De geïnstrumenteerde Timed Up and Go (iTUG)-test krijgt steeds meer aandacht in de analyse van lichaamsbewegingen en gangen met de ontwikkeling van nieuwe technologieën. We presenteren een protocol om de subcomponenten van de iTUG te analyseren met motion capture.
Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.
Methodenartikel
Het gebruik van motion capture-technologie in de geïnstrumenteerde Timed Up and Go-test om het risico op vallen bij oudere volwassenen te detecteren
* These authors contributed equally
In dit artikel
Samenvatting
Samenvatting
Ondanks de inspanningen van de geneeskunde en de technologie, neemt de incidentie van vallen bij oudere volwassenen nog steeds toe. Daarom wordt vroegtijdige opsporing van het valrisico steeds belangrijker voor valpreventie. De Timed Up and Go (TUG)-test is een algemeen geaccepteerd hulpmiddel om mobiliteit te beoordelen en kan worden gebruikt bij het voorspellen van toekomstig valrisico bij oudere volwassenen. In de klinische praktijk is de totale tijd om de test te voltooien de belangrijkste uitkomstmaat van de TUG-test. Vanwege zijn eenvoud en algemeenheid wordt de traditionele TUG-test beschouwd als een wereldwijde test voor bewegingsanalyse. Onlangs hebben onderzoekers echter geprobeerd de TUG-test op te splitsen in subcomponenten en hebben ze het scoresysteem bijgewerkt voor verder onderzoek. De geïnstrumenteerde Time Up and Go (iTUG) -test, een nieuwe aanpassing van de traditionele TUG-test, is naar verluidt een gevoelig hulpmiddel voor het voorspellen van bewegingsstoornissen en het risico op vallen bij oudere volwassenen. Het doel van de huidige studie was om de iTUG-testsubcomponenten te analyseren met behulp van motion capture-technologie en om te bepalen welke iTUG-testsubtaken gerelateerd zijn aan het potentiële risico op toekomstige valpartijen.
Inleiding
Vallen is een van de meest voorkomende geriatrische syndromen en is wereldwijd de op één na belangrijkste oorzaak van accidentele of onopzettelijke letselgerelateerde sterfgevallen1. Bij volwassenen ouder dan 65 jaar kan vallen leiden tot functionele beperkingen, invaliditeit, verminderde kwaliteit van leven, langere verblijfsduur in ziekenhuizen en zelfs sterfte 2,3. Daarom is het voorkomen van vallen van het grootste belang.
Om voorspellers van valgebeurtenissen te bepalen, hebben eerdere onderzoekers zich gericht op loopanalyses, evenwichtstests, mentale toestand, gebruik van kalmerende middelen en de geschiedenis van vallen in het voorgaande jaar 4,5 De Timed Up and Go (TUG)-test is een snelle, op prestaties gebaseerde meting van mobiliteit. De TUG-test is uitgebreid bestudeerd bij oudere volwassenen en wordt aanbevolen als een eenvoudige screeningstest voor het risico op vallen6. Deze veelgebruikte test bestaat uit het opstaan uit een stoel, 3 m lopen met de gewenste snelheid, omdraaien, terugkeren en zitten. De traditionele klinische uitkomst van deze test is afhankelijk van de totale duur7 en wordt beoordeeld door een stopwatch.
In de klinische praktijk meet de conventionele TUG-test de totale tijd om een reeks activiteiten uit te voeren zonder de prestaties van de proefpersoon te verdelen in subcomponenten8. Onlangs hebben sommige onderzoekers voorgesteld dat verschillende TUG-testcomponenten bijzonder gevoelig kunnen zijn als voorspellers van toekomstige valpartijen9. Bij gebruik van de gedigitaliseerde geïnstrumenteerde TUG (iTUG) test kunnen de afzonderlijke componenten van de TUG-test afzonderlijk worden geanalyseerd. Door de iTUG te gebruiken, is het mogelijk om verschillende kenmerken van elke TUG-testsubfase objectief te evalueren en kwantitatieve gegevens te verkrijgen, zoals de relevante duur, snelheden en hoeksnelheid van elke beweging. Met meer gedetailleerde gegevens heeft de iTUG-test het voordeel aangetoond van het detecteren van specifieke tekorten die een betere indicatie kunnen zijn van het valrisico10.
Als de gouden standaard in bewegingsanalyse zijn motion capture-technologieën gebruikt om beweging te detecteren bij patiënten met de ziekte van Parkinson (PD)11, cognitieve stoornissen12 en enkelartritis13, evenals bij gezonde volwassenen14. In de huidige studie wilden we de subcomponenten van de iTUG-test analyseren met behulp van motion capture-technologie en de correlatie bepalen tussen iTUG-testsubtaken en het potentiële risico op toekomstige valpartijen.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Protocol
Deze studie werd goedgekeurd door de Academische Ethische Commissie van het Zevende Medische Centrum van het Chinese PLA General Hospital in Beijing, China.
1. Inclusie-/exclusiecriteria voor deelnemers
- Rekruteer deelnemers van 65 jaar of ouder en verkrijg hun geïnformeerde toestemming.
- Sluit deelnemers uit met een duidelijke visuele handicap en een handicap aan de onderste ledematen, zoals knieartritis, tromboangiitis obliterans en jicht.
2. Voorbereiding van het testgebied
- Stel de gestandaardiseerde iTUG-testruimte van 5 m x 8 m of breder in (zie afbeelding 1) met 12 camera's verspreid over de ruimte. Zet de traditionele TUG-opstellingen in de testruimte: een stoel en een bord om de deelnemer eraan te herinneren om terug te keren.
OPMERKING: Borden met routelijnen zijn optioneel. - Zorg ervoor dat het gebied voor het vastleggen van bewegingen beperkt is tot het bereik van alle camera's en dat alle TUG-testopstellingen niet-lichtreflecterend zijn.
3. Voorbereiding van de software voor de procedures vóór de test
- Installeer de motion capture-software op de computer die in de kamer moet worden gebruikt.
- Klik op de Seeker-knop om de motion capture-software te starten. Kies na het starten van de software voor de algemene Camara-configuratie de standaardmodus (framesnelheid = 60 frames/s, sluitertijd = 1/1.000 s), die in de meeste situaties acceptabel is. Stel Geselecteerde camera-instellingen en Camera-configuratie-instellingen ook in de standaardmodus in.
- Selecteer Live-modus om de real-time instellingen in te stellen.
OPMERKING: De postmodus wordt gebruikt om de vastgelegde gegevens te analyseren. - Klik op Markersets om de markerinstellingen te configureren.
- Selecteer de XY-as in de kalibratie van de aardas en millimeters in de kalibratie-eenheden.
- Klik op Kalibreren om de kalibratievariatie te selecteren.
- Selecteer Eerste kalibratie en klik op de "L"-vormige knop. Neem tegelijkertijd de "L"-vormige kalibrator mee naar het veld en plaats deze in het midden van het veld om ervoor te zorgen dat deze door alle camera's kan worden vastgelegd.
OPMERKING: De "L"-vormige kalibrator bevat vier lichtreflecterende markeringen. - Controleer op het scherm of alle 12 camera's vier reflecterende markeringen kunnen detecteren. Als een camera ≤3 markeringen detecteert, verlaagt u de lichtheid en drempel aan de linkerkant van het scherm. Als een camera ≥5 markeringen detecteert, controleer dan het veld en reinig of bedek de ongewenste reflecterende markeringen.
OPMERKING: Sommige kleine bezittingen van de voormalige deelnemer kunnen door de camera worden gedetecteerd. - Verwijder de "L"-vormige kalibrator uit het veld.
- Klik op de knop in de vorm van een T-vorm . Neem tegelijkertijd de "T"-vormige kalibrator mee naar het veld en zwaai ermee om er zeker van te zijn dat deze door alle camera's kan worden vastgelegd.
- Selecteer de Z-as in de kalibratie van de omhoog-as en millimeters in de kalibratie-eenheden.
- Laat de artsen controleren of alle camera's de markeringen kunnen vastleggen. Zwaai met de markeringen in elke hoek van het veld, vooral over de mogelijke ruimte van de TUG-test.
- Controleer in het scherm of alle 12 camera's de "T"-vormige kalibrator kunnen detecteren. Als een camera het niet kan detecteren, verander dan de richting van de camera.
OPMERKING: Er zijn twee vormen markeringen die moeten worden gekalibreerd; "L"-vormig en "T"-vormig. De "L"-vormige kalibrator heeft vier lichtreflecterende punten om de XY-as te kalibreren, en de "T"-vormige kalibrator heeft vier lichtreflecterende punten om de Z-as te kalibreren. De kalibratieduur duurt 60 s of langer. Een effectieve opname zal de kleur van het scherm groen maken. - Klik op Voltooien om de kalibratie te voltooien.
- Klik op Kalibratie opslaan om de effectieve kalibratiemodus op te slaan.
OPMERKING: De kalibratie wordt uitgevoerd in een 2D-model; Tijdens de test wordt vaak gebruik gemaakt van een 3D-model.
4. iTUG-test
LET OP: De deelnemers dienen strakke maar comfortabele kleding en schoenen te dragen.
- Bevestig de reflecterende punten op de anatomische oriëntatiepunten: cervicale processus spinosus 7 enthoracale processus spinosus 10, linker acromion en rechter acromion.
OPMERKING: Aan elke deelnemer kunnen maximaal 17 reflecterende punten zijn bevestigd. Hoe meer reflectiepunten er zijn bevestigd, hoe nauwkeuriger de verzamelde gegevens, maar ook hoe minder comfortabel de deelnemers zich voelen. - Klik met de rechtermuisknop op de reflecterende punten op de rechterlijn van het scherm en nomineer ze als C7, T10, linkerschouder en rechterschouder.
- Toon de instructie aan de deelnemers. De instructie is : "Sta op uit de stoel, loop 3 m met de snelheid van uw voorkeur, draai u om, keer terug en ga zitten."
- Vraag de deelnemers om vooraf de iTUG-test uit te voeren om er zeker van te zijn dat ze bekend zijn met de instructie.
OPMERKING: Zorg ervoor dat elke deelnemer zich op zijn gemak voelt nadat de reflecterende punten zijn bevestigd. - Instrueer de deelnemer om de iTUG-test uit te voeren.
OPMERKING: De deelnemers moeten lopen om de iTUG-taak te voltooien. - Terwijl de deelnemer de iTUG-test uitvoert, klikt u op de start - en stopknoppen op het scherm van de computer.
OPMERKING: Tijdens de iTUG-test bemonstert het motion capture-systeem gegevens van alle aangesloten punten met een frequentie van 60 Hz; dienovereenkomstig wordt een video gevormd (zie video 1).
5. Gegevensverzameling en definitie van iTUG-testvariabelen
- Klik op de knop Opname-instelling .
OPMERKING: De gegevens worden opgeslagen en gevonden in een spreadsheet. - Selecteer Onbewerkte cameragegevens |Bijgehouden ASCTI | Gevolgd binair. De opnameduur is 20 s.
- Typ de naam van de deelnemer in.
- Klik op de knop Opnemen om het verzamelen van gegevens te starten.
- Identificeer subfasen van de iTUG-test door de video te bekijken en bereken de variabelen op basis van de gegevens.
- Definieer de volgende variabelen: totale tijd van de traditionele TUG-test, fase 1-tijd (opstaan uit de stoel), fase 1 body sway (opstaan uit de stoel), fase 2-tijd (3 m lopen met de voorkeurssnelheid), fase 2 body sway (3 m lopen met de voorkeurssnelheid), fase 3-tijd (omdraaien), fase 3 body sway (omdraaien), Hoeksnelheid van fase 3 (omdraaien), fase 4-tijd (terugkeren), fase 4 lichaamszwaai (terugkeren) en fase 5-tijd (zitten).
OPMERKING: De details zijn vergelijkbaar met die beschreven door Caronni en collega's15.
- Definieer de volgende variabelen: totale tijd van de traditionele TUG-test, fase 1-tijd (opstaan uit de stoel), fase 1 body sway (opstaan uit de stoel), fase 2-tijd (3 m lopen met de voorkeurssnelheid), fase 2 body sway (3 m lopen met de voorkeurssnelheid), fase 3-tijd (omdraaien), fase 3 body sway (omdraaien), Hoeksnelheid van fase 3 (omdraaien), fase 4-tijd (terugkeren), fase 4 lichaamszwaai (terugkeren) en fase 5-tijd (zitten).
6. Downton Fall Risico Index (DFRI)
- Beoordeel het valrisico met behulp van de Downton Fall Risk Index (DFRI).
OPMERKING: De DFRI (tabel 1) bevat 11 risico-items, die elk één punt worden gescoord. Scores worden opgeteld tot een totale indexscore, bereik 0-11. Een score van ≥3 wordt beschouwd als een indicatie van een hoog risico op vallen. Om het valrisico te evalueren, wordt DFRI meestal gebruikt voor deelnemers die in een ziekenhuis zijn opgenomen, en de Home Falls and Accidents Screening Tool (HOME FAST) is meer geschikt voor buurtbewoners.
7. Statistische analyse
- Gebruik een in de handel verkrijgbaar statistisch softwarepakket om alle statistische analyses uit te voeren. Gebruik de t-toets van de student om groepsverschillen te beoordelen en kies de Pearson-correlatiecoëfficiënt om de relatie tussen subcomponenten van de iTUG- en DFRI-score op de totale steekproef te beoordelen, waarbij P < 0,05 een statistisch significant verschil aangeeft.
- Gebruik de Bland-Altman-procedures om de overeenstemming te beoordelen voor de duur van fase 1, de hoeksnelheid van fase 3 en de duur van fase 4 tussen onze methode en de McRoberts-sensor (zie de tabel met materialen). Bereken het gemiddelde verschil tussen de twee meetmethoden en de 95%-grens van overeenstemming voor het berekende gemiddelde verschil.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Resultaten
Dertien oudere deelnemers met een hoog valrisico (DFRI-score: 3-11) en 11 leeftijdsgenoten met een laag valrisico (DFRI-score: 0-2) werden gerekruteerd. De DFRI wordt gedetailleerd beschreven in tabel 1. Zoals eerder vermeld, wordt een score van 3 of meer beschouwd als een indicatie van een hoog risico op vallen voor patiënten tijdens ziekenhuisopname16.
...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Discussie
De cruciale stappen in het protocol zijn het nauwkeurig bevestigen van de reflecterende punten aan de anatomische oriëntatiepunten om vertekening te voorkomen. Bovendien is de identificatie van elk subonderdeel van de iTUG-test ook een cruciale stap; Een videobeoordeling is nuttig voor de identificatie.
Er bestond een marginaal verschil tussen groepen in de TUG-testscores, wat impliceert dat traditionele TUG-scores mogelijk niet gevoelig genoeg zijn om het ris...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Openbaarmakingen
De auteurs hebben geen belangenconflicten bekend te maken.
Dankbetuigingen
De auteurs bedanken Dr. Honghua Zhou voor de ondersteuning van digitale technologie. Deze studie werd ondersteund door Capital's Funds for Health Improvement and Research of China (ID:2024-2-7031).
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Materialen
| Naam | Bedrijf | Catalogusnummer | Opmerkingen |
|---|---|---|---|
| Zwarte strook | Deli | 60 mm x 20 m | |
| Calibrator | NOKOV | reflecterende marker1 | L-vorm |
| Calibrator | NOKOV | reflecterende marker2 | T-vorm |
| Stoel | YUANSHENGYUANDAI | “10076062317820” | |
| Computer | HUAWEI | HONOR | |
| McRoberts sensor | DynaPort Hybrid, McRoberts, Den Haag, Nederland | ||
| Bewegingscamera | NOKOV | Mars2H | |
| Bewegingssoftware | NOKOV | DG-01 | |
| Reflecterende marker | NOKOV | kleine marker | voor calibrators |
| Reflecterende marker | NOKOV | grote marker | voor deelnemers |
Referenties
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Kim, K. J., et al. The instrumented timed "Up & Go" test distinguishes turning characteristics in vestibular hypofunction. Phys Ther. 101 (7), 103(2021).
- Montero-Odasso, M., et al. World guidelines for falls prevention and management for older adults: a global initiative. Age Ageing. 51 (9), (2023).
- 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).
- 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).
- 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).
- 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).
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Herprints en machtigingen
