Artykuł metodologiczny

Wykorzystanie technologii przechwytywania ruchu w oprzyrządowanym teście Timed Up and Go w celu wykrycia ryzyka upadku u osób w podeszłym wieku

DOI:

10.3791/66025

⸱

25 października 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

W tym artykule

Podsumowanie

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

Oprzyrządowany test Timed Up and Go (iTUG) zyskuje coraz większą uwagę w analizie kołysania ciała i chodu wraz z rozwojem nowych technologii. Przedstawiamy protokół do analizy podzespołów iTUG z motion capture.

Streszczenie

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

Pomimo wysiłków medycyny i technologii, częstość upadków u osób starszych wciąż rośnie. Dlatego wczesne wykrycie ryzyka upadku staje się coraz ważniejsze w zapobieganiu upadkom. Test Timed Up and Go (TUG) jest powszechnie akceptowanym narzędziem do oceny mobilności i może być stosowany w przewidywaniu przyszłego ryzyka upadku u osób dorosłych. W praktyce klinicznej całkowity czas potrzebny do wykonania testu jest główną miarą wyniku testu TUG. Ze względu na swoją prostotę i ogólność, tradycyjny test TUG został uznany za globalny test do analizy ruchu. Jednak ostatnio naukowcy podjęli próbę podzielenia testu TUG na podkomponenty i zaktualizowali jego system punktacji w celu dalszych badań. Oprzyrządowany test Time Up and Go (iTUG), który jest nową modyfikacją tradycyjnego testu TUG, został uznany za czułe narzędzie do przewidywania zaburzeń ruchowych i ryzyka upadków u osób starszych. Celem niniejszego badania była analiza podzespołów testu iTUG z wykorzystaniem technologii motion capture oraz określenie, które podzadania testowe iTUG są związane z potencjalnym ryzykiem wystąpienia upadków w przyszłości.

Wprowadzenie

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

Upadek jest jednym z najczęstszych zespołów geriatrycznych i jest drugą najczęstszą przyczyną przypadkowych lub niezamierzonych zgonów związanych z urazami na świecie1. U osób dorosłych w wieku powyżej 65 lat upadek może skutkować upośledzeniem funkcjonalnym, niepełnosprawnością, obniżeniem jakości życia, wydłużeniem czasu pobytu w szpitalach, a nawet śmiertelnością2,3. Dlatego zapobieganie upadkom ma ogromne znaczenie.

Aby określić predyktory upadków, poprzedni badacze skupili się na analizach chodu, testach równowagi, stanie psychicznym, zażywaniu leków uspokajających, a także historii upadków w poprzednim roku4,5 Test Timed Up and Go (TUG) jest szybkim pomiarem mobilności opartym na wydajności. Test TUG został szeroko przebadany u osób starszych i jest zalecany jako prosty test przesiewowy pod kątem ryzyka upadków6. Ten szeroko stosowany test polega na wstaniu z krzesła, przejściu 3 m z preferowaną prędkością, odwróceniu się, powrocie i siedzeniu. Tradycyjny wynik kliniczny tego testu zależy od jego całkowitego czasu trwania7 i jest oceniany przez stoper.

W praktyce klinicznej, konwencjonalny test TUG mierzy całkowity czas wykonania serii czynności bez dzielenia wydajności podmiotu na podkomponenty8. Ostatnio niektórzy badacze zasugerowali, że różne komponenty testu TUG mogą być szczególnie wrażliwe jako predyktory przyszłych upadków9. W przypadku korzystania ze zdigitalizowanego oprzyrządowanego testu TUG (iTUG) poszczególne elementy testu TUG mogą być analizowane oddzielnie. Korzystając z iTUG, możliwa jest obiektywna ocena kilku cech każdej podfazy testu TUG i uzyskanie danych ilościowych, takich jak odpowiednie czasy trwania, prędkości i prędkość kątowa każdego ruchu. Dzięki bardziej szczegółowym danym, test iTUG wykazał przewagę w wykrywaniu konkretnych deficytów, które mogą bardziej wskazywać na ryzyko upadku10.

Jako złoty standard w analizie ruchu, technologie przechwytywania ruchu zostały wykorzystane do wykrywania ruchu u pacjentów z chorobą Parkinsona (PD)11, upośledzenie poznawcze12, oraz zapalenie stawów skokowych13, a także u zdrowych dorosłych14. W niniejszym badaniu naszym celem była analiza podzespołów testu iTUG z wykorzystaniem technologii motion capture oraz określenie korelacji między podzadaniami testu iTUG a potencjalnym ryzykiem przyszłych upadków.

Protokół

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

To badanie zostało zatwierdzone przez Akademicką Komisję Etyki Siódmego Centrum Medycznego Chińskiego Szpitala Ogólnego ChALW w Pekinie, Chiny.

1. Kryteria włączenia/wykluczenia uczestnika

  1. Rekrutacja uczestników w wieku 65 lat lub starszych i uzyskanie ich świadomej zgody.
  2. Wyklucz uczestników, którzy mają oczywistą niepełnosprawność wzrokową i kończyn dolnych, taką jak zapalenie stawów kolanowych, zarostowe zapalenie naczyń zakrzepowych i dna moczanowa.

2. Przygotowanie obszaru testowego

  1. Skonfiguruj ustandaryzowany obszar testowy iTUG o wymiarach 5 m x 8 m lub szerszym (patrz Rysunek 1) z 12 kamerami rozmieszczonymi w całym pomieszczeniu. Umieść tradycyjne zestawy TUG w obszarze testowym: krzesło i znak przypominający uczestnikowi o zawróceniu.
    UWAGA: Znaki wskazujące linie trasy są opcjonalne.
  2. Upewnij się, że obszar przechwytywania ruchu jest ograniczony do zakresu wszystkich kamer, a cała konfiguracja testowa TUG nie odbija światła.

3. Przygotowanie oprogramowania do procedur przed testem

  1. Zainstaluj oprogramowanie do przechwytywania ruchu na komputerze, który ma być używany w pomieszczeniu.
  2. Kliknij przycisk Seeker (Poszukiwacz), aby uruchomić oprogramowanie do przechwytywania ruchu. Po uruchomieniu oprogramowania, dla Ogólnej konfiguracji Camara, wybierz tryb domyślny (liczba klatek na sekundę = 60 klatek/s, czas otwarcia migawki = 1/1,000 s), który jest akceptowalny w większości sytuacji. Ustaw wybrane ustawienia kamery i ustawienia konfiguracji kamery również w trybie domyślnym.
  3. Wybierz tryb na żywo, aby ustawić ustawienia w czasie rzeczywistym.
    UWAGA: Tryb Post służy do analizy przechwyconych danych.
  4. Kliknij Zestawy znaczników, aby skonfigurować ustawienia znaczników.
  5. Wybierz oś XY w Kalibracji osi podłoża i milimetry w jednostkach kalibracji.
  6. Kliknij przycisk Kalibruj, aby wybrać wariant kalibracji.
  7. Wybierz Kalibracja początkowa i kliknij przycisk w kształcie litery "L". W tym samym czasie zabierz kalibrator w kształcie litery "L" w teren i umieść go na środku pola, aby upewnić się, że może zostać uchwycony przez wszystkie kamery.
    UWAGA: Kalibrator w kształcie litery "L" zawiera cztery znaczniki odbijające światło.
  8. Sprawdź na ekranie, czy wszystkie 12 kamer może wykryć cztery odblaskowe znaczniki. Jeśli którakolwiek kamera wykryje ≤3 znaczniki, zmniejsz jasność i próg po lewej stronie ekranu. Jeśli którakolwiek kamera wykryje ≥5 znaczników, sprawdź pole i wyczyść lub zakryj niechciane znaczniki odblaskowe.
    UWAGA: Niektóre drobne rzeczy byłego uczestnika mogą zostać wykryte przez kamerę.
  9. Usuń kalibrator w kształcie litery "L" z pola.
  10. Kliknij przycisk w kształcie litery "T". W tym samym czasie zabierz kalibrator w kształcie litery "T" w teren i pomachaj nim, aby upewnić się, że może zostać uchwycony przez wszystkie kamery.
  11. Wybierz oś Z w polu Kalibracja osi w górę i milimetry w polu Jednostki kalibracji.
  12. Poproś lekarzy, aby sprawdzili, czy wszystkie kamery są w stanie uchwycić markery. Pomachaj znacznikami w każdym rogu pola, szczególnie zakrywając możliwą przestrzeń testu TUG.
  13. Sprawdź na ekranie, czy wszystkie 12 kamer może wykryć kalibrator w kształcie litery "T". Jeśli któraś z kamer nie może go wykryć, zmień kierunek kamery.
    UWAGA: Istnieją dwa kształty znaczników, które należy skalibrować; W kształcie litery "L" i "T". Kalibrator w kształcie litery "L" ma cztery punkty odbijające światło do kalibracji osi XY, a kalibrator w kształcie litery "T" ma cztery punkty odbijające światło do kalibracji osi Z. Czas trwania kalibracji będzie trwał 60 s lub dłużej. Skuteczne przechwycenie zmieni kolor ekranu na zielony.
  14. Kliknij przycisk Zakończ, aby zakończyć kalibrację.
  15. Kliknij przycisk Save Calibration (Zapisz kalibrację), aby zapisać efektywny tryb kalibracji.
    UWAGA: Kalibracja jest wykonywana w modelu 2D; Podczas testu często używany jest model 3D.

4. Test iTUG

UWAGA: Uczestnicy powinni nosić obcisłe, ale wygodne ubrania i buty.

  1. Przymocuj punkty odblaskowe na anatomicznych punktach orientacyjnych: wyrostek kolczysty szyjny 7 i wyrostek kolczysty piersiowy 10, lewy wyrostek barkowy i prawy wyrostek barkowy.
    UWAGA: Każdy uczestnik mógł mieć dołączonych do 17 punktów odblaskowych. Im więcej punktów odblaskowych jest dołączonych, tym dokładniejsze są zebrane dane, ale także tym mniej komfortowo czują się uczestnicy.
  2. Kliknij prawym przyciskiem myszy punkty odblaskowe w prawej linii ekranu i oznacz je jako C7, T10, lewe ramię i prawe ramię.
  3. Pokaż instrukcję uczestnikom. Instrukcja brzmi: "Proszę wstać z krzesła, przejść 3 m z preferowaną prędkością, odwrócić się, wrócić i usiąść".
  4. Poproś uczestników, aby wcześniej wykonali test iTUG, aby upewnić się, że zapoznali się z instrukcją.
    UWAGA: Upewnij się, że każdy uczestnik czuje się komfortowo po przymocowaniu punktów odblaskowych.
  5. Poinstruuj uczestnika, aby wykonał test iTUG.
    UWAGA: Uczestnicy muszą chodzić, aby wykonać zadanie iTUG.
  6. Podczas gdy uczestnik wykonuje test iTUG, kliknij przycisk start i stop na ekranie komputera.
    UWAGA: Podczas testu iTUG system przechwytywania ruchu próbkuje dane ze wszystkich dołączonych punktów z częstotliwością 60 Hz; Odpowiednio tworzony jest film (patrz Wideo 1).

5. Zbieranie danych i definiowanie zmiennych testowych iTUG

  1. Kliknij przycisk Ustawienia nagrywania.
    UWAGA: Dane są przechowywane i znajdują się w arkuszu kalkulacyjnym.
  2. Wybierz opcję Raw Camera Data (Surowe dane aparatu) |Śledzone ASCTI | Śledzony plik binarny. Czas przejmowania wynosi 20 s.
  3. Wpisz imię i nazwisko uczestnika.
  4. Kliknij przycisk Nagraj, aby rozpocząć zbieranie danych.
  5. Zidentyfikuj podfazy testu iTUG, przeglądając film i oblicz zmienne zgodnie z danymi.
    1. Zdefiniuj następujące zmienne: tradycyjny czas całkowity testu TUG, czas fazy 1 (wstawanie z krzesła), faza 1 kołysanie ciała (wstawanie z krzesła), faza 2 czas (chodzenie 3 m z preferowaną prędkością), faza 2 kołysanie ciała (chodzenie 3 m z preferowaną prędkością), faza 3 czas (odwracanie się), faza 3 kołysanie ciała (obracanie się), Prędkość kątowa fazy 3 (odwrócenie się), fazy 4 czasu (powrót), fazy 4 kołysania ciała (powrót) i fazy 5 czasu (siedzenie).
      UWAGA: Szczegóły są podobne do tych opisanych przez Caronniego i współpracowników15.

6. Indeks ryzyka upadku w Downton (DFRI)

  1. Oceń ryzyko upadku za pomocą indeksu Downton Fall Risk Index (DFRI).
    UWAGA: DFRI (Tabela 1) zawiera 11 pozycji ryzyka, z których każda jest oceniana za jeden punkt. Wyniki są sumowane do całkowitego wyniku indeksu w zakresie od 0 do 11. Uważa się, że wynik ≥3 wskazuje na wysokie ryzyko upadków. Aby ocenić ryzyko upadku, DFRI jest zwykle używany w przypadku uczestników przyjmowanych do szpitala, a narzędzie do badań przesiewowych w domu i wypadków (HOME FAST) jest bardziej odpowiednie dla mieszkańców społeczności.

7. Analiza statystyczna

  1. Korzystaj z dostępnego na rynku pakietu oprogramowania statystycznego do wykonywania wszystkich analiz statystycznych. Użyj testu t-Studenta do oceny różnic w grupie i wybierz współczynnik korelacji Pearsona, aby ocenić związek między składowymi iTUG i wynikiem DFRI na całej próbie, przy czym P < 0,05 oznacza statystycznie istotną różnicę.
  2. Użyj procedur Blanda-Altmana, aby ocenić zgodność czasu trwania fazy 1, fazy 3 prędkości kątowej i czasu trwania fazy 4 między naszą metodą a czujnikiem McRobertsa (patrz tabela materiałów). Obliczyć średnią różnicę między dwiema metodami pomiaru i 95-procentową granicę zgodności dla obliczonej średniej różnicy.

Wyniki

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

Zrekrutowano trzynastu uczestników w wieku z wysokim ryzykiem upadku (wynik DFRI: 3-11) i 11 osób w wieku z niskim ryzykiem upadku (wynik DFRI: 0-2). DFRI jest szczegółowo opisany w tabeli 1. Jak wspomniano wcześniej, uważa się, że wynik 3 lub więcej wskazuje na wysokie ryzyko upadków u pacjentów podczas hospitalizacji16.

Dane demograficzne są pokazane w Tabeli 1, która obejmuje płeć, wiek, wynik testu TUG i zmienne testu iTUG. Jak pokazano w Tabeli 2, nie stwierdzono istotnych różnic dotyczących płci i wieku między grupami. Różnica między grupami występowała w wyniku testu TUG (15,4 ± 5,3 s vs 11,2 ± 5,5 s, P = 0,056). Wynik testu TUG został oparty na tradycyjnym sposobie (czas ukończenia). Osoby z wysokim ryzykiem upadku wykazywały istotnie dłuższy czas trwania fazy 3 (2,8 ± 1,5 s vs 2,0 ± 0,9 s, P = 0,023) i czas trwania fazy 4 (2,9 ± 1,6 s vs 2,1 ± 1,0 s, P = 0,024), a także niższą prędkość kątową fazy 3 (1,2 ± 0,4 º/s vs 1,7 ± 0,4 º/s, P = 0,021), w porównaniu z osobami o niskim ryzyku upadku. Zmienne związane z kołysaniem ciała nie różniły się istotnie między grupami.

Jak pokazano w Tabeli 3, istniała znacząca korelacja między wynikiem DFRI a czasem trwania Fazy 1, Fazy 3, Fazy 3 prędkości kątowej, Fazy 4, a także czasu trwania Fazy 5. Nie znaleźliśmy jednak podobnych trendów między DFRI a zmiennymi kołysania każdej fazy iTUG.

Jak wykazano na Rysunek 2, wykresy Blanda-Altmana sugerowały, że zgodność między iTUG a czujnikiem akcelerometru Dynaport była akceptowalna dla czasu trwania fazy 1, fazy 3 prędkości kątowej i czasu trwania fazy 4. Istniał jeden (5%), zero (0%) i jeden (5%) wartości odstające od wartości odchylenia standardowego 1,96 odpowiednio dla czasu trwania fazy 1, prędkości kątowej fazy 3 i czasu trwania fazy 4.

figure-results-1
Rysunek 1: Podelementy instrumentalnego testu Time Up and Go. (A) Przed Fazą 1: osoba siedząca na krześle. (B) Podczas Fazy 2: w drodze w kierunku widza. (C) Podczas fazy 3: obejście krzesła z przodu. (D) Podczas fazy 4: z powrotem w kierunku pierwotnego krzesła. Skrót: iTUG = instrumented Time Up and Go. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-2
Rysunek 2: Wykres Blanda-Altmana do porównania czujnika akcelerometru iTUG i Dynaport. (A) Wykres Blanda-Altmana dla czasu trwania fazy 1 przy użyciu czujnika akcelerometru iTUG i Dynaport. (B) Wykres Blanda-Altmana dla prędkości kątowej fazy 3 przy użyciu iTUG i czujnika akcelerometru Dynaport. (C) Wykres Blanda-Altmana dla czasu trwania fazy 4 z wykorzystaniem iTUG i czujnika akcelerometru Dynaport. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Elementywynik
Znane poprzednie upadki
tak1
Nie0
Leki
Środki uspokajające/uspokajające1
Leki moczopędne1
Leki przeciwnadciśnieniowe (inne niż leki moczopędne)1
Leki przeciwparkinsonowskie1
Leki przeciwdepresyjne1
Inne leki1
żaden0
Deficyty sensoryczne
Upośledzenie wzroku1
Upośledzenie słuchu1
Upośledzenie kończyn1
żaden0
Stan psychiczny
Splątany (upośledzony poznawczo)1
Zorientowane0
chód
Niebezpieczne (z/bez pomocy do chodzenia)1
Bezpieczny z pomocami do chodzenia0
Normalny (bezpieczny bez pomocy do chodzenia)0
niezdolny0

Tabela 1: Pozycje indeksu ryzyka upadku w Downton i system punktacji. Wynik DFRI powyżej 3 punktów wskazuje na wysokie ryzyko upadku. Skrót: DFRI = Downton fall risk index.

pkt. pkt. pkt. pkt. pkt. pkt. pkt. pkt.
Wysokie ryzyko upadkuNiskie ryzyko upadkuP wartość
(n=13)(n=11)
Płeć, M/K"3/10""4/7"0,08
Wiek, lata74,29 (6,61)70,40 (9,23)0,077
Wynik TUG, s15,4 (5,3)11,2 (5,5)0,056
Czas trwania fazy 1, s1,4 (0,4)1,2 (0,2)0,56
Faza 1 kołysanie, °123,3 (68,9)110,3 (57,7)0,684
Czas trwania fazy 2, s2,9 (1,0)2,8 (1,4)0,924
Faza 2 kołysanie, °141,3 (72,6)132,2 (48,6)0,082
Czas trwania fazy 3, s2,8 (1,5)2,0 (0,9)0,023*
Faza 3 prędkość kątowa, °/s1,2 (0,4)1,7 (0,4)0,021*
Czas trwania fazy 4, s2,9 (1,6)2,1 (1,0)0,024*
Faza 4 kołysanie, °119,8 (64,1)113,5 (55,7)0,936
Czas trwania fazy 5, s4,6 (1,7)3,5 (1,5)0,063
Wartość = Średnia (odchylenie standardowe)

Tabela 2: Dane demograficzne i zmienne testowe Time Up and Go uczestników. Zaobserwowano istotne różnice w czasie trwania fazy 3, czasie trwania fazy 4 i prędkości kątowej fazy 3 między grupami.

pkt. pkt. pkt. pkt. pkt. pkt. pkt. pkt. pkt. pkt. pkt.
DFRI powiedział:Wartość rWartość P
Czas trwania fazy 1, s0,3470,007*
Faza 1 kołysanie, °0,0610,804
Czas trwania fazy 2, s-0,0260,898
Faza 2 kołysanie, °0,2870,174
Czas trwania fazy 3, s0,4620,020*
Faza 3 prędkość kątowa, °/s-0,4030,003*
Czas trwania fazy 4, s0,4870,000*
Faza 4 kołysanie, °0,3120,137
Czas trwania fazy 5, s0,5680,000*
Wyższa wartość r oznacza bliską relację
DFRI = Indeks Ryzyka Upadku w Downton

Tabela 3: Korelacje między wynikiem DFRI a składowymi iTUG. Istotna korelacja między wynikiem DFRI a czasem trwania fazy 1, czasem trwania fazy 3, prędkością kątową fazy 3, czasem trwania fazy 4, a także czasem trwania fazy 5. Skróty: iTUG = instrumented Time Up and Go; DFRI = Indeks ryzyka upadku w Downton.

Wideo 1: Przykład zadania iTUG. Kliknij tutaj, aby wyświetlić ten film.

Dyskusja

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

Krytycznymi krokami w protokole jest dokładne przymocowanie punktów odblaskowych do anatomicznych punktów orientacyjnych, aby uniknąć stronniczości. Ponadto kluczowym krokiem jest również identyfikacja każdego elementu składowego testu iTUG; Przegląd wideo jest pomocny w identyfikacji.

Istniała marginalna różnica między grupami w wynikach testu TUG, co sugeruje, że tradycyjne wyniki TUG mogą nie być wystarczająco czułe, aby rozróżnić ryzyko upadku. Nie znaleźliśmy oczywistych różnic między grupami w czasie trwania fazy 1 i fazy 5, co można wytłumaczyć faktem, że wszyscy uczestnicy nie wykazywali nieprawidłowości w sile kończyn dolnych. Czas trwania fazy 1 jest związany z siłą kończyn dolnych u osób w podeszłym wieku z wysokim ryzykiem upadku 17,18. Stwierdzono, że prędkość kątowa fazy 3, która jest kluczowym punktem związanym z niedoczynnością przedsionkową, wraz z czasem trwania fazy 3, jest skorelowana z wynikiem DFRI19. Wysokie ryzyko upadku u osób starszych może być spowodowane uczuciem zawrotów głowy związanym z niedoczynnością przedsionkową.

Istnieją cztery ograniczenia tej metody. Po pierwsze, system przechwytywania ruchu jest obecnie drogi; Jednak wraz z rozwojem technologii system ten będzie stawał się coraz bardziej ekonomiczny. Po drugie, potencjalnym wyzwaniem jest również konkretne pomieszczenie testowe. Jak wspomniano wcześniej, niektóre rzeczy uczestników zagubione na podłodze mogą zostać wykryte jako punkt odblaskowy; Dlatego pomieszczenie należy dokładnie posprzątać. Ponadto ten test iTUG oparty na systemie przechwytywania ruchu zajmuje znacznie więcej miejsca niż tradycyjny test TUG. Tradycyjna próba TUG potrzebuje tylko 3 m x 2 m, dzięki czemu można ją wykonać w wielu miejscach (np. na korytarzu, sali testowej, oddziale). Natomiast pomieszczenie do badania iTUG powinno być większe niż 32m2 , ponieważ kamery są zainstalowane wokół pomieszczenia. Po trzecie, punkty odblaskowe mogą wpływać na przestrzeganie przepisów przez uczestników. Im więcej punktów odblaskowych jest dołączonych, tym niższy może być podawany poziom komfortu. Badacze powinni potwierdzić, czy punkty odblaskowe wpływają na mobilność uczestników. Po czwarte, test iTUG jest kosztownym pomiarem w porównaniu z tradycyjnym testem TUG.

Test TUG jest powszechnie stosowanym sposobem oceny ruchu i ryzyka upadku20. Jednak poza czasem realizacji, lekarze nie mogą uzyskać więcej informacji z tradycyjnej wersji. Natomiast iTUG podświetlił punkty, aby pokazać więcej szczegółów. Znaczenie tej metody polega na tym, że dzieli ona tradycyjny test TUG na system przechwytywania ruchu, dostarczając nowych zmiennych dotyczących czasu i kołysania ciała. Nasze wyniki pokazały, że niektóre składowe zmiennych czasowych, a nie zmienne kołysania ciała, różniły się między grupami. System przechwytywania ruchu może być również używany w chodzeniu tandemowym i teście Romberga w celu podkreślenia nierównowagi u pacjentów z chorobą Parkinsona, ataksją móżdżkową i wstrząśnieniem mózgu 21,22,23. Ponieważ ostatnie badania dowiodły, że podkomponenty testu TUG są związane z funkcjami poznawczymi,6,24 metoda ta może być również stosowana w badaniach przesiewowych w kierunku zaburzeń poznawczych.

Oświadczenia

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

Autorzy nie mają do ujawnienia żadnych konfliktów interesów.

Podziękowania

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

Autorzy dziękują dr Honghua Zhou za wsparcie technologii cyfrowej. To badanie było wspierane przez Capital's Funds for Health Improvement and Research of China (ID:2024-2-7031).

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
pasekDeli60 mm x 20 m
KalibratorNOKOVreflektora1Kalibrator w kształcie litery L
MarkerodbłyśnikowyNOKOV2Krzesło w kształcie litery T
YUANSHENGYUANDAI" 10076062317820"
KomputerHUAWEIHONOR
McRoberts sensor DynaPort Hybrid, McRoberts, Haga, Holandia
Kamera do przechwytywania ruchuNOKOVMars2H
Oprogramowanie do przechwytywania ruchuNOKOVDG-01
Marker odblaskowyNOKOVmały markerdo kalibratorów
Marker odblaskowyNOKOVduży markerdla uczestników
znacznik

Bibliografia

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

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Motion CaptureTimed Up And GoFall Risk DetectionInstrumented TUG TestMobility AssessmentOlder AdultsBody Sway AnalysisReflective MarkersDownton Fall Risk IndexMovement Disorders

Powiązane artykuły