É necessária uma assinatura do JoVE para visualizar este conteúdo. Faça login ou inicie seu teste gratuito.

Artigo de método

Configuração para a avaliação quantitativa do movimento e da atividade muscular durante um teste virtual modificado de caixa e bloco

1.5K visualizações

⸱

DOI:

10.3791/65736

⸱

12 de janeiro de 2024

 ,  ,  ,  , 
1Department of Neuroscience, West Virginia University, 2Department of Human Performance, West Virginia University, 3Department of Biomedical Engineering, West Virginia University

* These authors contributed equally

Neste artigo

Resumo

O protocolo aqui descrito visa aprimorar a avaliação quantitativa dos déficits dos membros superiores, com o objetivo de desenvolver tecnologia adicional para avaliação remota tanto na clínica quanto no domicílio. As tecnologias de realidade virtual e biossensores são combinadas com técnicas clínicas padrão para fornecer informações sobre o funcionamento do sistema neuromuscular.

Resumo

A capacidade de nos movermos nos permite interagir com o mundo. Quando essa habilidade é prejudicada, pode reduzir significativamente a qualidade de vida e a independência de uma pessoa e pode levar a complicações. A importância da avaliação e reabilitação remota de pacientes cresceu recentemente devido ao acesso limitado a serviços presenciais. Por exemplo, a pandemia de COVID-19 resultou inesperadamente em regulamentações rígidas, reduzindo o acesso a serviços de saúde não emergentes. Além disso, o atendimento remoto oferece uma oportunidade de abordar as disparidades de saúde em áreas rurais, carentes e de baixa renda, onde o acesso aos serviços permanece limitado.

Melhorar a acessibilidade por meio de opções de atendimento remoto limitaria o número de visitas hospitalares ou especializadas e tornaria os cuidados de rotina mais acessíveis. Finalmente, o uso de eletrônicos de consumo comerciais prontamente disponíveis para atendimento domiciliar pode melhorar os resultados dos pacientes devido à melhor observação quantitativa dos sintomas, eficácia do tratamento e dosagem da terapia. Embora o atendimento remoto seja um meio promissor de abordar essas questões, há uma necessidade crucial de caracterizar quantitativamente o comprometimento motor para tais aplicações. O protocolo a seguir procura abordar essa lacuna de conhecimento para permitir que médicos e pesquisadores obtenham dados de alta resolução sobre movimentos complexos e atividade muscular subjacente. O objetivo final é desenvolver um protocolo para administração remota de testes clínicos funcionais.

Aqui, os participantes foram instruídos a realizar uma tarefa Box and Block (BBT) de inspiração médica, que é frequentemente usada para avaliar a função da mão. Esta tarefa exige que os sujeitos transportem cubos padronizados entre dois compartimentos separados por uma barreira. Implementamos um BBT modificado em realidade virtual para demonstrar o potencial de desenvolvimento de protocolos de avaliação remota. A ativação muscular foi capturada para cada sujeito usando eletromiografia de superfície. Esse protocolo permitiu a aquisição de dados de alta qualidade para melhor caracterizar o comprometimento do movimento de maneira detalhada e quantitativa. Em última análise, esses dados têm o potencial de serem usados para desenvolver protocolos para reabilitação virtual e monitoramento remoto de pacientes.

Introdução

O movimento é como interagimos com o mundo. Embora as atividades cotidianas, como pegar um copo d'água ou caminhar para o trabalho, possam parecer simples, mesmo esses movimentos dependem de sinalização complexa entre o sistema nervoso central, músculos emembros. Como tal, a independência pessoal e a qualidade de vida estão altamente correlacionadas ao nível de função dos membros de um indivíduo 2,3. Danos neurológicos, como na lesão medular (LM) ou lesão de nervos periféricos, podem resultar em déficits motores permanentes, diminuindo assim a capacidade de executar até mesmo atividades simples da vida diária 4,5. De acordo com o Instituto Nacional de Distúrbios Neurológicos e Derrame, mais de 100 milhões de pessoas nos Estados Unidos apresentam déficits motores, sendo o AVC uma das principais causas 6,7,8. Devido à natureza dessas lesões, os pacientes geralmente requerem cuidados prolongados nos quais a avaliação motora quantitativa e o tratamento remoto podem ser benéficos.

As práticas atuais para o tratamento de distúrbios do movimento geralmente exigem avaliação clínica inicial e contínua da função por meio da observação por especialistas treinados, como fisioterapeutas ou terapeutas ocupacionais. Os testes clínicos validados padrão geralmente exigem profissionais treinados para administrá-los, com restrições de tempo específicas e pontuação subjetiva de movimentos ou tarefas funcionais predefinidas. No entanto, mesmo em indivíduos saudáveis, movimentos idênticos podem ser realizados com combinações variadas de ângulos articulares. Este conceito é denominado redundância musculoesquelética.

Os testes clínicos funcionais muitas vezes não levam em conta a redundância individual subjacente à variabilidade entre os sujeitos. Para médicos e pesquisadores, distinguir entre variabilidade normal causada por redundância e alterações patológicas no movimento continua sendo um desafio. Avaliações clínicas padronizadas realizadas por avaliadores bem treinados utilizam sistemas de pontuação de baixa resolução para reduzir a variabilidade entre avaliadores e melhorar a validade do teste. No entanto, isso introduz efeitos teto, diminuindo a sensibilidade e a validade preditiva para indivíduos que podem ter déficits leves de movimento 9,10. Além disso, esses testes clínicos não podem diferenciar se os déficits são causados pela mecânica corporal passiva ou coordenação muscular ativa, o que pode ser importante durante o diagnóstico inicial e ao projetar um plano de reabilitação específico para o paciente. Ensaios clínicos randomizados revelaram eficácia inconsistente de planos de tratamento formulados com base em evidências fornecidas por esses testes clínicos 11,12,13. Vários estudos enfatizaram a necessidade de métricas clínicas quantitativas e fáceis de usar que possam ser usadas para orientar o desenho de intervenções futuras14,15.

Em estudos anteriores, demonstramos a implementação da avaliação automatizada do movimento usando dispositivos de captura de movimento do consumidor prontamente disponíveis no comprometimento do braço pós-AVC, bem como a avaliação da função do ombro após cirurgia torácica em pacientes com câncer de mama16,17. Além disso, mostramos que o uso de momentos articulares ativos para estimar momentos musculares de movimentos ativos específicos é uma medida mais sensível de déficits motores após AVC em comparação com ângulos articulares18. A captura de movimento e a eletromiografia de superfície (EMG) podem, portanto, ser de importância crítica na avaliação de pacientes diagnosticados como assintomáticos por testes clínicos padrão, mas que ainda podem estar apresentando dificuldades de movimento, fadiga ou dor. Este artigo descreve um sistema que pode permitir a caracterização detalhada e quantitativa do movimento durante testes clínicos padrão para o desenvolvimento futuro de métodos para avaliação e reabilitação em casa em populações de pacientes com deficiência motora.

A realidade virtual (VR) pode ser usada para construir uma experiência de usuário imersiva enquanto modela tarefas diárias. Normalmente, os sistemas de RV rastreiam os movimentos das mãos do usuário para permitir interações simuladas com o ambiente virtual. O protocolo que descrevemos aqui usa produtos de RV de consumo para captura de movimento para quantificar a avaliação de déficits motores, semelhante a outros estudos que demonstram o uso de controladores de videogame prontos para uso na avaliação quantitativa do comprometimento após acidente vascular cerebral ou cirurgia no ombro16,17. Além disso, a EMG é uma medida não invasiva da atividade neural subjacente à contração muscular19. Como tal, a EMG pode ser usada para avaliar indiretamente a qualidade do controle neural do movimento e fornecer uma avaliação detalhada da função motora. Danos musculares e nervosos podem ser detectados pela EMG, e distúrbios como distrofia muscular e paralisia cerebral são comumente monitorados por essa técnica20,21. Além disso, a EMG pode ser usada para rastrear alterações na força muscular ou espasticidade, o que pode não ser evidente nas avaliações cinemáticas22,23, bem como fadiga e coativação muscular. Métricas como essas são críticas para considerar o progresso da reabilitação 23,24,25.

O paradigma experimental descrito aqui busca alavancar uma combinação de RV e EMG para abordar as limitações das ferramentas tradicionais de avaliação clínica. Aqui, os participantes foram solicitados a realizar uma tarefa de Caixa e Bloco modificada (BBT)26 usando objetos reais e em RV. A TCB padrão é uma ferramenta clínica usada na avaliação geral da função macroscópica dos membros superiores, na qual os indivíduos são solicitados a mover o maior número possível de blocos de 2,5 cm de um compartimento, sobre uma partição, para um compartimento adjacente em um minuto. Embora frequentemente usado para avaliar de forma confiável os déficits em pacientes com acidente vascular cerebral ou outras condições neuromusculares (por exemplo, paresia dos membros superiores, hemiplegia espástica), dados normativos também foram relatados para crianças e adultos saudáveis, com idades entre 6 e 89anos 26. Uma avaliação virtual do movimento é usada para simular aspectos funcionais do teste clínico validado realizado na vida real. A RV é usada aqui para diminuir o hardware necessário, permitindo o fornecimento de instruções padronizadas e pontuação programada e automatizada. Dessa forma, a supervisão constante por profissionais treinados não seria mais necessária.

O BBT neste estudo foi simplificado para se concentrar em capturar o alcance e a preensão de um bloco de cada vez que aparece no mesmo local. Isso maximizou a reprodutibilidade dos movimentos e minimizou a variabilidade intersujeito nos dados registrados. Por fim, os fones de ouvido de realidade virtual podem ser adquiridos por apenas US$ 300 e têm o potencial de abrigar várias avaliações. Uma vez programado, isso diminuiria significativamente o custo associado à avaliação profissional típica e permitiria maior acessibilidade desses testes clínicos padrão e validados em ambientes clínicos e remotos/domésticos.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Protocolo

Os procedimentos experimentais foram aprovados pelo Conselho de Revisão Institucional da West Virginia University (IRB), protocolo # 1311129283, e aderiram aos princípios da Declaração de Helsinque. Os riscos deste protocolo são menores, mas é necessário explicar todos os procedimentos e riscos potenciais para os participantes e o consentimento informado por escrito foi adquirido com documentação aprovada pelo conselho de ética institucional.

1. Características e design do sistema

NOTA: A configuração para este protocolo consiste nos seguintes elementos: (1) sensores e base EMG, (2) software de aquisição de dados EMG (DAQ), (3) um sistema de captura de movimento e (4) um fone de ouvido VR com software correspondente. Esses componentes são visualizados na Figura 1.

  1. Configuração dos componentes do sistema
    1. Conecte o sistema EMG.
      1. Conecte a estação base EMG à energia.
      2. Conecte a estação base EMG a um computador dedicado (Figura 1C) contendo os scripts DAQ.
        NOTA: Exemplos de scripts podem ser encontrados em: https://www.dropbox.com/sh/7se5lih4noxj584/AACqFDZytpDm-L8jAULFwfTHa?dl=0. Alguns produtos comerciais podem vir com software DAQ licenciado, que também pode ser usado.
    2. Conecte o sistema de captura de movimento.
      1. Conecte um segundo computador dedicado (Figura 1A) a um roteador de rede.
      2. Conecte o roteador de rede a um servidor de captura de movimento.
      3. Conecte o servidor de captura de movimento a um monitor de computador para visualização.
      4. Conecte as câmeras ao servidor de captura de movimento.
    3. Conecte o sistema VR.
      1. Conecte o fone de ouvido VR a um terceiro computador dedicado com os scripts DAQ correspondentes (Figura 1B).
        NOTA: Exemplos de scripts podem ser encontrados em: https://www.dropbox.com/sh/7se5lih4noxj584/AACqFDZytpDm-L8jAULFwfTHa?dl=0
      2. Carregue o ambiente de jogo VR que contém as tarefas pretendidas no computador conectado ao fone de ouvido VR (Figura 1B).
    4. Prepare a área onde o sujeito concluirá a tarefa.
      1. Use uma cadeira resistente e sem braços para garantir que não haja interferência no alcance normal do assunto.
      2. Para a segurança e precisão dos dados coletados, confirme se a área de teste está livre de todos os obstáculos.
    5. Sincronize os sistemas.
      1. Use uma função de software personalizada para sincronizar sistemas a tempo com um servidor único.
      2. Como alternativa, use um computador ou um gerenciador de mensagens preferido.

figure-protocol-1
Figura 1: Configuração do equipamento experimental. (A) As câmeras de captura de movimento do marcador são posicionadas no chão e no teto ao redor do espaço experimental, estabelecendo um espaço ideal para rastrear o movimento. Um computador dedicado é usado para executar o software de captura de movimento e salvar os dados. (B) O fone de ouvido usado para exibir o BBT modificado em VR está conectado a um computador dedicado onde a avaliação virtual e os dados da tarefa são salvos. (C) A base EMG é conectada a um computador dedicado onde os dados de atividade muscular são registrados e salvos durante a execução da tarefa. Sensores EMG e marcadores de LED para captura de movimento são colocados no braço do sujeito durante a sessão (consulte a Figura 2). Abreviaturas: VR = realidade virtual; EMG = eletromiografia. Clique aqui para ver uma versão maior desta figura.

2. Procedimentos experimentais

NOTA: uma representação visual do fluxo experimental descrito neste protocolo é mostrada na Figura 2.

  1. Configurar EMG
    1. Para determinar o posicionamento do sensor EMG para melhor qualidade de sinal, palpe o ventre muscular enquanto o participante contrai o músculo relevante27. Consulte a Tabela 1 para a seleção muscular usada neste protocolo.
    2. Usando um lenço umedecido com álcool, limpe cuidadosamente cada eletrodo e o local de colocação do sensor pretendido no braço do sujeito.
      NOTA: A limpeza completa dos sensores EMG e da pele do sujeito garantirá uma baixa impedância eletrodo-pele. Isso garante que os dados EMG gravados tenham uma alta relação sinal-ruído. O excesso de pelos no local de colocação do sensor pode causar dados de baixa qualidade, mesmo se devidamente limpos. Nesse caso, pode ser necessário raspar o cabelo.
    3. Depois de preparar os eletrodos EMG e a pele do sujeito, coloque os sensores EMG no sujeito, garantindo um bom contato entre os eletrodos e a pele. Os eletrodos bipolares devem ser posicionados de forma que os sensores fiquem paralelos à direção das fibras musculares.
  2. Configure o sistema de captura de movimento
    NOTA: Isso pode não ser necessário se apenas um fone de ouvido VR estiver sendo usado para rastrear os movimentos das mãos para cinemática.
    1. Calibre as câmeras de rastreamento de movimento usando as instruções do fabricante. Mova a varinha de calibração por todo o espaço experimental para calibrar as câmeras de rastreamento de movimento e definir o eixo 3D do espaço.
      NOTA: O sistema de captura de movimento do marcador usado neste protocolo inclui uma varinha de calibração com marcadores de LED.
    2. Coloque os marcadores de captura de movimento de LED nos pontos de referência ósseos da extremidade superior e do tronco do sujeito que são necessários para construir os modelos biomecânicos desejados.
    3. Use o software de captura de movimento fornecido para garantir que todos os marcadores sejam reconhecidos e rastreados pelas câmeras de captura de movimento. Instrua o sujeito a realizar vários movimentos práticos enquanto o pessoal do estudo monitora visualmente os dados do marcador em tempo real.
  3. Configurar tarefa de avaliação de habilidades de RV
    1. Posicione uma cadeira no centro do espaço experimental de captura de movimento. Use uma cadeira semelhante à usada para o teste tradicional do mundo real.
    2. Calibre o fone de ouvido VR na cadeira onde o sujeito realizará a tarefa de avaliação. Uma vez calibrado, instrua o sujeito a sentar na cadeira e colocar o fone de ouvido VR na cabeça.
    3. Enquanto o sujeito estiver sentado, meça a distância entre o ombro do sujeito e o chão, bem como o comprimento do braço do sujeito. Use essas distâncias para definir o local em que a tabela e a tarefa de avaliação serão geradas na RV.
    4. No script de controle de tarefas de RV, insira as medidas do sujeito e programe o número desejado de repetições de geração de blocos.
      NOTA: Neste BBT modificado, blocos individuais serão gerados um de cada vez para aumentar a reprodutibilidade.
  4. Instrua o sujeito a realizar a avaliação BBT modificada em RV.
    1. Forneça uma breve explicação da tarefa para o sujeito.
      1. O bloco virtual aparecerá no lado esquerdo ou direito, conforme determinado pelo experimentador.
      2. Explique ao sujeito que ele precisará pegar o bloco virtual, transportá-lo pela partição e colocá-lo no alvo no compartimento oposto (Figura 2).
        NOTA: No BBT virtual modificado usado aqui, o bloco desaparecerá automaticamente e reaparecerá na posição inicial quantas vezes forem determinadas pelo experimentador.
    2. Comece a coletar dados EMG.
    3. Comece a coletar dados de captura de movimento.
    4. Inicie a tarefa de avaliação de habilidades de RV.
      1. Deixe a tarefa ser executada pelo número predefinido de repetições antes de terminar automaticamente.
    5. Salve os dados EMG e cinemáticos para análise post-hoc.
    6. Determine uma pontuação clinicamente relevante para o BBT modificado post-hoc como o número de blocos transportados com sucesso sobre a barreira ou repetições da tarefa em 60 s.

figure-protocol-2
Figura 2: Protocolo experimental, tarefa de RV e configuração do sujeito. (A) Fluxograma descrevendo o protocolo experimental usado aqui. (B) Exemplo de visualização do BBT modificado implementado no ambiente VR. As medições anatômicas são usadas para calibrar a tarefa de RV, garantindo que a tabela virtual seja gerada no local relativo correto. (C) Colocação de marcadores de captura de movimento LED e sensores EMG no assunto. Os sensores EMG são colocados nos músculos de interesse e os marcadores de captura de movimento LED são posicionados sobre os pontos de referência ósseos. Abreviaturas: VR = realidade virtual; EMG = eletromiografia; LED = diodo emissor de luz. Clique aqui para ver uma versão maior desta figura.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Resultados

Os dados de EMG, cinemática e força obtidos de indivíduos que usam este protocolo podem ser usados para caracterizar movimentos em repetições da mesma tarefa, bem como durante diferentes tarefas. Os dados mostrados aqui representam resultados de participantes de controle saudáveis para demonstrar a viabilidade dessa configuração. Perfis EMG representativos registrados de um indivíduo saudável realizando a TCB modificada em RV são mostrados na Figura 3. Pode-se observar alta ativação muscular...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Discussão

Sistema EMG
O hardware do sistema EMG consiste em 15 sensores EMG usados para obter dados de ativação muscular. Uma Interface de Programação de Aplicativos (API) disponível comercialmente foi usada para gerar um software de gravação EMG personalizado. O hardware do sistema de RV consiste em um fone de ouvido de realidade virtual usado para exibir o ambiente imersivo de RV e um cabo para conectar o fone de ouvido ao computador dedicado onde a tarefa de avaliação virtual está armazenada. O software cons...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Divulgações

Os autores não têm conflitos de interesse a declarar.

Agradecimentos

Este trabalho foi apoiado pelo Gabinete do Secretário Adjunto de Defesa para Assuntos de Saúde por meio do Programa de Pesquisa de Restauração de Combatentes com Lesões Neuromusculoesqueléticas (RESTORE) sob o Prêmio nº W81XWH-21-1-0138. Opiniões, interpretações, conclusões e recomendações são de responsabilidade dos autores e não são necessariamente endossadas pelo Departamento de Defesa.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
Cadeira sem braçosN/AUma cadeira para os sujeitos se sentarem deve ser sem braços para que seus braços não sofram interferência.
ComputadorDell TechnologiesForam utilizados três computadores para acompanhar o equipamento de aquisição de dados.
Leap Motion ControllerUltraleapMódulo óptico de rastreamento de mão que captura o movimento da mão e dos dedos. O controlador possui duas câmeras de infravermelho próximo de 640 x 240 pixels (120 Hz), que são capazes de rastrear movimentos a até 60 cm do dispositivo e em uma temperatura de 140 x 120° campo de visão. Este dispositivo foi conectado ao fone de ouvido VR ou preso acima da cabeça durante o movimento.
MATLABMathWorks, Inc. Plataforma de programação usada para desenvolver software de aquisição de dados personalizado
Oculus Quest 2MetaHeadset de realidade virtual imersivo equipado com capacidade de rastreamento manual através de 4 câmeras infravermelhas embutidas (72-120 Hz). Pode ser substituído por outros dispositivos semelhantes (por exemplo, HTC Vive, HP Reverb, Playstation VR).
Cabo Oculus Quest 2 LinkMetaUsado para conectar o fone de ouvido ao computador onde o jogo VR foi armazenado
PhaseSpace Motion CapturePhaseSpace, Inc.Sistema de captura de movimento marcado, composto por um servidor, câmeras com campo de visão de 60 graus, diodo emissor de luz vermelha (LED) como marcadores e um objeto de calibração
Trigno Wireless SystemDelsys, Inc.Por Delsys Inc., inclui EMG, acelerômetro, sensores de força, uma estação base e software de coleta. A Interface de Programação de Aplicativos (API) Trigno-MATLAB foi usada para desenvolver software de gravação personalizado.
UnReal Engine 4Software da Epic Gamesusado para criar e executar a tarefa de caixa e bloco modificada em VR

Referências

  1. Rosenbaum, D. A. Human motor control. , Elsevier Inc. (2010).
  2. Kalsi-Ryan, S., Curt, A., Fehlings, M., Verrier, M. Assessment of the hand in tetraplegia using the Graded Redefined Assessment of Strength, Sensibility and Prehension (GRASSP): impairment versus function. Topics in Spinal Cord Injury Rehabilitation. 14 (4), 34-46 (2009).
  3. Kalsi-Ryan, S., et al. The Graded Redefined Assessment of Strength Sensibility and Prehension: reliability and validity. Journal of Neurotrauma. 29 (5), 905-914 (2012).
  4. Menorca, R. M. G., Fussell, T. S., Elfar, J. C. Nerve physiology. Hand Clinics. 29 (3), 317-330 (2013).
  5. Spinal cord injury. National Institute of Neurological Disorders and Stroke. , Available from: https://www.ninds.nih.gov/health-information/disorders/spinal-cord-injury (2023).
  6. Peripheral neuropathy. National Institute of Neurological Disorders and Stroke. , Available from: https://www.ninds.nih.gov/health-information/patient-caregiver-education/fact-sheets/peripheral-neuropathy-fact-sheet (2023).
  7. Statistics: Get informed about Parkinson's disease with these key numbers. Parkinson's Foundation. , Available from: https://www.parkinson.org/understanding-parkinsons/statistics (2023).
  8. Virani, S. S., et al. Heart disease and stroke statistics-2021 update: a report from the American Heart Association. Circulation. 143 (8), e254(2021).
  9. Hsieh, Y., et al. Responsiveness and validity of three outcome measures of motor function after stroke rehabilitation. Stroke. 40 (4), 1386-1391 (2009).
  10. Van Der Lee, H., Beckerman, H., Lankhorst, G. J., Bouter, L. M. The responsiveness of the action research arm test and the Fugl-Meyer assessment scale in chronic stroke patients. Journal of Rehabilitation Medicine. 33 (3), 110-113 (2001).
  11. Duncan, P., et al. Randomized clinical trial of therapeutic exercise in subacute stroke. Stroke. 34 (9), 2173-2180 (2003).
  12. Saposnik, G., et al. Efficacy and safety of non-immersive virtual reality exercising in stroke rehabilitation (EVREST): a randomised, multicentre, single-blind, controlled trial. The Lancet Neurology. 15 (10), 1019-1027 (2016).
  13. Wolf, S. L., et al. The EXCITE stroke trial: Comparing early and delayed constraint-induced movement therapy. Stroke. 41 (10), 2309-2315 (2010).
  14. Krakauer, J. W., Carmichael, S. T. Broken movement: the neurobiology of motor recovery after stroke. , The MIT Press. Cambridge, MA. (2017).
  15. Pollock, A., et al. Interventions for improving upper limb function after stroke. Cochrane Database of Systematic Reviews. 2014 (11), (2014).
  16. Olesh, E. V., Yakovenko, S., Gritsenko, V. Automated assessment of upper extremity movement impairment due to stroke. PLoS ONE. 9 (8), e104487(2014).
  17. Gritsenko, V., et al. Feasibility of using low-cost motion capture for automated screening of shoulder motion limitation after breast cancer surgery. PLOS ONE. 10 (6), e0128809(2015).
  18. Thomas, A. B., Olesh, E. V., Adcock, A., Gritsenko, V. Muscle torques and joint accelerations provide more sensitive measures of poststroke movement deficits than joint angles. Journal of Neurophysiology. 126 (2), 591-606 (2021).
  19. De Luca, C. Electromyography. Encyclopedia of Medical Devices and Instrumentation. , (2006).
  20. Lin, C. -J., Guo, L. -Y., Su, F. -C., Chou, Y. -L., Cherng, R. -J. Common abnormal kinetic patterns of the knee in gait in spastic diplegia of cerebral palsy. Gait & Posture. 11 (3), 224-232 (2000).
  21. Lin, J., Shah, D., McCracken, C., Verma, S. Quantitative EMG in Duchenne muscular dystrophy (P6.328). Neurology. 86, (2016).
  22. EMG test for neuromuscular disease. Brigham and Women's Hospital. , Available from: https://www.brighamandwomens.org/medical-resources/emg-test (2023).
  23. Kuthe, C. D., Uddanwadiker, R. V., Ramteke, A. A. Surface electromyography based method for computing muscle strength and fatigue of biceps brachii muscle and its clinical implementation. Informatics in Medicine Unlocked. 12, 34-43 (2018).
  24. Holtermann, A., Grönlund, C., Karlsson, J. S., Roeleveld, K. Motor unit synchronization during fatigue: Described with a novel sEMG method based on large motor unit samples. Journal of Electromyography and Kinesiology. 19 (2), 232-241 (2009).
  25. Kim, H., Lee, J., Kim, J. Electromyography-signal-based muscle fatigue assessment for knee rehabilitation monitoring systems. Biomedical Engineering Letters. 8 (4), 345-353 (2018).
  26. Mathiowetz, V., Volland, G., Kashman, N., Weber, K. Adult norms for the box and block test of manual dexterity. American Journal of Occupational Therapy. 39 (6), 386-391 (1985).
  27. Hermens, H. J., Freriks, B., Disselhorst-Klug, C., Rau, G. Development of recommendations for SEMG sensors and sensor placement procedures. Journal of Electromyography and Kinesiology. 10 (5), 361-374 (2000).
  28. Yough, M. Advancing medical technology for motor impairment rehabilitation: Tools, protocols, and devices. Graduate Theses, Dissertations, and Problem Reports. , (2023).
  29. Velliste, M., Perel, S., Spalding, M. C., Whitford, A. S., Schwartz, A. B. Cortical control of a prosthetic arm for self-feeding. Nature. 453 (7198), 1098-1101 (2008).
  30. Talkington, W. J., Pollard, B. S., Olesh, E. V., Gritsenko, V. Multifunctional setup for studying human motor control using transcranial magnetic stimulation, electromyography, motion capture, and virtual reality. Journal of Visualized Experiments. (103), e52906(2015).
  31. Murillo, C., et al. High-density electromyography provides new insights into the flexion relaxation phenomenon in individuals with low back pain. Scientific Reports. 9 (1), 15938(2019).
  32. Péter, A., et al. Comparing surface and fine-wire electromyography activity of lower leg muscles at different walking speeds. Frontiers in Physiology. 10, 1283(2019).
  33. Isenstein, E. L., et al. Rapid assessment of hand reaching using virtual reality and application in cerebellar stroke. PLOS ONE. 17 (9), e0275220(2022).
  34. Varela-Aldás, J., Buele, J., López, I., Palacios-Navarro, G. Influence of hand tracking in immersive virtual reality for memory assessment. International Journal of Environmental Research and Public Health. 20 (5), 4609(2023).
  35. Robertson, D., et al. Human kinetics. Research methods in biomechanics. , Champaign, IL. (2004).
  36. Dunne, J. J., Uchida, T. K., Besier, T. F., Delp, S. L., Seth, A. A marker registration method to improve joint angles computed by constrained inverse kinematics. PLOS ONE. 16 (5), e0252425(2021).
  37. Delp, S. L., et al. OpenSim: Open-source software to create and analyze dynamic simulations of movement. IEEE Transactions on Biomedical Engineering. 54 (11), 1940-1950 (2007).
  38. Naceri, A., Gultekin, Y. B., Moscatelli, A., Ernst, M. O. Role of tactile noise in the control of digit normal force. Frontiers in Psychology. 12, 612558(2021).
  39. Wottawa, C. R., et al. The role of tactile feedback in grip force during laparoscopic training tasks. Surgical Endoscopy. 27 (4), 1111-1118 (2013).

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Reimpressões e permissões

Explorar mais artigos

Virtual Box And BlockCaptura de MovimentoEletromiografia de SuperfícieAvaliação da Atividade MuscularReabilitação em Realidade VirtualMonitoramento Remoto de PacientesTeste de Função ManualQuantificação de Comprometimento MotorSensores de EMGMovimento do Membro Superior
Configuração para a avaliação quantitativa do movimento e da atividade muscular durante um teste virtual modificado de caixa e bloco
Fale conosco
Recomendar à biblioteca

Privacidade

Termos de Uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos os direitos reservados.