Summary
Mit Hilfe eines robotischen isokinetischen Geräts mit Elektromyographie-Messungen (EMG) veranschaulicht dieses Protokoll, dass die isokinetische Bewegung selbst die Interrater-Zuverlässigkeit für den Fangwinkel bei Schlaganfallpatienten mit leichter Ellbogenflexorspastik verbessern kann.
Abstract
Die Messung der Spastik ist wichtig für die Behandlungsplanung und die Bestimmung der Wirksamkeit nach der Behandlung. Das aktuelle Tool, das in klinischen Umgebungen verwendet wird, hat sich jedoch in der Zuverlässigkeit der Interratern als eingeschränkt erwiesen. Ein Faktor für diese schlechte Inter-Rater-Zuverlässigkeit ist die Variabilität der passiven Bewegung bei der Messung des Fangwinkels (AoC) Messungen. Daher wurde eine isokinetische Vorrichtung vorgeschlagen, um die manuelle Gelenkbewegung zu standardisieren; Die Vorteile der isokinetischen Bewegung für AoC-Messungen wurden jedoch nicht standardisiert getestet. Dieses Protokoll untersucht, ob die isokinetische Bewegung selbst die Zuverlässigkeit von Interratern für AoC-Messungen verbessern kann. Zu diesem Zweck wurde ein robotisch-isokinetisches Gerät entwickelt, das mit der Oberflächenelektromyographie (EMG) kombiniert wird. Zwei Bedingungen, manuelle und isokinetische Bewegungen, werden mit der standardisierten Methode zur Messung des Winkels und des subjektiven Fanggefühls verglichen. Es wird gezeigt, dass bei 17 Schlaganfallpatienten mit leichter Ellbogenflexorspastik die isokinetische Bewegung den intraklassizinischen Korrelationskoeffizienten (ICC) für die Inter-Rater-Zuverlässigkeit von AoC-Messungen auf 0,890 [95% Konfidenzintervall (CI): 0,685–0,961] durch das EMG verbesserte. 0,931 (95% CI: 0,791–0,978) nach den Drehmomentkriterien, von 0,788 (95% CI: 0,493–0,920) durch manuelle Bewegung. Zusammenfassend kann die isokinetische Bewegung selbst die Interrater-Zuverlässigkeit von AoC-Messungen bei Schlaganfallpatienten mit leichter Spastik verbessern. Da dieses System möglicherweise größere standardisierte Winkelmessungen und Gefühlsfang bietet, kann es eine gute Option für die Bewertung der Spastik in einem klinischen Umfeld sein.
Introduction
Spastik nach Schlaganfall ist häufig und hat sich gezeigt, Komplikationen zu induzieren, einschließlich Schmerzen und Kontrakturen, was zu einer verminderten Lebensqualität1,2,3. Die Messung der Spastik ist wichtig, um den Verlauf der Behandlung richtig zu planen und die Wirksamkeit der Behandlung zu bestimmen. Häufig verwendete Werkzeuge in der klinischen Umgebung sind die Modified Ashworth-Skala (MAS)4, ein nominales Messsystem für die Widerstandsfähigkeit gegen passive Bewegung, und die modifizierte Tardieu-Skala (MTS), die den Fangwinkel (AoC) misst, der die geschwindigkeitsabhängiges Merkmal der Spastik5. Es hat sich jedoch gezeigt, dass diese Messwerkzeuge eine eingeschränkte Zuverlässigkeit zwischen den Ratern haben6,7, was die gleiche Rater erfordert, um diese Tests durchzuführen, um eine zufriedenstellende Zuverlässigkeit zu gewährleisten8.
Drei Faktoren wurden gezeigt, die Variabilität in AoC während der MTS-Messung induzieren, einschließlich (1) Fehler aus Winkelmessungen durch eine Goniometrie; (2) Variabilität des manuell bewegten Gelenkbewegungsprofils zwischen Densitzen; und (3) Variabilität bei der Erfassung der Fänge zwischen den Ratern9. Ein neuartiges isokinetisches Robotergerät mit Drehmomentsensoren wird in diesem Protokoll vorgestellt. Dieses Gerät wird auf Schlaganfallpatienten mit leichter Ellbogenflexorspastik mit Oberflächenelektromyographie (EMG) Messungen10angewendet. Es wurde vermutet, dass die Standardisierung der Ellenbogengelenkbewegung die Inter-Rater-Zuverlässigkeit für AoC-Messungen verbessern wird, die durch den Ellenbogenflexor-Stretchreflex ausgelöst werden. Um dies zu beweisen, wurde die Zuverlässigkeit für AoC, gemessen durch Oberflächen-EMG, berechnet und mit diesem entwickelten Robotergerät und EMG zwischen der isokinetischen passiven und manuellen schnellen Ellenbogenverlängerung verglichen. Abbildung 1 zeigt einen Überblick über das gesamte experimentelle Verfahren. Im Detail wurde die MTS-Messphase von zwei Ratern durchgeführt, und die Reihenfolge der Experimente (manuelle vs. isokinetische Bewegung) und die Reihenfolge der Rater wurden zufällig bestimmt, was etwa 50 min für jedes Thema erforderte (Abbildung 1).
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. Versuchsaufbau
- Patientenrekrutierung
HINWEIS: Alle Verfahren wurden vom Seoul National University Bundang Hospital Institutional Review Board überprüft und genehmigt. Dabei handelte es sich um stationäre oder ambulante Patienten mit Schlaganfalldiagnosen aus vier Rehabilitationskliniken in der Region.- Durchführung des Screening-Prozesses mit den folgenden Aufnahmekriterien: (1) Hemiparese der oberen Extremität aufgrund eines Schlaganfalls; (2) über 20 Jahre; (3) leichte Ellbogengelenkspastik von MAS 1-2; (4) keine frühere Erkrankung, die die Funktion des hämiparen Arms beeinträchtigt, mit Ausnahme des Schlaganfalls; (5) frei von hämodynamischer Instabilität; (6) keine schwere Ellbogenverurres; (7) Möglichkeit, dass die Schulter um 90° und unterarm ohne Gelenkschmerzen in neutraler Position entführen können; und (8) normale kognitive, sprachliche, visuospatiale oder Aufmerksamkeitsfähigkeit, experimentelle Verfahren zu befolgen.
HINWEIS: Die Kriterien sind darauf ausgelegt, Patienten zu untersuchen, die an dem Experiment teilnehmen können, und Faktoren zu regulieren, die die Ergebnisse beeinflussen. - Rekrutieren Sie Probanden, die eine detaillierte Erklärung der gesamten Studie und der erwarteten klinischen Probleme erhalten. Die Zustimmung muss vor der Aufnahme eingeholt werden.
- Die Demographie und die Basismerkmale der rekrutierten Probanden sind in Tabelle 1dargestellt.
- Durchführung des Screening-Prozesses mit den folgenden Aufnahmekriterien: (1) Hemiparese der oberen Extremität aufgrund eines Schlaganfalls; (2) über 20 Jahre; (3) leichte Ellbogengelenkspastik von MAS 1-2; (4) keine frühere Erkrankung, die die Funktion des hämiparen Arms beeinträchtigt, mit Ausnahme des Schlaganfalls; (5) frei von hämodynamischer Instabilität; (6) keine schwere Ellbogenverurres; (7) Möglichkeit, dass die Schulter um 90° und unterarm ohne Gelenkschmerzen in neutraler Position entführen können; und (8) normale kognitive, sprachliche, visuospatiale oder Aufmerksamkeitsfähigkeit, experimentelle Verfahren zu befolgen.
- Experimentelles System
HINWEIS: Ein kundenspezifisches Robotergerät wird verwendet, um standardisierte Bewegungen zu erzeugen und die quantitativen Daten gleichzeitig zu messen. Das Robotersystem besteht aus einem Roboterteil, einem Steuerungssystem und Maßeinheiten. Die Gesamtkonfiguration ist inAbbildung 2.- Roboterteil
- Verwenden Sie für das Roboterteil einen planaren Roboter mit einem Ein-Grad-Freiheitsroboter, der aus einem Motor und einem Unterarmmanipulandum besteht, mit drei weiteren Komponenten, um die Roboterhöhe einzustellen und das Gerät an verschiedenen Schreibtischen zu installieren. Die Gesamtzusammensetzung ist in Abbildung 2Adargestellt.
- Verwenden Sie für das Unterarmmanipulandum ein mit dem Motor verbundenes Ellenbogengelenk, einen linearen Schieber mit einem Befestigungsblock zur Einstellung der Gesamtlänge und zwei Manschetteneinheiten zur Befestigung von Unterarm und Hand (siehe Abbildung 3). Das Ellenbogengelenk hat eine rotierende Platte und ein Schublager, um das Abstoßen während des Experiments zu verhindern, und die Manschetteneinheiten wurden ähnlich wie ein menschlicher Unterarm gekrümmt und wurden mit einem 3D-Drucker hergestellt. Die Griffeinheit ist so konzipiert, dass sie sowohl Links- als auch Rechtshänder aufnehmen kann und allen Probanden zur Verfügung steht.
- Verwenden Sie einen Motor mit einem niedrigen Übersetzungsverhältnis von 51:1, der rückenbefahrbare Eigenschaften und die Fähigkeit haben sollte, eine Nenndrehzahl von 315°/s und ein kontinuierliches Drehmoment von 42,33 Nm zu erzeugen.
- Verwenden Sie eine Laborbuchse, die an der Unterseite des Motors befestigt ist, um die Höhe der Motoreinheit einzustellen. Die Höhe des Roboters kann an die Sitzhöhe verschiedener Motive angepasst werden.
- Legen Sie einen Befestigungsarm für die Befestigung des Geräts am Schreibtisch auf dem vorderen Teil des Roboters. Der Befestigungsarm wird durch eine Linelinewelle nach oben und unten beweglich sein und verfügt über Klemmen zur Befestigung am Schreibtisch.
- Platzieren Sie Rollen mit Stopfen auf der Unterseite des Roboters, so dass der Roboter beweglich und geerdet während des Experiments.
- Steuerungssystem
- Verwenden Sie einen PC,Echtzeitprozessor und Einen Motortreiber für die zentrale Steuerung. Das detaillierte Blockdiagramm der Steuerungsarchitektur ist in Abbildung 4dargestellt.
- Verwenden Sie eine grafische Benutzeroberfläche (GUI), um den Experimentmodus (maximale ROM-Messung, Isokinetic MTS und manuelle MTS-Messmodi) zu steuern und Roboterbewegungsdaten zu speichern. Es enthält ein Bedienfeld und ein Überwachungspanel (Abbildung 5). Details zur GUI-Konfiguration finden Sie im Anhang.
- Implementieren Sie den Robotersteuerungsalgorithmus mit einem Echtzeitprozessor. Der Steueralgorithmus besteht aus drei Regelschleifen. Die erste Schleife ist eine Dateneingangs-/Ausgangsschleife, die mit 1 MHz vom FPGA-Modul des sbRIO läuft. Die zweite ist eine Roboter-Bewegungssteuerungsschleife, die bei 1 kHz vom Echtzeit-VI-Pegel läuft. Die letzte ist eine Datenkommunikationsschleife, die bei 250 Hz läuft. Diese Schleife überträgt Roboterdaten (Zeit, Winkel, Drehmoment und Triggersignal zum Abgleich mit EMG-Daten).
HINWEIS: Der Echtzeitprozessor verfügt über zwei Kommunikationsmodule: NI-9237 und NI-9853. Das NI-9237 ist ein analoges Eingangsgerät zum Empfangen von Drehmomentsensordaten, und das NI-9853 ist ein CAN-Kommunikationsmodul für die Kommunikation mit dem Motortreiber.
- Maßeinheiten
- Montieren Sie einen Drehmomentsensor zwischen manipulandum und dem Motor, um die Reaktionskraft zu messen. Die Drehmomentdaten werden über NI-9237 an den Echtzeitprozessor übertragen. Das NI-9237 verfügt über ein eigenes Passband, ein Stoppband und einen aliasfreien Bandbreitenfilter. Die gefilterten Daten gelangen in das FPGA-Modul und werden bei 100 Hz erneut mit einem Tiefpassfilter verarbeitet, um Geräusche zu entfernen.
- Messen Sie den Gelenkwinkel an einem am Motor befestigten Encoder (HEDL 9140, Maxon, Schweiz). Die Winkeldaten werden über den Motortreiber an den Echtzeitprozessor übertragen.
- Messen Sie die Muskelaktivität mit einem EMG-Gerät mit acht Kanälen. Die EMG-Daten wurden mit einer Abtastrate von 1024 Hz erhoben und zunächst mit einem Bandpassfilter (20–450 Hz) und einem Kerbfilter (60 Hz) verarbeitet. Die gemessenen EMG-Daten werden direkt an den PC übertragen.
- Roboterteil
2. Versuchsaufbau
HINWEIS: Zwei Rater sollten an diesem Experiment teilnehmen. In unserem Fall war der erste Rater ein Physiker mit mehr als 6 Jahren Erfahrung in der Rehabilitation, und der zweite Rater war ein Ergotherapeut mit mehr als 3 Jahren Erfahrung in der Schlaganfallrehabilitation.
-
Anfängliche Haltungseinstellung
- Legen Sie den Patienten in einen Stuhl mit dem Rücken in einer geraden Haltung.
- Sichern Sie beide Seiten der Schulter und des Bauches mit Sicherheitsgurten, um die Schulterposition während des Experiments stabil zu halten.
- Legen Sie den hemiparetischen Arm des Motivs leicht auf das Robotermanipulandum, ohne den Gurt zu befestigen.
- Lösen Sie den Befestigungsblock des linearen Schiebers, so dass die Manschette frei auf dem Schieber bewegt werden kann und der hemiparetische Arm des Motivs auf dem Roboter-Manipulandum platziert werden kann, ohne die Gurte zu befestigen.
- Stellen Sie die Höhe des Roboters mit der Laborbuchse ein, bis die Schulter des Patienten um 90° entführt wird. Bestätigen Sie den Entführungswinkel mit einem Goniometer.
- Weisen Sie das Motiv an, den Griff zu halten und die Hand mit Gurten am Griff zu befestigen. Richten Sie die Rotationsachse des Roboters und die anatomische Achse des Ellenbogengelenks aus.
- Flex und verlängern Sie das Ellenbogengelenk, so dass die Position der Manschette natürlich in einer optimalen Position nachjustiert werden kann, ohne Widerstand während der Ellenbogenbewegung zu erzeugen. Befestigen Sie dann den Befestigungsblock, um die Position der Manschette zu fixieren und die Riemen der Unterarmmanschette zu befestigen.
- Befestigen Sie die Oberfläche EMG Elektroden auf dem Bizeps brachii Muskel im hemiparetic Arm.
-
Passive ROM-Messung
HINWEIS: Passives ROM wird in den folgenden Experimenten als Grenz-ROM verwendet, um Probleme zu vermeiden, die durch Bewegungen außerhalb des Operationsbereichs des Patienten verursacht werden.- Geben Sie die hemiparetischen Seiteninformationen des Patienten in die Programm-GUI ein (rechts oder links).
- Stellen Sie den Ellenbogen um 90° mit einem Goniometer gebeugt. Drücken Sie die 90-Grad-Set-Taste auf dem GUI-Panel. Dieser Prozess entspricht dem vom Roboter erkannten Winkel mit dem tatsächlichen menschlichen Gelenkwinkel.
- Drücken Sie die Finish-Set-Taste auf der GUI, um den Roboter in den Betätigungszustand zu versetzen.
- Klicken Sie auf die Schaltflächen auf dem Motor-Run-Panel auf der linken Seite der GUI in der Reihenfolge von oben nach unten.
- Schalten Sie die Winkel-Set-Taste ein und stellen Sie die Geschwindigkeit auf 1°/s ein. Klicken Sie dann auf die Schaltfläche Ausführen. Der Roboter verlängert den Ellenbogen langsam bei 1°/s von einer 90° gebeugten Haltung bis das Reaktionsmoment einen bestimmten Schwellenwert erreicht oder sich um 170° ausdehnt.
HINWEIS: In diesem Experiment wurde die Drehmomentschwelle auf 0,6 Nm festgelegt. Dieser Wert wird experimentell über eine Pilotstudie ermittelt. - Der maximale verlängerte Winkel wird automatisch als maximales ROM gespeichert.
- Ändern Sie die Geschwindigkeit auf -1°/s und klicken Sie erneut auf die Schaltfläche Ausführen. Der Roboter beugt den Ellenbogen langsam, bis das Reaktionsmoment den Schwellenwert erreicht.
- Der maximale Biegewinkel wird automatisch als minimales ROM gespeichert.
3. MTS-Messung
HINWEIS: Die für jeden Schritt benötigte Zeit ist in Abbildung 1dargestellt. Die Gesamtzeit, die ein Versuchsfachfürst für die Durchführung des gesamten Experiments aufnimmt, beträgt etwa 50 min (einschließlich des Versuchsaufbauschritts), aber die meiste Zeit sollte für die Ruhe aufgewendet werden, um die Konsistenz der Ermüdung aufrechtzuerhalten.
- Trägheitseffektkompensation
HINWEIS: Theoretisch sollte es während der isokinetischen Bewegung keinen Trägheitseffekt geben. Es kann jedoch zu Beginn der Bewegung ein Trägheitseffekt auftreten. Die Trägzkraft sollte kompensiert werden, um nur die Durchreaktionskraft zu messen, die durch einen Dehnungsreflex erzeugt wird. Da die Größe der Träghauptkraft für jedes Probanden unterschiedlich ist, sollte vor der eigentlichen MTS-Messung ein Vortest für die Träghauptkraftkompensation durchgeführt werden. Ein Beispielergebnis ist in Abbildung 6dargestellt.- Klicken Sie auf der Steuerung auf die Schaltfläche Zurück. Der Roboter wird den Ellenbogen auf minimale Winkelhaltung (maximal gebeugte Haltung) beugen.
- Stellen Sie die Geschwindigkeit auf 150°/s ein und schalten Sie die Trägheitstesttaste und dann die Run-Taste ein. Der Roboter wird eine kurze Störung von 5° auf den Patienten mit einer Rate von 150°/s anwenden. Das Spitzendrehmoment und der Periodenwert jeder Testversion werden automatisch gestapelt und auf dem GUI-Panel angezeigt.
- Wiederholen Sie die Schritte 3.1.2–3.1.3 zwei weitere Male. Bestimmen Sie einen korrekten Spitzendrehmomentwert und Periodenwert aus den gemessenen Daten und geben Sie den Wert in der Programm-GUI ein. Das Kompensationsdrehmomentprofil (,comp) wird automatisch auf der Grundlage von Gleichung 1 unten erzeugt, wobei: adie ermittelte Amplitude und die Periode .
HINWEIS: Die Form des Trägendrehmoments wird als erhöhte Kosinusform modelliert, um die Berechnungslast zu reduzieren. Das Kompensationsmoment, das aufgrund des Trägheitseffekts für zwei Perioden ausgelegt ist, verschwindet nach der zweiten Periode fast. Die Amplitude des zweiten Zeitraums soll 15 % des ersten Zeitraums betragen.
- Vertrautheitsschritt
- Führen Sie vor dem eigentlichen Experiment drei Trainingsoperationen durch, um den Patienten mit plötzlichen Bewegungen vertraut zu machen.
- Klicken Sie auf die Schaltfläche Zurück im Bedienfeld. Der Roboter wird den Ellenbogen auf die minimale Winkelhaltung beugen.
- Klicken Sie auf die Schaltfläche Ausführen, nachdem Sie den Betreff informiert haben. Der Roboter verlängert den Ellenbogen des Patienten mit einer Geschwindigkeit von 150°/s, bis der Winkel bis zu einem maximalen Winkel reicht oder das Reaktionsmoment den Schwellenwert erreicht.
- Wiederholen Sie die Schritte 3.2.2–3.2.3 zwei weitere Male und nehmen Sie eine 5 min Pause, bevor Sie den Test starten.
- Isokinetische MTS-Messung
HINWEIS: Die isokinetische MTS-Messung wurde entwickelt, um eine ideale MTS-Messbedingung zu implementieren. Der Roboter erzeugt eine genaue konstante Geschwindigkeitsbewegung bei einer vorgegebenen Geschwindigkeit (150°/s), bis er das maximale ROM erreicht oder eine bestimmte Schwelle des Reaktionsmoments erreicht. Der maximale ROM-Wert wird in Schritt 2.2 ermittelt, und der Drehmomentschwellenwert wird in früheren Pilotstudien als 0,6 ermittelt, was zur Erkennung von Dehnungsreflexen ausreicht.- Klicken Sie auf die Schaltfläche Zurück, um den Ellenbogen auf die minimale Winkelhaltung zu biegen.
- Klicken Sie auf die Schaltfläche Ausführen, ohne den Betreff zu informieren. Der Roboter verlängert den Ellenbogen des Patienten mit einer Geschwindigkeit von 150°/s, bis der Winkel den maximalen Winkel erreicht oder das Reaktionsmoment einen bestimmten Schwellenwert erreicht. Zeit-, Winkel-, Reaktionsmoment- und Triggersignaldaten werden während des Tests gespeichert.
- Nehmen Sie eine 2 min Pause zwischen den Sätzen und wiederholen Sie die Schritte 3.3.1–3.3.3 zwei weitere Male.
- Nehmen Sie eine 5 min Pause nach der Durchführung von drei Sätzen.
- Manuelle MTS-Messung
HINWEIS: Die manuelle MTS-Messung dient zur Simulation der MTS-Messung, die normalerweise an tatsächlichen medizinischen Standorten durchgeführt wird. Um die Ergebnisse des isokinetischen MTS zu vergleichen, wird das Robotergerät nur als quantitatives Messwerkzeug verwendet, das den Messfehler entfernt, und der tatsächliche Messvorgang wird von einem menschlichen Rater durchgeführt. Dazu kompensiert der Roboter nur die Reibung des Roboters selbst. Details zur Reibungsentfernung finden Sie im Anhang.- Klicken Sie auf die Schaltfläche Zurück, um den Ellenbogen auf die minimale Winkelhaltung zu biegen.
- Klicken Sie auf die Schaltfläche Freies Ausführen, und der Roboterbetrieb wechselt in den manuellen Betriebsmodus.
- Halten Sie den Griff des Manipulandums und strecken Sie den Arm des Subjekts. Während des Betriebs sollte der Rater eine konstante Geschwindigkeit von 150°/s erzeugen.
- Schalten Sie den Free Run-Modus aus und machen Sie eine 2-min Pause.
- Wiederholen Sie die Schritte 3.4.1–3.4.4 zwei weitere Male.
- MTS-Messung wiederholen
- Nehmen Sie eine 10 min Pause nach Abschluss des gesamten Experiments mit dem ersten Rater.
- Ändern Sie die Rater (in die zweite Rater) und wiederholen Sie die Schritte 3.3–3.4.
4. Quantifizierung des AoC
HINWEIS: AoC wird auf der Grundlage von zwei Daten bestimmt: EMG und Drehmoment. AoC wird durch manuelle Analyse aufgrund der lauten Eigenschaften der EMG-Daten und der Variabilität der einzelnen Merkmale bestimmt. Die AoC-Auswahl wird von einem dritten Rater durchgeführt, der blind für die Ordnung der Rater ist.
-
Isokinetische MTS-Experimentdatenanalyse
- AoC-Auswertung mit EMG-Daten
HINWEIS: Im Allgemeinen wird AoC als Winkel bestimmt, in dem der maximale Spitzenwert des EMG auftritt. Eine Dehnungsreflexdauer ist jedoch für jeden Patienten unterschiedlich; Daher wird erwartet, dass die Verwendung des maximalen EMG-Spitzenpunkts als AoC eine geringe Zuverlässigkeit hat. Die Zeitverschiebung ist möglicherweise nicht groß; Der AoC-Fehler kann jedoch aufgrund der schnellen Bewertungsgeschwindigkeit der MTS-Methode signifikant sein. Daher wird der Winkel am Anfang des EMG Upsurge-Punkts als AoC ausgewählt.- Verarbeiten Sie die eMG-Rohdaten mithilfe des Stammmittelquadrats (RMS), um die Daten zu glätten und 50-fach zu verstärken.
- Synchronisieren Sie die EMG-Daten und Roboterwinkeldaten mit den Triggersignalen jedes Datensatzes.
HINWEIS: In diesem System werden die EMG-Daten von einem unabhängigen Gerät gemessen, im Gegensatz zu anderen Daten; Daher kann die Bezugszeit unterschiedlich sein. Das EMG-Gerät verfügt über eine Trigger-Interrupt-Markierungsfunktion, die das Triggersignal von einem Echtzeitprozessor zu Beginn der MTS-Bewertung abruft. - Bestimmen Sie den AoC manuell als Ausgangspunkt des RMS EMG Upsurge. Das Beispiel ist in Abbildung 7dargestellt.
HINWEIS: Das RMS EMG von <0.1 wird hier ignoriert, da es auch ohne Dehnungsreflex häufig angezeigt wird. Somit wird ein klarer Auftriebspunkt am Anfang des Peaks als AoC ausgewählt.
- AoC-Auswertung unter Verwendung der Drehmomentdaten
HINWEIS: Muskeln haben passive mechanische Eigenschaften, die wie ein Federdämpfersystem wirken. Auch wenn der Muskel keine Kraft ausübt, kann die Reaktionskraft zunehmen, wenn sich die Muskeln dehnen. Da die Intensität der passiven mechanischen Eigenschaft und des Dehnungsreflexes von Patient zu Patient variiert, ist es schwierig, den Fang nur mit dem absoluten Wert der Reaktionskraft zu identifizieren. Stattdessen wird in dieser Studie der Fang durch Änderung der passiven Eigenschaft aufgrund der Spastik und nicht des absoluten Wertes der Reaktionskraft bestimmt. Die Änderung der passiven Eigenschaft wird manuell durch die Änderung der Steigung der Regressionslinie des Reaktionsmoments bestimmt.- Zeichnen Sie eine Regressionslinie von dem Punkt, an dem das Triggersignal nach oben geht, und zeichnen Sie eine weitere Regressionslinie von dem Punkt, an dem das Triggersignal nach unten geht.
- Vergleichen Sie die Neigungen der beiden Regressionslinien. Wenn die Farbverläufe zweier Regressionslinien einen signifikanten Unterschied aufweisen, kann AoC am Schnittpunkt zweier Regressionslinien bestimmt werden. Das Beispiel ist in Abbildung 8dargestellt.
- AoC-Auswertung mit EMG-Daten
-
Manuelle MTS-Experimentdatenanalyse
HINWEIS: Im Falle eines manuellen MTS ist es schwierig, die vom Motiv ausgeübte Kraft und die kraft, die von der Ratter mit nur einem Drehmomentsensor angewendet wird, zu trennen. Daher wird bei manuellen MTS nur eine AoC-Analyse mit EMG-Daten durchgeführt, ohne aoC-Analysen mit den Drehmomentdaten durchzuführen.- AoC-Auswertung mit EMG-Daten
HINWEIS: Die Methode zur Bestimmung der AoC-Auswertung mit EMG ist im Grunde die gleiche wie für den isokinetischen MTS-Fall.- Verarbeiten Sie die eMG-Rohdaten mit der RMS-Methode, um die Daten zu glätten und 50-fach zu verstärken.
- Synchronisieren Sie die EMG-Daten und die Roboterwinkeldaten mit den Triggersignalen jedes Datensatzes.
- Bestimmen Sie den AoC manuell als Ausgangspunkt des RMS EMG Upsurge. Ein Beispiel ist in Abbildung 9dargestellt.
- AoC-Auswertung mit EMG-Daten
5. Datenanalyse
-
Normalisierter Bewertungsbewegungsindex (NAMI)
HINWEIS: Der AoC von MTS kann durch verschiedene Bewegungsfaktoren beeinflusst werden, wie z. B. Bewertungsgeschwindigkeit, Beschleunigung usw. Daher sollte die Bewertungsbewegung so isokinetisch wie möglich sein. Die NAMI wird vorgeschlagen, die Idealität des Bewertungsantrags zu bewerten. Der vorgeschlagene Index ist ein nicht dimensionaler Index, der verwendet werden kann, um die Konsistenz der Bewertungsbewegung zu bewerten, die den Probanden in jeder Studie zugewiesen wurde.- Berechnen Sie die ROM, die maximale Geschwindigkeit und die Bewertungszeit aus jeder Bewertungsstudie.
ANMERKUNG: Der Winkel wird vom Geber gemessen; die berechnete Geschwindigkeit ist also laut. Daher wird die maximale Geschwindigkeit als maximale Geschwindigkeit der Trendlinie bestimmt, nicht als Spitzenpunkt. - Berechnen Sie den NAMI-Wert für jede Studie während des gesamten Experiments mit Gleichung3:
Wobei: max. bzw. min für maximale bzw. minimale Winkel stehen, die während des Versuchs gemessen wurden; € max ist die maximale Bewertungsgeschwindigkeit; und t ist die Gesamtzeit, die für eine Bewertung aufgewendet wird. Abbildung 10 zeigt ein Beispiel für jede Variable.
ANMERKUNG: Der vorgeschlagene Index gibt eine Punktzahl nahe 1 an, wenn die Bewertungsbewegung nahe an vollständig isokinetisch und eine Punktzahl nahe 0 ist, wenn die Geschwindigkeit der Bewegung inkonsistent ist.
- Berechnen Sie die ROM, die maximale Geschwindigkeit und die Bewertungszeit aus jeder Bewertungsstudie.
-
Statistische Auswertung
HINWEIS: Alle statistischen Analysen werden mit dem statistischen PASW-Paket (SPSS-Version 18.0) durchgeführt. Die METHODE des intraclass correlation coefficient (ICC) wird verwendet, um die Zuverlässigkeit des Test-Retestunds und die Zuverlässigkeit der Interrater zu identifizieren. Zur Berechnung des ICC werden nur die Ergebnisse des zweiten und dritten Tests herangezogen.- Um die Zuverlässigkeit des Testtests zu überprüfen, berechnen Sie den ICC anhand der gemessenen AoC-Daten und des NAMI-Ergebnisses.
- Um die Zuverlässigkeit von Inter-Ratern zu überprüfen, berechnen Sie den ICC anhand des Durchschnitts der AoC- und NAMI-Daten.
- Berechnen Sie den p-Wert der AoC-Ergebnisse mithilfe von gepaarten Stichproben-T-Tests, um die Unterschiede zwischen jedem Ratter oder jeder Bewertungsstudie zu bewerten.
HINWEIS: P-Werte von <0,05 werden als statistisch signifikant betrachtet. - Berechnen Sie den Pearson-Korrelationskoeffizienten zwischen AoC auf der Grundlage von EMG-Kriterien und Drehmomentkriterien, um eine Korrelation zwischen den beiden Methoden zu überprüfen.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Die Zuverlässigkeit gliedert sich in vier Klassen nach dem ICC-Wert: extrem ausgezeichnet (>0,90), ausgezeichnet (0,75 < ICC - 0,90), fair bis gut (0,40 < ICC - 0,75) und schlecht (<0,40). Der Standardfehler der Messungen (SEM) wurde berechnet, um die Fehlerkomponente der Varianz zu bestimmen. Die kleinste nachweisbare Differenz (SDD) wurde aus dem SEM der Test-Retest-Daten berechnet.
Normalisierter Bewertungsbewegungsindex (NAMI): Der NAMI-Wert während einer isokinetischen Bewegung war immer 1, was bedeutet, dass das isokinetische Gerät immer eine gleichmäßige konstante Eingangsgeschwindigkeit erzeugt hat. Die Test-Retest-Zuverlässigkeit des NAMI während einer manuellen Bewegung war jedoch sowohl für Rater 1 (ICC [95% CI] = -0.035 [-0.495–0.441]) als auch für Rater 2 (ICC [95%CI] = 0.438 [-0.038–0.752]) schlecht. Darüber hinaus war auch die Inter-Rater-Zuverlässigkeit des NAMI während der manuellen Bewegung schlecht (ICC [95% CI] = 0.148 [-0.344–0.576]). Umgekehrt zeigten die Ergebnisse der beiden menschlichen Rater fast gleich durchschnittliche NAMI-Werte (0,68 und 0,67 für jeden Bewerter). Der Konsistenzfehler der beiden menschlichen Rater war größer als der der isokinetischen Vorrichtung, was einen großen Unterschied zwischen den beiden Ratern zeigte. Diese Ergebnisse deuten darauf hin, dass eine Bewertungsbewegung eines menschlichen Bewerters in den isokinetischen Eigenschaften fehlt und dass die Bewegung je nach Thema inkonsistent ist.
Test-Retest-Zuverlässigkeit: Tabelle 2 zeigt die Test-Retest-Zuverlässigkeit für die AoC-Ergebnisse unter drei Bedingungen (Isoketik-EMG, Isokinetik-Drehmoment, manuell-EMG). Die Test-Retest-Zuverlässigkeit für manuelle SMtS war ausgezeichnet (ICC = 0.804 und 0.840). Die isokinetische MTS-Messung verbesserte jedoch die Test-Retest-Zuverlässigkeit auf die äußerst hervorragende Qualität sowohl auf den EMG- als auch auf den Drehmomentkriterien (Tabelle 2)
Interrater-Zuverlässigkeit: Tabelle 3 zeigt die Zuverlässigkeit der Interrater-Messung für die AoC-Messleistung unter drei Bedingungen. Der ICC der Inter-Rater-Zuverlässigkeit des manuellen MTS war 0,788, was nahe der unteren Grenze der ausgezeichneten Sorte war. Das isokinetische MTS verbesserte die Inter-Rater-Zuverlässigkeit gegenüber dem ICC von 0,890 auf Basis von EMG-Daten und dem ICC von 0,931 auf Basis von Drehmomentdaten.
Korrelationen und Konsistenz des Timings von AoC zwischen den EMG- und Drehmomentkriterien: Die beiden AoC-Ergebnisse, die aus den EMG-Daten und den Drehmomentdaten während des isokinetischen MTS berechnet wurden, zeigen eine signifikant hohe Korrelation in beiden Ratern 1 (Pearson-Korrelationskoeffizient = 0,937, p < 0,001) und Rater 2 (Pearson-Korrelationskoeffizient = 0,957, p < 0,001). Darüber hinaus war das Timing von AoC zwischen den beiden Ergebnissen sehr konsistent mit einem ICC von 1 (p < 0.001).
Abbildung 1: Experimentflussdiagramm.
Diese Zahl wurde von Sin et al.10geändert. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 2: Isokinetic MTS Testroboter.
(A) Konfiguration des isokinetischen Robotergeräts. (B) Innenkonfiguration des Geräts. Die Steuerung umfasst einen Echtzeitprozessor und Motortreiber. (B) wurde zuvor von Sin et al.10veröffentlicht. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 3: Zusammensetzung des Manipulandums.
Zwei Manschetten für Handgelenk und Unterarm sind durch einen Befestigungsblock mit dem linearen Schieber verbunden, wodurch die Position der Manschette einstellbar ist. Ein Griff und ein Handgurt sind von links nach rechts schaltbar. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 4: Konfiguration des Steuerungssystems.
Die rechten drei Blöcke zeigen die Hierarchie des Steuerungssystems und Pfeile zeigen den Datenfluss zwischen den einzelnen Einheiten. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 5: Grafische Benutzeroberfläche (GUI).
Die linke Seite ist das Controller-Bedienfeld, das die verschiedenen Tasten oder numerischen Steuerelemente enthält, die für die Robotersteuerung erforderlich sind. Die rechte Seite ist ein Überwachungspanel, das den Winkel, das Interaktionsmoment und das Triggersignal in Echtzeit anzeigt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 6: Beispiel für die Trägheitseffektkompensation.
Die grüne Linie zeigt das rohe Drehmoment an; die blaue gepunktete Linie zeigt das Trägialkraftmodell an; und die rote Linie zeigt das Ergebnis der Trägendrehmomentkompensation an. Diese Zahl wurde zuvor von Sin et al.10veröffentlicht. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 7: Beispiel für die AoC-Auswertung mit EMG-Daten (isokinetische MTS-Fall).
Ein RMS EMG-Wert von weniger als 0,1 wird als normal angesehen. Die Auswahl des Startpunkts des klaren EMG-Upsurge-Punkts wird durchgeführt, und der Winkelwert zu diesem Zeitpunkt wird als AoC bestimmt. Diese Zahl wurde zuvor von Sin et al.10veröffentlicht. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 8: Beispiel für die AoC-Auswertung mit Drehmomentdaten (isokinetischeMT-Gehäuse).
Die Auswertung umfasst die folgenden Schritte: Zeichnen Sie zwei Linien, die das Drehmoment des Bewertungsausgangsund und den Endpunkt mit einer beliebigen Drehmomentdaten verbinden; finden Sie den Punkt, an dem die beiden Linien zur Regressionslinie der Drehmomentdaten vor und nach dem ausgewählten Punkt werden; Wenn es einen signifikanten Unterschied zwischen dem Gradienten von zwei Regressionslinien gibt, wird beurteilt, dass an dieser Stelle ein Dehnungsreflex auftritt. Diese Zahl wurde zuvor von Sin et al.10veröffentlicht. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 9: Beispiel für die AoC-Auswertung mit EMG-Daten (manuelles MTS-Gehäuse).
Wie im isokinetischen Fall (Abbildung 7) wird das AoC als Winkel bestimmt, wenn ein klarer Aufschwung des EMG auftritt. Diese Zahl wurde zuvor von Sin et al.10veröffentlicht. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Abbildung 10: Variablen für den normalisierten Bewertungsbewegungsindex (NAMI).
Intuitiv ist der NAMI-Wert das Verhältnis der Fläche unter dem Geschwindigkeitsdiagramm zum Bereich des grauen Felds. Mehr isokinetische Bewegungen zeigen Werte näher an 1. Diese Zahl wurde bereits von Sin et al.10veröffentlicht. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
| veränderlich | resultat |
| Alter, Jahre, Mittelwert (SD) | 54,6 (12,2) |
| Geschlecht, n (%) | |
| Männer | 14 (82,4) |
| Frauen | 3 (17.6)) |
| Tage ab Schlaganfallbeginn, Median (IQR) | 722 (1226) |
| Hemiplegische Seite, n (%) | |
| Richting | 10 (58,8) |
| links | 7 (41,2) |
| Hubtyp, n (%) | |
| Ischämischen | 11 (64,7) |
| Hämorrhagische | 6 (35,3) |
| Schlaganfallläsion, n (%) | |
| Kortikale | 4 (23,5) |
| Subkortikalen | 13 (76,5) |
| Brunnstrom-Bühne, Median (IQR) | |
| arm | 4 (1) |
| hand | 3 (1) |
| bein | 4 (1) |
| Muskelkraft, Median (IQR) | |
| Ellenbogenflexor | 4 (1) |
| Ellenbogenextensor | 4 (1) |
| MAS, Ellenbogenflexor, n (%) | |
| 1 | 7 (41,2) |
| 1+ | 5 (29,4) |
| 2 | 5 (29,4) |
Tabelle 1: Themen demographische Daten und Basismerkmale.
| test | Erneut | seiten | Sem | Sdd | ICC (2,1) (95% CI) | |
| Mittelwert (SD) | Mittelwert (SD) | |||||
| Rater 1 | ||||||
| Isokinetische (150°/s) Bewegung mit EMG | 93,74 (28,35) | 90,93 (25,44) | 0,216 | 12.12 Uhr | 33,59 | 0,948 (0,857-0,981) |
| Isokinetische (150°/s) Bewegung mit Drehmoment | 90,30 (27,93) | 89,61 (27,25) | 0,201 | 3,02 | 8,37 | 0,997 (0,992-0,996) |
| Manuelle Bewegung mit EMG | 82,67 (19,11) | 82,03 (21,73) | 0,838 | 17.21 Uhr | 47,7 | 0,804 (0,538-0924) |
| Rater 2 | ||||||
| Isokinetische (150°/s) Bewegung mit EMG | 90,77 (28,69) | 88,14 (28,34) | 0,123 | 15.1 | 41,86 | 0,929 (0,929-0,991) |
| Isokinetische (150°/s) Bewegung mit Drehmoment | 97,06 (23,47) | 94,37 (25,86) | 0,192 | 9,9 | 27,44 | 0,959 (0,873-0,987) |
| Manuelle Bewegung mit EMG | 80,96 (21,30) | 80,46 (22,81) | 0,875 | 16,94 | 46,96 | 0,840 (0,601-0,941) |
Tabelle 2: Test-Retest-Zuverlässigkeitsergebnisse für den Fangwinkel, gemessen mit isokinetischen Robotergeräten und Robotergeräten mit manueller Bewegung.
Diese Tabelle wurde von Sin et al.10 veröffentlicht (p-Werte werden durch gepaarte Probe t-test berechnet). SEM: Standard-Messfehler, SDD: kleinste nachweisbare Differenz, ICC: intraklassen-Korrelationskoeffizient, EMG: Elektromyographie.
| Rater 1 | Rater 2 | seiten | Sem | ICC (2,1) (95% CI) | |
| Mittelwert (SD) | Mittelwert (SD) | ||||
| Isokinetische (150°/s) Bewegung mit EMG | 88,16 (28,24) | 89,46 (28,33) | 0,973 | 17,81 | 0,890 (0,685-0,961) |
| Isokinetische (150°/s) Bewegung mit Drehmoment | 94,32 (240,13) | 95,71 (24,44) | 0,775 | 12.54 Uhr | 0,931 (0,791-0,978) |
| Manuelle Bewegung mit EMG | 80,81 (18,98) | 80,71 (21,17) | 0,586 | 17,5 | 0,788 (0,493-0,920) |
Tabelle 3: Ergebnisse der Interrater-Zuverlässigkeit für den Fangwinkel, der mit isokinetischen Robotergeräten und Robotergeräten mit manueller Bewegung gemessen wird.
Diese Tabelle wurde von Sin et al.10 veröffentlicht (p-Werte werden durch gepaarte Probe t-test berechnet). SEM: Standard-Messfehler, ICC: intraklassen-Korrelationskoeffizient, EMG: Elektromyographie.
Anhang. Bitte klicken Sie hier, um diese Datei herunterzuladen.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Diese Studie versuchte, die MTS-Messung mit einem robotischen isokintischen Gerät zu standardisieren. Es wurde untersucht, wie sich die Konsistenz der Bewertungsbewegung auf die Ergebnisse der MTS-Messung auswirkt.
Der NAMI-Wert wurde vorgeschlagen, um den Grad der Variabilität in der Bewertungsbewegung darzustellen. Wie erwartet, zeigte die manuelle Methode im Gegensatz zur isokinetischen Bewegungsmethode ohne Variabilität eine Variabilität zwischen den Tests und zwischen den Ratern, was zu einer schlechten Zuverlässigkeit führte, was mit den Ergebnissen früherer Studien übereinstimmt7,8 . Die Ergebnisse zur Zuverlässigkeit der AoC-Messung zeigen, dass die isokinetische Bewegung selbst die Interrater-Zuverlässigkeit im Vergleich zur manuellen Bewegung erhöhen kann. Obwohl es Bedenken hinsichtlich der weniger Dehnungsreflexprovokation durch die isokinetische Bewegung11,12gab, zeigten Probanden in dieser Studie mit leichter Ellbogenflexorspastik (MAS 1, 1+, 2) konsistente Dehnungsreflexe, die von Oberfläche EMG während der isokinetischen Bewegung. Dies zeigt, dass ein isokinetisches Gerät verwendet werden kann, um AoC zuverlässig zu messen, auch bei Patienten mit leichter Ellbogenspastik. AoC wurde auch anhand der Drehmomentkriterien in dieser Studie berechnet. Interessanterweise zeigte AoC, gemessen sowohl unter Verwendung der EMG- als auch der Drehmomentkriterien, eine hohe Korrelation, während allein die Drehmomentkriterien eine höhere Inter-Rater-Zuverlässigkeit zeigten, was mit den Ergebnissen von Lynn et al.13übereinstimmt. Daher wird erwartet, dass die Spastikbewertung anhand der Drehmomentkriterien eine bessere Methode in Bezug auf Zuverlässigkeit und Komfort ist.
Dieser neue Ansatz zur Quantifizierung der MTS-Messung hat einige Probleme und Einschränkungen. Erstens war die Haltung während der AoC-Messungen in dieser Studie anders als bei herkömmlichen MTS-Messungen14. Das konventionelle MTS wurde in Ermangelung einer Schulterentführung durchgeführt; Im Gegensatz dazu wurden in dieser Studie Messungen mit der Schulter durchgeführt, die um 90 Grad entführt wurde. Ziel dieser Studie war es jedoch, die Auswirkungen der Kohärenz des Bewertungsantrags auf die Zuverlässigkeit des AoC zu überprüfen. Die in diesem Experiment verwendete Haltung macht es einfach, AoC anhand der Drehmomentdaten zu messen, indem der Einfluss des Unterarmsgewichts beseitigt wird, was schwer separat zu messen ist. Daher bietet dieses Experiment eine Perspektive darauf, wie sich die Bewertungsbewegung auf die Zuverlässigkeit von AoC-Messungen auswirkt.
Zweitens wurde die AoC-Messung sowohl nach dem Drehmoment als auch nach DenEMG-Kriterien subjektiv durchgeführt. Dies wurde jedoch von einem dritten Rater durchgeführt, der blind für die Subjektinformationen und die Reihenfolge der Rater war, um potenzielle Voreingenommenheit zu minimieren. Drittens war die Erhöhung des Reaktionsmoments aufgrund passiver mechanischer Eigenschaften bei der ersten Planung des Experiments unerwartet. Es wurde erwartet, dass das Reaktionsmoment hauptsächlich durch Dehnungsreflex verursacht wird; Bei Patienten mit leichter Spastik zeigten viele Fälle jedoch, dass das Reaktionsmoment, das durch passive Steifigkeit verursacht wurde, dominant war. Daher wurde AoC durch postexperimentelle Datenanalyse und nicht durch Echtzeit-Identifikation erreicht. Schließlich gab es Entspannung des Ellenbogenflexors beim sich wiederholenden passiven Dehnen. Das Experiment wurde entwickelt, um genügend Ruhezeit zu integrieren, um Müdigkeit während des gesamten Experiments zu verhindern, und keine Probanden klagten über Müdigkeit. Jedoch, Es ist schwer, Entspannung des Muskels durch wiederholte passive Dehnung zu verhindern. Um diese Auswirkungen zu reduzieren, wurde das Experiment entwickelt, um die Reihenfolge der Rater zu randomisieren, und die Ergebnisse zeigten kein signifikantes Entspannungsphänomen zwischen den beiden Ratern.
Ziel dieser Studie war es, Bewertungsmethoden zu verbessern, die sich auf den subjektiven Sinn des Bewerters stützen und sie an objektivere und quantitativestandards halten. Die Ergebnisse zeigen die Möglichkeit, die Bewertungssicherheit mit einem Robotergerät zu erhöhen. Die in dieser Studie durchgeführte Methode ist jedoch nur halbautomatisiert, da die AoC-Bewertung von einem Menschen durchgeführt wird. Es wird erwartet, dass die weiteren Studien eine Echtzeit-Spastikbewertung mit hoher Zuverlässigkeit und Objektivität ermöglichen werden.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Alle Autoren erklären keinen Interessenkonflikt.
Acknowledgments
Diese Studie wurde vom Seoul National University Bundang Hospital Research Fund (14- 2014 - 035) und Korea and National Research Foundation of Korea (NRF) Grant unterstützt, der von der koreanischen Regierung (A100249) finanziert wurde. Wir möchten uns bei Seo Hyun Park und Hae-in Kim dafür bedanken, dass sie bei der Vorbereitung und dem Video-Shooting geholfen haben.
Materials
| Name | Company | Catalog Number | Comments |
| 3D printer | Lokit | 3Dison+ | FDA type 3D printer |
| Ball sprine shaft | Misumi | LBF15 | |
| Bridge Analog Input module | National Instruments | NI 9237 | |
| CAN communication module | National Instruments | NI 9853 | |
| Caster | Misumi | AC-50F | |
| Electromyography (EMG) device | Laxtha | WEMG-8 | |
| EMG electrode | Bioprotech | 1.8x1.2 mm Ag–AgCl | |
| Encoder | Maxon | HEDL 9140 | 500 CPT |
| Gearbox | Maxon | GP 81 | 51:1 ratio |
| Lab jack | Misumi | 99-1620-20 | |
| Linear slider | Misumi | KSRLC16 | |
| Motor | Maxon | EC-60 | brushless EC motor |
| Motor driver | Elmo | DC Whistle | |
| PLA | Lokit | 3D printer material | |
| Real-time processor | National Instruments | sbRIO-9632 | |
| Torque sensor | Transducer Techniques | TRS-1K |
References
- Sommerfeld, D. K., Gripenstedt, U., Welmer, A. K. Spasticity after stroke: An overview of prevalence, test instruments, and treatments. American Journal of Physical Medicine & Rehabilitation. 91 (9), 814-820 (2012).
- Sommerfeld, D. K., Eek, E. U. B., Svensson, A. K., Holmqvist, L. W., von Arbin, M. H. Spasticity after Stroke: Its Occurrence and Association with Motor Impairments and Activity Limitations. Stroke. 35 (1), 134-139 (2004).
- Lundström, E., Terént, A., Borg, J. Prevalence of disabling spasticity 1 year after first-ever stroke. European Journal of Neurology. 15 (6), 533-539 (2008).
- Ashford, S., Turner-Stokes, L. Systematic Review of Upper-limb Function Measurement Methods in Botulinum Toxin Intervention for Focal Spasticity. Physiotherapy Research International. 18 (3), 178-189 (2013).
- Patrick, E., Ada, L. The Tardieu Scale differentiates contracture from spasticity whereas the Ashworth Scale is confounded by it. Clinical Rehabilitation. 20 (2), 173-189 (2006).
- Li, F., Wu, Y., Li, X. Test-retest reliability and inter-rater reliability of the Modified Tardieu Scale and the Modified Ashworth Scale in hemiplegic patients with stroke. European Journal of Physical and Rehabilitation Medicine. 50 (1), 9-15 (2014).
- Mehrholz, J., et al. Reliability of the Modified Tardieu Scale and the Modified Ashworth Scale in adult patients with severe brain injury: a comparison study. Clinical Rehabilitation. 19 (7), 751-759 (2005).
- Ansari, N. N., Naghdi, S., Hasson, S., Azarsa, M. H., Azarnia, S. The Modified Tardieu Scale for the measurement of elbow flexor spasticity in adult patients with hemiplegia. Brain Injury. 22 (13-14), 1007-1012 (2008).
- van den Noort, J. C., Scholtes, V. A., Harlaar, J. Evaluation of clinical spasticity assessment in Cerebral palsy using inertial sensors. Gait & Posture. 30 (2), 138-143 (2009).
- Sin, M., Kim, W. S., Cho, K., Cho, S., Paik, N. J. Improving the test-retest and inter-rater reliability for stretch reflex measurements using an isokinetic device in stroke patients with mild to moderate elbow spasticity. Journal of Electromyography and Kinesiology. 39 (1), 120-127 (2018).
- Grippo, A., et al. Biomechanical and electromyographic assessment of spastic hypertonus in motor complete traumatic spinal cord-injured individuals. Spinal Cord. 49 (1), 142-148 (2011).
- Rabita, G., Dupont, L., Thevenon, A., Lensel-Corbeil, G., Pérot, C., Vanvelcenaher, J. Differences in kinematic parameters and plantarflexor reflex responses between manual (Ashworth) and isokinetic mobilisations in spasticity assessment. Clinical Neurophysiology. 116 (1), 93-100 (2005).
- Lynn, B. O., et al. Comprehensive quantification of the spastic catch in children with cerebral palsy. Research in Developmental Disabilities. 34 (1), 386-396 (2013).
- Boyd, R. N., Graham, H. K. Objective measurement of clinical findings in the use of botulinum toxin type A for the management of children with cerebral palsy. European Journal of Neurology. 6 (1), 23-35 (1999).
