Abstract
Bruken av smarttelefoner i klinisk praksis er stadig økende med tilgjengeligheten av lavpris / fritt tilgjengelig "apps" som kan brukes til å vurdere menneskelig gangart. Hovedmålet med dette manuskriptet er å teste samtidig gyldigheten av kinematiske tiltak innspilt av en smarttelefon program i forhold til en 3D motion capture-systemet i sagittal plan. Sekundært mål var å utvikle en protokoll for klinikere på oppsett av smarttelefonen kamera for videobevegelsesanalyse.
Den sagittal plan knevinkel ble målt under hælen streik og tå av hendelser ved hjelp av smart telefon app og en 3D-motion-capture-systemet i 32 friske forsøkspersoner. Tre forsøk ble utført ved nær (2-m) og langt (4-m) smartkamera avstander. Rekkefølgen av avstandene ble randomisert. Regresjonsanalyse ble utført for å beregne høyden på kameraet basert enten på emnet høyde eller benlengde.
Absolute målefeil var minst under toe off (3,12 ± 5,44 grader) i forhold til hælen streik (5,81 ± 5,26 grader). Det var signifikant (p <0,05), men moderate avtaler mellom applikasjonen og 3D motion capture mål på kne vinkler. Det var heller ingen signifikante (p> 0,05) forskjeller mellom de absolutte målefeil mellom de to kameraposisjoner. De målefeil i gjennomsnitt mellom 3 - 5 grader under toe off og hæl streik hendelsene i gangart syklus.
Bruken av smartphone apps kan være et nyttig verktøy i klinikken for å utføre gangart eller menneskelig bevegelsesanalyse. Videre studier er nødvendig for å fastslå nøyaktigheten i å måle bevegelser av den øvre ekstremitet og stammen.
Introduction
Vurdering av menneskelig gangart er en viktig del av fysioterapi evaluering og klinisk beslutningsprosessen. 1 Gait vurdering er en hyppig brukt klinisk verktøy for å vurdere ganglag underskudd hos pasienter med nevrologiske og muskel underskudd. Revurdering av gangart kan da gi klinikeren informasjon om effekten av en intervensjon i å oppnå målene de hadde satt på sitt første evaluering. Det er et nasjonalt anerkjent behov i USA for fysioterapeuter til å utnytte standardiserte utfallet målinger ved vurdering av pasienter. 2 Dette behovet stammer fra den raskt skiftende landskap av forsikring refusjon politikk, samt en vektlagt skift for fysioterapeuter til å stole mer tungt på kunnskapsbasert praksis. 3 Det er mange effektmål for å vurdere ulike aspekter av gangart, som kan observeres på en rekke måter, inkludert: visUAL observasjon av lege, funksjonelle vurderinger, video spilt inn tiltak, elektroniske gangveier, tredimensjonal bevegelsesanalyse programvare, etc. I kliniske settinger, er observasjons (visuell) ganganalyse ofte utføres, da det krever minimalt med utstyr og tid.
Mens observasjonsganganalyse er ofte brukt i klinikken, gjenstår det fortsatt en subjektiv vurdering. 4 Derfor faktorer som terapeut erfaring, synsskarphet, avstand fra (kamera avstand) motivet, måleverktøy, og andre slike faktorer kan introdusere variasjon og feil i vurderingen. Potensialet for en slik variasjon presenterer et kritisk behov for en mer pålitelig metode for måling, som til slutt kan overvinnes ved bruk av gyldige instrumentering. 5
Siden begynnelsen, videoopptak og relatert teknologi har blitt brukt til å undersøke ulike funksjonelle begrensninger resulting fra nedsatt bevegelsesevne, så vel som en form for visuell tilbakemelding. Dette er akutt sant i forhold til gangart vurdering. Stuberg et al. fant at "videoopptak utstyr er allment tilgjengelig i klinikken ... og gir klinikeren med ekstra objektiv informasjon om holdning og felles posisjon under gangart syklus." 4 Etter hvert som teknologien har fortsatt å øke, så har mulighetene til videoanalyse. Disse funksjonene gir fysioterapeut med større evne til klinisk vurdere de ulike parametere av gangart.
De to viktigste parametrene som fysioterapeuter fokuserer på inkluderer kinematiske og tid og rom parametere. Som navnet tilsier, tid og rom tiltak medfører elementer av distanse og tid. Spesielt for en gangart syklus, ville tid og rom tiltak inkluderer, men ikke begrenset til, skrittlengde, skrittlengde, pedalfrekvens og hastighet. 6 Kinematisk tiltak på other hånd fokus på felles bevegelser / rotasjoner av nedre ekstremiteter observert i løpet av hver gangart syklus.
En rekke fagfellevurderte artikler har blitt publisert som har sitert bruk av video bevegelsesanalyse som et effektmål, spesielt 2D kamerasystemer, for å vurdere kinematisk, tid og rom, eller en kombinasjon av begge typer parametre. Disse artiklene har vurdert ulike kliniske populasjoner, inkludert personer med en historie med slag (CVA), traumatiske hjerneskader (TBI), ryggmargsskader (SCI), Parkinsons sykdom (PD), cerebral parese (CP), og friske individer. Skjematisk vist nedenfor (figur 1) gir rammen som ble vedtatt for å identifisere relevante peer-reviewed litteratur som har blitt publisert på dette emnet.
Figur 1. Skjematisk for Artikkel utvalgskriterier. the skjematisk beskriver fremgangsmåten som brukes i å velge fagfellevurderte artikler å fastslå hvilken type variabler som ble rapportert i ganganalyse. Klikk her for å se en større versjon av dette tallet.
Flertallet av de undersøkelser som har brukt video bevegelsesanalyse for opptak ganglag parametere var valideringsstudier. Kinematiske valideringsstudier kan videre brytes ned i en av tre kategorier: vurdere unormal bevegelse som følge av en spesifikk diagnose / patologi, 7 undersøke leddvinkler under spesifikke funksjonelle bevegelser, 8, 9 og vurdere effektiviteten av behandlingen via sammenligning av pre-intervensjon bevegelse og etter intervensjonen bevegelse. 10, 11 Tilsvarende undersøkelser vurdere spatiotemporal paramålere kan også deles inn i tre kategorier: vurdering av unormal bevegelse som følge av en spesifikk patologi, 12, 13, 14 undersøkelse av en plattform i en bestemt funksjonell aktivitet, 15, 16 og bestemmelse av effekten av et bestemt inngrep. 17 De undersøkelser som evaluerte både kinematiske og tid og rom parametre ble først og fremst rettet mot å bestemme effektiviteten av spesifikke behandlingstiltak som ortoser 17 eller kroppsvekt / kroppsvekt delvis understøttet tredemølle trening. 18, 19. En foreløpig beskrivende analyse av disse artiklene fastslått at 52,1% av studiene (summen av de som ser utelukkende på kinematikk (30,4%), og de som undersøkte en kombinasjon av parametere (21,7%)) researched kinematiske parametre med et 2D-kamerasystem. Dette er i forhold til 69,5% av artiklene (sum av artikler som undersøkt i tid og rom parametre (47,8%) og en kombinasjon av parametere (21,7%)) som vurderte tid og rom parametere.
De metodiske forskjeller i opptak og vurdere kinematiske og tid og rom ganglag parametere er også sett i klinisk praksis når det gjelder den type observasjonsganganalyse blir brukt. Tid og rom parametrene blir vurdert med mye høyere frekvens som antydet med forskningen. Det er tre vanligvis avtalt årsakene til denne utviklingen: lav pris, brukervennlighet, og eksistensen av en standard protokoll for å måle slike parametre. Observasjons kinematiske målinger har vist seg å ha meget lav intra-rater (60%) og inter-rater pålitelighet (40% - 94%) i kliniske omgivelser. 4 Denne rekke er forstått å være på grunn av variasjon i plasseringen av markører påbenete landemerker og de spesifikke verktøy som brukes til å vurdere leddvinkler. Ørsmå forskjeller i plassering plassering av markørene i betydelig grad kan endre resulterende vinkler. Spatiotemporal målinger har mye høyere pålitelighet (varierer 69% - 97%), spesielt når du bruker papir, blyant og stoppe klokke metode for å vurdere gangart. 20
Den teknologiske fremskritt i de siste tiårene har betydelig endret måten helsevesenet er praktisert. Med den nylige framveksten av smarttelefoner, tilgang til Internett, online forskningsartikler, og andre elektroniske ressurser er nå lettere tilgjengelig for klinikere til enhver tid. Martin et al. rapporterte at "generell bruk av smarttelefoner øker i klinisk praksis, medisinsk utdanning og forskning." 21 I denne studien, mer enn 50% av leger under 35 år svarer at de har iverksatt ved hjelp av en smarttelefon i klinisk praksis. Denne trenden INCRlettet i 2009 da 64% av leger i USA viste seg å være å bruke smarttelefoner i sin kliniske praksis. The Manhattan omtale studien videre spådd at denne veksten vil fortsette å stige til 81% av leger og helsepersonell klinikere gjennomføringssmarttelefon-bruk i klinisk praksis innen 2012. 22 Mens videre forskning ikke har blitt gjennomført for å finne ut om denne oppadgående trenden har faktisk fortsatte å klatre, det er rimelig å anta, med den kjente implementering av teknologi i helsevesenet, at bruken av smarttelefon plattformer i klinisk praksis vil bli mer vanlig.
er ikke klarlagt dagens bruk av smartphone programmer i fysioterapi praksis. Det har ikke vært noen studier som evaluerte bruken av smartphone video analyse applikasjoner av en fysioterapeut til dags dato. Imidlertid har ulike smartphone programmer blitt brukt av private fysioterapeuter som et gjennombrudd hjelpeverktøy i outpatient ortopediske innstillinger for bruk i både rehabiliterende og opplæring utøvere av ulike disipliner. Smartphone apps er også tilgjengelig som kan måle leddvinkler, noen som har blitt validert. 23, 24 Individuelle terapeuter har begynt å bruke ulike analyse applikasjoner på smarttelefoner for visuell tilbakemelding for pasienten og for enklere oversikt over ulike komponenter som kan være mangler i pasientens gangart syklus, basert på anekdotiske bevis. Men gyldigheten av disse tiltakene er fortsatt ukjent. Den begrensede forskningen som eksisterer om disse smartphone video analyse applikasjoner har fokusert på validering av kinematiske ganglag parametere, spesielt ankel, kne og hofte vinkler, i frontal plan, 25 og inter-rater reliabilitet av enheten. 26 Det finnes ingen studier hittil som har validert bruken av smarttelefonen video analyse applikasjoner for å spille inn kinematics av gangart i sagittal plan, som oftest utført i klinisk ganganalyse.
Hensikten med denne studien var å teste samtidig gyldigheten av kinematiske tiltak registrert av smarttelefon program og sammenligne dem til tiltak innspilt av en 3D motion capture-systemet i sagittal plan. Vi spår at det vil være ingen signifikante forskjeller mellom de tiltak som er registrert av smarttelefonen søknaden i forhold til de tiltak som er registrert av 3D motion capture system. Den sekundære formål er å teste om to forskjellige plasseringer av smarttelefonen kameraet fra motivet (nær avstand av 2-m; langt avstand på fire -nt forskjell i tiltak mellom de to forskjellige plasseringer av smarttelefonen kamera Den endelige formålet med studien. er å utarbeide en protokoll for klinisk video ganganalyse ved hjelp av en smarttelefon program.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Denne protokollen ble godkjent av Institutional Review Board of Wayne State University.
1. Eksperimentell Forberedelse
- Posisjons kameraer for å fange hele 6-meter gangvei. Bruk en total av 4 3D bevegelse fanger kameraene til å ta gang over en 6-m gangvei.
- Plasser hvert av kameraene på de 4 hjørnene av 6 m gangvei. Orienter hvert av kameraene på de diagonale endene av gangvei til å møte hverandre.
- Samle høyde, vekt og benlengde tiltak av hver deltaker.
- Måle masse i kilo.
- Mål benlengde (i meter) fra større trochanter til mediale malleoli av begge ben med et målebånd.
- Mål høyden (i meter), ved å ha deltakeren stå barbent ved siden av et målebånd er festet til veggen. Plasser en linjal på toppen av deltakerens hode til å lese måling fra målebåndet festet til veggen.
- Plasser klynger av 3 smarte markører på deltaker på bilateral anterior superior bekken toppene (ASIS), øvre 1/3 av lår, øvre 1/3 av kalv og dorsum av foten. Plasser en enkelt smart markør i midtlinjen mellom høyre og venstre bakre overlegen bekken toppene.
- Sikre de smarte markører med borrelås / dobbeltsidig tape. Sikre lår og kalv markører i frontal plan.
- Plasser klistremerker som indikerer landemerker benete enn bilateral mediale og laterale femurkondyler, medial og lateral malleoli og webspace mellom første og andre tær for kalibrering av 3D motion capture-systemet.
MERK: Kalibreringsprosedyren er spesifikk for hvert laboratorium, og 3D motion capture-utstyr og programvare.
2. eksperiment
- Juster smart telefon kameralinsen høyde for å fange enten deltakerens underkroppen bare (ASIS som overlegen grensen) eller øvre og nedre kroppen (acromion som overlegen grensen). Mål høyden fra gulvet til kameralinsen i meter.
- Gi deltakerne en praksis rettssak. Ha en etterforsker operere smart telefon, og den andre bruke datamaskinen som styrer 3D motion capture system. Bruk nummerert papir for å angi prøvenummer på smart telefon innspillingen.
- Åpne smarttelefon. Trykk på den røde "record" -knappen på bunnen, midten av screen å begynne opptaket (når i vertikal retning).
MERK: Hvis smarttelefonen har allerede blitt plassert på stativet, vises knappen på midten, høyre side av telefonen, i nærheten av hjem-knappen på smarttelefonen. - Be deltakeren til å gå på sitt normale tempo, med fokus på en markør plassert på motsatt vegg for å hjelpe dem i å gå en rett linje. Plasser smarttelefon parallelt med gangvei til fange en sideprofilen for deltakeren. Har deltakeren krysse de to første 3D Motion Capture kameraer plassert i begynnelsen av gangveien på hver side, og gå mot ytterligere to 3D Motion Capture kameraer plassert i den andre enden av gangveien på hver side.
- For hvert forsøk, gi hver deltaker en nedtelling til start (3, 2, 1, GO) og avslutte studie (3, 2, 1, STOP).
- Etter at emnet er ferdig gå seks-m avstand, velger du den røde "record" -knappen en gang til for å avslutte innspillingen denne gang rettssaken.
- Sjekk enll markører for posisjon etter hvert forsøk. Hvis en markør posisjon ble endret tilbake til trinn 1.6 for å kalibrere 3D motion capture-systemet til de nye merke plasseringer.
- Har deltakerne utføre 3 forsøk på hvert kamera avstand i trinn 2.1.
- Flytt stativ med smart telefon til den andre avstanden. Returner deltakeren til å stå på midtpunktet av turen måte. Følg instruksjonene i protokollen trinn 02.02 til 02.05.
- Lagre og kontrollere 3D motion capture-opptak og smarttelefonopptak før fjerning av smarte markører.
3. Data Analysis
- Følg software / produsentens instruksjoner for å beregne knevinkel. registrere knevinkel som vises på skjermen på hælen streik og toe off fasen av gangart syklus manuelt.
- Fullfør analyse av smarttelefonopptak for hæl streik og toe off hendelser fanges opp av et team av to etterforskere, som må bli enige om øyeblikk av hælen streik og tå avf arrangementer og vinkel måling land merkene. Bruk en pekepenn for økt nøyaktighet av landemerke plassering for kneet vinkelmålinger. Trinnene nedenfor er gjort i fellesskap av de to etterforskerne.
- For å se rettssaken som akkurat ble spilt inn, velger du video torget i nedre venstre hjørne av skjermen (i vertikal retning).
- Ved hjelp av rullefeltet på bunnen av skjermen, velger du ramme hvor motivet er nærmest hæl streik eller tå av (avhengig av hva som er den foretrukne variabel) i midten av skjermen.
- For å slippe i vinkelen, trykk på den hvite, skissert blyantikonet øverst til høyre side av skjermen.
- Velg vinkelen alternativet, det andre alternativet i rullegardinmenyen.
- Velg en foretrukket farge og vinkelen maker. Vær oppmerksom på at bare én vinkel kan måles på en gang. Vinkelen måles i denne protokollen rent besto av knevinkel i sagittal plan.
- Skyv eller trykk på pennen hvor som helst på skjermen for å slippe ivinkel.
- Plasser midten av vinkelen på kneleddet (lateral knokkelen), med vektorene nå oppover langs femur og nedover mot den laterale malleoli.
- Hvis nødvendig, "zoom inn" ved å plassere to fingre tett sammen i midten av skjermen, og sakte trekke dem fra hverandre.
Merk: Når fornøyd med plassering av vinkelen, beregner verktøyet automatisk kneet vinkel på det gitte ramme. - Å identifisere knevinkel på andre faser av toe off eller hæl streik, gjenta trinn 03.04 til 03.10.
4. Klinisk Protocol
- Mål og merk av en 6-m gangvei med målebånd og markør / tape.
- Plasser smarttelefonen på et stativ parallelt og nær sentrum av den seks meter gangvei.
- Plasser stativet 2 m fra sentrum av gangveien å fange underekstremitetene, eller 4 meter for å fange stammen og underekstremitetene. Alle kameraposisjoner tillate påly fangst av sagittal plan kinematikk.
- Beregn høyden på smarttelefonen kameralinsen høyden fra gulvet ved hjelp av følgende formler:
Nær kamerakonfigurasjon (2 m) for bare underekstremitetene fangst
Kameralinsen height = (0.87xPatient referanse benlengde i meter) - 0.12
Far kamerakonfigurasjon (4 meter) for begge underekstremitetene og bagasjerommet fangst
Kameralinsen height = Pasientens henvisning benlengde i meter - 0,23 - Gjenta pkt 2-3 for å registrere og analysere data ved hjelp av smart telefon app.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Alle 32 personer fullførte de 6 walking prøvelser; Men data fra seks av deltakerne ble ikke inkludert i dataanalysen på grunn av tekniske problemer som resulterer i dårlig markør sikt. De absolutte målefeil av kne vinkler var minst under toe off hendelser (3,12 ± 5,44 grader) sammenlignet med hælen streik (5,81 ± 5,26 grader) (tabell 1b). Det var ingen statistisk signifikante avtaler (P> 0,05) mellom smarttelefon program og 3D motion capture mål på kne vinkler. Det var heller ingen signifikante forskjeller (P> 0,05) mellom de absolutte målefeil mellom de to kameraposisjoner (2,0 m og 4,0 m). Deltakernes benlengde utgjorde 40,4% variansen til høyden hvor smarttelefonen kamera ble plassert i langt avstand (4,0 m, p <0,0001), og 50% varians i nær avstand (2,0 m, p <0,0001).
(tabell 1a). Ved hendelser Toe Av 1, Heel Strike 1 og Toe Off to, for både nær og fjern avstand, smarttelefonen søknaden viste moderat avtalen. Forbedret avtale ble observert ved Toe Off to, både i nær og fjern avstand, med forbedret ICC verdier observert (Toe Off to i nærheten av ICC = 0,447, p <0,05; Toe Off to Far ICC = 0,454, p <0,05).
| kamera~~POS=TRUNC | Gait Phase | Mean feil | Std. Avvik |
| Nær | Heel Strike 1 | 5,74 | 8.49 |
| Heel Strike 2 | 6,36 | 4.14 | Toe Av 1 | 3,93 | 5 |
| Toe Off 2 | 2,49 * | 4,99 | |
| Langt | Heel Strike 1 | 4,97 | 5.58 |
| Heel Strike 2 | 5,47 | 3.6 | |
| Toe Av 1 | 2,71 | 5.64 | |
| Toe Off 2 | 2,54 * | 4,69 |
Tabell 1: intrakorrelasjonsanalyse med Betydning verdier (p-verdi). * Indikerer p <0,05.
| kamera~~POS=TRUNC | Gait Phase | intra Korrelasjon | Betydning |
| Nær | Heel Strike 1 | 0.168 | 0,368 |
| 0.324 | 0,126 | ||
| Heel Strike 2 | 0,335 | 0,07 | |
| Toe Off 2 | 0,447 | 0,018 * | |
| Langt | Heel Strike 1 | 0.157 | 0,327 |
| Toe Av 1 | 0,284 | 0,084 | |
| Heel Strike 2 | 0.248 | 0,119 | |
| Toe Off 2 | 0,454 | 0,046 * |
Tabell 2: knevinkel målefeil. Bland-Altman plott generert fra forskjellen i tiltak mellom applikasjonen og motion capture-systemer tilbyr visuelle bevis som tyder på at forskjellene er av en tilfeldig karakter, uten noen proporsjonal feil som blir observert (figur 2a og 2b). Tomtene for 2,0 m og 4,0 m avstand vise data som er mer spredt rundt bety forskjellen linjen i midten. Dette indikerer at kameraposisjonen ikke bidro til feil i målingene.
Figur 2. Bland og Altman plott Viser forskjellen mellom tiltak er tatt opp med App og 3D Motion Capture System Under Toe av på fjern og nær kameraposisjoner. a) kameraets posisjon Far Toe Off 2. b) kameraets posisjon i nærheten av Toe Off to.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Hensikten med denne valideringsstudie var å avgjøre gyldigheten av et fritt tilgjengelig program smarttelefon for å være klinisk brukes som en objektiv og kostnadseffektiv måte å bruke smarttelefonen teknologi for kinematisk gangart analyse i klinisk setting. Eksisterende valideringsstudier som undersøkte kinematiske tiltak med en smarttelefon program er begrenset, og har ikke vurdert dynamiske kinematiske tiltak er tatt under gangart i sagittal plan. Dette valideringsstudie er den første som har undersøkt kinematiske kne tiltak i sagittal plan med en smarttelefon. I tillegg er denne valideringen den første kjent for å utvikle en protokoll for kinematisk gangart-analyse i det sagittale plan ved hjelp av en smarttelefon program for replikasjon i et klinisk miljø.
Basert på resultatene, var det en betydelig forskjell mellom kneet vinkelmålinger av 3D motion capture system og smarttelefon program, som skulle være expected. Det er begrenset nøyaktighet av målinger oppnådd ved hjelp av smart i forhold til kapasiteten av den 3D motion capture system. Den begrensede presisjon av smarttelefonen er basert på de teknologiske parametrene som var tilgjengelige på den spesifikke enheten da studien ble utført. Etter hvert som teknologien fortsetter å avansere, kan de smarttelefon plattformer presentere med forbedrede fangst priser. Evnen til å bremse video for analyse og ta stillbilder i en bevegelig ramme kan også forbedre presisjonen på kinematisk analyse av tilgjengelige smarttelefon plattformer. Inkorporering av funksjoner som HD video-opptak, slow motion capture, kvalitet på zoom- og fokus kapasiteter kan forbedre analysen av ekstremitet uten forvrengning av ønsket gangart øyeblikk. Selv om nøyaktigheten av målingen påvirkes kneet tiltaket oppnådde, var ingen signifikant forskjell i målefeil detekteres mellom de to kamera avstander. Det var moderat avtale medkne vinkelmålinger under toe off fase, noe som indikerer økt avtale knefleksjon tiltak i forhold til avtalen av kneet forlengelse eller hyperextension måling under hælen streik.
I gjennomsnitt, en 2 - ble seks graders spekter av målefeil oppdaget. Utvalget av feil oppnådd på denne studien samsvarer godt med en etablert klinisk akseptable område for feil. For eksempel, flere goniometriske tiltak av en ekstremitet av en enkelt sensor har en rekkevidde på 4 til 5 grader. 27, 28 Ytterligere, var gjennomsnittlig standardavvik for ekstremitetene goniometriske tiltak av flere sensorer er 5 til 6 grader. Sammenlignet med en studie som undersøkte fangst av mekanisk løft i sagittal plan, er målefeil også gjenspeiler klinisk akseptabelt tiltaket tidligere nevnt. I en studie utført av Norris et al. 5, standardfeilen formener målt i hofte, kne og ankel under mekanisk løfte ble analysert. Det var 6,1 grader av feil på kne målinger. Men tiltakene som oppnås ved Norris brukt et videokamera for å registrere tiltak med analyse på en datamaskin med en smarttelefon kompatibelt program. Målefeil kan ikke sammenlignes direkte med de tiltak som er oppnådd i denne studien fordi alle tiltak ble både tatt og analysert på en smarttelefon. For å gjenskape resultatene presentert i dette manuskriptet, må alle trinnene i protokollen følges som beskrevet. Spesielt § 2 er kritisk til å utføre denne validering teknikk og også få en gyldig kinematisk mål ved hjelp av smarttelefonen app. Disse trinnene skissere smarttelefonen kameraplassering metode og utføre de kinematiske tiltak.
I tillegg til validering av bruk smarttelefon for kinematisk ledd måling, har denne undersøkelsen forsøkt å forenkle og standardisere bruken av smartteknologi for gangart-analyse av det sagittale plan i klinikken. Etterforskerne utviklet en protokoll for en realistisk gjengivelse av denne studien innenfor en klinisk plass, ved hjelp av minimal og lett tilgjengelig utstyr. Protokollen inneholder parametere for plassen som trengs, utstyr som trengs, og nødvendige formler for å beregne pasientens egne oppsett for passende fangst av de ønskede underekstremitetene segmenter. Ved å følge oppsettet som er beskrevet nedenfor, etterforskerne er relativt sikre på at behandlere vil motta gyldige kinematiske tiltak med ± 5 grader av feil.
Subscription Required. Please recommend JoVE to your librarian.
Materials
| Name | Company | Catalog Number | Comments |
| Hudl Technique App | Hudl | Online app | Freely downladable app from adroid /apple store |
| Optotrak Certus 3D motion capture system | Northern Digital inc | Optotrak certus System | http://www.ndigital.com/msci/products/optotrak-certus/ |
| Smartphone | Apple | Iphone 5 | www.apple.com |
References
- Brunnekreef, J. J., van Uden, C. J., van Moorsel, S., Kooloos, J. G. Reliability of videotaped observational gait analysis in patients with orthopedic impairments. BMC Musculoskelet Disord. 6 (17), (2005).
- Jette, D. U., Halbert, J., Iverson, C., Miceli, E., Shah, P. Use of standardized outcome measures in physical therapist practice: perceptions and applications. Phys Ther. 89 (2), 125-135 (2009).
- Jette, D. U., et al. Evidence-based practice: beliefs, attitudes, knowledge, and behaviors of physical therapists. Phys Ther. 83 (9), 786-805 (2003).
- Stuberg, W. A., Colerick, V. L., Blanke, D. J., Bruce, W. Comparison of a Clinical Gait Analysis Method Using Videography and Temporal-Distance Measures with 16-Mm Cinematography. Phys Ther. 68 (8), 1221-1225 (1988).
- Norris, B. S., Olson, S. L. Concurrent validity and reliability of two-dimensional video analysis of hip and knee joint motion during mechanical lifting. Physiother Theory Pract. 27 (7), 521-530 (2011).
- Robinson, J. L., Smidt, G. L.
- Krystkowiak, P., et al. Gait abnormalities induced by acquired bilateral pallidal lesions: a motion analysis study. J Neurol. 253 (5), 594-600 (2006).
- Grunt, S., et al. Reproducibility and validity of video screen measurements of gait in children with spastic cerebral palsy. Gait Posture. 31 (4), 489-494 (2010).
- Womersley, L., May, S. Sitting posture of subjects with postural backache. J Manipulative Physiol Ther. 29 (3), 213-218 (2006).
- DeForge, D., et al. Effect of 4-aminopyridine on gait in ambulatory spinal cord injuries: a double-blind, placebo-controlled, crossover trial. Spinal Cord. 42 (12), 674-685 (2004).
- Lucareli, P. R., et al. Gait analysis following treadmill training with body weight support versus conventional physical therapy: a prospective randomized controlled single blind study. Spinal Cord. 49 (9), 1001-1007 (2011).
- Lucareli, P. R., et al. [Gait analysis and quality of life evaluation after gait training in patients with spinal cord injury]. Rev Neurol. 46 (7), 406-410 (2008).
- McFadyen, B. J., Swaine, B., Dumas, D., Durand, A. Residual effects of a traumatic brain injury on locomotor capacity: a first study of spatiotemporal patterns during unobstructed and obstructed walking. J Head Trauma Rehabil. 18 (6), 512-525 (2003).
- Shin, J. C., Yoo, J. H., Jung, T. H., Goo, H. R. Comparison of lower extremity motor score parameters for patients with motor incomplete spinal cord injury using gait parameters. Spinal Cord. 49 (4), 529-533 (2011).
- Reid, S., Held, J. M., Lawrence, S. Reliability and Validity of the Shaw Gait Assessment Tool for Temporospatial Gait Assessment in People With Hemiparesis. Arch Phys Med Rehabil. 92 (7), 1060-1065 (2011).
- Stokic, D. S., Horn, T. S., Ramshur, J. M., Chow, J. W. Agreement Between Temporospatial Gait Parameters of an Electronic Walkway and a Motion Capture System in Healthy and Chronic Stroke Populations. Am J Phys Med Rehabil. 88 (6), 437-444 (2009).
- Arazpour, M., et al. Evaluation of a novel powered hip orthosis for walking by a spinal cord injury patient: a single case study. J. Prosthet. Orthot. Int. 36 (1), 105-112 (2012).
- Prado-Medeiros, C. L., et al. Effects of the addition of functional electrical stimulation to ground level gait training with body weight support after chronic stroke. Revista Brasileira De Fisioterapia. 15 (6), 436-444 (2011).
- Sousa, C. O., Barela, J. A., Prado-Medeiros, C. L., Salvini, T. F., Barela, A. M. Gait training with partial body weight support during overground walking for individuals with chronic stroke: a pilot study. J Neuroeng Rehabil. 8 (48), (2011).
- Krebs, D. E., Edelstein, J. E., Fishman, S. Reliability of observational kinamatic gait analysis. J Am Phys Ther Assoc. 65, 1027-1033 (1995).
- Martin, S. More than half of MDs under age 35 now using PDAs. Can. Med. Assoc. J. 169 (9), 952 (2003).
- Mosa, A. M., Yoo, I., Sheets, L. A Systematic Review of Healthcare Applications for Smartphones. BMC Med Inform Decis Mak. 12, (2012).
- Ferriero, G., et al. Reliability of a smartphone-based goniometer for knee joint goniometry. Int J Rehabil Res. 36 (2), 146-151 (2013).
- Vohralik, S. L., Bowen, A. R., Burns, J., Hiller, C. E., Nightingale, E. J. Reliability and validity of a smartphone app to measure joint range. Am J Phys Med Rehabil. 94 (4), 325-330 (2015).
- Scholtes, S. S., Gretchen, Ability to detect change in single leg squat movement patterns following instruction in females with patellofemoral pain using 2D motion analysis methods. Combined Sections Meeting. , APTA. Las Vegas, USA. (2014).
- Eltoukhy, M. A., Asfour, S., Thompson, C., Latta, L. Evaluation of the performance of digital video analysis of human motion: dartfish tracking system. IJSER. 3 (3), 1-6 (2012).
- Boone, D. C., et al. Reliability of goniometric measurements. Phys Ther. 58 (11), 1355-1360 (1978).
- Variability and reliability of joint measurements. Am J Sports Med. Bovens, A. M., van Baak, M. A., Vrencken, J. G., Wijnen, J. A., Verstappen, F. T. 18 (1), 58-63 (1990).
