Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.

Artículo de método

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

1.5K visualizaciones

⸱

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

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

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

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.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Protocolo

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.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Resultados

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 ...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Discusión

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 tar...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Divulgaciones

Los autores no tienen conflictos de intereses que declarar.

Agradecimientos

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.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

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

  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).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Reimpresiones y permisos

Explorar más artículos

Box and Block Virtualcaptura de movimientoelectromiografía de superficieevaluación de la actividad muscularrehabilitación con realidad virtualmonitoreo remoto de pacientesprueba de función manualcuantificación del deterioro motorsensores EMGmovimiento del miembro superior
Configuración para la evaluación cuantitativa del movimiento y la actividad muscular durante una prueba virtual de caja y bloque modificado
Contáctenos
Recomendar a la biblioteca

Privacidad

Términos de uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos los derechos reservados.