O teste instrumentado Timed Up and Go (iTUG) está ganhando cada vez mais atenção na análise da oscilação corporal e da marcha com o desenvolvimento de novas tecnologias. Apresentamos um protocolo para analisar os subcomponentes do iTUG com captura de movimento.
É necessária uma assinatura do JoVE para visualizar este conteúdo. Faça login ou inicie seu teste gratuito.
Artigo de método
Usando a tecnologia de captura de movimento no teste Timed Up and Go instrumentado para detectar o risco de queda em adultos idosos
* These authors contributed equally
Neste artigo
Resumo
Resumo
Apesar dos esforços da medicina e da tecnologia, a incidência de quedas em idosos ainda está aumentando. Portanto, a detecção precoce do risco de queda está se tornando cada vez mais importante para a prevenção de quedas. O teste Timed Up and Go (TUG) é uma ferramenta bem aceita para avaliar a mobilidade e pode ser usado na previsão do risco futuro de queda em adultos idosos. Na prática clínica, o tempo total para completar o teste é a principal medida de desfecho do teste TUG. Devido à sua simplicidade e generalidade, o teste TUG tradicional tem sido considerado um teste global para análise de movimento. No entanto, recentemente, os pesquisadores tentaram dividir o teste TUG em subcomponentes e atualizaram seu sistema de pontuação para investigações posteriores. O teste instrumentado Time Up and Go (iTUG), que é uma nova modificação do teste TUG tradicional, foi relatado como uma ferramenta sensível para prever distúrbios do movimento e o risco de quedas em adultos mais velhos. O objetivo do presente estudo foi analisar os subcomponentes do teste iTUG usando a tecnologia de captura de movimento e determinar quais subtarefas do teste iTUG estão relacionadas ao risco potencial de quedas futuras.
Introdução
A queda é uma das síndromes geriátricas mais comuns e é a segunda principal causa de mortes acidentais ou não intencionais relacionadas a lesões em todo o mundo1. Em adultos com idade acima de 65 anos, a queda pode resultar em comprometimento funcional, incapacidade, diminuição da qualidade de vida, aumento do tempo de permanência hospitalar e até mortalidade 2,3. Portanto, a prevenção de quedas é de extrema importância.
Para determinar os preditores de eventos de queda, pesquisadores anteriores se concentraram em análises de marcha, testes de equilíbrio, estado mental, uso de drogas sedativas, bem como histórico de queda no ano anterior 4,5 O teste Timed Up and Go (TUG) é uma medida rápida de mobilidade baseada em desempenho. O teste TUG tem sido extensivamente estudado em adultos mais velhos e é recomendado como um teste de triagem simples para o risco dequedas6. Este teste amplamente utilizado consiste em levantar-se de uma cadeira, caminhar 3 m na velocidade preferida, virar-se, retornar e sentar. O resultado clínico tradicional desse teste depende de sua duração total7 e é avaliado por um cronômetro.
Na prática clínica, o teste TUG convencional mede o tempo total para realizar uma série de atividades sem dividir o desempenho do sujeito em subcomponentes8. Recentemente, alguns pesquisadores propuseram que diferentes componentes do teste TUG podem ser particularmente sensíveis como preditores de quedas futuras9. Ao usar o teste TUG instrumentado digitalizado (iTUG), os componentes individuais do teste TUG podem ser analisados separadamente. Ao utilizar o iTUG, é possível avaliar objetivamente várias características de cada subfase do teste TUG e obter dados quantitativos, como as durações relevantes, velocidades e velocidade angular de cada movimento. Com dados mais detalhados, o teste iTUG mostrou a vantagem de detectar déficits específicos que podem ser mais indicativos do risco dequeda10.
Como padrão-ouro na análise do movimento, as tecnologias de captura de movimento têm sido usadas para detectar movimento em pacientes com doença de Parkinson (DP)11, comprometimentocognitivo12 e artrite dotornozelo13, bem como em adultossaudáveis14. No presente estudo, objetivamos analisar os subcomponentes do teste iTUG usando a tecnologia de captura de movimento e determinar a correlação entre as subtarefas do teste iTUG e o risco potencial de quedas futuras.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Protocolo
Este estudo foi aprovado pelo Comitê de Ética Acadêmica do Sétimo Centro Médico do Hospital Geral do PLA Chinês em Pequim, China.
1. Critérios de inclusão/exclusão dos participantes
- Recrute participantes com 65 anos ou mais e obtenha seu consentimento informado.
- Exclua participantes com deficiência visual e de membros inferiores óbvia, como artrite do joelho, tromboangeíte obliterante e gota.
2. Preparação da área de teste
- Configure a área de teste iTUG padronizada de 5 m x 8 m ou mais (veja a Figura 1) com 12 câmeras distribuídas pela sala. Coloque as configurações tradicionais do TUG na área de teste: uma cadeira e uma placa para lembrar o participante de voltar.
NOTA: Os sinais que indicam as linhas de rota são opcionais. - Certifique-se de que a área de captura de movimento esteja limitada ao escopo de todas as câmeras e que toda a configuração do teste TUG não seja reflexiva de luz.
3. Preparação do software para os procedimentos antes do teste
- Instale o software de captura de movimento no computador a ser usado na sala.
- Clique no botão Seeker para iniciar o software de captura de movimento. Depois de iniciar o software, para Configuração Geral da Câmara, escolha o modo padrão (taxa de quadros = 60 quadros/s, velocidade do obturador = 1/1.000 s), que é aceitável para a maioria das situações. Defina as configurações da câmera selecionadas e as configurações da câmera também no modo padrão.
- Selecione o modo Ao vivo para definir as configurações em tempo real.
NOTA: O modo de postagem é usado para analisar os dados capturados. - Clique em Markersets para definir as configurações do marcador.
- Selecione o eixo XY na Calibração do eixo do solo e os milímetros nas unidades de calibração.
- Clique em Calibrar para selecionar a variação de calibração.
- Selecione Calibração inicial e clique no botão em forma de "L ". Ao mesmo tempo, leve o calibrador em forma de "L" para o campo e coloque-o no centro do campo para garantir que ele possa ser capturado por todas as câmeras.
NOTA: O calibrador em forma de "L" contém quatro marcadores refletores de luz. - Verifique na tela se todas as 12 câmeras podem detectar quatro marcadores reflexivos. Se alguma câmera detectar marcadores ≤3, reduza a luminosidade e o limite à esquerda da tela. Se alguma câmera detectar marcadores ≥5, verifique o campo e limpe ou cubra os marcadores reflexivos indesejados.
NOTA: Alguns pequenos pertences do ex-participante podem ser detectados pela câmera. - Remova o calibrador em forma de "L" do campo.
- Clique no botão em forma de "T". Ao mesmo tempo, leve o calibrador em forma de "T" para o campo e agite-o para garantir que ele possa ser capturado por todas as câmeras.
- Selecione o eixo Z na Calibração do eixo ascendente e os milímetros nas unidades de calibração.
- Peça aos médicos que verifiquem se todas as câmeras podem capturar os marcadores. Agite os marcadores em cada canto do campo, cobrindo especialmente o possível espaço do teste TUG.
- Verifique na tela se todas as 12 câmeras podem detectar o calibrador em forma de "T". Se alguma câmera não conseguir detectá-lo, mude a direção da câmera.
NOTA: Existem duas formas de marcadores que precisam ser calibradas; Em forma de "L" e em forma de "T". O calibrador em forma de "L" possui quatro pontos refletores de luz para calibrar o eixo XY, e o calibrador em forma de "T" possui quatro pontos refletores de luz para calibrar o eixo Z. A duração da calibração durará 60 s ou mais. Uma captura eficaz tornará a cor da tela verde. - Clique em Concluir para concluir a calibração.
- Clique em Salvar calibração para armazenar o modo de calibração efetivo.
NOTA: A calibração é realizada em um modelo 2D; um modelo 3D é frequentemente usado durante o teste.
4. Teste iTUG
NOTA: Os participantes devem usar roupas e sapatos apertados, mas confortáveis.
- Anexe os pontos reflexivos nos pontos anatômicos: processo espinhoso cervical 7 e processo espinhoso torácico 10, acrômio esquerdo e acrômio direito.
NOTA: Cada participante pode ter até 17 pontos reflexivos anexados. Quanto mais pontos reflexivos forem anexados, mais precisos serão os dados coletados, mas também menos confortáveis os participantes se sentirão. - Clique com o botão direito do mouse nos pontos reflexivos na linha direita da tela e nomeie-os como C7, T10, ombro esquerdo e ombro direito.
- Mostre as instruções aos participantes. A instrução é "Por favor, levante-se da cadeira, caminhe 3 m na velocidade de sua preferência, vire-se, volte e sente-se".
- Peça aos participantes que realizem o teste iTUG com antecedência para se certificar de que estão familiarizados com a instrução.
NOTA: Certifique-se de que cada participante esteja confortável depois que os pontos reflexivos forem fixados. - Instrua o participante a realizar o teste iTUG.
NOTA: Os participantes precisam caminhar para concluir a tarefa iTUG. - Enquanto o participante estiver realizando o teste iTUG, clique nos botões iniciar e parar na tela do computador.
NOTA: Durante o teste iTUG, o sistema de captura de movimento coleta dados de todos os pontos conectados a uma frequência de 60 Hz; um vídeo é formado de acordo (ver Vídeo 1).
5. Recolha de dados e definição das variáveis de teste iTUG
- Clique no botão Configuração de gravação .
NOTA: Os dados são armazenados e encontrados em uma planilha. - Selecionar dados brutos da câmera |ASCTI rastreado | Binário rastreado. A duração da captura é de 20 s.
- Digite o nome do participante.
- Clique no botão Gravar para iniciar a coleta de dados.
- Identifique as subfases do teste iTUG revisando o vídeo e calcule as variáveis de acordo com os dados.
- Defina as seguintes variáveis: tempo total do teste TUG tradicional, tempo da fase 1 (levantar-se da cadeira), balanço do corpo da fase 1 (levantar-se da cadeira), tempo da fase 2 (caminhar 3 m na velocidade preferida), balanço do corpo da fase 2 (caminhar 3 m na velocidade preferida), tempo da fase 3 (virar), balanço do corpo da fase 3 (virar), velocidade angular da fase 3 (virar), tempo da fase 4 (retorno), balanço do corpo da fase 4 (retorno) e tempo da fase 5 (sentado).
NOTA: Os detalhes são semelhantes aos descritos por Caronni e colegas15.
- Defina as seguintes variáveis: tempo total do teste TUG tradicional, tempo da fase 1 (levantar-se da cadeira), balanço do corpo da fase 1 (levantar-se da cadeira), tempo da fase 2 (caminhar 3 m na velocidade preferida), balanço do corpo da fase 2 (caminhar 3 m na velocidade preferida), tempo da fase 3 (virar), balanço do corpo da fase 3 (virar), velocidade angular da fase 3 (virar), tempo da fase 4 (retorno), balanço do corpo da fase 4 (retorno) e tempo da fase 5 (sentado).
6. Índice de Risco de Queda de Downton (DFRI)
- Avalie o risco de queda usando o Índice de Risco de Queda de Downton (DFRI).
NOTA: O DFRI (Tabela 1) inclui 11 itens de risco, que são pontuados com um ponto cada. As pontuações são somadas a uma pontuação total do índice, variando de 0 a 11. Considera-se que uma pontuação de ≥3 indica um alto risco de quedas. Para avaliar o risco de queda, o DFRI é geralmente usado para participantes internados em um hospital, e a Ferramenta de Triagem de Quedas e Acidentes Domésticos (HOME FAST) é mais adequada para moradores da comunidade.
7. Análise estatística
- Use um pacote de software estatístico disponível comercialmente para realizar todas as análises estatísticas. Use o teste t de Student para avaliar as diferenças entre os grupos e escolha o coeficiente de correlação de Pearson para avaliar a relação entre os subcomponentes do iTUG e o escore DFRI na amostra total, com P < 0,05 indicando uma diferença estatisticamente significativa.
- Use os procedimentos de Bland-Altman para avaliar a concordância para a duração da Fase 1, velocidade angular da Fase 3 e duração da Fase 4 entre nosso método e o sensor McRoberts (consulte a Tabela de Materiais). Calcule a diferença média entre os dois métodos de medição e o limite de concordância de 95% para a diferença média calculada.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Resultados
Treze idosos com alto risco de queda (pontuação DFRI: 3-11) e 11 idosos com baixo risco de queda (pontuação DFRI: 0-2) foram recrutados. O DFRI está detalhado na Tabela 1. Como já foi mencionado anteriormente, considera-se que uma pontuação igual ou superior a 3 indica um alto risco de quedas para os pacientes durante a hospitalização16.
Os dados demográficos são apresentados na T...
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Discussão
As etapas críticas do protocolo são anexar os pontos reflexivos com precisão aos pontos de referência anatômicos para evitar vieses. Além disso, a identificação de cada subcomponente do teste iTUG também é uma etapa crítica; Uma revisão de vídeo é útil para a identificação.
Existia uma diferença marginal entre os grupos nos escores do teste TUG, o que implica que os escores tradicionais do TUG podem não ser sensíveis o suficiente para discriminar o risco de qu...
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Divulgações
Os autores não têm conflitos de interesse a divulgar.
Agradecimentos
Os autores agradecem ao Dr. Honghua Zhou pelo suporte da tecnologia digital. Este estudo foi apoiado pelos Fundos de Capital para Melhoria da Saúde e Pesquisa da China (ID:2024-2-7031).
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Materiais
| Nome | Empresa | Número de catálogo | Comentários |
|---|---|---|---|
| Faixa preta | Deli | 60 mm x 20 m | |
| Calibrador | NOKOV | refletor marker1 | L forma |
| Calibrador | NOKOV | refletor marker2 | T shape |
| Chair | YUANSHENGYUANDAI | " 10076062317820" | |
| Computador | HUAWEI | HONOR | |
| Sensor McRoberts | DynaPort Hybrid, McRoberts, Haia, Holanda | ||
| Câmera de captura de movimento | NOKOV | Mars2H | |
| Software de captura de movimento | NOKOV | DG-01 | |
| Marcador reflexivo | NOKOV | marcador pequeno | para calibradores |
| Marcador reflexivo | NOKOV | marcador grande | para participantes |
Referências
- Dokuzlar, O., et al. Assessment of factors that increase risk of falling in older women by four different clinical methods. Aging Clin Exp Res. 32 (3), 483-490 (2020).
- King, B., Pecanac, K., Krupp, A., Liebzeit, D., Mahoney, J. Impact of fall prevention on nurses and care of fall risk patients. The Gerontologist. 58 (2), 331-340 (2018).
- Mazur, K., Wilczyński, K., Szewieczek, J. Geriatric falls in the context of a hospital fall prevention program: delirium, low body mass index, and other risk factors. Clin Interv Aging. 11, 1253-1261 (2016).
- Beck Jepsen, D., et al. Predicting falls in older adults: an umbrella review of instruments assessing gait, balance, and functional mobility. BMC Geriatrics. 22 (1), 615(2022).
- Meekes, W. M., Korevaar, J. C., Leemrijse, C. J., Van de Goor, I. A. Practical and validated tool to assess falls risk in the primary care setting: a systematic review. BMJ Open. 11 (9), 045431(2021).
- Mirelman, A., et al. Association between performance on Timed Up and Go subtasks and mild cognitive impairment: further insights into the links between cognitive and motor function. J Am Geriatr Soc. 62 (4), 673-678 (2014).
- Palmerini, L., Mellone, S., Avanzolini, G., Valzania, F., Chiari, L. Quantification of motor impairment in Parkinson's disease using an instrumented timed up and go test. IEEE Trans Neural Syst Rehabil Eng. 21 (4), 664-673 (2013).
- Cimolin, V., et al. Do wearable sensors add meaningful information to the Timed Up and Go test? A study on obese women. J Electromyogr Kinesiol. 44, 78-85 (2019).
- Ayena, J. C., Chioukh, L., Otis, M. J., Deslandes, D. Risk of falling in a timed up and go test using an UWB Radar and an instrumented insole. Sensors. 21 (3), 722(2021).
- Sample, R. B., Kinney, A. L., Jackson, K., Diestelkamp, W., Bigelow, K. E. Identification of key outcome measures when using the instrumented timed up and go and/or posturography for fall screening. Gait Posture. 57, 168-171 (2017).
- Beyea, J., McGibbon, C. A., Sexton, A., Noble, J., O'Connell, C. Convergent validity of a wearable sensor system for measuring sub-task performance during the timed up-and-go test. Sensors. 17 (4), 934(2017).
- McGough, E. L., Gries, M., Teri, L., Kelly, V. E. Validity of instrumented 360° turn test in older adults with cognitive impairment. Phys Occup Ther Geriatr. 38 (2), 170-184 (2020).
- Wang, H., Brown, S. R. The effects of total ankle replacement on ankle joint mechanics during walking. J Sport Health Sci. 6 (3), 340-345 (2017).
- Mehdizadeh, S., et al. The Toronto older adults gait archive: video and 3D inertial motion capture data of older adults' walking. Sci Data. 9 (1), 398(2022).
- Caronni, A., et al. Criterion validity of the instrumented Timed Up and Go test: A partial least square regression study. Gait Posture. 61, 287-293 (2018).
- Mojtaba, M., Alinaghizadeh, H., Rydwik, E. Downton Fall Risk Index during hospitalisation is associated with fall-related injuries after discharge: a longitudinal observational study. J Physiother. 64 (3), 172-177 (2018).
- Hershkovitz, L., Malcay, O., Grinberg, Y., Berkowitz, S., Kalron, A. The contribution of the instrumented Timed-Up-and-Go test to detect falls and fear of falling in people with multiple sclerosis. Mult Scler Relat Disord. 27, 226-231 (2019).
- Zarzeczny, R., et al. Aging effect on the instrumented Timed-Up-and-Go test variables in nursing home women aged 80-93 years. Biogerontology. 18 (4), 651-663 (2017).
- Kim, K. J., et al. The instrumented timed "Up & Go" test distinguishes turning characteristics in vestibular hypofunction. Phys Ther. 101 (7), 103(2021).
- Montero-Odasso, M., et al. World guidelines for falls prevention and management for older adults: a global initiative. Age Ageing. 51 (9), (2023).
- Rocchi, L., Palmerini, L., Weiss, A., Herman, T., Hausdorff, J. M. Balance testing with inertial sensors in patients with Parkinson's disease: assessment of motor subtypes. IEEE Trans Neural Syst Rehabil Eng. 22 (5), 1064-1071 (2014).
- Ngo, T., et al. A comparative severity assessment of impaired balance due to cerebellar ataxia using regression models. Annu Int Conf IEEE Eng Med Biol Soc. 2020, 4571-4574 (2020).
- Celik, Y., Powell, D., Woo, W. L., Stuart, S., Godfrey, A. A feasibility study towards instrumentation of the Sport Concussion Assessment Tool (iSCAT). Annu Int Conf IEEE Eng Med Biol Soc. 2020, 4624-4627 (2020).
- Coni, A., et al. Comparison of standard clinical and instrumented physical performance tests in discriminating functional status of high-functioning people aged 6170 years old. Sensors. 19 (3), 449(2019).
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Reimpressões e permissões
