Method Article

Wideoanaliza ruchu za pomocą smartfonów (ViMAS): badanie pilotażowe

DOI:

10.3791/54659

March 14th, 2017

In This Article

Summary

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

Ten manuskrypt opisuje metodę testowania równoczesnej ważności pomiarów kinematycznych zarejestrowanych przez aplikację na smartfony w porównaniu z systemem przechwytywania ruchu 3D w płaszczyźnie strzałkowej. Protokół ten umożliwi lekarzom skonfigurowanie smartfonów do rejestrowania ruchu człowieka.

Abstract

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

Wykorzystanie smartfonów w praktyce klinicznej stale wzrasta wraz z dostępnością tanich/swobodnie dostępnych "aplikacji", które mogłyby być używane do oceny ludzkiego chodu. Głównym celem pracy jest przetestowanie jednoczesnej trafności pomiarów kinematycznych zarejestrowanych przez aplikację na smartfony w porównaniu z systemem przechwytywania ruchu 3D w płaszczyźnie strzałkowej. Drugorzędnym celem było opracowanie protokołu dla klinicystów dotyczącego konfiguracji kamery w smartfonie do analizy ruchu wideo.

Kąt kolana w płaszczyźnie strzałkowej został zmierzony podczas uderzeń piętą i wypadnięciem palców u nóg za pomocą aplikacji na smartfona i systemu przechwytywania ruchu 3D u 32 zdrowych osób. Przeprowadzono trzy próby z bliska (2 m) i z daleka (4 m) aparatu smartfona. Kolejność odległości była losowa. Przeprowadzono analizę regresji w celu oszacowania wysokości kamery na podstawie wzrostu osoby badanej lub długości nóg.

Bezwzględne błędy pomiaru były najmniejsze podczas wygięcia palców (3,12 ± 5,44 stopnia) w porównaniu do uderzenia piętą (5,81 ± 5,26 stopnia). Stwierdzono znaczące (p < 0,05), ale umiarkowane zgodności między aplikacją a pomiarami kątów kolan 3D motion capture. Nie stwierdzono również istotnych (p > 0,05) różnic między bezwzględnymi błędami pomiaru między dwiema pozycjami kamery. Błędy pomiaru wynosiły średnio od 3 do 5 stopni podczas zdarzeń oderwania palców i uderzenia piętą w cyklu chodu.

Korzystanie z aplikacji na smartfony może być użytecznym narzędziem w klinice do przeprowadzania analizy chodu lub ruchu człowieka. Potrzebne są dalsze badania, aby ustalić dokładność pomiaru ruchów kończyny górnej i tułowia.

Introduction

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

Ocena ludzkiego chodu jest kluczowym elementem oceny fizjoterapii i procesu podejmowania decyzji klinicznych. 1 Ocena chodu jest często używanym narzędziem klinicznym do oceny deficytów chodu u pacjentów z deficytami neurologicznymi i mięśniowo-szkieletowymi. Ponowna ocena chodu może następnie dostarczyć klinicystom informacji na temat skuteczności interwencji w osiąganiu celów, które wyznaczyli podczas wstępnej oceny. W Stanach Zjednoczonych istnieje ogólnokrajowa potrzeba, aby fizjoterapeuci wykorzystywali ustandaryzowane pomiary wyników podczas oceny pacjentów. 2 Ta potrzeba wynika z szybko zmieniającego się krajobrazu polityki zwrotu kosztów ubezpieczeniowych, a także z nacisku na zmianę dla fizjoterapeutów w większym stopniu polegających na praktykach opartych na dowodach. 3 Istnieje wiele miar wyników do oceny różnych aspektów chodu, które można zaobserwować na wiele sposobów, w tym: obserwacja wzrokowa przez klinicystę, oceny funkcjonalne, pomiary nagrane wideo, elektroniczne chodniki, oprogramowanie do analizy ruchu trójwymiarowego, itp. W warunkach klinicznych powszechnie przeprowadza się obserwacyjną (wizualną) analizę chodu, ponieważ wymaga to minimalnego sprzętu i czasu.

Chociaż obserwacyjna analiza chodu jest powszechnie stosowana w klinice, nadal pozostaje subiektywną oceną. 4 Dlatego czynniki takie jak doświadczenie terapeuty, ostrość widzenia, odległość od obiektu (odległość kamery), narzędzia pomiarowe i wszelkie inne tego typu czynniki mogą wprowadzać zmienność i błąd w ocenie. Potencjał takiej zmienności stwarza krytyczną potrzebę bardziej wiarygodnych środków pomiaru, którą można ostatecznie przezwyciężyć dzięki zastosowaniu odpowiedniego oprzyrządowania. 5

Od samego początku, wideografia i pokrewna technologia były wykorzystywane do badania różnych ograniczeń funkcjonalnych wynikających z upośledzonej zdolności ruchowej, jak również jako forma wizualnej informacji zwrotnej. Jest to szczególnie prawdziwe w odniesieniu do oceny chodu. Stuberg i wsp. stwierdzili, że "sprzęt do filmowania jest powszechnie dostępny w klinice... i dostarcza klinicystom dodatkowych obiektywnych informacji na temat postawy i pozycji stawów podczas cyklu chodu."4 Wraz z rozwojem technologii rozwijają się również możliwości analizy wideo. Możliwości te zapewniają fizjoterapeucie większą zdolność do klinicznej oceny różnych parametrów chodu.

Dwa kluczowe parametry, na których skupiają się fizjoterapeuci, to parametry kinematyczne i czasoprzestrzenne. Jak sama nazwa wskazuje, miary czasoprzestrzenne obejmują elementy odległości i czasu. Specyficzne dla cyklu chodu, miary czasoprzestrzenne obejmowałyby między innymi długość kroku, długość kroku, kadencję i prędkość. 6 Z drugiej strony pomiary kinematyczne koncentrują się na ruchach/rotacjach stawów kończyn dolnych obserwowanych podczas każdego cyklu chodu.

Opublikowano wiele recenzowanych artykułów, które wspominały o wykorzystaniu analizy ruchu wideo jako miary wyniku, w szczególności systemów kamer 2D, do oceny parametrów kinematycznych, czasoprzestrzennych lub kombinacji obu typów parametrów. W artykułach tych oceniono różne populacje kliniczne, w tym osoby z historią udaru mózgu (CVA), urazowe uszkodzenia mózgu (TBI), urazy rdzenia kręgowego (SCI), chorobę Parkinsona (PD), porażenie mózgowe (CP) oraz osoby zdrowe. Schemat przedstawiony poniżej (rysunek 1) przedstawia ramy, które zostały przyjęte w celu zidentyfikowania odpowiedniej recenzowanej literatury, która została opublikowana na ten temat.

figure-introduction-1
Rysunek 1. Schemat kryteriów wyboru artykułów. Schemat przedstawia kroki stosowane przy wyborze recenzowanych artykułów w celu ustalenia rodzaju zmiennych, które zostały zgłoszone w analizie chodu. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Większość badań, które wykorzystywały analizę ruchu wideo do rejestrowania parametrów chodu, była badaniami walidacyjnymi. Kinematyczne badania walidacyjne można dalej podzielić na jedną z trzech kategorii: ocena nieprawidłowego ruchu wynikającego z określonej diagnozy/patologii,7 badanie kątów stawów podczas określonych ruchów funkcjonalnych,8,9 oraz ocena skuteczności leczenia poprzez porównanie ruchu przed interwencją i ruchu po interwencji. 10,11 Podobnie, badania naukowe oceniające parametry czasoprzestrzenne można również podzielić na trzy kategorie: ocena nieprawidłowego ruchu wynikającego z określonej patologii,12,13,14 badanie platformy podczas określonej czynności funkcjonalnej,15,16 i określenie skutków konkretnej interwencji. 17 Badania naukowe, które oceniały zarówno parametry kinematyczne, jak i czasoprzestrzenne, miały na celu przede wszystkim określenie skuteczności konkretnych interwencji terapeutycznych, takich jak ortezy 17 lub trening na bieżni wspomagany masą ciała/częściową masą ciała. 18,19 Wstępna analiza opisowa tych artykułów wykazała, że 52,1% badań (suma tych, które dotyczyły wyłącznie kinematyki (30,4%) i tych, które badały kombinację parametrów (21,7%)) badało parametry kinematyczne za pomocą systemu kamer 2D. Dla porównania, 69,5% artykułów (suma artykułów, w których badano parametry czasoprzestrzenne (47,8%) i kombinacji parametrów (21,7%)) oceniano parametry czasoprzestrzenne

.

Różnice metodologiczne w rejestrowaniu i ocenie parametrów chodu kinematycznego i czasoprzestrzennego są również widoczne w praktyce klinicznej pod względem rodzaju stosowanej analizy chodu obserwacyjnego. Parametry czasoprzestrzenne są oceniane ze znacznie większą częstotliwością, na co wskazują badania. Istnieją trzy ogólnie uzgodnione powody tego trendu: niski koszt, łatwość użycia i istnienie standardowego protokołu do pomiaru takich parametrów. Wykazano, że obserwacyjne pomiary kinematyczne mają bardzo niską wiarygodność wewnątrz oceniającego (60%) i między oceniającymi (40% - 94%) w warunkach klinicznych. 4 Rozumie się, że ten szeroki zakres wynika z różnic w rozmieszczeniu znaczników na kostnych punktach orientacyjnych i specyficznych narzędzi używanych do oceny kątów połączeń. Niewielkie różnice w rozmieszczeniu znaczników w lokalizacji mogą znacząco zmienić wynikowe kąty. Pomiary czasoprzestrzenne mają znacznie wyższą wiarygodność (w zakresie 69% - 97%), zwłaszcza w przypadku stosowania metody papieru, ołówka i stopera do oceny chodu. 20

Postęp technologiczny w ostatnich dekadach znacząco zmienił sposób praktykowania opieki zdrowotnej. Wraz z niedawnym pojawieniem się smartfonów, dostęp do Internetu, artykułów naukowych online i innych zasobów elektronicznych jest teraz łatwiej dostępny dla klinicystów w dowolnym momencie. Martin i in. stwierdzili, że "ogólne wykorzystanie smartfonów wzrasta w praktyce klinicznej, edukacji medycznej i badaniach."21 W tym badaniu ponad 50% lekarzy w wieku poniżej 35 lat odpowiedziało, że wdrożyli korzystanie ze smartfona w praktyce klinicznej. Trend ten nasilił się w 2009 roku, kiedy okazało się, że 64% lekarzy w Stanach Zjednoczonych korzysta ze smartfonów w swojej praktyce klinicznej. Badanie przeprowadzone przez Manhattan Review przewiduje ponadto, że do 2012 r. wzrost ten będzie nadal rósł do 81% lekarzy i klinicystów wdrażających smartfony w praktyce klinicznej. 22 Chociaż nie przeprowadzono dalszych badań w celu ustalenia, czy ten trend wzrostowy rzeczywiście nadal rośnie, można założyć, że wraz ze znanym wdrożeniem technologii w opiece zdrowotnej, korzystanie z platform smartfonów w praktyce klinicznej stanie się bardziej powszechne.

Obecne wykorzystanie aplikacji na smartfony w praktyce fizjoterapeutycznej nie zostało ustalone. Do tej pory nie przeprowadzono żadnych badań oceniających wykorzystanie aplikacji do analizy wideo na smartfony przez fizjoterapeutę. Jednak różne aplikacje na smartfony były używane przez indywidualnych fizjoterapeutów jako przełomowe narzędzie wspomagające w ambulatoryjnych warunkach ortopedycznych do użytku zarówno w rehabilitacji, jak i treningu sportowców różnych dyscyplin. Dostępne są również aplikacje na smartfony, które mogą mierzyć kąty stawów, z których niektóre zostały zatwierdzone. 23,24 Poszczególni terapeuci zaczęli korzystać z różnych aplikacji analitycznych na smartfonach w celu wizualnej informacji zwrotnej dla pacjenta i łatwiejszego rozkładu różnych elementów, których może brakować w cyklu chodu pacjenta, w oparciu o anegdotyczne dowody. Ważność tych środków pozostaje jednak nieznana. Ograniczone badania, które istnieją w odniesieniu do tych aplikacji do analizy wideo na smartfony, koncentrują się na walidacji parametrów kinematycznych chodu, w szczególności kątów kostki, kolana i bioder, w płaszczyźnie czołowej, 25 i niezawodności urządzenia między oceniającymi. 26 Do tej pory nie przeprowadzono żadnych badań, które potwierdziłyby użycie aplikacji do analizy wideo na smartfony do rejestrowania kinematyki chodu w płaszczyźnie strzałkowej, co jest najczęściej wykonywane w klinicznej analizie chodu.

Celem tego badania było przetestowanie jednoczesnej ważności pomiarów kinematycznych zarejestrowanych przez aplikację na smartfony i porównanie ich z pomiarami zarejestrowanymi przez system przechwytywania ruchu 3D w płaszczyźnie strzałkowej. Przewidujemy, że nie będzie istotnych różnic między pomiarami rejestrowanymi przez aplikację na smartfony w porównaniu z pomiarami zarejestrowanymi przez system przechwytywania ruchu 3D. Drugorzędnym celem jest sprawdzenie, czy dwa różne położenia aparatu smartfona od obiektu (bliska odległość 2 m; duża odległość 4 -nt różnica w pomiarach między dwoma różnymi położeniami aparatu smartfona. Ostatecznym celem badania jest opracowanie protokołu klinicznej wideoanalizy chodu za pomocą aplikacji na smartfony.

Access restricted. Please log in or start a trial to view this content.

Protocol

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

Ten protokół został zatwierdzony przez Institutional Review Board of Wayne State University.

1. Przygotowanie do eksperymentu

  1. Ustaw kamery tak, aby uchwycić cały 6-metrowy chodnik. Użyj łącznie 4 kamer 3D do przechwytywania ruchu, aby uchwycić spacer po 6-metrowym chodniku.
    1. Umieść każdą z kamer w 4 rogach 6-metrowego chodnika. Ustaw każdą z kamer na ukośnych końcach chodnika tak, aby była zwrócona do siebie.
  2. Zbierz pomiary wzrostu, wagi i długości nóg każdego uczestnika.
    1. Zmierz masę w kilogramach.
    2. Zmierz długość nóg (w metrach) od krętarza większego do kostki przyśrodkowej obu nóg za pomocą miarki.
    3. Zmierz wysokość (w metrach), prosząc uczestnika o stanie boso obok taśmy mierniczej przymocowanej do ściany. Umieść linijkę na czubku głowy uczestnika, aby odczytać pomiar z taśmy mierniczej przymocowanej do ściany.
  3. Zamontuj smartfon na statywie za pomocą adaptera do statywu do klipsa do uchwytu na smartfona. Umieść statyw na wysokości 2 m lub 4 m, prostopadle do środka chodnika. Losowo określ kolejność tego umieszczenia w przypadku przeprowadzania badania walidacyjnego.
  4. Umieść klastry 3 inteligentnych znaczników na uczestniku na obustronnych przednich górnych grzebieniach biodrowych (ASIS), górnej 1/3 uda, górnej 1/3 łydki i grzbietu stopy. Umieść pojedynczy inteligentny znacznik w linii środkowej między prawym i lewym tylnym górnym grzbietem biodrowym.
    1. Zabezpiecz inteligentne markery paskami na rzepy/dwustronną taśmą klejącą. Zabezpiecz znaczniki ud i łydek w płaszczyźnie czołowej.
  5. Umieść naklejki wskazujące kostne punkty orientacyjne nad obustronnymi kłykciami kości udowej przyśrodkowej i bocznej, kostkami przyśrodkowymi i bocznymi oraz przestrzenią między pierwszym a drugim palcem u nogi w celu kalibracji systemu przechwytywania ruchu 3D.
    UWAGA: Procedura kalibracji jest specyficzna dla każdego laboratorium oraz sprzętu i oprogramowania do przechwytywania ruchu 3D.
  6. Aby zapoznać się z procedurą kalibracji, należy zapoznać się z instrukcją obsługi dostarczoną przez producenta sprzętu i/lub oprogramowania do przechwytywania ruchu 3D, które jest używane do analizy danych. Zastosowany tutaj proces polega na użyciu oprzyrządowanej "różdżki" z inteligentnymi znacznikami, aby zarejestrować lokalizację 3D naklejek, które zostały umieszczone.

2. Eksperyment

  1. Dostosuj wysokość obiektywu aparatu smartfona, aby uchwycić tylko dolną część ciała uczestnika (ASIS jako górna granica) lub górną i dolną część ciała (akromiona jako górna granica). Zmierz wysokość od podłogi do obiektywu aparatu w metrach.
  2. Daj uczestnikom próbną próbę. Niech jeden śledczy obsługuje smartfon, a drugi komputer sterujący systemem przechwytywania ruchu 3D. Użyj numerowanego papieru, aby wskazać numer badania na nagraniu ze smartfona.
  3. Otwórz aplikację na smartfona. Naciśnij czerwony przycisk "nagrywaj" na dole, na środku ekranu, aby rozpocząć nagrywanie (w orientacji pionowej).
    UWAGA: Jeśli smartfon został już umieszczony na statywie, przycisk pojawi się pośrodku, po prawej stronie telefonu, w pobliżu przycisku Home smartfona.
  4. Poinstruuj uczestnika, aby szedł w swoim normalnym tempie, skupiając się na znaczniku umieszczonym na przeciwległej ścianie, aby pomóc mu w chodzeniu po linii prostej. Umieść smartfon równolegle do chodnika, aby uchwycić boczny profil uczestnika. Poproś uczestnika, aby przeszedł przez pierwsze dwie kamery do przechwytywania ruchu 3D umieszczone na początku chodnika po obu stronach i podszedł do kolejnych dwóch kamer do przechwytywania ruchu 3D umieszczonych na drugim końcu chodnika po obu stronach.
    1. Dla każdej próby daj każdemu uczestnikowi odliczanie do rozpoczęcia (3, 2, 1, GO) i zakończenia badania (3, 2, 1, STOP).
  5. Po tym, jak badany zakończy spacer na odległość 6 m, wybierz jeszcze raz czerwony przycisk "nagrywaj", aby zakończyć nagrywanie tej próby chodzenia.
  6. Sprawdź wszystkie znaczniki pozycji po każdej próbie. Jeśli pozycja znacznika została zmieniona, wróć do kroku 1.6, aby ponownie skalibrować system przechwytywania ruchu 3D do nowego rozmieszczenia znaczników.
  7. Poproś uczestników, aby wykonali 3 próby w każdej odległości kamery w kroku 2.1.
  8. Przesuń statyw ze smartfonem na drugą odległość. Przywróć uczestnika, aby stanął na środku chodnika. Postępuj zgodnie z instrukcjami w krokach protokołu 2.2 - 2.5.
  9. Zapisz i zweryfikuj nagrania 3D motion capture i nagrania ze smartfona przed usunięciem inteligentnych znaczników.

3. Analiza danych

  1. Postępuj zgodnie z instrukcjami oprogramowania/producenta, aby obliczyć kąt kolana. Ręcznie zarejestruj kąt kolana, który jest wyświetlany na ekranie w fazie uderzenia piętą i palcami w cyklu chodu.
  2. Zakończ analizę nagrań ze smartfonów pod kątem uderzeń piętą i wypadnięć z palców uchwyconych przez zespół dwóch badaczy, którzy muszą zgodzić się co do momentu uderzenia piętą i zdarzenia oderwania palców oraz znaczników lądowania przy pomiarze kąta. Użyj rysika, aby zwiększyć dokładność umieszczania punktów orientacyjnych podczas pomiarów kąta kolana. Poniższe kroki są wykonywane wspólnie przez dwóch badaczy.
  3. Aby wyświetlić nagraną próbę, wybierz kwadrat wideo w lewym dolnym rogu ekranu (w orientacji pionowej).
  4. Korzystając z paska przewijania u podstawy ekranu, wybierz klatkę, w której obiekt znajduje się najbliżej uderzenia piętą lub palcami u nóg (w zależności od preferowanej zmiennej) na środku ekranu.
  5. Aby zmniejszyć kąt, dotknij białej, obrysowanej ikony ołówka w prawym górnym rogu ekranu.
  6. Wybierz opcję kąta, drugą opcję z menu rozwijanego.
  7. Wybierz preferowany kolor i kątownik. Należy pamiętać, że jednocześnie można zmierzyć tylko jeden kąt. Kąt mierzony w tym protokole składał się wyłącznie z kąta kolana w płaszczyźnie strzałkowej.
  8. Przesuń lub dotknij rysika w dowolnym miejscu na ekranie, aby zmniejszyć kąt.
  9. Umieść środek kąta na stawie kolanowym (kłykieć boczny), tak aby wektory sięgały w górę wzdłuż kości udowej i w dół w kierunku kostki bocznej.
  10. W razie potrzeby "powiększ", umieszczając dwa palce blisko siebie na środku ekranu i powoli odsuwając je od siebie.
    UWAGA: Gdy jest zadowolony z umiejscowienia kąta, narzędzie automatycznie oblicza kąt kolana w danej ramie.
  11. Aby określić kąt kolana w innych fazach oderwania palców lub uderzenia piętą, powtórz kroki 3.4 - 3.10.

4. Protokół kliniczny

  1. Zmierz i zaznacz 6-metrowy chodnik za pomocą taśmy mierniczej i markera/taśmy klejącej.
  2. Umieść smartfon na statywie równolegle i blisko środka 6-metrowego chodnika.
  3. Umieść statyw w odległości 2 m od środka chodnika, aby uchwycić kończynę dolną, lub 4 m dalej, aby uchwycić tułów i kończynę dolną. Wszystkie pozycje kamery pozwalają jedynie na uchwycenie kinematyki płaszczyzny strzałkowej.
  4. Oblicz wysokość obiektywu aparatu smartfona od podłogi, korzystając z następujących wzorów:
    Konfiguracja z kamerą bliską (2 m) tylko do przechwytywania kończyn dolnych
    Wysokość obiektywu kamery = (0,87xReferencyjna długość nogi pacjenta w metrach)- 0,12
    Konfiguracja kamery dalekiej (4 metry) do przechwytywania zarówno kończyn dolnych, jak i tułowia
    Wysokość obiektywu kamery = referencyjna długość nogi pacjenta w metrach - 0,23
  5. Powtórz sekcje 2 - 3, aby rejestrować i analizować dane za pomocą aplikacji na smartfona.

Access restricted. Please log in or start a trial to view this content.

Results

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

Wszyscy 32 badani ukończyli 6 prób chodzenia; jednak dane od 6 uczestników nie zostały uwzględnione w analizie danych z powodu problemów technicznych skutkujących słabą widocznością markerów. Bezwzględne błędy pomiaru kątów kolana były najmniejsze podczas zawodów z palcami (3,12 ± 5,44 stopnia) w porównaniu z uderzeniem piętą (5,81 ± 5,26 stopnia) (tabela 1b). Nie stwierdzono statystycznie istotnych zgodności (P > 0,05) między aplikacją na smartfony a pomiarami kątów k...

Access restricted. Please log in or start a trial to view this content.

Discussion

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

Celem tego badania walidacyjnego było określenie ważności ogólnodostępnej aplikacji na smartfony, aby mogła być klinicznie wykorzystana jako obiektywny i opłacalny sposób wykorzystania technologii smartfonów do kinematycznej analizy chodu w warunkach klinicznych. Istniejące badania walidacyjne, w których badano pomiary kinematyczne za pomocą aplikacji na smartfony, są ograniczone i nie oceniano dynamicznych pomiarów kinematycznych zarejestrowanych podczas chodu w płaszczyźnie strzałkowej. To badanie walidacyjne jest pier...

Access restricted. Please log in or start a trial to view this content.

Disclosures

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

Nie istnieje żadne istotne powiązanie finansowe z Hudl Technique (Ubersense). Adams Physical Therapy Clinic, Novi, MI byli naszymi współpracownikami klinicznymi w tym badaniu.

Acknowledgements

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

Autorzy pragną podziękować wszystkim uczestnikom, którzy hojnie poświęcili swój czas, aby wziąć udział w tym badaniu.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Aplikacja Hudl TechniqueHudl Aplikacja onlineSwobodnie pobierana aplikacja ze sklepu adroid / apple System
przechwytywania ruchu 3D Optotrak CertusDigital incOptotrak certus Systemhttp://www.ndigital.com/msci/products/optotrak-certus/
SmartfonAppleIphone 5www.apple.com
Northern

References

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Brunnekreef, J. J., van Uden, C. J., van Moorsel, S., Kooloos, J. G. Reliability of videotaped observational gait analysis in patients with orthopedic impairments. BMC Musculoskelet Disord. 6 (17), (2005).
  2. Jette, D. U., Halbert, J., Iverson, C., Miceli, E., Shah, P. Use of standardized outcome measures in physical therapist practice: perceptions and applications. Phys Ther. 89 (2), 125-135 (2009).
  3. Jette, D. U., et al. Evidence-based practice: beliefs, attitudes, knowledge, and behaviors of physical therapists. Phys Ther. 83 (9), 786-805 (2003).
  4. Stuberg, W. A., Colerick, V. L., Blanke, D. J., Bruce, W. Comparison of a Clinical Gait Analysis Method Using Videography and Temporal-Distance Measures with 16-Mm Cinematography. Phys Ther. 68 (8), 1221-1225 (1988).
  5. Norris, B. S., Olson, S. L. Concurrent validity and reliability of two-dimensional video analysis of hip and knee joint motion during mechanical lifting. Physiother Theory Pract. 27 (7), 521-530 (2011).
  6. Robinson, J. L., Smidt, G. L. Quantitative gait evaluation in the clinic. Phys Ther. 61 (3), 351-353 (1981).
  7. Krystkowiak, P., et al. Gait abnormalities induced by acquired bilateral pallidal lesions: a motion analysis study. J Neurol. 253 (5), 594-600 (2006).
  8. Grunt, S., et al. Reproducibility and validity of video screen measurements of gait in children with spastic cerebral palsy. Gait Posture. 31 (4), 489-494 (2010).
  9. Womersley, L., May, S. Sitting posture of subjects with postural backache. J Manipulative Physiol Ther. 29 (3), 213-218 (2006).
  10. DeForge, D., et al. Effect of 4-aminopyridine on gait in ambulatory spinal cord injuries: a double-blind, placebo-controlled, crossover trial. Spinal Cord. 42 (12), 674-685 (2004).
  11. Lucareli, P. R., et al. Gait analysis following treadmill training with body weight support versus conventional physical therapy: a prospective randomized controlled single blind study. Spinal Cord. 49 (9), 1001-1007 (2011).
  12. Lucareli, P. R., et al. [Gait analysis and quality of life evaluation after gait training in patients with spinal cord injury]. Rev Neurol. 46 (7), 406-410 (2008).
  13. McFadyen, B. J., Swaine, B., Dumas, D., Durand, A. Residual effects of a traumatic brain injury on locomotor capacity: a first study of spatiotemporal patterns during unobstructed and obstructed walking. J Head Trauma Rehabil. 18 (6), 512-525 (2003).
  14. Shin, J. C., Yoo, J. H., Jung, T. H., Goo, H. R. Comparison of lower extremity motor score parameters for patients with motor incomplete spinal cord injury using gait parameters. Spinal Cord. 49 (4), 529-533 (2011).
  15. Reid, S., Held, J. M., Lawrence, S. Reliability and Validity of the Shaw Gait Assessment Tool for Temporospatial Gait Assessment in People With Hemiparesis. Arch Phys Med Rehabil. 92 (7), 1060-1065 (2011).
  16. Stokic, D. S., Horn, T. S., Ramshur, J. M., Chow, J. W. Agreement Between Temporospatial Gait Parameters of an Electronic Walkway and a Motion Capture System in Healthy and Chronic Stroke Populations. Am J Phys Med Rehabil. 88 (6), 437-444 (2009).
  17. Arazpour, M., et al. Evaluation of a novel powered hip orthosis for walking by a spinal cord injury patient: a single case study. J. Prosthet. Orthot. Int. 36 (1), 105-112 (2012).
  18. Prado-Medeiros, C. L., et al. Effects of the addition of functional electrical stimulation to ground level gait training with body weight support after chronic stroke. Revista Brasileira De Fisioterapia. 15 (6), 436-444 (2011).
  19. Sousa, C. O., Barela, J. A., Prado-Medeiros, C. L., Salvini, T. F., Barela, A. M. Gait training with partial body weight support during overground walking for individuals with chronic stroke: a pilot study. J Neuroeng Rehabil. 8 (48), (2011).
  20. Krebs, D. E., Edelstein, J. E., Fishman, S. Reliability of observational kinamatic gait analysis. J Am Phys Ther Assoc. 65, 1027-1033 (1995).
  21. Martin, S. More than half of MDs under age 35 now using PDAs. Can. Med. Assoc. J. 169 (9), 952(2003).
  22. Mosa, A. M., Yoo, I., Sheets, L. A Systematic Review of Healthcare Applications for Smartphones. BMC Med Inform Decis Mak. 12, (2012).
  23. Ferriero, G., et al. Reliability of a smartphone-based goniometer for knee joint goniometry. Int J Rehabil Res. 36 (2), 146-151 (2013).
  24. Vohralik, S. L., Bowen, A. R., Burns, J., Hiller, C. E., Nightingale, E. J. Reliability and validity of a smartphone app to measure joint range. Am J Phys Med Rehabil. 94 (4), 325-330 (2015).
  25. Scholtes, S. S., Gretchen, Ability to detect change in single leg squat movement patterns following instruction in females with patellofemoral pain using 2D motion analysis methods. Combined Sections Meeting. , APTA. Las Vegas, USA. (2014).
  26. Eltoukhy, M. A., Asfour, S., Thompson, C., Latta, L. Evaluation of the performance of digital video analysis of human motion: dartfish tracking system. IJSER. 3 (3), 1-6 (2012).
  27. Boone, D. C., et al. Reliability of goniometric measurements. Phys Ther. 58 (11), 1355-1360 (1978).
  28. Variability and reliability of joint measurements. Am J Sports Med. Bovens, A. M., van Baak, M. A., Vrencken, J. G., Wijnen, J. A., Verstappen, F. T. 18 (1), 58-63 (1990).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Smartphone Video AnalysisGait Analysis3D Motion CaptureKnee Angle MeasurementHeel StrikeToe OffCamera PositioningLeg Length CalibrationConcurrent ValidityClinical Protocol

Related Articles