パフォーマンスのリアルタイムのフィードバックを使用して再教育運動

この手順の全体的な目標は、関連する人間の動きデータを可能な限り短時間で収集、分析、表示することです。これは、最初にベースライン運動分析セッションを実施して、正常な運動特性を決定することによって達成されます。2番目のステップは、通常の特性の分析に基づいて、どの動作特性を変更するかを決定することです。

次に、達成すべき変化の量を示す目標と連動して、リアルタイムの動きのデータを表示する動きの修正試験が行われます。最後のステップは、所定の結果に基づいて変更された動きの有効性を判断し、適切なその後のセッションを計画することです。最終的に、リアルタイムの移動変更を使用して、移動パラメータを迅速かつ正確に変更する方法を提供します。

この手法が標準的なモーション解析と比較した場合の主な利点は、データの収集と解析の間に遅延がないことです。この方法は、どの運動修正技術が最も実現可能か、どの技術が機能の回復に最も効果的かなど、運動障害分野の重要な質問に答えるのに役立ちます。手順を実演するのは、研究室の大学院生であるJudです このプロトコルのシステム準備を開始するには、まず、カメラによって観察される可能性のある反射材料のキャプチャボリュームをクリアします。

これにより、テスト中に実際のスキンベースのマーカーが静止したバックグラウンドマーカーと混同される可能性が減り、セッションの全体的な精度が向上します。次に、ラボ内の固定位置にある固定マーカーにすべてのカメラを向けて、カメラをキャリブレーションします。次に、既知の距離に配置された移動マーカーを使用して、静的キャリブレーションを動的な動きに拡張します。

キャリブレーションを最適化するために、できるだけ多くのキャプチャボリュームをカバーするようにしてください。次に、患者の準備に使用する反射マーカーや測定装置など、すべての材料を整理します。これにより、検査中の効率が向上し、患者の負担が軽減されます 患者の準備を開始するには まず、測定対象の関節や体の部分にできるだけ多くの皮膚を露出させます。

ゆったりとした衣服の量を最小限に抑え、テープまたはクリップを使用して、カメラが反射マーカーを視覚化する能力を妨げる可能性のある衣服を拘束します。次に、マーカーと皮膚の間に最大限に密着するように、その領域をきれいに拭きます。消毒用アルコールを使用。

次に、使用するマーカーセットに基づいて主要な解剖学的ランドマークを触診します。実際のランドマークでスキンをマークすると、マーカーの配置精度が向上し、マーカーが脱落した場合に必要な情報が提供されます。評価中は、マーカーセットの仕様に従って、反射マーカーを解剖学的ランドマークに貼り付けます。

ほとんどのマーカーセットには、下肢と上半身のさまざまな解剖学的ランドマークの上に両側に配置された最低12〜15個のマーカーが含まれます。実際の骨格の動きを再現する能力は、皮膚ベースのマーカーの位置に依存することに注意することが重要です。そのため、使用する生体力学モデルを決定する際には、慎重に検討する必要があります。

必要に応じて、重要な人体測定データを測定します。バイオメカニクスモデルによっては、バイオメカニクスデータのオフライン処理中に、セグメントの長さ、関節の回転中心の位置、および移動するセグメントと手足の全体的な慣性特性を計算するために、これらのデータが必要になる場合があります。モーション解析とリアルタイムフィードバックの配信を開始するには、まず、被験者をキャプチャボリュームの中央に立たせて、約3秒間続く最初の静的な試行を行います。

この試行は、関連するすべてのマーカーが表示されることを確認し、セグメントの向きを計算するために必要です。次に、データ収集ソフトウェアを使用して、すべてのマーカーに適切なラベルを付け、個人の人体測定特性に固有のテンプレートを作成します。一致するマーカー。

個々の体のサイズに配置することで、データのリアルタイムな追跡と分析が向上します。マーカーのポジショニングの冗長性を組み込むことができる動きのモデルを作成することは特に重要です。次に、最初のモーション解析の試行をいくつか実行します。

これは、ベースラインデータを取得するために必要であり、患者に結果のフィードバックを提供する最初のメカニズムとしても使用できます。セラピストに、意図した動きの変更の目的を説明してもらいます。これには、修正の生体力学的および臨床的根拠と、それが特定の病状にどのように固有であるかを含める必要があります。

セラピストによる動きの変更のデモンストレーションは、患者による運動学習を強化します。動きの変更は、通常、治療中の患者の生体力学的および臨床的症状、または調査される研究課題に基づいて決定されます。研究目的のみの場合。

次に、動きの再トレーニングセッションを開始します。トレッドミルを使用する場合は、平地での患者の自己選択歩行速度にできるだけ近づけて速度を合わせ、安定した歩行状態に到達するために数分を提供します。これにより、患者は機器、実験セットアップ、およびプロトコルに慣れ、快適になります。

動作中に患者にフィードバックを提供します。口頭でのフィードバックなど、あまり技術的な方法から始め、その後、リアルタイムのバイオフィードバックへと進んでいきます。リアルタイムのバイオフィードバックには、一度に最大1つの動きの変数を明確に表示することが含まれます。

これらのアプローチを組み合わせると、初期のトレーニングで役立ちます。患者が新しい動きを練習するのに十分な時間を提供します。効果的な運動学習は、一瞬で達成できるものではありません。

代わりに、新しい運動特性の絶え間ない練習は、その運動に関与する運動プログラムの再定式化を確実にするのに役立ちます。一般的な再トレーニング介入には、8〜10回のフォーカストレーニングセッションが必要で、それぞれ30〜60分続きます。最後に、トレッドミルからいくつかのフォローアップモーション分析トライアルを実行します。

これは、トレーニングの結果としてどのような即時の保持効果が発生したかを判断するための重要なステップです。これらのデータは、オフラインでの動きの特性をより詳細に分析するためにも使用できます。セッションの様子を追って。

デブリーフィングでは、セッションの重要な所見と結果について患者と話し合います。注目すべき重要な要素には、変動性とパフォーマンス、規定されたムーブメントの変更の遵守、および変更の理論的根拠と重要性の詳細な説明が含まれます。また、患者からセッションに関する意見を入手します。

各患者の好みが異なる可能性が高いことを考えると、特定の個人に対する介入の提供を変更する必要があるかもしれません。これらの好みは、効果を最適化するために早期に特定する必要があります。最後に、マルチセッション介入を選択した場合は、必要に応じて後続のトレーニングセッションの計画を決定します。

その後のトレーニングセッションでは、運動学習を強化し、全体的なフィードバックを減らし、フィードバックの時間ブロックと将来のセッションでフィードバックなしを交互に行うために、色あせたフィードバックアプローチを使用する必要があります。ここでは、通常の歩行試験と、患者が最大約 6 度の体幹の傾きを得るように指示された試験中の体幹側傾角のサンプルを示しています。示されているデータは、0%が片方の手足の最初の接触、100%が同じ手足のつま先から離れている単一の歩行サイクルからのものです。

膝関節の負荷に対する結果の影響は、ここで見ることができます。膝関節の動きとその後の関節内の負荷の一般的なパターンは、通常の試験と修正された試験の間で有意な違いはありませんでした。それどころか、全体を通してマグニチュードが減少しました。

このビデオを見た後、標準的なモーション分析セッションを実行する方法を十分に理解し、リアルタイムのパフォーマンス情報を患者に提供する機能でそれを補完する方法を理解できるはずです。