-parkinsons/statistics (2023).
  8. Virani, S. S., et al. Heart disease and stroke statistics-2021 update: a report from the American Heart Association. Circulation. 143 (8), e254(2021).
  9. Hsieh, Y., et al. Responsiveness and validity of three outcome measures of motor function after stroke rehabilitation. Stroke. 40 (4), 1386-1391 (2009).
  10. Van Der Lee, H., Beckerman, H., Lankhorst, G. J., Bouter, L. M. The responsiveness of the action research arm test and the Fugl-Meyer assessment scale in chronic stroke patients. Journal of Rehabilitation Medicine. 33 (3), 110-113 (2001).
  11. Duncan, P., et al. Randomized clinical trial of therapeutic exercise in subacute stroke. Stroke. 34 (9), 2173-2180 (2003).
  12. Saposnik, G., et al. Efficacy and safety of non-immersive virtual reality exercising in stroke rehabilitation (EVREST): a randomised, multicentre, single-blind, controlled trial. The Lancet Neurology. 15 (10), 1019-1027 (2016).
  13. Wolf, S. L., et al. The EXCITE stroke trial: Comparing early and delayed constraint-induced movement therapy. Stroke. 41 (10), 2309-2315 (2010).
  14. Krakauer, J. W., Carmichael, S. T. Broken movement: the neurobiology of motor recovery after stroke. , The MIT Press. Cambridge, MA. (2017).
  15. Pollock, A., et al. Interventions for improving upper limb function after stroke. Cochrane Database of Systematic Reviews. 2014 (11), (2014).
  16. Olesh, E. V., Yakovenko, S., Gritsenko, V. Automated assessment of upper extremity movement impairment due to stroke. PLoS ONE. 9 (8), e104487(2014).
  17. Gritsenko, V., et al. Feasibility of using low-cost motion capture for automated screening of shoulder motion limitation after breast cancer surgery. PLOS ONE. 10 (6), e0128809(2015).
  18. Thomas, A. B., Olesh, E. V., Adcock, A., Gritsenko, V. Muscle torques and joint accelerations provide more sensitive measures of poststroke movement deficits than joint angles. Journal of Neurophysiology. 126 (2), 591-606 (2021).
  19. De Luca, C. Electromyography. Encyclopedia of Medical Devices and Instrumentation. , (2006).
  20. Lin, C. -J., Guo, L. -Y., Su, F. -C., Chou, Y. -L., Cherng, R. -J. Common abnormal kinetic patterns of the knee in gait in spastic diplegia of cerebral palsy. Gait & Posture. 11 (3), 224-232 (2000).
  21. Lin, J., Shah, D., McCracken, C., Verma, S. Quantitative EMG in Duchenne muscular dystrophy (P6.328). Neurology. 86, (2016).
  22. EMG test for neuromuscular disease. Brigham and Women's Hospital. , Available from: https://www.brighamandwomens.org/medical-resources/emg-test (2023).
  23. Kuthe, C. D., Uddanwadiker, R. V., Ramteke, A. A. Surface electromyography based method for computing muscle strength and fatigue of biceps brachii muscle and its clinical implementation. Informatics in Medicine Unlocked. 12, 34-43 (2018).
  24. Holtermann, A., Grönlund, C., Karlsson, J. S., Roeleveld, K. Motor unit synchronization during fatigue: Described with a novel sEMG method based on large motor unit samples. Journal of Electromyography and Kinesiology. 19 (2), 232-241 (2009).
  25. Kim, H., Lee, J., Kim, J. Electromyography-signal-based muscle fatigue assessment for knee rehabilitation monitoring systems. Biomedical Engineering Letters. 8 (4), 345-353 (2018).
  26. Mathiowetz, V., Volland, G., Kashman, N., Weber, K. Adult norms for the box and block test of manual dexterity. American Journal of Occupational Therapy. 39 (6), 386-391 (1985).
  27. Hermens, H. J., Freriks, B., Disselhorst-Klug, C., Rau, G. Development of recommendations for SEMG sensors and sensor placement procedures. Journal of Electromyography and Kinesiology. 10 (5), 361-374 (2000).
  28. Yough, M. Advancing medical technology for motor impairment rehabilitation: Tools, protocols, and devices. Graduate Theses, Dissertations, and Problem Reports. , (2023).
  29. Velliste, M., Perel, S., Spalding, M. C., Whitford, A. S., Schwartz, A. B. Cortical control of a prosthetic arm for self-feeding. Nature. 453 (7198), 1098-1101 (2008).
  30. Talkington, W. J., Pollard, B. S., Olesh, E. V., Gritsenko, V. Multifunctional setup for studying human motor control using transcranial magnetic stimulation, electromyography, motion capture, and virtual reality. Journal of Visualized Experiments. (103), e52906(2015).
  31. Murillo, C., et al. High-density electromyography provides new insights into the flexion relaxation phenomenon in individuals with low back pain. Scientific Reports. 9 (1), 15938(2019).
  32. Péter, A., et al. Comparing surface and fine-wire electromyography activity of lower leg muscles at different walking speeds. Frontiers in Physiology. 10, 1283(2019).
  33. Isenstein, E. L., et al. Rapid assessment of hand reaching using virtual reality and application in cerebellar stroke. PLOS ONE. 17 (9), e0275220(2022).
  34. Varela-Aldás, J., Buele, J., López, I., Palacios-Navarro, G. Influence of hand tracking in immersive virtual reality for memory assessment. International Journal of Environmental Research and Public Health. 20 (5), 4609(2023).
  35. Robertson, D., et al. Human kinetics. Research methods in biomechanics. , Champaign, IL. (2004).
  36. Dunne, J. J., Uchida, T. K., Besier, T. F., Delp, S. L., Seth, A. A marker registration method to improve joint angles computed by constrained inverse kinematics. PLOS ONE. 16 (5), e0252425(2021).
  37. Delp, S. L., et al. OpenSim: Open-source software to create and analyze dynamic simulations of movement. IEEE Transactions on Biomedical Engineering. 54 (11), 1940-1950 (2007).
  38. Naceri, A., Gultekin, Y. B., Moscatelli, A., Ernst, M. O. Role of tactile noise in the control of digit normal force. Frontiers in Psychology. 12, 612558(2021).
  39. Wottawa, C. R., et al. The role of tactile feedback in grip force during laparoscopic training tasks. Surgical Endoscopy. 27 (4), 1111-1118 (2013).

Reimpresiones y permisos

Solicitar permiso para reutilizar el texto o las figuras de este artículo de JoVE

Solicitar permiso

Etiquetas

Virtual Box And BlockMotion CaptureSurface ElectromyographyMuscle Activity AssessmentVirtual Reality RehabilitationRemote Patient MonitoringHand Function TestMotor Impairment QuantificationEMG SensorsUpper Limb Movement

Artículos relacionados