Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł metodologiczny

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

2.1K wyświetleń

⸱

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

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

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

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.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

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.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Zrekrutowano trzynastu starszych uczestników z wysokim ryzykiem upadku (wynik DFRI: 3-11) oraz 11 starszych osób z niskim ryzykiem upadku (wynik DFRI: 0-2). Szczegóły dotyczące DFRI przedstawiono w Tabeli 1. Jak wspomniano wcześniej, wynik równy lub wyższy od 3 uznaje się za wskazujący na wysokie ryzyko upadków u pacjentów podczas hospitalizacji16.

Dane demograficzne przedstawiono w

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

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 gru...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Autorzy nie mają do ujawnienia żadnych konfliktów interesów.

Podziękowania

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).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

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

  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).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Przeglądaj więcej artykułów

Wykrywanie ryzyka upadkówinstrumentalny test TUGocena mobilnościosoby starszeanaliza kołysania ciałamarkery refleksyjnewskaźnik ryzyka upadków Downtonazaburzenia ruchu
Wykorzystanie technologii przechwytywania ruchu w oprzyrządowanym teście Timed Up and Go w celu wykrycia ryzyka upadku u osób w podeszłym wieku
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.