Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.

Article de méthode

Utilisation de la technologie de capture de mouvement dans le test instrumenté Timed Up and Go pour détecter le risque de chute chez les adultes âgés

2.1K vues

⸱

DOI :

10.3791/66025

⸱

25 octobre 2024

 ,  ,  ,  , 
1Department of Neurology, The Seventh Medical Center of Chinese PLA General Hospital, 27th Department of Health Cadre, The Second Medical Center of Chinese PLA General Hospital, 3Department of Neurology, NO 984 Hospital of PLA, 4Department of Emergency, General Hospital of Baoding First Central Hospital, 5Department of Hand and Foot Surgery, Beijing University of Chinese Medicine Third Affiliated Hospital

* These authors contributed equally

Dans cet article

Résumé

Le test instrumenté Timed Up and Go (iTUG) suscite de plus en plus d’attention dans l’analyse du balancement corporel et de la démarche avec le développement de nouvelles technologies. Nous présentons un protocole pour analyser les sous-composants de l’iTUG avec capture de mouvement.

Résumé

Malgré les efforts de la médecine et de la technologie, l’incidence des chutes chez les personnes âgées continue d’augmenter. Par conséquent, la détection précoce du risque de chute devient de plus en plus importante pour la prévention des chutes. Le test Timed Up and Go (TUG) est un outil bien accepté pour évaluer la mobilité et peut être utilisé pour prédire le risque de chute futur chez les adultes âgés. Dans la pratique clinique, le temps total nécessaire pour terminer le test est le principal critère de jugement du test TUG. En raison de sa simplicité et de sa généralité, le test TUG traditionnel a été considéré comme un test mondial pour l’analyse du mouvement. Cependant, récemment, les chercheurs ont tenté de diviser le test TUG en sous-composants et ont mis à jour son système de score pour des investigations plus approfondies. Le test instrumenté Time Up and Go (iTUG), qui est une nouvelle modification du test TUG traditionnel, est considéré comme un outil sensible pour prédire les troubles du mouvement et le risque de chute chez les personnes âgées. L’objectif de la présente étude était d’analyser les sous-composants de l’essai iTUG à l’aide de la technologie de capture de mouvement et de déterminer quelles sous-tâches de l’essai iTUG sont liées au risque potentiel de chutes futures.

Introduction

La chute est l’un des syndromes gériatriques les plus courants et la deuxième cause de décès accidentels ou non intentionnels liés à des blessures dans le monde1. Chez les adultes de plus de 65 ans, les chutes peuvent entraîner une déficience fonctionnelle, une invalidité, une diminution de la qualité de vie, une augmentation de la durée de séjour à l’hôpital et même lamort2,3. Par conséquent, la prévention des chutes est de la plus haute importance.

Pour déterminer les prédicteurs des chutes, les chercheurs précédents se sont concentrés sur les analyses de la démarche, les tests d’équilibre, l’état mental, l’utilisation de sédatifs, ainsi que les antécédents de chute au cours de l’année précédente 4,5 Le test Timed Up and Go (TUG) est une mesure rapide de la mobilité basée sur la performance. Le test TUG a été largement étudié chez les personnes âgées et est recommandé comme test de dépistage simple du risque de chute6. Ce test largement utilisé consiste à se lever d’une chaise, à marcher 3 m à la vitesse souhaitée, à se retourner, à revenir et à s’asseoir. Le résultat clinique traditionnel de ce test dépend de sa durée totale7 et est évalué par un chronomètre.

Dans la pratique clinique, le test TUG conventionnel mesure le temps total nécessaire pour effectuer une série d’activités sans diviser la performance du sujet en sous-composants8. Récemment, certains chercheurs ont suggéré que différents composants du test TUG pourraient être particulièrement sensibles en tant que prédicteurs de chutes futures9. Lors de l’utilisation de l’essai TUG instrumenté numérisé (iTUG), les différents composants de l’essai TUG peuvent être analysés séparément. En utilisant l’iTUG, il est possible d’évaluer objectivement plusieurs caractéristiques de chaque sous-phase d’essai du TUG et d’obtenir des données quantitatives, telles que les durées, les vitesses et la vitesse angulaire pertinentes de chaque mouvement. Avec des données plus détaillées, le test iTUG a montré l’avantage de détecter des déficits spécifiques qui peuvent être plus révélateurs du risque de chute10.

En tant que référence en matière d’analyse du mouvement, les technologies de capture de mouvement ont été utilisées pour détecter les mouvements chez les patients atteints de la maladie de Parkinson (MP)11, de troubles cognitifs12 et d’arthrite de lacheville13, ainsi que chez les adultes en bonne santé14. Dans la présente étude, nous avons cherché à analyser les sous-composants du test iTUG à l’aide de la technologie de capture de mouvement et à déterminer la corrélation entre les sous-tâches du test iTUG et le risque potentiel de chutes futures.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

Cette étude a été approuvée par le Comité d’éthique académique du septième centre médical de l’hôpital général chinois de l’APL à Pékin, en Chine.

1. Critères d’inclusion/exclusion des participants

  1. Recruter des participants âgés de 65 ans ou plus et obtenir leur consentement éclairé.
  2. Exclure les participants qui présentent une incapacité visuelle et une incapacité évidente des membres inférieurs, comme l’arthrite du genou, la thromboangéite oblitérante et la goutte.

2. Préparation de la zone d’essai

  1. Configurez la zone d’essai iTUG normalisée de 5 m x 8 m ou plus large (voir Figure 1) avec 12 caméras réparties dans la pièce. Installez les configurations traditionnelles du TUG dans la zone d’essai : une chaise et un panneau pour rappeler au participant de faire demi-tour.
    REMARQUE : Les panneaux indiquant les lignes d’itinéraire sont facultatifs.
  2. Assurez-vous que la zone de capture de mouvement est limitée à la portée de toutes les caméras et que toutes les configurations de test TUG ne réfléchissent pas la lumière.

3. Préparation logicielle des procédures avant l’essai

  1. Installez le logiciel de capture de mouvement sur l’ordinateur qui sera utilisé dans la pièce.
  2. Cliquez sur le bouton Seeker pour démarrer le logiciel de capture de mouvement. Après avoir démarré le logiciel, pour la configuration générale de Camara, choisissez le mode par défaut (fréquence d’images = 60 images/s, vitesse d’obturation = 1/1 000 s), qui est acceptable dans la plupart des situations. Définissez les paramètres de l’appareil photo sélectionnés et les paramètres de configuration de l’appareil photo également dans le mode par défaut.
  3. Sélectionnez le mode Live pour définir les paramètres en temps réel.
    REMARQUE : Le mode POST est utilisé pour analyser les données capturées.
  4. Cliquez sur Marqueurs pour configurer les paramètres du marqueur.
  5. Sélectionnez l’axe XY dans l’étalonnage de l’axe du sol et les millimètres dans les unités d’étalonnage.
  6. Cliquez sur Calibrer pour sélectionner la variante d’étalonnage.
  7. Sélectionnez Étalonnage initial et cliquez sur le bouton en forme de « L ». Dans le même temps, emmenez le calibrateur en forme de « L » sur le terrain et placez-le au centre du champ pour vous assurer qu’il peut être capturé par toutes les caméras.
    REMARQUE : Le calibrateur en forme de « L » contient quatre marqueurs réfléchissant la lumière.
  8. Vérifiez à l’écran si les 12 caméras peuvent détecter quatre marqueurs réfléchissants. Si une caméra détecte ≤3 marqueurs, réduisez la luminosité et le seuil à gauche de l’écran. Si une caméra détecte ≥5 marqueurs, vérifiez le terrain et nettoyez ou couvrez les marqueurs réfléchissants indésirables.
    REMARQUE : Certains petits effets personnels de l’ancien participant peuvent être détectés par la caméra.
  9. Retirez le calibrateur en forme de « L » du champ.
  10. Cliquez sur le bouton en forme de « T ». En même temps, apportez le calibrateur en forme de « T » sur le terrain et agitez-le pour vous assurer qu’il peut être capturé par toutes les caméras.
  11. Sélectionnez l’axe Z dans l’étalonnage de l’axe vers le haut et les millimètres dans les unités d’étalonnage.
  12. Demandez aux médecins de vérifier si toutes les caméras peuvent capturer les marqueurs. Agitez les marqueurs dans chaque coin du terrain, en couvrant particulièrement l’espace possible du test TUG.
  13. Vérifiez à l’écran si les 12 caméras peuvent détecter le calibrateur en forme de « T ». Si une caméra ne peut pas le détecter, changez la direction de la caméra.
    REMARQUE : Il existe deux formes de marqueurs qui doivent être calibrés ; En forme de « L » et en forme de « T ». Le calibrateur en forme de « L » dispose de quatre points réfléchissants pour calibrer l’axe XY, et le calibrateur en forme de « T » a quatre points réfléchissants pour calibrer l’axe Z. La durée de l’étalonnage durera 60 s ou plus. Une capture efficace rendra la couleur de l’écran verte.
  14. Cliquez sur Terminer pour terminer l’étalonnage.
  15. Cliquez sur Enregistrer l’étalonnage pour enregistrer le mode d’étalonnage effectif.
    REMARQUE : L’étalonnage est effectué dans un modèle 2D ; un modèle 3D est souvent utilisé lors du test.

4. Test iTUG

REMARQUE : Les participants doivent porter des vêtements et des chaussures moulants mais confortables.

  1. Fixez les points réfléchissants sur les repères anatomiques : apophyse épineuse cervicale 7 et apophyse épineuse thoracique 10, acromion gauche et acromion droit.
    REMARQUE : Chaque participant peut avoir jusqu’à 17 points de réflexion attachés. Plus il y a de points de réflexion attachés, plus les données collectées sont précises, mais aussi moins les participants se sentent à l’aise.
  2. Cliquez avec le bouton droit de la souris sur les points réfléchissants sur la ligne droite de l’écran et désignez-les comme C7, T10, épaule gauche et épaule droite.
  3. Montrez les instructions aux participants. L’instruction est la suivante : « Veuillez vous lever de la chaise, marcher 3 m à la vitesse souhaitée, faire demi-tour, revenir et vous asseoir. »
  4. Demandez aux participants d’effectuer le test iTUG à l’avance pour s’assurer qu’ils sont familiers avec l’instruction.
    REMARQUE : Assurez-vous que chaque participant est à l’aise une fois les points réfléchissants fixés.
  5. Demandez au participant d’effectuer le test iTUG.
    REMARQUE : Les participants doivent marcher pour accomplir la tâche iTUG.
  6. Pendant que le participant effectue le test iTUG, cliquez sur les boutons de démarrage et d’arrêt sur l’écran de l’ordinateur.
    REMARQUE : Pendant le test iTUG, le système de capture de mouvement échantillonne les données de tous les points attachés à une fréquence de 60 Hz ; une vidéo est formée en conséquence (voir Vidéo 1).

5. Collecte de données et définition des variables d’essai iTUG

  1. Cliquez sur le bouton Paramètres d’enregistrement .
    REMARQUE : Les données sont stockées et trouvées dans une feuille de calcul.
  2. Sélectionnez Données brutes de l’appareil photo |ASCTI sur chenilles | Binaire suivi. La durée de capture est de 20 s.
  3. Tapez le nom du participant.
  4. Cliquez sur le bouton Enregistrer pour lancer la collecte de données.
  5. Identifiez les sous-phases du test iTUG en visionnant la vidéo et calculez les variables en fonction des données.
    1. Définissez les variables suivantes : temps total de l’essai TUG traditionnel, temps de la phase 1 (se lever de la chaise), temps de la phase 1 du balancement du corps (se lever de la chaise), temps de la phase 2 (marcher 3 m à la vitesse souhaitée), balancement du corps de la phase 2 (marcher 3 m à la vitesse souhaitée), temps de la phase 3 (se retourner), balancement du corps de la phase 3 (se retourner), Vitesse angulaire de la phase 3 (retour), du temps de la phase 4 (retour), du balancement du corps de la phase 4 (retour) et du temps de la phase 5 (assise).
      REMARQUE : Les détails sont similaires à ceux décrits par Caronni et ses collègues15.

6. Indice de risque de chute de Downton (DFRI)

  1. Évaluez le risque de chute à l’aide de l’indice de risque de chute Downton (DFRI).
    REMARQUE : Le DFRI (tableau 1) comprend 11 éléments de risque, qui sont notés un point chacun. Les scores sont additionnés à un score total de l’indice, compris entre 0 et 11. Un score de ≥3 est considéré comme indiquant un risque élevé de chutes. Pour évaluer le risque de chute, le DFRI est généralement utilisé pour les participants admis à l’hôpital, et l’outil de dépistage des chutes et accidents à domicile (HOME FAST) est plus adapté aux habitants de la communauté.

7. Analyse statistique

  1. Utiliser un progiciel statistique disponible dans le commerce pour effectuer toutes les analyses statistiques. Utilisez le test t de Student pour évaluer les différences entre les groupes et choisissez le coefficient de corrélation de Pearson pour évaluer la relation entre les sous-composantes de l’iTUG et le score DFRI sur l’échantillon total, avec un P < 0,05 indiquant une différence statistiquement significative.
  2. Utilisez les procédures de Bland-Altman pour évaluer la concordance pour la durée de la phase 1, la vitesse angulaire de la phase 3 et la durée de la phase 4 entre notre méthode et le capteur McRoberts (voir le tableau des matériaux). Calculer la différence moyenne entre les deux méthodes de mesure et la limite de concordance de 95 % pour la différence moyenne calculée.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

Treize participants âgés présentant un risque élevé de chute (score DFRI : 3-11) et 11 sujets âgés présentant un risque faible de chute (score DFRI : 0-2) ont été recrutés. Le DFRI est détaillé dans le tableau 1. Comme nous l’avons mentionné précédemment, un score de 3 ou plus est considéré comme indiquant un risque élevé de chute pour les patients pendant l’hospitalisation16.

Les données...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

Les étapes critiques du protocole consistent à fixer les points réfléchissants avec précision aux repères anatomiques afin d’éviter les biais. En outre, l’identification de chaque sous-composant de l’essai iTUG est également une étape critique ; Une révision vidéo est utile pour l’identification.

Une différence marginale existait entre les groupes dans les scores du test TUG, ce qui signifie que les scores TUG traditionnels pourraient ne pas être assez sensibl...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

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

Remerciements

Les auteurs remercient le Dr Honghua Zhou pour son soutien en matière de technologie numérique. Cette étude a été soutenue par les Fonds de Capital pour l’amélioration de la santé et la recherche de la Chine (ID :2024-2-7031).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Bande noireDeli60 mm x 20 m
CalibrateurMarqueur réflecteur NOKOV1Marqueur
réflecteurCalibrateur NOKOV2Chaise en forme
de T YUANSHENGYUANDAI" 10076062317820 »
OrdinateurHUAWEIHONOR
McRoberts capteur  ;DynaPort Hybrid, McRoberts, La Haye, Pays-Bas
Caméra de capture de mouvementNOKOVMars2H
Logiciel de capture de mouvementNOKOVDG-01
Marqueur réfléchissantNOKOVpetit marqueurpour calibrateurs
Marqueur réfléchissantNOKOVgrand marqueurpour participants

Références

  1. Dokuzlar, O., et al. Assessment of factors that increase risk of falling in older women by four different clinical methods. Aging Clin Exp Res. 32 (3), 483-490 (2020).
  2. King, B., Pecanac, K., Krupp, A., Liebzeit, D., Mahoney, J. Impact of fall prevention on nurses and care of fall risk patients. The Gerontologist. 58 (2), 331-340 (2018).
  3. Mazur, K., Wilczyński, K., Szewieczek, J. Geriatric falls in the context of a hospital fall prevention program: delirium, low body mass index, and other risk factors. Clin Interv Aging. 11, 1253-1261 (2016).
  4. Beck Jepsen, D., et al. Predicting falls in older adults: an umbrella review of instruments assessing gait, balance, and functional mobility. BMC Geriatrics. 22 (1), 615(2022).
  5. Meekes, W. M., Korevaar, J. C., Leemrijse, C. J., Van de Goor, I. A. Practical and validated tool to assess falls risk in the primary care setting: a systematic review. BMJ Open. 11 (9), 045431(2021).
  6. Mirelman, A., et al. Association between performance on Timed Up and Go subtasks and mild cognitive impairment: further insights into the links between cognitive and motor function. J Am Geriatr Soc. 62 (4), 673-678 (2014).
  7. Palmerini, L., Mellone, S., Avanzolini, G., Valzania, F., Chiari, L. Quantification of motor impairment in Parkinson's disease using an instrumented timed up and go test. IEEE Trans Neural Syst Rehabil Eng. 21 (4), 664-673 (2013).
  8. Cimolin, V., et al. Do wearable sensors add meaningful information to the Timed Up and Go test? A study on obese women. J Electromyogr Kinesiol. 44, 78-85 (2019).
  9. Ayena, J. C., Chioukh, L., Otis, M. J., Deslandes, D. Risk of falling in a timed up and go test using an UWB Radar and an instrumented insole. Sensors. 21 (3), 722(2021).
  10. Sample, R. B., Kinney, A. L., Jackson, K., Diestelkamp, W., Bigelow, K. E. Identification of key outcome measures when using the instrumented timed up and go and/or posturography for fall screening. Gait Posture. 57, 168-171 (2017).
  11. Beyea, J., McGibbon, C. A., Sexton, A., Noble, J., O'Connell, C. Convergent validity of a wearable sensor system for measuring sub-task performance during the timed up-and-go test. Sensors. 17 (4), 934(2017).
  12. McGough, E. L., Gries, M., Teri, L., Kelly, V. E. Validity of instrumented 360° turn test in older adults with cognitive impairment. Phys Occup Ther Geriatr. 38 (2), 170-184 (2020).
  13. Wang, H., Brown, S. R. The effects of total ankle replacement on ankle joint mechanics during walking. J Sport Health Sci. 6 (3), 340-345 (2017).
  14. Mehdizadeh, S., et al. The Toronto older adults gait archive: video and 3D inertial motion capture data of older adults' walking. Sci Data. 9 (1), 398(2022).
  15. Caronni, A., et al. Criterion validity of the instrumented Timed Up and Go test: A partial least square regression study. Gait Posture. 61, 287-293 (2018).
  16. Mojtaba, M., Alinaghizadeh, H., Rydwik, E. Downton Fall Risk Index during hospitalisation is associated with fall-related injuries after discharge: a longitudinal observational study. J Physiother. 64 (3), 172-177 (2018).
  17. Hershkovitz, L., Malcay, O., Grinberg, Y., Berkowitz, S., Kalron, A. The contribution of the instrumented Timed-Up-and-Go test to detect falls and fear of falling in people with multiple sclerosis. Mult Scler Relat Disord. 27, 226-231 (2019).
  18. Zarzeczny, R., et al. Aging effect on the instrumented Timed-Up-and-Go test variables in nursing home women aged 80-93 years. Biogerontology. 18 (4), 651-663 (2017).
  19. Kim, K. J., et al. The instrumented timed "Up & Go" test distinguishes turning characteristics in vestibular hypofunction. Phys Ther. 101 (7), 103(2021).
  20. Montero-Odasso, M., et al. World guidelines for falls prevention and management for older adults: a global initiative. Age Ageing. 51 (9), (2023).
  21. Rocchi, L., Palmerini, L., Weiss, A., Herman, T., Hausdorff, J. M. Balance testing with inertial sensors in patients with Parkinson's disease: assessment of motor subtypes. IEEE Trans Neural Syst Rehabil Eng. 22 (5), 1064-1071 (2014).
  22. Ngo, T., et al. A comparative severity assessment of impaired balance due to cerebellar ataxia using regression models. Annu Int Conf IEEE Eng Med Biol Soc. 2020, 4571-4574 (2020).
  23. Celik, Y., Powell, D., Woo, W. L., Stuart, S., Godfrey, A. A feasibility study towards instrumentation of the Sport Concussion Assessment Tool (iSCAT). Annu Int Conf IEEE Eng Med Biol Soc. 2020, 4624-4627 (2020).
  24. Coni, A., et al. Comparison of standard clinical and instrumented physical performance tests in discriminating functional status of high-functioning people aged 6170 years old. Sensors. 19 (3), 449(2019).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Explorer plus d’articles

Détection du risque de chutetest TUG instrumentéévaluation de la mobilitéadultes âgésanalyse de l'oscillation corporellemarqueurs réfléchissantsindice de risque de chute de Downtontroubles du mouvement
Utilisation de la technologie de capture de mouvement dans le test instrumenté Timed Up and Go pour détecter le risque de chute chez les adultes âgés
Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d’utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.