Article de méthode

Configuration pour l’évaluation quantitative du mouvement et de l’activité musculaire lors d’un test virtuel modifié en boîte et en bloc

DOI :

10.3791/65736

⸱

12 janvier 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

Dans cet article

Résumé

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

Le protocole décrit ici vise à améliorer l’évaluation quantitative des déficits des membres supérieurs, dans le but de développer une technologie supplémentaire pour l’évaluation à distance à la fois en clinique et à domicile. Les technologies de réalité virtuelle et de biocapteurs sont combinées à des techniques cliniques standard pour fournir des informations sur le fonctionnement du système neuromusculaire.

Résumé

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

La capacité de bouger nous permet d’interagir avec le monde. Lorsque cette capacité est altérée, elle peut réduire considérablement la qualité de vie et l’indépendance d’une personne et peut entraîner des complications. L’importance de l’évaluation et de la réadaptation à distance des patients s’est récemment accrue en raison de l’accès limité aux services en personne. Par exemple, la pandémie de COVID-19 a entraîné de manière inattendue une réglementation stricte, réduisant l’accès aux services de santé non urgents. De plus, les soins à distance offrent la possibilité de remédier aux disparités en matière de soins de santé dans les zones rurales, mal desservies et à faible revenu où l’accès aux services reste limité.

L’amélioration de l’accessibilité grâce à des options de soins à distance limiterait le nombre de visites à l’hôpital ou chez les spécialistes et rendrait les soins de routine plus abordables. Enfin, l’utilisation d’appareils électroniques grand public commerciaux facilement disponibles pour les soins à domicile peut améliorer les résultats pour les patients en raison d’une meilleure observation quantitative des symptômes, de l’efficacité du traitement et de la posologie du traitement. Bien que les soins à distance soient un moyen prometteur de résoudre ces problèmes, il est crucial de caractériser quantitativement la déficience motrice pour de telles applications. Le protocole suivant vise à combler cette lacune dans les connaissances afin de permettre aux cliniciens et aux chercheurs d’obtenir des données à haute résolution sur les mouvements complexes et l’activité musculaire sous-jacente. L’objectif ultime est de développer un protocole d’administration à distance de tests cliniques fonctionnels.

Ici, les participants ont été invités à effectuer une tâche Box and Block (BBT) d’inspiration médicale, qui est fréquemment utilisée pour évaluer la fonction de la main. Cette tâche exige que les sujets transportent des cubes normalisés entre deux compartiments séparés par une barrière. Nous avons mis en œuvre une BBT modifiée en réalité virtuelle pour démontrer le potentiel de développement de protocoles d’évaluation à distance. L’activation musculaire a été capturée pour chaque sujet à l’aide de l’électromyographie de surface. Ce protocole a permis d’acquérir des données de haute qualité pour mieux caractériser les troubles du mouvement de manière détaillée et quantitative. À terme, ces données ont le potentiel d’être utilisées pour développer des protocoles de réadaptation virtuelle et de surveillance à distance des patients.

Introduction

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

Le mouvement est la façon dont nous interagissons avec le monde. Bien que les activités quotidiennes telles que prendre un verre d’eau ou se rendre au travail à pied puissent sembler simples, même ces mouvements reposent sur une signalisation complexe entre le système nerveux central, les muscles et les membres1. En tant que tels, l’indépendance personnelle et la qualité de vie sont fortement corrélées au niveau de la fonction des membresd’un individu 2,3. Les lésions neurologiques, comme les lésions de la moelle épinière (LME) ou les lésions des nerfs périphériques, peuvent entraîner des déficits moteurs permanents, diminuant ainsi la capacité d’exécuter même les activités simples de la vie quotidienne 4,5. Selon l’Institut national des troubles neurologiques et des accidents vasculaires cérébraux, plus de 100 millions de personnes aux États-Unis souffrent de déficits moteurs, l’accident vasculaire cérébral étant l’une des principales causes 6,7,8. En raison de la nature de ces blessures, les patients nécessitent souvent des soins prolongés dans lesquels une évaluation motrice quantitative et un traitement à distance peuvent être bénéfiques.

Les pratiques actuelles de traitement des troubles du mouvement nécessitent souvent une évaluation clinique initiale et continue de la fonction par l’observation d’experts formés tels que des physiothérapeutes ou des ergothérapeutes. Les tests cliniques standard validés nécessitent souvent des professionnels formés pour les administrer, avec des contraintes de temps spécifiques et une notation subjective de mouvements prédéfinis ou de tâches fonctionnelles. Cependant, même chez les individus en bonne santé, des mouvements identiques peuvent être accomplis avec des combinaisons variables d’angles articulaires. Ce concept est appelé redondance musculo-squelettique.

Les tests cliniques fonctionnels ne tiennent souvent pas compte de la redondance individuelle sous-jacente à la variabilité inter-sujets. Pour les cliniciens comme pour les chercheurs, la distinction entre la variabilité normale causée par la redondance et les changements pathologiques dans le mouvement reste un défi. Les évaluations cliniques standardisées effectuées par des évaluateurs bien formés utilisent des systèmes de notation à faible résolution pour réduire la variabilité entre les juges et améliorer la validité des tests. Cependant, cela introduit des effets de plafond, réduisant ainsi la sensibilité et la validité prédictive pour les sujets qui peuvent avoir de légers déficits de mouvement 9,10. De plus, ces tests cliniques ne permettent pas de différencier si les déficits sont causés par la mécanique corporelle passive ou la coordination musculaire active, ce qui peut être important lors du diagnostic initial et lors de la conception d’un plan de réadaptation spécifique au patient. Des essais cliniques randomisés ont révélé une efficacité incohérente des plans de traitement formulés sur la base des preuves fournies par ces essais cliniques 11,12,13. Plusieurs études ont souligné la nécessité de disposer de mesures cliniques quantitatives et conviviales qui pourraient être utilisées pour guider la conception des interventions futures14,15.

Dans des études précédentes, nous avons démontré la mise en œuvre de l’évaluation automatisée du mouvement à l’aide de dispositifs de capture de mouvement grand public facilement disponibles dans la déficience du bras après un AVC, ainsi que l’évaluation de la fonction de l’épaule après une chirurgie thoracique chez les patientes atteintes d’un cancer du sein16,17. De plus, nous avons montré que l’utilisation des moments articulaires actifs pour estimer les moments musculaires de mouvements actifs spécifiques est une mesure plus sensible des déficits moteurs après un AVC par rapport aux angles articulaires18. La capture de mouvement et l’électromyographie de surface (EMG) peuvent donc être d’une importance cruciale dans l’évaluation des patients diagnostiqués comme asymptomatiques par les tests cliniques standard, mais qui peuvent toujours éprouver des difficultés de mouvement, de la fatigue ou de la douleur. Cet article décrit un système qui pourrait permettre une caractérisation détaillée et quantitative du mouvement lors d’essais cliniques standard pour le développement futur de méthodes d’évaluation et de réadaptation à domicile chez les populations de patients souffrant de troubles du mouvement.

La réalité virtuelle (VR) peut être utilisée pour construire une expérience utilisateur immersive tout en modélisant les tâches quotidiennes. En règle générale, les systèmes de RV suivent les mouvements de la main de l’utilisateur pour permettre des interactions simulées avec l’environnement virtuel. Le protocole que nous décrivons ici utilise des produits de RV grand public pour la capture de mouvement afin de quantifier l’évaluation des déficits moteurs, à l’instar d’autres études démontrant l’utilisation de manettes de jeux vidéo standard dans l’évaluation quantitative de la déficience après un accident vasculaire cérébral ou une chirurgie de l’épaule16,17. De plus, l’EMG est une mesure non invasive de l’activité neuronale sous-jacente à la contraction musculaire19. En tant que tel, l’EMG peut être utilisé pour évaluer indirectement la qualité du contrôle neuronal du mouvement et fournir une évaluation détaillée de la fonction motrice. Les lésions musculaires et nerveuses peuvent être détectées par EMG, et des troubles tels que la dystrophie musculaire et la paralysie cérébrale sont couramment surveillés à l’aide de cette technique20,21. De plus, l’EMG peut être utilisé pour suivre les changements dans la force musculaire ou la spasticité, qui peuvent ne pas être évidents dans les évaluations cinématiques22,23, ainsi que la fatigue et la coactivation musculaire. De tels paramètres sont essentiels pour évaluer les progrès de la réadaptation 23,24,25.

Le paradigme expérimental décrit ici cherche à tirer parti d’une combinaison de RV et d’EMG pour remédier aux limites des outils d’évaluation clinique traditionnels. Ici, les participants ont été invités à effectuer une tâche Box and Block (BBT)26 modifiée à l’aide d’objets réels et en VR. La TCB standard est un outil clinique utilisé dans l’évaluation générale de la fonction macroscopique des membres supérieurs, dans lequel on demande aux sujets de déplacer autant de blocs de 2,5 cm que possible d’un compartiment, par-dessus une cloison, à un compartiment adjacent en une minute. Bien qu’elles soient souvent utilisées pour évaluer de manière fiable les déficits chez les patients ayant subi un AVC ou d’autres affections neuromusculaires (par exemple, parésie des membres supérieurs, hémiplégie spastique), des données normatives ont également été rapportées pour des enfants et des adultes en bonne santé, âgés de 6 à 8926 ans. Une évaluation virtuelle du mouvement est utilisée pour simuler les aspects fonctionnels du test clinique validé effectué dans la vie réelle. La RV est utilisée ici pour réduire le matériel requis tout en permettant la fourniture d’instructions standardisées et de notation programmée et automatisée. Ainsi, une surveillance constante par des professionnels formés ne serait plus nécessaire.

La TBC de cette étude a été simplifiée pour se concentrer sur la capture de l’atteinte et de la saisie d’un bloc à la fois qui apparaît au même endroit. Cela a permis de maximiser la reproductibilité des mouvements et de minimiser la variabilité inter-sujets dans les données enregistrées. Enfin, les casques de réalité virtuelle peuvent être achetés pour aussi peu que 300 $ et ont le potentiel d’héberger plusieurs évaluations. Une fois programmés, cela réduirait considérablement les coûts associés à l’évaluation professionnelle typique et permettrait une accessibilité accrue de ces tests cliniques standard et validés dans des contextes cliniques et à distance/à domicile.

Protocole

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

Les procédures expérimentales ont été approuvées par le Conseil d’examen institutionnel (IRB) de l’Université de Virginie-Occidentale, protocole # 1311129283, et ont adhéré aux principes de la Déclaration d’Helsinki. Les risques liés à ce protocole sont mineurs, mais il est nécessaire d’expliquer toutes les procédures et les risques potentiels aux participants, et un consentement écrit et éclairé a été obtenu avec une documentation approuvée par le comité d’éthique de l’établissement.

1. Caractéristiques et conception du système

REMARQUE : La configuration de ce protocole se compose des éléments suivants : (1) capteurs EMG et base, (2) logiciel d’acquisition de données EMG (DAQ), (3) un système de capture de mouvement et (4) un casque VR avec le logiciel correspondant. Ces composants sont illustrés à la figure 1.

  1. Configuration des composants du système
    1. Connectez le système EMG.
      1. Branchez la station de base EMG à l’alimentation.
      2. Connectez la station de base EMG à un ordinateur dédié (Figure 1C) contenant les scripts DAQ.
        REMARQUE : Des exemples de scripts peuvent être trouvés à l’adresse suivante : https://www.dropbox.com/sh/7se5lih4noxj584/AACqFDZytpDm-L8jAULFwfTHa?dl=0. Certains produits commerciaux peuvent être livrés avec un logiciel d’acquisition de données sous licence, qui peut également être utilisé.
    2. Connectez le système de capture de mouvement.
      1. Connectez un deuxième ordinateur dédié (Figure 1A) à un routeur réseau.
      2. Connectez le routeur réseau à un serveur de capture de mouvement.
      3. Connectez le serveur de capture de mouvement à un écran d’ordinateur pour la visualisation.
      4. Connectez les caméras au serveur de capture de mouvement.
    3. Connectez le système VR.
      1. Connectez le casque VR à un troisième ordinateur dédié à l’aide des scripts DAQ correspondants (Figure 1B).
        REMARQUE : Des exemples de scripts peuvent être trouvés à l’adresse suivante : https://www.dropbox.com/sh/7se5lih4noxj584/AACqFDZytpDm-L8jAULFwfTHa?dl=0
      2. Chargez l’environnement de jeu VR contenant les tâches prévues sur l’ordinateur lié au casque VR (Figure 1B).
    4. Préparez la zone où le sujet accomplira la tâche.
      1. Utilisez une chaise solide et sans accoudoirs pour vous assurer qu’il n’y a pas d’interférence avec la portée normale du sujet.
      2. Pour la sécurité et l’exactitude des données recueillies, confirmez que la zone d’essai est libre de tout obstacle.
    5. Synchronisez les systèmes.
      1. Utilisez une fonction logicielle personnalisée pour synchroniser les systèmes dans le temps avec un serveur unique.
      2. Vous pouvez également utiliser un ordinateur ou un gestionnaire de messages de votre choix.

figure-protocol-1
Figure 1 : Configuration de l’équipement expérimental. (A) Les caméras de capture de mouvement des marqueurs sont positionnées sur le sol et au plafond autour de l’espace expérimental, établissant un espace optimal pour le suivi du mouvement. Un ordinateur dédié est utilisé pour exécuter le logiciel de capture de mouvement et enregistrer les données. (B) Le casque utilisé pour afficher le BBT modifié en VR est connecté à un ordinateur dédié où l’évaluation virtuelle et les données de la tâche sont enregistrées. (C) La base EMG est connectée à un ordinateur dédié où les données d’activité musculaire sont enregistrées et sauvegardées pendant l’exécution de la tâche. Des capteurs EMG et des marqueurs LED pour la capture de mouvement sont tous deux placés sur le bras du sujet pendant la séance (voir Figure 2). Abréviations : VR = réalité virtuelle ; EMG = électromyographie. Veuillez cliquer ici pour voir une version agrandie de cette figure.

2. Procédures expérimentales

REMARQUE : la figure 2 présente une représentation visuelle de l’écoulement expérimental décrit dans ce protocole.

  1. Configuration EMG
    1. Pour déterminer l’emplacement du capteur EMG pour une meilleure qualité de signal, palpez le ventre musculaire pendant que le participant contracte le muscle concerné27. Voir le tableau 1 pour la sélection musculaire utilisée dans ce protocole.
    2. À l’aide d’une lingette imbibée d’alcool, nettoyez soigneusement chaque électrode et le site de placement du capteur prévu sur le bras du sujet.
      REMARQUE : Un nettoyage en profondeur des capteurs EMG et de la peau du sujet garantira une faible impédance électrode-peau. Cela garantit que les données EMG enregistrées ont un rapport signal/bruit élevé. Un excès de poils sur le site de placement du capteur peut entraîner des données de mauvaise qualité, même s’ils sont correctement nettoyés. Dans ce cas, il peut être nécessaire de raser les cheveux.
    3. Après avoir préparé les électrodes EMG et la peau du sujet, placez les capteurs EMG sur le sujet, en assurant un bon contact entre les électrodes et la peau. Les électrodes bipolaires doivent être positionnées de manière à ce que les capteurs soient parallèles à la direction des fibres musculaires.
  2. Configuration du système de capture de mouvement
    REMARQUE : Cela peut ne pas être nécessaire si seul un casque VR est utilisé pour suivre les mouvements de la main pour la cinématique.
    1. Calibrez les caméras de suivi de mouvement en suivant les instructions du fabricant. Déplacez la baguette d’étalonnage dans l’espace expérimental pour calibrer les caméras de suivi de mouvement et définir l’axe 3D de l’espace.
      REMARQUE : Le système de capture de mouvement des marqueurs utilisé dans ce protocole comprend une baguette d’étalonnage avec des marqueurs LED.
    2. Placez les marqueurs de capture de mouvement LED sur les repères osseux du membre supérieur et du tronc du sujet qui sont nécessaires à la construction des modèles biomécaniques souhaités.
    3. Utilisez le logiciel de capture de mouvement fourni pour vous assurer que tous les marqueurs sont reconnus et suivis par les caméras de capture de mouvement. Demandez au sujet d’effectuer plusieurs mouvements d’entraînement pendant que le personnel de l’étude surveille visuellement les données des marqueurs en temps réel.
  3. Configurer la tâche d’évaluation des compétences VR
    1. Placez une chaise au centre de l’espace expérimental de capture de mouvement. Utilisez une chaise similaire à celle utilisée pour le test traditionnel dans le monde réel.
    2. Calibrez le casque VR sur la chaise où le sujet effectuera la tâche d’évaluation. Une fois calibré, demandez au sujet de s’asseoir sur la chaise et placez le casque VR sur sa tête.
    3. Pendant que le sujet est assis, mesurez la distance entre l’épaule du sujet et le sol, ainsi que la longueur du bras du sujet. Utilisez ces distances pour définir l’emplacement où la table et la tâche d’évaluation apparaîtront en VR.
    4. Dans le script de contrôle de tâche VR, saisissez les mesures du sujet et programmez le nombre souhaité de répétitions d’apparition de blocs.
      REMARQUE : Dans ce BBT modifié, les blocs individuels apparaîtront un par un pour augmenter la reproductibilité.
  4. Demandez au sujet d’effectuer l’évaluation BBT modifiée en VR.
    1. Expliquez brièvement la tâche au sujet.
      1. Le bloc virtuel apparaîtra sur le côté gauche ou droit, selon ce que détermine l’expérimentateur.
      2. Expliquez au sujet qu’il devra ramasser le bloc virtuel, le transporter sur la partition et le placer sur la cible dans le compartiment opposé (Figure 2).
        REMARQUE : Dans le BBT virtuel modifié utilisé ici, le bloc disparaîtra automatiquement et réapparaîtra à la position de départ autant de fois que déterminé par l’expérimentateur.
    2. Commencez à collecter des données EMG.
    3. Commencez à collecter des données de capture de mouvement.
    4. Démarrez la tâche d’évaluation des compétences en RV.
      1. Laissez la tâche s’exécuter pendant le nombre prédéfini de répétitions avant de se terminer automatiquement.
    5. Enregistrez les données EMG et cinématiques pour une analyse post-hoc.
    6. Déterminez un score cliniquement pertinent pour le BBT post-hoc modifié comme le nombre de blocs portés avec succès au-dessus de la barrière ou les répétitions de la tâche en 60 s.

figure-protocol-2
Figure 2 : Protocole expérimental, tâche VR et configuration du sujet. (A) Diagramme de flux décrivant le protocole expérimental utilisé ici. (B) Exemple de vue de BBT modifié implémenté dans un environnement VR. Les mesures anatomiques sont utilisées pour calibrer la tâche VR, en s’assurant que la table virtuelle apparaît au bon emplacement relatif. (C) Placement de marqueurs de capture de mouvement LED et de capteurs EMG sur le sujet. Des capteurs EMG sont placés sur les muscles d’intérêt et des marqueurs de capture de mouvement LED sont positionnés sur des points de repère osseux. Abréviations : VR = réalité virtuelle ; EMG = électromyographie ; LED = diode électroluminescente. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Résultats

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

Les données EMG, cinématiques et de force obtenues auprès de sujets utilisant ce protocole peuvent être utilisées pour caractériser les mouvements lors des répétitions d’une même tâche, ainsi qu’au cours de différentes tâches. Les données présentées ici représentent les résultats de participants témoins sains pour démontrer la faisabilité de cette configuration. La figure 3 montre des profils EMG représentatifs enregistrés chez un sujet sain effectuant la BBT modifiée en VR. Une activation musculaire élevée du deltoïde antérieur (DELT_A) peut être observée, ce qui suggère qu’il s’agit du principal moteur du bras pour chaque mouvement d’étirement. Les extenseurs de l’avant-bras et du poignet (ECU et ECR) ont également été activés de manière notable, ce qui suggère que ces muscles sont utilisés pour soutenir la préhension du bloc tout au long du mouvement. Enfin, l’activité accrue des muscles du pouce (EPB et APB) indique leur utilisation dans la préhension et le relâchement du bloc. Alors que les profils EMG enregistrés pendant la BBT modifiée en VR étaient similaires à la tâche du monde réel, l’activité musculaire maximale pendant l’évaluation VR a été réduite. Ces résultats suggèrent que le BBT standard du monde réel et le BBT modifié en VR engagent des mécanismes de contrôle moteur similaires.

Les données de suivi manuel VR ont été utilisées pour obtenir des données cinématiques qui ont produit des profils lisses des trajectoires d’angle articulaire tout au long du BBT modifié mis en œuvre en VR (Figure 4). L’utilisation du pouce, du majeur et de l’index pour saisir le bloc est marquée par des changements d’angle articulaire au niveau des articulations interphalangiennes proximales et distales (figure 4). Les angles articulaires des doigts 2 (index) et 3 (majeur) changent le long de trajectoires similaires, ce qui signifie qu’ils sont utilisés simultanément pour saisir puis relâcher le bloc. Comparativement, les doigts 4 (anneau) et 5 (petit doigt) présentent un schéma distinct dans les changements d’angle articulaire au niveau des articulations interphalangiennes proximales et distales. Cela suggère non seulement qu’ils n’ont pas été utilisés pour saisir le bloc, mais montre également que leur mouvement opposant les doigts 2 et 3 peut marquer un mouvement typique hors synergie dans lequel ces doigts restent fléchis pendant que le bloc est relâché. Ce contrôle fractionné de l’extension des doigts par rapport à la flexion peut être absent chez une personne présentant des déficits moteurs post-AVC. Le tableau 2 montre les plages d’angle moyennes des articulations au cours de la tâche. De plus, le timing de chaque mouvement ou phase de mouvement, comme la préhension et la portée, et le nombre de répétitions dans une période donnée peuvent également être mesurés à partir des données cinématiques obtenues à partir du casque VR.

La qualité des données obtenues à partir de ce protocole peut être maximisée par un examen approfondi de plusieurs facteurs. Comme mentionné précédemment, l’acquisition de données EMG de haute qualité repose sur un contact étroit entre les électrodes du capteur et la peau. Lorsque les capteurs sont positionnés en toute sécurité, les données EMG présentent un rapport signal/bruit élevé avec des périodes claires d’éclatement qui indiquent quand les muscles se contractent activement (Figure 5). Des rafales distinctes d’activité électrique correspondant à la contraction musculaire peuvent être visualisées à la fois dans les signaux non filtrés (Figure 5A) et filtrés (Figure 5B), avec un bruit minimal. Des augmentations aberrantes ou inattendues de l’amplitude du signal peuvent indiquer des artefacts de mouvement qui peuvent résulter d’une fixation non sécurisée des capteurs EMG à la peau. Si des capteurs filaires sont utilisés, cela peut également résulter de fils qui pendent pendant le mouvement. Des données de capture de mouvement de haute qualité nécessitent que les membres restent dans le champ de vision de la caméra afin que l’algorithme de suivi puisse résoudre avec précision les coordonnées relatives des points suivis. Des changements importants ou brusques dans les coordonnées des points suivis ou des valeurs de coordonnées manquantes indiquent des données de capture de mouvement de mauvaise qualité. Bien que l’interpolation de marqueurs puisse être utilisée pour calculer les coordonnées manquantes, cette méthode n’est valable que pour de brèves périodes par rapport à la durée du mouvement.

figure-results-1
Figure 3 : Profils EMG représentatifs filtrés et rectifiés enregistrés chez un sujet sain effectuant 10 répétitions de la BBT modifiée en VR. (A) Fléchisseurs proximaux du bras (biceps tête courte, rouge ; biceps tête longue, gris ; deltoïde antérieur, noir). (B) Extenseurs proximaux du bras (triceps à tête longue, vert ; triceps latéraux, bleus). (C) Fléchisseurs distaux du bras (fléchisseur du carpe cubital, rouge ; fléchisseur du carpe radial, noir). (D) Extenseurs distaux du bras (extenseur du carpe cubital, vert ; extenseur du carpe radial, bleu). (E) Muscles du doigt et du pouce (fléchisseur des doigts superficiels, rouge ; extenseur des doigts communs, vert ; extenseur du pied court, bleu ; abducteur du pied court, brun). Cette figure est adaptée de Yough28. Abréviations : BBT = tâche de boîte et de bloc ; EMG = électromyographie ; BIC_SH = biceps, tête courte ; BIC_LO = biceps, tête longue ; DELT_A = deltoïde antérieur) ; TRI_LO = triceps, tête longue ; TRI_LAT = triceps latéraux ; FCU = fléchisseur du carpe ulnaire ; FCR = fléchisseur du carpe radial ; ECU = extenseur du carpe ulnaire ; ECR = extenseur du carpe radial ; FDS = fléchisseur des doigts superficiels ; EDC = extenseur des doigts communis ; EPB = extenseur du pied court ; APB = abducteur pollicis brevis. Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-results-2
Figure 4 : Profils cinématiques représentatifs enregistrés à partir d’un sujet sain effectuant 10 répétitions de la BBT modifiée en VR. (A) Angles articulaires du pouce au niveau des articulations CMC, MCP et IP. (B) Angles d’articulation des articulations MCP des chiffres 2 à 5. (C) Angles d’articulation des joints PIP des chiffres 2 à 5. (D) Angles d’articulation des joints DIP des chiffres 2 à 5. Les chiffres qui suivent le nom de chaque articulation indiquent le doigt auquel chaque articulation correspond (pouce = 1, index = 2, majeur = 3, anneau = 4, petit doigt = 5). Cette figure est adaptée de Yough28. Abréviations : CMC = carpométacarpien ; Ad/Ab = adduction/abduction ; E/F = extension/flexion ; MCP = métacarpo-alangée ; IP = interphalangienne ; PIP = interphalangienne proximale ; DIP = interphalangienne distale. Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-results-3
Figure 5 : Données représentatives du capteur EMG. (A) Signaux EMG bruts et (B) filtrés provenant d’un capteur EMG sécurisé et placé de manière optimale sur le fléchisseur du carpe cubital. Cette figure est adaptée de Yough28. Abréviations : EMG = électromyographie. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Numéro de capteur DelsysMuscle
1Fléchisseur du carpe ulnaire
2Fléchisseur du carpe radial
3Extenseur du carpe ulnaire
4Extenseur du carpe radial long
5Anconée
6Fléchisseur des doigts superficiels
7Extenseur des doigts communis
8Biceps brachial - tête médiale/courte
9Biceps brachial - tête latérale/longue
10Triceps brachial - tête longue
11Triceps brachial - tête latérale
12Deltoïde antérieur
13Deltoïde latéral
14Extenseur du pied court
15Abductor pollicis brevis

Tableau 1 : Sélection musculaire des capteurs EMG pour l’enregistrement dans ce protocole.

Degré de libertéAngle minimum du joint (rad)Angle maximal du joint (rad)Magnitude (rad)
Supination-Pronation du poignet0.240.680,44 ± 0,17
Extension-flexion du poignet-0.47-0.40,1 ± 0,06
Adduction-abduction du poignet-0.18-0.10,08 ± 0,03
Adduction-Abduction carpométacarpienne0.350.550,2 ± 0,09
Flexion-Extension carpométacarpienne0.050.240,18 ± 0,12
Flexion-extension métacarpienne du pouce-0.23-0.150,08 ± 0,02
Flexion-extension interphalangienne du pouce-0.56-0.480,09 ± 0,03
Index Extension-Flexion Métacarpien0.250.50,25 ± 0,13
Index Extension-Flexion Interphalangienne Proximale0.740.940.0.2 ± 0.14
Index Extension-flexion interphalangienne distale0.670.810,15 ± 0,1
Extension-flexion du métacarpien moyen0.250.460,2 ± 0,11
Extension-flexion interphalangienne proximale moyenne0.891.070,18 ± 0,11
Extension-flexion interphalangienne distale moyenne0.740.90,15 ± 0,1
Extension-flexion métacarpienne de l’anneau0.220.420,2 ± 0,14
Anneau Extension-Flexion Interphalangienne Proximale0.91.10,2 ± 0,15
Anneau Distal Interphalangienne Extension-Flexion0.780.930,15 ± 0,1
Petite extension-flexion métacarpienne0.320.480,16 ± 0,04
Petite extension-flexion interphalangienne proximale0.931.090,16 ± 0,09
Petite extension-flexion interphalangienne distale0.760.90,14 ± 0,09

Tableau 2 : Plages d’angle moyennes des articulations lors d’un BBT modifié. Les directions de mouvement dans les noms DOF correspondent aux directions négatives-positives. Par exemple, dans la « supination-pronation du poignet », la supination est dans le sens négatif et la pronation est dans le sens positif.

Discussion

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

Système EMG
Le matériel du système EMG se compose de 15 capteurs EMG utilisés pour obtenir des données d’activation musculaire. Une interface de programmation d’application (API) disponible dans le commerce a été utilisée pour générer un logiciel d’enregistrement EMG personnalisé. Le matériel du système VR se compose d’un casque de réalité virtuelle utilisé pour afficher l’environnement VR immersif et d’un câble pour relier le casque à l’ordinateur dédié où la tâche d’évaluation virtuelle est stockée. Le logiciel se compose d’un logiciel d’infographie 3D pour créer et exécuter la tâche VR. Ici, un test de boîte et de bloc modifié, adapté de l’évaluation populaire de la dextérité manuelle26, a été utilisé comme tâche d’évaluation. L’interaction avec l’environnement VR a été permise par l’utilisation d’un logiciel conçu pour calculer l’emplacement où la table apparaîtrait, démarrerait la tâche, générerait des blocs et sauvegarderait les données.

Système de capture de mouvement
Le matériel du système de capture de mouvement se compose du casque VR, du système de capture de mouvement du marqueur et du contrôleur de mouvement VR. Le casque VR est équipé d’une capacité de suivi des mains grâce à quatre caméras infrarouges intégrées (72-120 Hz). Ces données ont été extraites de l’appareil pour l’analyse cinématique. Le système de capture de mouvement des marqueurs se compose d’un serveur, de caméras avec un champ de vision de 60°, de diodes électroluminescentes rouges (LED) comme marqueurs et d’un objet d’étalonnage. Pour capturer avec précision l’espace, les caméras devront se chevaucher légèrement. Au cours de l’expérience, une zone de capture donnée a été entourée de huit caméras (480 Hz), dont quatre au plafond et quatre au sol. Ce système a été calibré et aligné avant l’expérience. Les systèmes de capture de mouvement de marqueur peuvent être préférés car ils fournissent des données cinématiques haute définition pour les applications cliniques et de recherche. Le contrôleur de mouvement VR contient un module de suivi optique des mains qui capture le mouvement de la main et des doigts. Le contrôleur dispose de deux caméras proche infrarouge de 640 x 240 pixels (120 Hz), capables de suivre les mouvements jusqu’à 60 cm de l’appareil et dans un champ de vision de 140 x 120°. Cet appareil était attaché au casque VR ou fixé au-dessus de la tête pendant le mouvement. Un logiciel de développement d’infographie 3D a été utilisé pour visualiser le suivi des mains et collecter des données à partir de l’environnement VR. Les données des systèmes sans marqueur et de capture de mouvement de marqueur ont été acquises et sauvegardées à l’aide de scripts de logiciels personnalisés. Des exemples de scripts de logiciels sont disponibles à l’adresse suivante : https://www.dropbox.com/sh/7se5lih4noxj584/AACqFDZytpDm-L8jAULFwfTHa?dl=0.

Substitutions potentielles d’équipement
Des électrodes EMG de surface bipolaires sans fil sont utilisées dans ce protocole, mais d’autres technologies EMG (filaires, etc.) pourraient être substituées. Si vous utilisez des capteurs standard disponibles dans le commerce, comme décrit dans la table des matériaux, le logiciel DAQ qui l’accompagne peut être utilisé à la place des scripts logiciels personnalisés (taux d’échantillonnage de 2 000 Hz). Si d’autres capteurs EMG sont utilisés, un logiciel compatible avec ce système doit également être utilisé.

Plutôt que de relier le casque VR à l’ordinateur via un câble, le casque VR a la capacité de stocker l’environnement interactif dans le casque. La mise en œuvre de cette fonctionnalité dans les futures applications de réadaptation à domicile serait avantageuse pour le patient. Le casque VR utilisé ici peut être substitué à un autre casque VR immersif. Avant la substitution, cela nécessiterait une validation de la compatibilité avec le logiciel de développement de jeux.

D’autres logiciels de développement peuvent être utilisés pour la création de l’environnement virtuel et de la tâche décrits dans le présent protocole. De plus, d’autres évaluations cliniques traduites en RV peuvent être utilisées à la place de la BBT modifiée illustrée ici (par exemple, l’Action Research Arm Test (ARAT) ou l’évaluation graduée redéfinie de la force, de la sensation et de la préhension (GRASSP)). Bien que la BBT puisse être utilisée pour évaluer un large éventail de lésions neurologiques, l’utilisation de tâches cliniques alternatives permettrait d’évaluer d’autres troubles du mouvement. Le GRASSP, par exemple, est principalement utilisé pour évaluer les patients atteints de lésions de la moelle épinière, tandis que l’ARAT est le plus souvent utilisé pour évaluer l’hémiplégie due à des lésions corticales. Les évaluations virtuelles pourraient également être administrées sans contrôle par un script de logiciel (c’est-à-dire de manière autonome), mais l’acquisition de données et le contrôle de l’administration des tests devraient être pris en compte. Pour l’évaluation des compétences, un test tangible de boîte et de bloc (BBT) pourrait être utilisé à la place de la tâche développée dans VR26. L’utilisation d’équipements du monde réel nécessiterait une technologie alternative de capture de mouvement, au lieu du suivi des mains enregistré à partir d’un casque VR.

Une autre capture de mouvement fiable ou sans marqueur peut être utilisée pour suivre la cinématique de la main. Par exemple, la capture de mouvement basée sur la réalité virtuelle peut être utilisée pour simplifier la configuration, tout en obtenant les données de suivi des mains nécessaires pour extraire des informations cinématiques. Le système de capture de mouvement de marqueur utilisé ici comprend un logiciel permettant de calibrer l’espace de capture de mouvement expérimental et de faire fonctionner les caméras (taux d’échantillonnage de 480 Hz). Une autre technologie de capture de mouvement doit être utilisée avec le logiciel correspondant approprié.

La figure 1 illustre l’exécution d’ordinateurs distincts, chacun exécutant un composant matériel différent. Un seul ordinateur performant peut exécuter tous les logiciels de collecte de données et de VR. Dans le protocole décrit ici, l’utilisation de trois ordinateurs distincts nécessite la synchronisation des données. La synchronisation des données dans le temps entre les appareils est essentielle pour que les données EMG, cinématiques et de force produisent des conclusions significatives. Des scripts de logiciels personnalisés utilisant une fonction datetime intégrée ont été utilisés pour enregistrer le temps universel sur chaque système au début de la tâche. Il est essentiel que tous les ordinateurs soient connectés au même réseau pour que ces scripts fonctionnent correctement. Une fois l’heure de début enregistrée à l’aide de datetime, les scripts DAQ ont utilisé les fonctions tic et toc pour augmenter le temps pendant la période d’essai. Ces fonctions ont une précision d’environ 0,000001s, ce qui permet potentiellement d’enregistrer des données à 1 000 kHz. Dans notre configuration, la fréquence d’échantillonnage la plus élevée est de 30 kHz, ce qui est bien en dessous des capacités maximales de cette méthode pour l’enregistrement et la synchronisation du temps entre les appareils. Une application de messagerie TCP-IP (Transmission Control Protocol/Internet Protocol)29 développée en Python a été utilisée pour transmettre des données entre l’environnement VR et l’application DAQ en fonction de l’adresse IP.

En plus d’assurer la synchronisation temporelle, il était d’une importance cruciale de synchroniser les données acquises à différentes fréquences d’échantillonnage. Deux des ordinateurs ont été démarrés manuellement pour collecter des données de capture de mouvement (480 Hz) et enregistrer des données EMG (2000 Hz). Des études antérieures ont utilisé des circuits de synchronisation personnalisés pour envoyer un événement commun entre les systèmes à des points de repère d’essai (par exemple, une impulsion de synchronisation est envoyée lorsque l’enregistrement des données commence, puis à nouveau à la fin de l’enregistrement)30. Ici, l’utilisation des fonctions datetime, tic et toc du logiciel permet la synchronisation sans avoir besoin de matériel supplémentaire. L’application de messagerie TCP-IP disponible dans le commerce et utilisée ici prenait également en charge la communication continue entre les systèmes. Ce cadre de synchronisation du temps et des fréquences de collecte de données entre les systèmes a également permis d’organiser de manière cohérente les données pour une analyse post-hoc avancée.

Le protocole expérimental décrit ici est extrêmement personnalisable pour répondre aux besoins variables des groupes cliniques ou de recherche, avec le potentiel d’être appliqué à la fois en clinique et à domicile/à distance. Bien que nous ayons décrit une évaluation de l’activité musculaire et de la cinématique à l’aide d’un BBT modifié en VR, une configuration similaire peut être utilisée pour différents tests cliniques et peut même être simplifiée pour des ensembles de données réduits. Par exemple, les capteurs EMG et de force peuvent être exclus si seules des données cinématiques sont nécessaires. L’acquisition de données cinématiques uniquement nécessiterait simplement l’utilisation d’un système de capture de mouvement. Du matériel supplémentaire, tel que l’électroencéphalographie ou l’électrocardiographie, pourrait également être inclus pour enregistrer des données supplémentaires. À la place des électrodes EMG de surface standard, l’EMG de surface à haute densité ou intramusculaire peut être utilisé pour enregistrer des données d’activité musculaire plus précises31,32. De plus, d’autres tests cliniques fonctionnels, tels que l’ARAT ou GRASSP, peuvent être utilisés pour évaluer les déficits moteurs dans différentes populations de patients. Bien que la configuration décrite ici soit principalement destinée à des fins de recherche pour mieux quantifier les déficits de mouvement en VR, nous visons à développer une configuration similaire pour permettre la surveillance et la réadaptation à distance des patients. Nous nous attendons à ce que ce protocole soit facilement adapté à l’aide de lunettes VR grand public standard équipées d’un suivi des mouvements de la main, en combinaison avec un appareil d’enregistrement EMG portable. Dans les études futures, nous visons à développer davantage ce protocole pour une utilisation à domicile en incorporant un manchon EMG à haute densité portable et peu coûteux qui est actuellement en cours de développement.

Par rapport à la physiothérapie ou à l’ergothérapie traditionnelle dans une clinique ou un centre de réadaptation, la réadaptation VR offre de nombreux avantages potentiels. Bien que le protocole décrit ici soit destiné à être utilisé principalement à des fins de recherche, les méthodes d’évaluation virtuelle peuvent potentiellement être mises en œuvre à distance et à l’aide d’appareils prêts à l’emploi, sans avoir besoin d’équipement médical spécialisé coûteux. De plus, les systèmes de RV sont capables de suivre quantitativement les mouvements de la main pour fournir des informations sur la qualité des mouvements, ce qui peut ne pas être réalisable avec l’évaluation standard33,34. La comparabilité des mouvements dans les tâches de RV par rapport aux tâches du monde réel reste un sujet d’étude intensif et les connaissances futures affecteront la façon dont la RV peut être utilisée pour la réadaptation. La procédure décrite ici est une configuration flexible qui utilise la RV pour guider les mouvements standardisés et obtenir des données cinématiques et EMG individuelles. Les données obtenues à partir d’études utilisant la configuration décrite peuvent également fournir des informations sur la façon dont les individus se déplacent dans l’environnement virtuel et sur les mécanismes potentiels par lesquels certains sujets trouvent la RV plus immersive. Ceci est d’une importance cruciale lors de l’adaptation d’évaluations cliniques réelles dans un environnement VR.

Plusieurs étapes de la configuration et de l’exécution de ce protocole doivent être soigneusement surveillées afin d’obtenir des données précises et de haute qualité. Il est primordial de bien placer le capteur EMG. Des données EMG propres et précises avec un rapport signal/bruit élevé nécessitent que les capteurs soient placés sur une peau aseptisée et sans poils au-dessus du ventre du muscle sélectionné27. De même, si un système de capture de mouvement de marqueur est utilisé, les marqueurs doivent être placés avec précision sur les points de repère osseux pour capturer des données fiables pour calculer les angles articulaires d’intérêt. Par rapport aux capteurs EMG, il y a une certaine flexibilité dans l’orientation des marqueurs de capture de mouvement, mais un minimum de trois points non colinéaires doit toujours être utilisé pour définir l’emplacement d’un corps rigide dans l’espace35. Certaines techniques de calcul des angles d’articulation, telles que la cinématique inverse basée sur un modèle, nécessitent un placement exact des marqueurs. Si vous utilisez cette méthode, l’emplacement des marqueurs expérimentaux doit correspondre à celui du modèle36. Les logiciels de modélisation musculo-squelettique développés pour le calcul de la cinématique inverse comprennent généralement des fonctions de calcul intégrées pour faire correspondre le modèle et les emplacements des marqueurs expérimentaux. OpenSim, une plate-forme développée par l’Université de Stanford37, est couramment utilisée pour ce type d’analyse. La sécurité des capteurs EMG et des marqueurs doit être surveillée tout au long de la tâche pour s’assurer que des données de haute qualité sont enregistrées.

Si les données obtenues à partir de ce protocole sont bruyantes, le dépannage doit se concentrer sur la prise en compte de plusieurs étapes. Tout d’abord, un mauvais placement du capteur EMG peut produire des données bruyantes et doit être vérifié. Pour atténuer ce problème, il est important de préparer la peau avant la fixation du capteur EMG, comme nous l’avons vu précédemment. De plus, des données de capture de mouvement de mauvaise qualité peuvent se produire si les marqueurs se déplacent hors de portée des caméras. Une brève perte de points suivis peut être résolue par interpolation, mais si les marqueurs continuent de ne pas transmettre de données de position précises, des problèmes sous-jacents plus graves peuvent exister. Si un seul marqueur tombe à plusieurs reprises, cela peut indiquer que le marqueur est masqué par le mouvement du sujet ou qu’il se déplace hors de portée de l’appareil photo. De plus, un mauvais calibrage de l’appareil photo peut entraîner l’échec de plusieurs marqueurs. Dans ce scénario, il est préférable de recalibrer entièrement le système de capture de mouvement après avoir retiré le sujet et l’équipement de test de l’espace expérimental. De plus, un éclairage suffisant doit être utilisé, car les environnements à faible luminosité peuvent entraver l’acquisition de données de capture de mouvement de haute qualité.

Le protocole décrit présente plusieurs limitations. Tout d’abord, la configuration illustrée ici nécessite l’utilisation de plusieurs caméras de capture de mouvement. Cependant, l’objectif de ce protocole est de recueillir des données à haute résolution afin de mieux quantifier les déficits de mouvement en RV avant l’élaboration d’évaluations cliniques entièrement à distance qui peuvent être effectuées par le patient seul. De plus, les tâches effectuées en VR manquent de retour tactile. Ceci est important à noter car le retour tactile seul peut modifier l’amplitude de la force de préhension38,39. Cela peut affecter l’activation musculaire ou la cinématique lorsqu’une tâche est exécutée dans un environnement virtuel au lieu d’utiliser un équipement tangible. Si l’on estime que la rétroaction tactile est d’une importance critique (par exemple, si les patients présentent également des déficits sensoriels), l’utilisation de robots haptiques peut être incluse pour imiter la rétroaction tactile. Malgré cette limitation, nous prévoyons que les données obtenues à partir de la configuration décrite ici seront cruciales pour quantifier les changements dans la cinématique et l’activité musculaire dans les tâches VR uniquement pour les patients atteints de troubles du mouvement. Cela aidera à adapter ces tests cliniques à une utilisation à domicile. Une limitation supplémentaire de ce protocole est qu’un seul bloc est présenté à la fois pendant le test. Dans le BBT standard, 150 blocs de bois sont placés dans un compartiment de la boîte pour commencer. Ce BBT modifié a été conçu pour augmenter la reproductibilité des données de capture de mouvement et EMG enregistrées en simulant un bloc qui réapparaît au même endroit virtuel. En tant que tel, le BBT modifié implémenté dans la VR est probablement une tâche plus simplifiée. Dans les études futures, il sera important que le BBT modifié en VR soit cohérent avec la configuration du BBT standard pour garantir la validité du contenu.

Déclarations de divulgation

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

Les auteurs n’ont aucun conflit d’intérêts à déclarer.

Remerciements

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

Ce travail a été soutenu par le Bureau du secrétaire adjoint à la Défense pour les affaires de santé par le biais du programme de recherche sur la restauration des combattants atteints de lésions neuromusculo-squelettiques (RESTORE) sous le numéro de subvention W81XWH-21-1-0138. Les opinions, interprétations, conclusions et recommandations sont celles des auteurs et ne sont pas nécessairement approuvées par le ministère de la Défense.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Chaise sans accoudoirsN/AUne chaise pour s’asseoir doit être sans accoudoirs afin que leurs bras ne soient pas gênés.
OrdinateurDell TechnologiesTrois ordinateurs ont été utilisés pour accompagner l’équipement d’acquisition de données.
Leap Motion ControllerUltraleapModule de suivi optique des mains qui capture le mouvement de la main et des doigts. Le contrôleur dispose de deux caméras proche infrarouge de 640 x 240 pixels (120 Hz), capables de suivre les mouvements jusqu’à 60 cm de l’appareil et dans un format de 140 x 120° ; champ de vision. Cet appareil était attaché au casque VR ou fixé au-dessus de la tête pendant le mouvement.
MATLABMathWorks, Inc.  ;Plateforme de programmation utilisée pour développer un logiciel d’acquisition de données sur mesure
Oculus Quest 2MetaCasque de réalité virtuelle immersif équipé d’une capacité de suivi des mains grâce à 4 caméras infrarouges intégrées (72-120 Hz). Peut être remplacé par d’autres appareils similaires (ex. HTC Vive, HP Reverb, Playstation VR).
Oculus Quest 2 Câble de liaisonMetaUtilisé pour connecter le casque à l’ordinateur où le jeu VR a été stocké
PhaseSpace Motion CapturePhaseSpace, Inc.Système de capture de mouvement marqué, composé d’un serveur, de caméras avec un champ de vision de 60°, de diodes électroluminescentes rouges (LED) comme marqueurs et d’un objet d’étalonnage
Système sans fil TrignoDelsys, Inc.Par Delsys Inc., comprend un EMG, un accéléromètre, des capteurs de force, une station de base et un logiciel de collecte. L’interface de programmation d’applications (API) Trigno-MATLAB a été utilisée pour développer un logiciel d’enregistrement personnalisé.
UnReal Engine 4Epic GamesLogiciel utilisé pour créer et exécuter la tâche de boîte et de bloc modifiée en VR

Références

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

Réimpressions et autorisations

Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE

Demander une autorisation

Mots-clés

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

Articles connexes