Summary
Hemos diseñado una prueba de realidad virtual para evaluar las actividades instrumentales de la vida diaria (AIVD) con un sistema de captura de movimiento. Proponemos un análisis cinemático detallado para interpretar al participante varios movimientos, incluyendo la trayectoria, distancia móvil y hora de finalización para evaluar capacidades de AIVD.
Abstract
La incapacidad para realizar actividades instrumentales de la vida diaria (AIVD) es un precursor de varias enfermedades neuropsicológicas. Cuestionario basado en las evaluaciones de AIVD son propensos al sesgo subjetivo pero fácil de usar. Aquí, describimos una prueba novedosa realidad virtual (VR) para evaluar dos tareas complejas de AIVD: manejo de las transacciones financieras y el uso de transporte público. Mientras un participante realiza las tareas en un entorno de VR, un movimiento capturar trazas de sistema la posición y orientación de la mano dominante y en un sistema de coordenadas cartesianas tridimensional. Datos cinemáticos son recogidos y convertido en 'cinemática medidas de desempeño,' es decir, movimiento de trayectoria, distancia móvil y tiempo de finalización. Trayectoria de movimiento es la ruta de acceso de una parte particular del cuerpo (por ejemplo, mano dominante o jefe) en el espacio. Distancia móvil se refiere a la distancia total de la trayectoria y tiempo de finalización es cuánto tiempo tomó para completar una tarea de AIVD. Estas medidas cinemáticas podrían discriminar a pacientes con deterioro cognitivo de los controles sanos. El desarrollo de este protocolo de medición cinemática permite la detección de tempranas debilitaciones cognoscitivas relacionadas con el AIVD.
Introduction
Actividades instrumentales del diario vivir (AIVD), tales como manejo de las transacciones financieras, usando el transporte público y cocina, son marcadores médicos puesto que requiere múltiples funciones neuropsicológicas1. Deterioro de las capacidades de AIVD así se consideran precursores de enfermedades neurológicas, como el deterioro cognitivo leve (DCL) y demencia2. Revisión exhaustiva del oro de AIVD las tareas3 indicó que cognitivamente más exigentes tareas, como la gestión de las finanzas y usando el transporte público, fueron el predictor más temprano de la MCI y la demencia.
Hasta la fecha, las evaluaciones más utilizadas de AIVD son cuestionarios autoinformados, informante basado en cuestionarios y evaluaciones basadas en el rendimiento4. Evaluaciones basadas en el cuestionario de AIVD son rentables y fáciles de usar, pero son propensas al sesgo subjetivo. Por ejemplo, cuando uno mismo-presentación de informes, los pacientes tienden a sobre o debajo estimate sus AIVD las capacidades5. Asimismo, los informantes misjudge funciones IADL debido a percepciones erróneas o lagunas de conocimiento4el observador. Por lo tanto, evaluaciones basadas en el rendimiento que piden los pacientes para llevar a cabo tareas específicas de AIVD han preferido, aunque muchas de las tareas son inadecuados para un ajuste clínico general6.
Recientemente, estudios de la realidad virtual (VR) han demostrado que esta tecnología podría tener aplicaciones importantes en medicina y salud, que incluye todo, desde capacitación para rehabilitación a evaluación médica7. Todos los participantes se pueden probar en las mismas condiciones VR, que imitan el mundo real. Por ejemplo, Allain et al. 8 había desarrollado una tarea de café virtual y demostró que los pacientes con deterioro cognitivo realizaron mal la tarea. Klinger et al. 9 desarrollado entorno VR otro correo y tareas de compras y encontró una relación significativa entre el tiempo de realización de tareas en VR y resultados de las pruebas neuropsicológicas. Estudios previos de VR de evaluación de las AIVD han centrado sobre todo en medidas simples tales como tiempo de reacción o exactitud al utilizar dispositivos de entrada convencionales como un ratón y el teclado8,9. Datos de rendimiento más detallados acerca de AIVD es así necesario para pantalla eficaz para los pacientes con MCI4.
Análisis cinemático de los datos de captura de movimiento en tiempo real es un enfoque poderoso para documentar cuantitativamente datos detallados de rendimiento asociados a tareas de AIVD. Por ejemplo, blanco et al. 10 desarrolló una cocina virtual que captura datos de ángulo común de los participantes durante las tareas diarias de la vida y utiliza datos capturados para evaluar cuantitativamente la eficacia de la terapia física. Terrer Dimbwadyo et al. 11 desarrolló un entorno inmersivo de VR para evaluar el rendimiento de la extremidad superior al llevar a cabo tareas básicas de la vida diaria y demostró que datos cinemáticos graban en un entorno de VR con escalas funcionales de la extremidad superior. Estos análisis cinemáticos con sistemas de captura de movimiento pueden ser más oportunidad para evaluar rápidamente de deterioro cognitivo del paciente12. Inserción de los datos detallados de la cinemáticos en el cribado de pacientes con MCI mejoró significativamente la clasificación de los pacientes respecto a controles sanos13.
Aquí, describimos un protocolo para evaluar la cinemática de los movimientos diarios de vida con sistemas de captura de movimiento en un entorno inmersivo de VR. El protocolo consta de dos tareas complejas de AIVD: "tarea 1: retirar dinero" (manejo de las transacciones financieras) y "tarea 2: tomar el autobús" (usando el transporte público). Mientras que las tareas se realizaron, un sistema de captura de movimiento rastrear la posición y orientación de la mano dominante y la cabeza. Después de completar la tarea 1, trayectoria de la mano dominante, distancia móvil y tiempo de finalización fueron recogidos. En la tarea 2, se recolectaron cabeza trayectoria, distancia móvil y tiempo de finalización. La sección de resultados de representante en el presente artículo detalla la prueba preliminar de pacientes con MCI (es decir, las capacidades de AIVD se deterioran) en comparación con controles sanos (es decir, las capacidades de AIVD están intactas).
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Todos los procedimientos experimentales descritos aquí fueron aprobados por el institucional de Junta de la Universidad de Hanyang, según la declaración de Helsinki (HYI-15-029-2). 6 controles sanos (4 machos y 2 hembras) y 6 pacientes MCI (3 machos y 3 hembras) fueron reclutados de un centro médico terciario, Hospital de la Universidad de Hanyang.
1. reclutar a los participantes
- Reclutar pacientes MCI (es decir, deterioro de las capacidades de AIVD) y controles sanos (es decir, las capacidades normales de AIVD) entre 70-80 años de edad.
- Con la ayuda de un neurólogo con más de 10 años de experiencia clínica, revisión de historias clínicas de los pacientes y excluir a los pacientes con antecedentes de enfermedades neurológicas/psiquiátricas o cirugía cerebral.
Nota: Utilice las siguientes pruebas neuropsicológicas: Mini Mental estado examen demencia detección, Coreano instrumentales actividades de la vida cotidiana, libre y selectivo con claves recordando a prueba, Digit Span Test-adelante/atrás, camino que prueba-A/B13 y los criterios de Albert et al. 14 para el diagnóstico de MCI.
2. instalar Software de VR y conectar ordenadores
- Configurar el hardware en la sala dedicado similar a la figura 1. Realizar este protocolo en un tamaño de sala virtual entorno inmersivo (4 x 2.5 x 2.5 m3) que contiene 4 ordenadores, 4 proyectores de (3D) tridimensionales estereoscópicos y 8 cámaras de seguimiento de movimiento para rastrear la posición y orientación de la mano dominante y cabeza durante las dos tareas de AIVD.
Nota: Las tecnologías VR en este artículo son hardware y software que ofrecen experiencias 3D inmersivas e interactivas, que pueden presentarse eventos y objetos realistas en un ambiente virtual. Los detalles del hardware y del software se describen en la Tabla de materiales. - Asegúrese de que todas las computadoras están equipadas con el software necesario (paquete redistribuible de Visual Studio 2012 (x86), DirectX y MiddleVR o equivalente). Para MiddleVR, es decir, software de middleware, consulte la página15 para obtener las últimas versiones de las bibliotecas para dispositivos de entrada, estereoscopía, clustering y las interacciones.
- Conecte computadoras proyectores 3D estereoscópicos. Configuración gráfica es 1920 x 1080 píxeles de resolución.
- Crear un Windows 10 grupo hogar para conectar 4 computadoras a una red doméstica. En el equipo principal, cree una carpeta y compartirla con otros equipos del grupo en el hogar.
- En el equipo principal, iniciar el software de middleware. Haz clic en el botón de "Cluster". Establecer el equipo principal como un servidor y otros equipos como clientes. Esto sincroniza el estado de todos los dispositivos. Haga clic en el botón "3D Nodes". Especificar la posición, orientación y tamaño de la pantalla de entorno virtual.
- Completa la configuración basada en el sitio15 y guarde el archivo de configuración.
3. establecer sistemas de captura de movimiento en un entorno Virtual
- Montaje de 8 cámaras de seguimiento de movimiento en un entorno virtual para poder cubrir totalmente el volumen de captura. Fijar con seguridad las cámaras para que permanezcan inmóviles durante la captura. Asegurar objetos en un entorno virtual estará visibles por al menos 2 cámaras en todo momento.
- Instalar software OptiTrack motivo, es decir, software de captura de movimiento, en el equipo principal con el manual de instalación16. Conectar el equipo principal con los sistemas de captura de movimiento con cables Ethernet de categoría 6.
- Calibrar los sistemas de captura de movimiento con los pasos siguientes, como se detalla en el manual del software16.
- Retire todos los reflejos extraños o innecesarios marcadores el volumen de captura.
- Pulsa el botón "Máscara" Visible"para enmascarar reflejos no deseados o interferencia ambiental.
- Haga clic en el botón "Iniciar Wanding". Utilice la varilla de calibración para apoyar la captura de fotogramas de la muestra para calcular posiciones y orientaciones en el espacio 3D.
- Haga clic en el botón "Calcular" para calibrar el sistema utilizando muestras colectadas.
- Compruebe los resultados de la calibración (en orden de peor a mejor): pobres, justo, bueno, grande, excelente y excepcional. Si el resultado es mejor que grandes, haga clic en el botón "Aplicar". Si no, haga clic en el botón "Cancelar" y repita el proceso wanding.
- Coloque la escuadra de calibración dentro del espacio 3D en el que desea el origen que se encuentra. Haz clic en el botón "Establecer el plano de tierra" para establecer un origen de seguimiento sistema de coordenadas 3D.
- Seleccione marcadores reflectantes asociados para la mano dominante y la cabeza. Haga clic en el botón de "Cuerpo rígido" y haga clic en el botón "Crear de seleccionados los marcadores".
- En el movimiento de software de captura, abrir el menú de "Streaming". Compruebe que el número de puerto indicado es 3883 y active la casilla de "Datos del marco de difusión" en la categoría «VRPN Streaming Engine». Haga clic en "Ctrl" + "S" para guardar el archivo de calibración.
- En el equipo principal, iniciar el software de middleware. Haga clic en el botón "Dispositivos". Añadir un Tracker VRPN para obtener datos de seguimiento del sistema de captura de movimiento y guarde el archivo de configuración.
4. preparar un entorno Virtual para el uso
- Retire todos los objetos reflexivos (es decir, relojes, anillos, pendientes, metales, etc.) desde el entorno virtual.
- Encender las computadoras, proyectores 3D estereoscópicos y sistemas de captura de movimiento (360 fotogramas por segundo).
- Una vez que apuntan a 4 equipos, ejecute el software VRDaemon. Por ejemplo, haga doble clic en "VRDaemon.exe" que se encuentra en "C:\Program Files (x86) \MiddleVR\bin."
- En el equipo principal, iniciar el software de captura de movimiento. Haga clic en el botón cerca de la parte superior del menú etiquetado "Abrir proyecto existente". Cargue el archivo de calibración de cámara.
- En el equipo principal, iniciar el software de middleware. Haga clic en el botón de "Simulaciones". Cargar los archivos correspondientes de simulación y configuración de una carpeta compartida.
- En el software de middleware, presione el botón "Ejecutar" para ejecutar una aplicación virtual inmersiva con los archivos seleccionados de la simulación y configuración.
5. familiarizar al participante con el entorno Virtual
- Proporcionar al participante con unas gafas estereoscópicas con alrededor de 50 g de peso. La frecuencia de pantalla de las gafas estereoscópicas es 192 Hz. Asegúrese de que las gafas estereoscópicas cómodamente se colocan sobre los ojos y oídos; Ver figura 2A.
- Coloque marcadores reflectantes pesa menos de 1 g a la mano dominante del participante y la cabeza. Tenga cuidado de colocar los marcadores reflexivos firmemente; Vea la figura 2B. Informar a los participantes que pueden mover libremente o gire en el entorno virtual con movimiento de la cabeza y puede hacer clic en objetos virtuales con la mano dominante. Aparece una mano virtual en el entorno virtual para imitar la posición del dedo índice de la participante; Vea la figura 3.
- Pida a los participantes moverse libremente (es decir, levantarse, sentarse, girar a la izquierda y a la derecha) en el entorno virtual durante 5 minutos para familiarizarse con el entorno de VR. Entonces pregunte al participante hacer clic en botones virtuales por 5 min con el fin de familiarizarse con la forma de interactuar con objetos virtuales con la mano dominante. Proporcionar otra sesión de entrenamiento de 10 minutos si el participante solicita uno.
- Comprobar si el participante es inmune a la enfermedad del VR con un simulador de cuestionario enfermedad17.
PRECAUCIÓN: El seguimiento en la pantalla estereoscópica del movimiento sincronizado puede causar enfermedad del VR, que puede resultar en malestar, dolor de cabeza, conciencia de estómago, náuseas, vómitos, palidez, sudoración, fatiga, somnolencia, desorientación y apatía. Si el participante se queja de la fatiga o el marcador de enfermedad del simulador es demasiado alto, dejar el protocolo.
6. realizar el "tarea 1: retirar dinero"
PRECAUCIÓN: Contrarrestar las secuencias de tarea 1 y tarea 2 para eliminar el efecto de arrastre.
- Explicar a los participantes los detalles de la tarea y proporcionar los 8 pasos para completar la tarea en el entorno virtual. Los pasos son (1) Inserte la tarjeta en el cajero automático, (2) Seleccione el menú 'retirar', (3) Seleccione el monto a retirar (4) Seleccione el tipo de proyecto de ley, (5) introducir el PIN (número de identificación personal), (6) Seleccione la opción de recibo, (7) Retire la tarjeta y (8) toman el dinero de el cajero automático (ver figura 4).
- En el equipo principal, iniciar el software de middleware. En la ficha de "Simulaciones", seleccione un archivo de simulación para la tarea 1 y un archivo de configuración. Presione el botón "Ejecutar"; "Tarea 1: retirar dinero" se ejecutará en el entorno virtual.
Nota: El archivo de la tarea 1, consulte el archivo "Tarea 1 retirar Money.zip" adjunto en archivo adicional 1. Tenga en cuenta que la tarea virtual fue desarrollada con el motor 3D de unidad. - Si la "tarea 1: retirar dinero" funciona en el entorno virtual, instruir al participante para llevar a cabo como sigue: "por favor retirarse 70.000 KRW (equivalente a unos 60 dólares) del cajero para ir de compras. Seleccionarlos dos tipos de notas, una nota KRW 50.000 50.000 KRW y dos 10.000 KRW notas para 20.000 KRW. La contraseña de su transacción es la fecha de hoy. Por ejemplo, si el experimento se lleva a cabo el 11 de noviembre, el PIN es 1111. Por favor guarde el recibo para mayor referencia."
- Una vez terminada la tarea, compruebe los datos cinemáticos guardados en archivos CSV (valores separados por comas) para su posterior análisis de una carpeta compartida.
Nota: Usando los sistemas de captura de movimiento, durante la "tarea 1: retirar dinero" registrar la posición y orientación de la mano dominante al realizar una tarea con una frecuencia de grabación de 1 ms. - Que descanses unos 5 min al participante antes de comenzar la "tarea 2: tomar un autobús."
7. realizar "tarea 2: tomar el autobús"
- Explicar a los participantes los detalles de la tarea y proporcionar instrucciones sobre cómo completar "tarea 2: tomar el autobús" como sigue: "por favor espere en la parada de autobús y tomar el autobús de destino. Se dará la información del bus de destino en la pantalla VR por un número concreto de líneas, el color y el destino. Cuando llega el autobús de destino, asegúrese de caminar de la parada de autobús y a la puerta del autobús blanco. 8 autobuses de distinta serán aleatoriamente generados y presentados." Vea la figura 5.
- En el equipo principal, iniciar el software de middleware. En la ficha de "Simulaciones", seleccione un archivo de simulación para la tarea 2 y un archivo de configuración. Oprima el botón "Ejecutar", luego "tarea 2: tomar el autobús" se ejecutará en el entorno virtual.
Nota: El archivo de la tarea 2, consulte el archivo "Tarea 2 tomar un Bus.zip" adjunto en archivo adicional 2. Tenga en cuenta que la tarea virtual fue desarrollada con el motor 3D de unidad. - Si la "tarea 2: tomar el autobús" se ejecuta en el entorno virtual, instruir a los participantes a esperar en la parada de autobús. Haga clic en la tecla "Espacio" en el teclado para hacer los autobuses llegan a la parada de autobús.
- Una vez terminada la tarea, compruebe los datos cinemáticos guardados en archivos CSV para su posterior análisis de una carpeta compartida.
Nota: Usando los sistemas de captura de movimiento, durante la "tarea 2: tomar el autobús" registrar la posición y orientación de la cabeza al realizar la tarea con una frecuencia de grabación de 1 ms. - El protocolo es completado. Ayudar al participante Retire las gafas estereoscópicas y separar los marcadores reflexivos de la mano dominante y la cabeza.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
CSV archivos de "tarea 1: retirar dinero" fueron analizados utilizando el software estadístico R para calcular la trayectoria de la mano dominante, distancia móvil y tiempo de finalización. Se visualiza la trayectoria del movimiento de la mano dominante (figura 6). La distancia de movimiento de la mano dominante se calcula mediante la suma de las distancias totales entre posiciones de las manos alternativamente mientras realiza la tarea 1. La distancia entre las posiciones es la distancia euclidiana. Tiempo de terminación significa el tiempo necesario para terminar la tarea entera (es decir, del paso 1 "insertar la tarjeta en el cajero automático" paso 8 "tomar dinero de los cajeros automáticos"). Para el código de R para el análisis estadístico, consulte el archivo "Tarea 1 R Code.docx" adjunto en archivo suplementario de 3.
CSV archivos de "tarea 2: tomar un bus" son analizados para calcular la trayectoria de la cabeza, distancia, móvil y la hora a la terminación, utilizando el software estadístico R. Se visualiza la trayectoria del movimiento de la cabeza (figura 7). La distancia de la cabeza móvil se calcula mediante la suma de las distancias totales entre posiciones secuenciales de la cabeza al realizar la tarea 2. La distancia entre dos posiciones es la distancia euclidiana. El tiempo de terminación significa el tiempo desde el inicio hasta el final de la tarea entera con ocho autobuses de destino. Para el código de R para el análisis estadístico, vea el archivo adjunto "Tarea 2 R Code.docx" en el 4 archivo suplementario.
En la tabla 1se muestran las características antropométricas y las medidas cinemáticas de pacientes con MCI y controles sanos. Esta prueba VR con movimiento de captura presenta nuevas oportunidades de sistemas para la medición de la cinemática de tareas complejas AIVD. Siguiendo el protocolo que presentamos, los investigadores pueden obtener datos de rendimiento cinemático de "tarea 1: retirar dinero" (manejo de las transacciones financieras) y "tarea 2: tomar el autobús" (usando el transporte público).
De hecho, un estudio de casos y controles con este protocolo se realizó con varios análisis estadísticos (es decir, análisis multivariado de varianza, un análisis de correlación de Pearson y un análisis discriminante lineal paso a paso hacia adelante), que se pueden encontrar en nuestro estudio empírico13.
Figura 1: un entorno virtual inmersivo habitación grande Haga clic aquí para ver una versión más grande de esta figura.
Figura 2: preparación antes de la evaluación. (A) el sujeto usa gafas estereoscópicas. Marcadores reflectantes (B) se unen a la mano dominante y la cabeza. Haga clic aquí para ver una versión más grande de esta figura.
Figura 3: representación de la mano Virtual en el entorno virtual. (A) una esfera blanca representa la posición del dedo índice. El participante hace clic en un botón virtual número "2". (B) El participante hace clic en un botón virtual número "4". Haga clic aquí para ver una versión más grande de esta figura.
Figura 4: tarea 1: retirar dinero de ATM (A) participante ingresa un código PIN en la ATM (B) participante retira dinero de la ATM haga clic aquí para ver una versión más grande de esta figura.
Figura 5: tarea 2: tomar un autobús (A) participante espera en la parada de autobús. (B) participante camina fuera de la parada de autobús y en el bus destino. Haga clic aquí para ver una versión más grande de esta figura.
Figura 6: tarea 1: trayectoria de movimiento de mano en 3D espacio cartesiano. Controles sanos (A). (B) MCI pacientes. Haga clic aquí para ver una versión más grande de esta figura.
Figura 7: tarea 2: trayectoria de movimiento de cabeza en 3D espacio cartesiano. Controles sanos (A). (B) MCI pacientes. Haga clic aquí para ver una versión más grande de esta figura.
| Pacientes MCI | Controles sanos | |
| Número (hombre) | 6 (3) | 6 (4) |
| Edad (años) | 72,4 ± 1,9 | 72.6 ± 1.7 |
| Tarea 1: Sacar dinero | ||
| Distancia (m) móvil | 34,7 ± 9.1 | 52.5 ± 10.5 |
| Hora de finalización (min) | 1.8 ± 0.3 | 1,3 ± 0,2 |
| Tarea 2: Tomar un autobús | ||
| Distancia (m) móvil | 100.3 ± 11.4 | 128,5 ± 14.2 |
| Hora de finalización (min) | 13.5 ± 0,2 | 13.5 ± 0,2 |
Tabla 1: Medidas cinemáticas y las características antropométricas . Los valores son medio ± SD
Archivo suplementario 1: tarea 1 retirar Money.zip. Haga clic aquí para descargar este archivo.
Archivo suplementario 2: tarea 2 tomar un Bus.zip. Haga clic aquí para descargar este archivo.
Archivo suplementario 3: tarea 1 Code.docx R. Haga clic aquí para descargar este archivo.
Archivo suplementario 4: tarea 2 R Code.docx. Haga clic aquí para descargar este archivo.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Nos detalla un protocolo de medición cinemático de movimientos diarios de vida con sistemas de captura de movimiento en un entorno inmersivo de VR. En primer lugar, el ajuste experimental dirigido a cómo programar, preparar y familiarizar a los participantes con el entorno inmersivo de VR. En segundo lugar, hemos desarrollado dos tareas estandarizadas de AIVD en VR. En tercer lugar, paso 3 y paso 5 en la sección de protocolo son los pasos más críticos para minimizar la enfermedad VR. Al instalar los sistemas de captura de movimiento en el entorno virtual (paso 3), es importante instalar la cámara de seguimiento lo suficientemente alta para cubrir el volumen de captura completamente, fijar las cámaras estable para evitar el movimiento durante la captura, asegúrese de que al menos dos cámaras puede captura de un objeto y simultáneamente eliminar reflejos extraños o innecesarios marcadores desde el entorno virtual. Mientras que familiarizar a los participantes con VR (paso 5), es crucial para proporcionar suficiente capacitación para que ellos se acostumbren a la experiencia virtual. Si los participantes experimentan los síntomas de la enfermedad de la VR (p. ej., malestar, dolor de cabeza, náuseas, vómitos, palidez, sudoración, fatiga, somnolencia, desorientación y apatía), se debe parar el experimento. Por último, los datos cinemáticos en bruto fueron traducidos por software estadístico R.
Una limitación y el reto de nuestro protocolo es que las tareas de AIVD virtuales deben validarse con tareas reales de AIVD. Aunque estudios previos demostraron que las tareas reales y virtuales se correlacionaron altamente en términos de tiempo de reacción, precisión8, clínica y las medidas funcionales11, el protocolo de medición cinemático actual debe ser compatible con muchos gravámenes neurofisiológicos convencionales. Basándose en esta validación, es necesario ampliar este protocolo con diversas tareas de AIVD. Otra limitación es que este protocolo analiza sólo las medidas cinemáticas típicas, más sofisticadas medidas cinemáticas en un entorno virtual, como aceleración, precisión de movimiento y eficiencia, deben ser incluidas.
La importancia del Protocolo de medición cinemática actual es que es rápido, seguro, fácil de realizar y no invasivo para la detección de los primeros déficits de AIVD. Un estudio anterior usando este protocolo confirmó que medidas cinemáticas en conjunción con el resultado de una prueba neuropsicológica mejor discriminación a pacientes MCI de controles sanos13. Cuantificación de los déficits funcionales específicos podría proporcionar una base para la localización de la fuente y el grado de daño neurológico y por lo tanto ayuda en la toma de decisiones clínica para individualizar terapias18. En este contexto, el protocolo propuesto en este artículo podría utilizarse para la toma de decisiones clínica basadas en evidencia.
Teniendo en cuenta futuras aplicaciones, este protocolo podría utilizarse para otras enfermedades neuropsicológicas como la lesión de cerebro traumática19. También puede ser interesante analizar las subtareas específicas en el protocolo actual para identificar los tipos son más difíciles. Por otra parte, estudios recientes de la VR a pacientes con accidente cerebrovascular de tren mostraron mejorías en las funciones de la memoria y la atención después de una intervención juego VR20. Sería de gran interés para aplicar este protocolo en contextos de Rehabilitación neuropsicológica adicional.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Los autores no declaran conflictos de interés.
Acknowledgments
K.S. y A.L. contribuyen igualmente. Esta investigación fue apoyada por el programa de investigación de ciencia básica a través de la nacional investigación Fundación de Corea (NRF) financiado por el Ministerio de ciencia, TIC y planeación de futuro (NRF-2016R1D1A1B03931389).
Materials
| Name | Company | Catalog Number | Comments |
| Computer | N/A | N/A | Computer requirements: - Single socket H3 (LGA 1150) supports - Intel® Xeon® E3-1200 v3, 4th gen. Core i7/i5/i3 processors - Intel® C226 Express PCH - Up to 32GB DDR3 ECC/non-ECC 1600MHz UDIMM in 4 sockets - Dual Gigabit Ethernet LAN ports - 8x SATA3 (6Gbps) - 2x PCI-E 3.0 x16, 3x PCI-E 2.0 x1, and 2x PCI 5V 32-bit slots - 6x USB 3.0 (2 rear + 4 via headers) - 10x USB 2.0 (4 rear + 6 via headers) - HD Audio 7.1 channel connector by Realtek ALC1150 - 1x DOM power connector and 1x SPDIF Out Header - 800W High Efficiency Power Supply - Intel Xeon E3-1230v3 - DDR3 PC12800 8GB ECC - WD 1TB BLUE WD 10EZEX 3.5" - NVIDIA QUADRO K5000 & SYNC |
| Stereoscopic 3D Projector | Barco | F35 AS3D WUXGA | Resolution: - WQXGA (2,560 x 1,600) - Panorama (2,560 x 1,080) - WUXGA (1,920 x 1,200), 1080p (1,920 x 1,080) |
| Stereoscopic Glasses | Volfoni | Edge 1.2 | For further information, visit http://volfoni.com/en/edge-1-2/ |
| Motion Capture Systems | NaturalPoint OptiTrack | 17W | For further information, visit http://optitrack.com/products/prime-17w/ |
| OptiTrack (Motion capture software) | NaturalPoint OptiTrack | Motive 2.0 | For further information, visit https://optitrack.com/downloads/motive.html |
| MiddleVR (Middleware software) | MiddleVR | MiddleVR For Unity | For further information, visit http://www.middlevr.com/middlevr-for-unity/ |
| VRDaemon (Middleware software) | MiddleVR | MiddleVR For Unity | For further information, visit http://www.middlevr.com/middlevr-for-unity/ |
| Unity3D (Game engine) | Unity Technologies | Personal | For further information, visit https://unity3d.com/unity |
References
- Reppermund, S., et al. Impairment in instrumental activities of daily living with high cognitive demand is an early marker of mild cognitive impairment: the Sydney Memory and Ageing Study. Psychol. Med. 43 (11), 2437-2445 (2013).
- Graf, C. The Lawton instrumental activities of daily living scale. Am. J. Nurs. 108 (4), 52-62 (2008).
- Gold, D. A. An examination of instrumental activities of daily living assessment in older adults and mild cognitive impairment. J. Clin. Exp. Neuropsychol. 34 (1), 11-34 (2012).
- Jekel, K., et al. Mild cognitive impairment and deficits in instrumental activities of daily living: a systematic review. Alzheimers. Res. Ther. 7 (1), 17 (2015).
- Suchy, Y., Kraybill, M. L., Franchow, E. Instrumental activities of daily living among community-dwelling older adults: discrepancies between self-report and performance are mediated by cognitive reserve. J. Clin. Exp. Neuropsychol. 33 (1), 92-100 (2011).
- Desai, A. K., Grossberg, G. T., Sheth, D. N. Activities of Daily Living in patients with Dementia. CNS drugs. 18 (13), 853-875 (2004).
- Ma, M., Jain, L. C., Anderson, P. Virtual, augmented reality and serious games for healthcare 1. 68, Springer Science & Business Pubs. Berlin. (2014).
- Allain, P., et al. Detecting everyday action deficits in Alzheimer's disease using a nonimmersive virtual reality kitchen. J. Int. Neuropsychol. Soc. 20 (5), 468-477 (2014).
- Klinger, E., et al. AGATHE: A tool for personalized rehabilitation of cognitive functions based on simulated activities of daily living. IRBM. 34 (2), 113-118 (2013).
- White, D., Burdick, K., Fulk, G., Searleman, J., Carroll, J. A virtual reality application for stroke patient rehabilitation. ICMA. 2, 1081-1086 (2005).
- Dimbwadyo-Terrer, I., et al. Activities of daily living assessment in spinal cord injury using the virtual reality system Toyra: functional and kinematic correlations. Virtual Real. 20 (1), 17-26 (2016).
- Preische, O., Heymann, P., Elbing, U., Laske, C. Diagnostic value of a tablet-based drawing task for discrimination of patients in the early course of Alzheimer's disease from healthy individuals. J. Alzheimers. Dis. 55 (4), 1463-1469 (2017).
- Seo, K., Kim, J. K., Oh, D. H., Ryu, H., Choi, H. Virtual daily living test to screen for mild cognitive impairment using kinematic movement analysis. PLOS ONE. 12 (7), e0181883 (2017).
- Albert, M. S., et al. The diagnosis of mild cognitive impairment due to Alzheimer's disease: Recommendations from the National Institute on Aging-Alzheimer's Association workgroups on diagnostic guidelines for Alzheimer's disease. Alzheimers. Dement. 7 (3), 270-279 (2011).
- MiddleVR. User Guide. [FR]. , Available from: http://www.middlevr.com/doc/current/ c2014-c2017 (2017).
- OptiTrack. Motive Quick Start Guide. , Available from: https://optitrack.com/public/documents/motive-quick-start-guide-v1.10.0.pdf c1996-c2017 (2017).
- Kennedy, R. S., Lane, N. E., Berbaum, K. S., Lilienthal, M. G. Simulator sickness questionnaire: An enhanced method for quantifying simulator sickness. Int. J. Aviat. Psychol. 3 (3), 203-220 (1993).
- Singh, N. B., Baumann, C. R., Taylor, W. R. Can Gait Signatures Provide Quantitative Measures for Aiding Clinical Decision-Making? A Systematic Meta-Analysis of Gait Variability Behavior in Patients with Parkinson's Disease. Front. Hum. Neurosci. 10, 319 (2016).
- Hernandez, F., et al. Six degree-of-freedom measurements of human mild traumatic brain injury. Ann. Biomed. Eng. 43 (8), 1918-1934 (2015).
- Gamito, P., et al. Cognitive training on stroke patients via virtual reality-based serious games. Disabil. Rehabil. 39 (4), 385-388 (2017).
