Abstract
Användningen av smartphones i klinisk praxis ökar stadigt med tillgången på Ande / fritt tillgängliga "appar" som kan användas för att bedöma mänsklig gång. Det primära syftet med detta manuskript är att testa den samtidiga giltigheten av kinematiska åtgärder som spelats in med en smartphone ansökan i jämförelse med en 3D-motion capture-system i sagittalplanet. Det sekundära syftet var att utveckla ett protokoll för kliniker på inrättandet av smartphone kamera för videorörelseanalys.
Sagittalplanet knävinkel mättes under hälisättning och tå av händelser med den smarta telefonen app och en 3D motion-capture-system i 32 friska försökspersoner. Tre försök utfördes vid nära (2-m) och långt (4-m) smartphone kamera avstånd. Ordningen av avstånden var randomiserad. Regressionsanalys utfördes för att uppskatta höjden av kameran baserad på antingen objektets höjd eller benlängd.
absolute mätfel var stone under tå av (3,12 ± 5,44 grader) jämfört med hälisättning (5,81 ± 5,26 grader). Det var signifikant (p <0,05) men måttliga avtal mellan ansökan och 3D-motion capture åtgärder knä vinklar. Det fanns inte heller några signifikanta (p> 0,05) skillnader mellan de absoluta mätfel mellan de två kamerapositioner. Mätfelen i genomsnitt mellan 3 - 5 grader under tå ut och hälisättning händelserna under gångcykeln.
Användningen av smartphone apps kan vara ett användbart verktyg i kliniken för att utföra gång eller rörelseanalys människa. Ytterligare studier behövs för att fastställa noggrannheten vid mätning rörelser övre extremiteten och bål.
Introduction
Bedömning av mänsklig gång är en nyckelkomponent i sjukgymnastik utvärdering och klinisk beslutsprocessen. 1 Gång bedömning är ett ofta använt kliniskt verktyg för att bedöma gång underskott hos patienter med neurologiska och muskuloskeletala underskott. Omvärdering av gång kan sedan ge läkaren med information om effekten av en intervention för att uppnå de mål de ställt upp vid sitt första utvärdering. Det finns ett nationellt erkänt behov i USA för sjukgymnaster att utnyttja standardiserade mätningar utfalls vid utvärdering av patienter. 2 Detta behov härrör från den snabbt föränderliga landskapet försäkringsersättningspolitik, liksom en betonade skift för sjukgymnaster att lita mera på evidensbaserade metoder. 3 Det finns många effektmått för att bedöma olika aspekter av gång, som kan observeras i ett antal olika sätt, inklusive: visUAL observation av en läkare, funktionella bedömningar inspelad video åtgärder, elektroniska gångar, tredimensionell rörelseanalys programvara, etc. I kliniska inställningar är observations (visuell) gånganalys vanligtvis utförs, eftersom det kräver minimal utrustning och tid.
Medan observationsgånganalys används ofta inom kliniken, är det fortfarande en subjektiv bedömning. 4 Därför kan faktorer som terapeut erfarenhet, synskärpa, avstånd från motivet (kameraavstånd), mätverktyg och andra sådana faktorer införa variabilitet och felaktig bedömning. Potentialen för en sådan variation visar ett kritiskt behov av en mer tillförlitligt sätt för mätning, vilket i slutändan kan övervinnas genom användning av giltiga instrumentering. 5
Sedan starten, videography och tillhörande teknik har använts för att undersöka olika funktionella begränsningar resulting från nedsatt rörelseförmåga samt en form av visuell feedback. Detta är akut sant när det gäller att gångstil bedömning. Stuberg et al. fann att "videography utrustning är allmänt tillgänglig på kliniken ... och ger läkaren med ytterligare objektiv information om kroppshållning och gemensam ståndpunkt under gångcykeln." 4 Eftersom tekniken har fortsatt att förbättras, så har kapacitet videoanalys. Dessa funktioner ger sjukgymnast med större förmåga att kliniskt utvärdera de olika parametrarna i gång.
De två nyckelparametrar som sjukgymnaster fokuserar på inkluderar kinematiska och Spatiotemporal parametrar. Som namnet antyder, Spatiotemporal åtgärder inslag av avstånd och tid. Specifikt för en rörelsecykel skulle Spatiotemporal åtgärder omfattar men inte begränsas till, steglängd, steglängd, kadens och hastighet. 6 Kinematiska åtgärder på other sidan fokus på gemensamma rörelser / rotationer av de nedre extremiteterna som observerats under varje rörelsecykel.
Ett antal vetenskapliga artiklar har publicerats som har citerat användningen av videorörelseanalys som utfallsmått, särskilt 2D kamerasystem, för att bedöma kinematik, Spatiotemporal, eller en kombination av båda typerna av parametrar. Dessa artiklar har utvärderat olika kliniska populationer, inklusive personer med en historia av stroke (CVA), traumatiska hjärnskador (TBI), ryggmärgsskador (SCI), Parkinsons sjukdom (PD), cerebral pares (CP), och friska individer. Den schematiska nedan (figur 1) utgör ramen som antogs för att identifiera relevanta granskad litteratur som har publicerats om detta ämne.
Figur 1. Schema för artikel urvalskriterier. the schema beskriver de steg som används vid val av vetenskapliga artiklar för att fastställa vilken typ av variabler som rapporterades i gånganalys. Klicka här för att se en större version av denna siffra.
Huvuddelen av de forskningsstudier som har använt videorörelseanalys för inspelning gångparametrar var valideringsstudier. Kinematiska valideringsstudier kan ytterligare delas upp i en av tre kategorier: bedömning onormal rörelse till följd av en specifik diagnos / patologi, 7 undersöka gemensamma vinklar under specifika funktionella rörelser, 8, 9 och utvärdera effekten av behandling via jämförelse av pre-ingripande rörelse och efter interventionen rörelse. 10, 11 Likaså forskningsstudier bedöma spatiotemporal paramätare kan också delas upp i tre kategorier: bedömning av onormal rörelse till följd av en viss patologi, 12, 13, 14 undersökning av en plattform under en viss funktionell aktivitet, 15, 16 och bestämning av effekten av en specifik intervention. 17 De studier som utvärderade både kinematiska och Spatiotemporal parametrar i första hand syftar till att fastställa effektiviteten hos särskilda behandlingsinsatser såsom ortoser 17 eller kroppsvikt / partiell kroppsvikt stöds löpband utbildning. 18, 19 En preliminär deskriptiv analys av dessa artiklar fastställs att 52,1% av studierna (summan av dem som söker enbart på kinematik (30,4%) och de som undersökte en kombination av parametrar (21,7%)) researched kinematiska parametrar med en 2D kamerasystem. Detta är i jämförelse med 69,5% av de artiklar (summan av artiklar som forskat Spatiotemporal parametrar (47,8%) och en kombination av parametrar (21,7%)) som bedömt Spatiotemporal parametrar.
De metodologiska skillnader i inspelning och bedöma kinematiska och Spatiotemporal gångparametrar också ses i klinisk praxis när det gäller vilken typ av observationsgånganalys som används. Spatiotemporal parametrar bedöms med mycket större frekvens som indikeras av forskningen. Det finns tre allmänt överenskomna skälen till denna utveckling: låg kostnad, enkel användning, och förekomsten av ett standardprotokoll för att mäta sådana parametrar. Observational kinematiska mätningar har visat sig ha mycket låg intra-rater (60%) och inter-rater tillförlitlighet (40% - 94%) i kliniska situationer. 4 Detta brett utbud förstås bero på variationen i placeringen av markörer påbeniga landmärken och de särskilda verktyg som används för att bedöma gemensamma vinklar. Små skillnader i läge placeringen av markörerna kan signifikant ändra de resulterande vinklar. Spatiotemporal mätningar har mycket högre tillförlitlighet (mellan 69% - 97%), i synnerhet när man använder papper, penna och stoppa klockan metod för att bedöma gång. 20
De tekniska framsteg under de senaste årtiondena har förändrats väsentligt hur vården praktiseras. Med det nyligen dykt upp smartphones, tillgång till Internet, online-forskningsartiklar, och andra elektroniska resurser är nu mer lättillgängliga för kliniker när som helst. Martin et al. rapporterade att "allmän användning av smartphones ökar i klinisk praxis, medicinsk utbildning och forskning." 21 I denna studie svarade mer än 50% av läkare under 35 år att de har genomfört med hjälp av en smartphone i klinisk praxis. Denna trend INCRlättade under 2009 då 64% av läkarna i USA visade sig att använda smartphones i sin kliniska praktik. Manhattan Review studie förutspådde också att denna tillväxt kommer att fortsätta att klättra till 81% av läkare och sjukvårds kliniker genomför smartphone användning i klinisk praxis av 2012. 22 Även om ytterligare forskning inte har utförts för att bestämma om denna uppåtgående trend verkligen har fortsatt att stiga, det är rimligt att anta, med den kända genomförandet av teknik inom vården, att användningen av smartphone plattformar i klinisk praxis kommer att bli allt vanligare.
Den nuvarande användningen av smartphone applikationer i sjukgymnastik praktiken har inte fastställts. Det finns inga studier som utvärderar användningen av smartphone videoanalysapplikationer av en sjukgymnast hittills. Emellertid har olika smartphone applikationer använts av individuella fysiska terapeuter som ett genombrott hjälpmedel verktyg i outpatient ortopediska inställningar för användning i både rehabiliterande och utbildning idrottare i olika discipliner. Smartphone apps finns också tillgängliga som kan mäta gemensamma vinklar, av vilka några har validerats. 23, 24 enskilda terapeuter har börjat använda olika analysapplikationer på smartphones för visuell återkoppling för patienten och för att underlätta fördelningen av olika komponenter som kan saknas i en patients rörelsecykel, baserat på anekdotiska bevis. Men giltigheten av dessa åtgärder är fortfarande okänd. Den begränsade forskning som existerar om dessa smartphone videoanalys program har fokuserat på validering av kinematiska gångparametrar, särskilt fotled, knä och höft vinklar, i frontalplanet, 25 och inter-rater tillförlitligheten hos anordningen. 26 Det finns inga studier hittills som har validerade användningen av smartphone videoanalysapplikationer för att spela in kinematics av gång i sagittalplanet, vilket är vanligast utförs i klinisk gånganalys.
Syftet med denna studie var att testa den samtidiga giltigheten av kinematiska åtgärder registrerats av smartphone ansökan och jämföra dem med åtgärder som spelats in med en 3D-motion capture-system i sagittalplanet. Vi förutspår att det kommer att finnas några väsentliga skillnader mellan de åtgärder som registrerats av smartphone ansökan jämfört med de åtgärder som registrerats av 3D-motion capture-system. Den sekundära syftet är att testa om två skilda placeringar av smartphone kameran från motivet (nära avstånd av 2 m, långt avstånd av fyra -NT skillnad i åtgärder mellan de två distinkta placeringar av smartphone kamera Det slutliga syftet med studien. är att utarbeta ett protokoll för klinisk video gånganalys med hjälp av en smartphone ansökan.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Detta protokoll godkändes av Institutional Review Board av Wayne State University.
1. Experimentell Beredning
- Position kameror för att fånga hela 6-m gångväg. Använd totalt fyra 3D-rörelser fångar kameror för att fånga gå över en 6-m gångväg.
- Placera var och en av kamerorna på 4 hörnen av 6 m gångväg. Orientera var och en av kamerorna på de diagonala ändar av gångvägen för att möta varandra.
- Samla längd, vikt och benlängd åtgärder för varje deltagare.
- Mät massa i kilogram.
- Mät benlängd (i meter) från trochanter major till medial fotknölarna av båda benen med ett måttband.
- Bestäm höjden (i meter), genom att deltagaren stå barfota bredvid ett måttband fäst på väggen. Placera en linjal ovanpå deltagarens huvud att läsa mätningen från måttbandet fäst på väggen.
- Placera kluster av 3 smarta markörer på deltagaren på bilateral främre överlägsna höftbenskam (ASIS), övre 1/3 av låret, övre 1/3 av kalv och dorsum av foten. Placera en enda smarta markör i mittlinjen mellan höger och vänster bakre överlägsen höftbenskam.
- Säkra smarta markörer med kardborreband / dubbelhäftande tejp. Säkra markörer lår och kalv i frontalplanet.
- Place dekaler som indikerar landmärken beniga över bilateral mediala och laterala femorala kondyler, mediala och laterala fotknölarna och webbutrymme mellan första och andra tår för kalibrering av 3D-motion capture-system.
OBS: Kalibreringen är specifik för varje laboratorium, och 3D-motion capture utrustning och programvara.
2. Experiment
- Justera den smarta telefonen kameralinsen höjd för att fånga antingen endast deltagarens underkroppen (ASIS som överlägsen gränsen) eller övre och nedre delen av kroppen (acromion som överlägsen gränsen). Mät höjden från golvet till kameralinsen i meter.
- Ge deltagarna en praxis rättegång. Har en utredare använda den smarta telefonen, och andra använda datorn som styr 3D-motion capture-system. Använd numrerade papper för att indikera provnummer på den smarta telefonen inspelning.
- Öppna den smarta telefonen ansökan. Tryck på den röda "record" knappen på botten, mitten av sCreen att börja spela in (när vertikal orientering).
OBS: Om smartphone har redan släppts ut på stativet, visas knappen i mitten, höger sida av telefonen, nära hem-knappen för smartphone. - Instruera deltagaren att gå på deras normal takt, med fokus på en markör placerad på motsatt vägg för att hjälpa dem att gå en rak linje. Placera smartphone parallellt med gångvägen för att fånga en sidoprofil av deltagaren. Har deltagaren korsa de två första 3D-motion capture-kameror placerade vid början av gångväg på båda sidor, och gå mot ytterligare två 3D-motion capture-kameror placerade vid den andra änden av gångvägen på vardera sidan.
- För varje försök, ge varje deltagare en nedräkning till start (3, 2, 1, GO) och avsluta försöket (3, 2, 1, STOP).
- Efter ämnet slutar gå sex-m avstånd, välj den röda "record" knappen en gång för att avsluta inspelningen denna walking rättegång.
- Kontrollera enll markörer för position efter varje försök. Om en markörposition ändrades tillbaka till steg 1,6 kalibrera 3D motion capture-system till de nya markör placeringar.
- Låt deltagarna utför 3 försök på varje kamera avstånd i steg 2,1.
- Flytta stativet med den smarta telefonen till det andra avståndet. Återgå deltagaren att stå på mittpunkten av vandringen sätt. Följ instruktionerna i protokollet steg 2,2-2,5.
- Spara och kontrollera 3D motion capture-inspelningar och smartphone inspelningar före avlägsnande av smarta markörer.
3. Dataanalys
- Följ programvara / tillverkarens instruktioner för att beräkna knävinkel. registrera manuellt knävinkel som visas på skärmen vid hälisättning och tå av fas av gångcykeln.
- Slutföra analysen av smarta telefon inspelningar för hälisättning och tå av händelser fångas upp av ett team av två utredare, som måste komma överens om tidpunkten för hälisättning och tåf händelser och vinkelmätning landmärken. Använd en penna för ökad noggrannhet landmärke placering för knävinkel mätningar. Stegen nedan görs gemensamt av de två utredarna.
- För att visa prov som just spelades in, välja video torget i det nedre vänstra hörnet på skärmen (i vertikal riktning).
- Använda rullningslisten vid basen av skärmen, välj ram där motivet är närmast hälisättning eller tå ut (beroende på vilket som är det bästa variabel) i mitten av skärmen.
- Att släppa in vinkeln trycker på den vita, beskrivs pennikonen längst upp till höger på skärmen.
- Välj vinkel alternativet det andra alternativet i rullgardinsmenyn.
- Välj en föredragen färg och vinkeln maker. Observera att endast en vinkel kan mätas vid en tidpunkt. Den vinkel som uppmäts i detta protokoll rent bestod av knäet vinkel i sagittalplanet.
- Skjut eller knacka på pennan var som helst på skärmen för att släppa ivinkel.
- Placera centrum av vinkeln på knäleden (lateral kondylen), med vektorerna når uppåt längs femur och nedåt mot den laterala fotknölarna.
- Om det behövs, "zoom in" genom att placera två fingrar nära varandra i mitten av skärmen och sakta dra isär dem från varandra.
ANMÄRKNING: När nöjd med placeringen av den vinkel, beräknar verktyget automatiskt knäet vinkeln vid den given ram. - För att identifiera knävinkel vid andra faser av tå bort eller hälisättning, upprepa steg från 3,4 till 3,10.
4. Klinisk protokoll
- Mät och markera en 6-m gångväg med hjälp av ett måttband och markör / tejp.
- Placera smartphone på ett stativ parallellt och nära till centrum av 6-meters gångväg.
- Placera stativet 2 m från centrum av gångvägen för att fånga den nedre extremiteten, eller 4 m bort för att fånga bålen och nedre extremiteten. Alla kamerapositioner tillåtaly fånga sagittalplanet kinematik.
- Beräkna höjden av smartphone kameralinsen höjd från golvet med hjälp av följande formler:
Nära kamera konfiguration (2 m) för endast nedre extremiteterna fånga
Kameralinsen height = (0.87xPatient referens benlängd i meter) - 0,12
Långt kamera konfiguration (4 meter) för både nedre extremiteten och bål fånga
Kameralinsen height = Patientens referens benlängd i meter - 0,23 - Upprepa avsnitt 2-3 för att spela in och analysera data med hjälp av den smarta telefonen app.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Alla 32 patienter avslutade 6 walking prövningar; var dock data från sex av deltagarna som inte ingår i dataanalysen på grund av tekniska problem som uppstår i dålig markör synlighet. Den absoluta mätfel av knä vinklar var minst under tå av händelser (3,12 ± 5,44 grader) jämfört med hälisättning (5,81 ± 5,26 grader) (Tabell 1b). Det fanns inga statistiskt signifikanta avtal (P> 0,05) mellan smartphone ansökan och 3D motion capture åtgärder knä vinklar. Det fanns inte heller några signifikanta skillnader (P> 0,05) mellan de absoluta mätfel mellan de två kamerapositioner (2,0 m och 4,0 m). Deltagarnas benlängd stod för 40,4% varians av den höjd på vilken smartphone kamera placerades i fjärran (4,0 m, P <0,0001), och 50% varians på nära avstånd (2,0 m, P <0,0001).
(tabell 1a). Vid händelser Toe Off 1, hälisättning en och Toe Off 2, både nära och långt avstånd, smartphone ansökan visade måttlig överenskommelse. Förbättrad överenskommelse observerades vid Toe Av två, både i när och fjärran avstånd, med förbättrad ICC värden som observerats (Toe Av två nära ICC = 0,447, P <0,05; Toe Off 2 Far ICC = 0,454, P <0,05).
| kameraposition | Gait fas | medelfel | Std. Avvikelse |
| Nära | Hälisättning 1 | 5,74 | 8,49 |
| Hälisättning 2 | 6,36 | 4,14 | Tå Av 1 | 3,93 | 5 |
| Tå Off 2 | 2,49 * | 4,99 | |
| Långt | Hälisättning 1 | 4,97 | 5,58 |
| Hälisättning 2 | 5,47 | 3,6 | |
| Tå Av 1 | 2,71 | 5,64 | |
| Tå Off 2 | 2,54 * | 4,69 |
Tabell 1: Intraclass korrelationsanalys med Betydelse Värden (p-värde). * Indikerar p <0,05.
| kameraposition | Gait fas | Intraclass Korrelation | Betydelse |
| Nära | Hälisättning 1 | 0,168 | 0,368 |
| 0,324 | 0,126 | ||
| Hälisättning 2 | 0,335 | 0,07 | |
| Tå Off 2 | 0,447 | 0,018 * | |
| Långt | Hälisättning 1 | 0,157 | 0,327 |
| Tå Av 1 | 0,284 | 0,084 | |
| Hälisättning 2 | 0,248 | 0,119 | |
| Tå Off 2 | 0,454 | 0,046 * |
Tabell 2: knävinkel mätfel. Bland-Altman tomter som genereras av skillnaden i åtgärder mellan ansökan och motion capture system erbjuder visuella bevis som tyder på att skillnaderna är av en slumpmässig natur, utan proportionella fel observeras (figurerna 2a och 2b). Tomterna for 2,0 m och 4,0 m avstånd visa data som är mer utspridda runt den genomsnittliga skillnaden linjen i mitten. Detta tyder på att kamerans position inte bidrog till felen i mätningarna.
Figur 2. Bland och Altman diagram som visar skillnaden mellan åtgärder Inspelade av App och 3D Motion Capture System Under Toe ut på när och fjärran kamerapositioner. a) kameraposition Far Toe Off 2. b) Kamera läge nära Toe Off 2.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Syftet med denna valideringsstudie var att bestämma giltigheten av en fritt tillgänglig smartphone ansökan för att kliniskt användas som ett objektivt och kostnadseffektivt sätt att använda smartphone teknik för kinematisk gånganalys i klinisk miljö. Befintliga valideringsstudier som undersökts kinematiska åtgärder med en smartphone ansökan är begränsade och har inte bedömts dynamiska kinematiska åtgärder som registrerats under gång i sagittalplanet. Denna valideringsstudie är den första att ha undersökt kinematiska knä åtgärder i sagittalplanet med en smartphone. Dessutom är detta valideringsstudie den första kända för att utveckla ett protokoll för kinematisk gånganalys i sagittalplanet med hjälp av en smartphone ansökan för replikering i klinisk miljö.
Baserat på resultaten, det fanns en signifikant skillnad mellan knä vinkelmätningar av 3D-motion capture-system och smartphone ansökan, som skulle vara expected. Det finns begränsad precision mätningar som erhållits genom smartphone jämfört med kapaciteten hos 3D-motion capture-system. Den begränsade precisionen i smartphone är baserad på de tekniska parametrar som fanns på den aktuella enheten när studien genomfördes. Eftersom tekniken fortsätter att avancera, kan smartphone plattformar uppvisa förbättrade avskiljningsnivå. Förmågan att sakta video för analys och ta stillbilder inom en rörlig ram kan också förbättra precisionen i kinematiska analys på tillgängliga smartphone plattformar. Inkorporering av funktioner som HD-videoinspelning, slow motion capture, kvalitet zoom och fokus kapacitet kan avsevärt förbättra analysen av extremiteten utan förvrängning av den önskade gång ögonblick. Även om precisionen i mätningen påverkas knäet åtgärd erhållna ades ingen signifikant skillnad i mätfel detekteras mellan de två kamera avstånd. Det var måttlig samtyckeknä vinkelmätningar under tån off fas, vilket indikerar ökad överenskommelse knäböjning åtgärd i förhållande till överenskommelse knästräckning eller översträckning mätning under hälisättning.
I genomsnitt, en 2 - var sex graders mätområde fel har upptäckts. Felintervallet erhölls i denna studie överensstämmer väl med en etablerad, kliniskt acceptabel felintervallet. Till exempel, flera goniometrisk åtgärder som vidtagits av en extremitet av en enda examina har en räckvidd på 4 till 5 grader. 27, 28 Vidare är den genomsnittliga standardavvikelsen för extremitet goniometrisk åtgärder som vidtagits av flera granskare 5 till 6 grader. Vid jämförelse med en studie som undersökte fångst av mekaniska lyft i sagittalplanet, är mätfel också reflekterande av kliniskt acceptabel åtgärd tidigare nämnts. I en studie utförd av Norris et al. 5, standardfelet avgenomsnittligt uppmätta i höft, knä och fotled under mekaniska lyftanalyserades. Det var 6,1 grader av fel för knä mätningar. De åtgärder som erhållits genom Norris använde en videokamera för att spela in åtgärder analys på en dator med en smartphone kompatibelt program. Mätfelen kan inte direkt jämföras med de åtgärder som erhållits i denna studie eftersom alla åtgärder både fångas och analyseras på en smartphone. För att replikera de resultat som presenteras i detta manuskript, måste alla steg i protokollet följas som beskrivs. Särskilt avsnitt 2 är avgörande för att utföra denna valideringsteknik och även få en giltig kinematisk åtgärd med hjälp av smartphone-appen. Dessa steg beskriva placeringen metoden smartphone kamera och utför de kinematiska åtgärder.
Förutom validering av smartphone användning för kinematisk gemensam mätning, har denna studie försökt att förenkla och standardisera användningen av smartphoneteknologi för gånganalys av sagittalplanet i kliniken. Utredarna utvecklat ett protokoll för en realistisk återgivning av denna studie inom ett kliniskt rymden, med hjälp minimal och lätt tillgänglig utrustning. Protokollet innehåller parametrar för det utrymme som behövs, utrustning som behövs, och nödvändiga formler för att beräkna patientspecifika inställningar för lämplig avskiljning av de önskade nedre extremiteterna segment. Genom att följa installationen beskrivs nedan, utredarna är relativt säkra på att kliniker kommer att få giltiga kinematiska åtgärder med ± 5 grader av fel.
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. Quantitative gait evaluation in the clinic. Phys Ther. 61 (3), 351-353 (1981).
- 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).
