Video Analysis Movement Brug Smartphones (ViMAS): en pilotundersøgelse

1Physical Therapy Program, Department of Healthcare Sciences, Eugene Applebaum College of Pharmacy and Health Sciences, Wayne State University, 2Adams Sports Medicine and Physical Therapy
Published 3/14/2017
0 Comments
  CITE THIS  SHARE 
Medicine

Your institution must subscribe to JoVE's Medicine section to access this content.

Fill out the form below to receive a free trial or learn more about access:

Welcome!

Enter your email below to get your free 10 minute trial to JoVE!





By clicking "Submit", you agree to our policies.

 

Summary

Cite this Article

Copy Citation

Finkbiner, M. J., Gaina, K. M., McRandall, M. C., Wolf, M. M., Pardo, V. M., Reid, K., et al. Video Movement Analysis Using Smartphones (ViMAS): A Pilot Study. J. Vis. Exp. (121), e54659, doi:10.3791/54659 (2017).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

Brugen af ​​smartphones i klinisk praksis er støt stigende med tilgængeligheden af ​​billige / frit tilgængelige "apps", der kunne bruges til at vurdere menneskelige gangart. Det primære mål med dette manuskript er at teste den samtidige gyldighed kinematiske foranstaltninger registreret af en smartphone applikation i forhold til et 3D motion capture-system i det sagittale plan. Det sekundære mål var at udvikle en protokol til klinikere på opsætningen af ​​kameraet smartphone til video bevægelse analyse.

Den sagittale plan knæ vinkel blev målt under hæl strejke og tå off arrangementer ved hjælp af smart telefon app og en 3D-motion-capture-system i 32 raske forsøgspersoner. Tre forsøg blev udført ved nær (2-m) og langt (4-m) kamera smartphone afstande. Rækkefølgen af ​​afstandene blev randomiseret. Regressionsanalyse blev udført for at estimere højden af ​​kameraet baseret enten individets højde eller benlængde.

Absolute målefejl var mindst under tå off (3,12 ± 5,44 grader) i forhold til hælen strejke (5.81 ± 5,26 grader). Der var signifikant (p <0,05), men moderate aftaler mellem applikationen og 3D motion capture foranstaltninger af knæ vinkler. Der var heller ingen signifikante (p> 0,05) forskelle mellem de absolutte målefejl mellem de to kamerapositioner. De målefejl gennemsnit mellem 3 - 5 grader under toe off og hæl strejke begivenheder gangart cyklus.

Brugen af ​​smartphone apps kan være et nyttigt redskab i klinikken til at udføre gangart eller menneskelig bevægelse analyse. er behov for yderligere undersøgelser for at fastslå nøjagtighed i måling bevægelser af den øvre ekstremitet og kuffert.

Introduction

Vurdering af menneskelige gangart er et centralt element i den fysiske terapi evaluering og klinisk beslutningsproces. 1 Bevægelse vurdering er et hyppigt anvendt klinisk redskab til at vurdere gangart underskud hos patienter med neurologiske og muskel-underskud. Revurdering af gangart kan derefter give klinikeren med oplysninger om effekten af ​​en intervention i at nå de mål, de havde sat på deres første evaluering. Der er et nationalt anerkendt behov i USA for fysioterapeuter at udnytte standardiserede resultatmålinger, når de evaluerer patienter. 2 Dette behov skyldes den hurtigt skiftende landskab af forsikring refusionsordning samt en understreget skift for fysioterapeuter til at stole mere tungt på evidensbaseret praksis. 3 Der er mange resultatmål til at vurdere forskellige aspekter af gangart, som kan iagttages i en række måder, herunder: visual observation af en kliniker, funktionelle vurderinger, optaget video foranstaltninger, elektroniske gangbroer, tre-dimensionelle bevægelse analyse software mv I kliniske omgivelser, er observationsstudie (visuel) ganganalyse almindeligt udførte, da det kræver minimal udstyr og tid.

Mens observational ganganalyse er almindeligt anvendt inden for klinikken, er det stadig en subjektiv vurdering. 4 Derfor faktorer som terapeut erfaring, synsstyrke, afstand fra motivet (kamera afstand), måling værktøjer, og andre sådanne faktorer kan introducere variabilitet og fejl i vurderingen. Potentialet for en sådan variation præsenterer en kritisk behov for et mere pålidelige midler til måling, som i sidste ende kan overvindes ved brug af gyldige instrumentering. 5

Siden starten, videography og relateret teknologi er blevet brugt til at undersøge forskellige funktionelle begrænsninger resulting fra nedsat bevægelse kapacitet samt en form for visuel feedback. Dette er især sandt med hensyn til gait vurdering. Stuberg et al. fandt, at "Videography udstyr er almindeligt tilgængelige i klinikken ... og giver klinikeren med yderligere objektiv information om kropsholdning og fælles position under gang cyklussen." 4 Som teknologien er fortsat med at forbedre, så har mulighederne i videoanalyse. Disse funktioner giver fysioterapeuten med større evne til klinisk vurdering af de forskellige parametre i gangart.

De to vigtigste parametre, som fysioterapeuter fokuserer på omfatter kinematiske og spatiotemporale parametre. Som navnet antyder, spatiotemporale foranstaltninger indebærer elementer af afstand og tid. Specifikt for en gangart cyklus, ville spatiotemporale foranstaltninger omfatter, men er ikke begrænset til, skridtlængde, skridt længde, kadence og hastighed. 6 Kinematisk foranstaltninger på other hånd fokus på fælles bevægelser / rotationer af de nedre ekstremiteter blev observeret under hver gang cyklussen.

En række peer-reviewed artikler er blevet offentliggjort, som har citeret brug af video bevægelse analyse som et resultat foranstaltning, specielt 2D kamerasystemer, at vurdere kinematiske, spatiotemporale, eller en kombination af begge typer af parametre. Disse artikler er evalueret forskellige kliniske populationer, herunder personer med en historie af et slagtilfælde (CVA), traumatiske hjerneskader (TBI), rygmarvsskader (SCI), Parkinsons sygdom (PD), cerebral parese (CP) og raske personer. Den skematiske nedenfor (figur 1) giver den ramme, der blev vedtaget for at identificere relevante peer-reviewed litteratur, der er offentliggjort på dette emne.

figur 1
Figur 1. Skematisk for artikel Udvælgelseskriterier. the skematiske skitserer de trin, der anvendes i at vælge peer-reviewed artikler at fastslå typen af ​​variabler, der blev rapporteret i ganganalyse. Klik her for at se en større version af dette tal.

Størstedelen af ​​de forskningsundersøgelser, der har brugt video bevægelsesanalyse til optagelse gangart parametre var valideringsundersøgelser. Kinematisk valideringsundersøgelser kan yderligere opdeles i en af tre kategorier: vurdering unormal bevægelse som følge af en specifik diagnose / patologi, 7 undersøge fælles vinkler under specifikke funktionelle bevægelser, 8, 9 og evaluering af effektiviteten af behandling via sammenligning af præ-indgreb bevægelse og post-indgreb bevægelse. 10, 11 Tilsvarende undersøgelser vurderer Spatiotemporal paramålere kan også opdeles i tre kategorier: vurdering af unormal bevægelse som følge af en specifik patologi, 12, 13, 14 undersøgelse af en platform i en bestemt funktionel aktivitet, 15, 16 og bestemmelse af effekten af en bestemt intervention. 17 De undersøgelser, der evaluerede både kinematiske og spatiotemporale parametre blev primært rettet mod at bestemme effektiviteten af specifikke behandlingsmetoder interventioner såsom ortoser 17 eller kropsvægt / delvis kropsvægt understøttet løbebånd træning. 18, 19 En foreløbig beskrivende analyse af disse artikler bestemmes, at 52,1% af studierne (summen af dem, der søger udelukkende på kinematik (30,4%), og dem, der undersøgte en kombination af parametre (21,7%)) researched kinematiske parametre med en 2D kamerasystem. Dette er i forhold til 69,5% af artiklerne (summen af ​​artikler, der forsket spatiotemporale parametre (47,8%) og en kombination af parametre (21,7%)), der har vurderet spatiotemporale parametre.

De metodologiske forskelle i optagelse og vurdering af kinematiske og spatiotemporale gangparametre ses også i klinisk praksis med hensyn til den type observerende ganganalyse bliver brugt. Spatiotemporale parametre vurderes med meget større hyppighed som angivet af forskningen. Der er tre generelt aftalt årsager til denne udvikling: lave omkostninger, brugervenlighed, og eksistensen af ​​en standardprotokol til at måle sådanne parametre. Observationelle kinematiske målinger har vist sig at have meget lav intra-rater (60%) og inter-rater pålidelighed (40% - 94%) i kliniske omgivelser. 4 Denne brede vifte forstås at skyldes variationen i placeringen af markører påbenede vartegn og de specifikke værktøjer, der anvendes til at vurdere fælles vinkler. Minute forskelle i placering placering af markørerne kan i væsentlig grad ændre de resulterende vinkler. Spatiotemporale målinger har meget højere pålidelighed (lige 69% - 97%), især når du bruger papir, blyant og stop ur metode til at vurdere gangart. 20

De teknologiske fremskridt i de seneste årtier har væsentligt ændret den måde sundhedspleje praktiseres. Med den seneste fremkomsten af ​​smartphones, adgang til internettet, online forskningsartikler, og andre elektroniske ressourcer er nu mere let tilgængelige for klinikere på ethvert tidspunkt. Martin et al. rapporterede, at "almindelig brug af smartphones er stigende i klinisk praksis, medicinsk uddannelse og forskning." 21 I denne undersøgelse over 50% af læger under en alder af 35 har svaret, at de har gennemført under anvendelse af en smartphone i klinisk praksis. Denne tendens incrlempet i 2009, hvor 64% af læger i USA viste sig at være ved hjælp af smartphones i deres kliniske praksis. The Manhattan anmeldelse undersøgelsen yderligere forudsagt, at denne vækst vil fortsætte med at stige til 81% af læger og sundhedspersonale klinikere til gennemførelse smartphone brug i klinisk praksis i 2012. 22 Selv om der ikke er blevet udført yderligere forskning for at afgøre, om dette opadgående tendens faktisk er fortsat med at klatre, er det rimeligt at antage, med den kendte implementering af teknologi i sundhedsvæsenet, at brugen af ​​smartphone-platforme i klinisk praksis vil blive mere almindeligt.

er ikke fastlagt Den nuværende brug af smartphone applikationer i fysisk terapi praksis. Der har ikke været studier, der evaluerer brugen af ​​smartphone video analyse applikationer ved en fysioterapeut til dato. Imidlertid har forskellige smartphone-applikationer blevet brugt af de enkelte fysioterapeuter som et gennembrud hjælpemidler værktøj i outpatient ortopædiske indstillinger til brug i både rehabilitere og uddannelse atleter i forskellige discipliner. Smartphone apps er også tilgængelige, som kan måle fælles vinkler, hvoraf nogle er blevet valideret. 23, 24 Individuelle terapeuter er begyndt at bruge forskellige analyseprogrammer på smartphones til visuel feedback til patienten og lettere nedbrydning af forskellige komponenter, der kan være mangler i en patients gangart cyklus, baseret på anekdotiske beviser. Men gyldigheden af ​​disse foranstaltninger er fortsat ukendt. Den begrænsede forskning, der findes om disse smartphone video analyseprogrammer har fokuseret på valideringen af kinematiske gangparametre, specielt ankel, knæ og hofte vinkler, i det frontale plan, 25 og inter-rater pålidelighed af enheden. 26 Der er ingen undersøgelser til dato, der har valideret brug af video smartphone analyseprogrammer til at registrere kinemATICS af gangart i det sagittale plan, som er mest almindeligt udførte i klinisk ganganalyse.

Formålet med denne undersøgelse var at teste den samtidige gyldighed kinematiske foranstaltninger registreret af ansøgningen smartphone og sammenligne dem med foranstaltninger, der er optaget af en 3D motion capture system i sagittale plan. Vi forudser, at der vil være nogen betydelige forskelle mellem de foranstaltninger, der er optaget ved anvendelse smartphone sammenlignet med de foranstaltninger registreret af 3D motion capture system. Det sekundære formål er at teste, om to adskilte placeringer af smartphone kamera fra emnet (nær afstand af 2-m langt afstand af 4 -NT forskel i foranstaltninger mellem de to forskellige placeringer af kameraets smartphone Den endelige formål med undersøgelsen. er at udarbejde en protokol til klinisk video ganganalyse ved hjælp af en smartphone-applikation.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Denne protokol blev godkendt af Institutional Review Board of Wayne State University.

1. Eksperimentel Forberedelse

  1. Position kameraer til at fange hele 6-m gangbro. Brug i alt 4 3D bevægelse fanger kameraer til at fange gå over en 6-meter gangbro.
    1. Placer hver af kameraerne på de 4 hjørner af 6 m passage. Orientere hvert af kameraerne på de diagonale ender af gangbro til ansigt hinanden.
  2. Saml højde, vægt og benlængde foranstaltninger af hver deltager.
    1. Mål massen i kg.
    2. Mål benlængde (i meter) fra større trochanter til mediale malleolien af ​​begge ben med et målebånd.
    3. Mål højden (i meter), ved at have deltageren stå barfodet siden af ​​et målebånd fastgjort til væggen. Placer en lineal oven på deltagerens hoved til at læse målingen fra målebåndet knyttet til væggen.
  3. Place klynger af 3 smarte markører på deltageren om bilaterale anterior superior iliaca kamme (ASIS), øverste tredjedel af låret, øverste tredjedel af kalv og dorsum af foden. Placer et enkelt intelligent markør i midterlinjen mellem højre og venstre posteriore overlegen iliaca Kamme.
    1. Fastgør de smarte markører med velcro stropper / dobbeltklæbende tape. Sikker lår og læg markører i det frontale plan.
  4. Placer klistermærker angiver vartegn knoklet end bilateral mediale og laterale femurkondyler, mediale og laterale malleolien og webhotel mellem første og anden tæer til kalibrering af 3D motion capture-system.
    BEMÆRK: Kalibreringsproceduren er specifik for hvert laboratorium, og 3D motion capture udstyr og software. For kalibreringen henvises til instruktions manual fra producenten af ​​3D motion capture udstyr og / eller software, der bruges til at analysere dataene. Den proces, der anvendes her sker ved at bruge en instrumenteret "Wand" med smarte markører, at registrere 3D-placering af de klistermærker, der var placeret.

2. Forsøg

  1. Juster smart telefon kameralinsen højde for at indfange enten deltagerens underkrop kun (ASIS som overlegen grænse) eller øvre og nedre krop (acromion som overlegen grænse). Mål højden fra gulvet til kameralinsen i meter.
  2. Giv deltagerne en praksis retssag. Har en efterforsker betjene smartphone, og den anden betjene computeren, der styrer 3D motion capture-system. Brug nummereret papir til at angive retssag nummer på smart telefon optagelse.
  3. Åbn smartphone-applikation. Tryk på den røde knap "record" på bunden, midten af ​​screen at starte optagelsen (når i lodret retning).
    BEMÆRK: Hvis din smartphone allerede er blevet placeret på stativet, vises knappen i midten, højre side af telefonen, nær hjemmet knappen på smartphone.
  4. Instruer deltageren til at gå på deres normale tempo, fokuseret på en markør placeret på modsatte væg at hjælpe dem med at gå en lige linje. Placer parallel smartphone til gangbro for at fange en side profil af deltageren. Har deltageren krydse de to første 3D motion capture-kameraer placeret i begyndelsen af ​​gangbro på hver side, og gå mod yderligere to 3D motion capture-kameraer placeret i den anden ende af gangbro på hver side.
    1. For hvert forsøg, giver hver deltager en nedtælling til start (3, 2, 1, GO) og afslutte retssagen (3, 2, 1, STOP).
  5. Efter emnet færdig gå 6-m afstand, skal du vælge den røde "record" knappen igen for at afslutte optagelsen denne walking retssag.
  6. check etll markører for position efter hvert forsøg. Hvis en markør holdning blev ændret, tilbage til trin 1.6 at kalibrere 3D motion capture-system til de nye markør placeringer.
  7. Har deltagerne udføre 3 forsøg på hvert kamera afstand i trin 2.1.
  8. Flyt stativ med smart telefon til den anden afstand. Retur deltageren til at stå på midtpunktet af gåtur måde. Følg anvisningerne i protokol trin 2,2-2,5.
  9. Gem og kontrollere 3D motion capture optagelser og smartphone optagelser før fjernelse af smart markører.

3. Data Analysis

  1. Følg software / producentens anvisninger til at beregne knæet vinkel. Manuelt optage knæet vinkel, der vises på skærmen ved hælen og tåen fase af gangart cyklus.
  2. Gennemfør analysen af ​​smart telefon optagelser til hæl strejke og tå off arrangementer fanget af et team af to efterforskere, der har til at blive enige om tidspunktet for hælen strejke og tå aff begivenheder og vinkel måling jord varemærker. Brug en stylus for øget nøjagtighed skelsættende placering for knæ vinkelmålinger. Trinene nedenfor er udført i fællesskab af de to efterforskere.
  3. For at se den retssag, der var lige har optaget, skal du vælge video firkant i nederste venstre hjørne af skærmen (i lodret retning).
  4. Brug rullepanelet i bunden af ​​skærmen, vælg den ramme, hvori motivet er tættest på hæl strejke eller tå fra (alt efter hvad er den foretrukne variabel) i midten af ​​skærmen.
  5. At falde i vinkel, skal du trykke på den hvide, skitserede blyant ikon i øverste højre side af skærmen.
  6. Vælg vinklen mulighed, den anden mulighed i rullemenuen.
  7. Vælg en foretrukken farve og vinklen maker. Bemærk, at kun én vinkel kan måles på én gang. Vinklen målt i denne protokol rent bestod af knæet vinkel i det sagittale plan.
  8. Skub eller tryk på pennen vilkårligt sted på skærmen for at falde ivinkel.
  9. Placer midten af ​​vinklen på knæleddet (lateral kondyl), med vektorerne nå opad langs lårbenet og nedad mod den laterale malleolus.
  10. Hvis det er nødvendigt, "zoom in" ved at placere to fingre tæt sammen i midten af ​​skærmen og langsomt trække dem fra hinanden.
    BEMÆRK: Når tilfreds med placeringen af ​​den vinkel, værktøjet beregner automatisk knæet vinkel på det givne ramme.
  11. For at identificere knæet vinkel på andre faser af tå off eller hæl strejke Gentag trin 3,4-3,10.

4. Klinisk protokol

  1. Mål og markere en 6-meter gangbro ved hjælp af et målebånd og markør / tape.
  2. Placer smartphone på et stativ parallelt og tæt på centrum af den 6-meter gangbro.
  3. Placer stativet 2 m væk fra centrum af gangbro til at indfange den nedre ekstremitet, eller 4 m at fange stammen og nedre ekstremitet. Alle kamerapositioner tillader påly indfangning af sagittale plane kinematik.
  4. Beregn højden af ​​smartphone kameralinsen højden fra gulvet ved hjælp af følgende formler:
    I nærheden af ​​kamera konfiguration (2 m) for kun lavere ende capture
    Kamera linse height = (0.87xPatient reference benlængde i meter) - 0,12
    Langt kamera konfiguration (4 meter) for både lavere ekstremitet og krop capture
    Kamera linse height = Patientens henvisning benlængde i meter - 0,23
  5. Gentag §§ 2 - 3 i at registrere og analysere data ved hjælp af smart telefon app.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Alle 32 forsøgspersoner gennemført de 6 walking forsøg; dog blev data fra seks af deltagerne ikke inkluderet i dataanalyse grund af tekniske problemer, der medfører dårlig markør sigtbarhed. De absolutte målefejl af knæ vinkler var det mindste under tå off arrangementer (3,12 ± 5,44 grader) sammenlignet med hælen strejke (5.81 ± 5.26 grader) (tabel 1b). Der var ingen statistisk signifikante aftaler (P> 0,05) mellem ansøgningen smartphone og 3D motion capture foranstaltninger af knæ vinkler. Der var heller ingen signifikante forskelle (P> 0,05) mellem de absolutte målefejl mellem de to kamerapositioner (2,0 m og 4,0 m). Deltagernes benlængde udgjorde 40,4% varians af højde, i hvilken smartphone kameraet blev placeret i det fjerne (4,0 m, P <0,0001), og 50% varians i nær afstand (2,0 m, P <0,0001).

(tabel 1a). Ved begivenheder Toe Off 1, Heel Strike 1 og tå Off 2, både nær og langt afstande, viste smartphone applikation moderat aftale. blev observeret Forbedret aftale på Toe Off 2, både i nærheden og langt afstande, med forbedret ICC værdier observeret (Toe Off to nærheden ICC = 0,447, P <0,05; Toe Off 2 Far ICC = 0,454, P <0,05).

<tr>
Kamera Position Bevægelse Phase Mean fejl Std. Afvigelse
Nær ved Heel Strike 1 5,74 8,49
Heel Strike 2 6.36 4.14
Toe Off 1 3,93 5
Toe Off 2 2,49 * 4.99
langt Heel Strike 1 4,97 5.58
Heel Strike 2 5,47 3.6
Toe Off 1 2.71 5.64
Toe Off 2 2,54 * 4,69

Tabel 1: Intraclass korrelationsanalyse med Betydning Værdier (p-værdi). * Angiver p <0,05.

<td> Toe Off 1
Kamera Position Bevægelse Phase Intraclass Korrelation Betydning
Nær ved Heel Strike 1 0,168 0,368
0,324 0,126
Heel Strike 2 0,335 0.07
Toe Off 2 0,447 0,018 *
langt Heel Strike 1 0,157 0,327
Toe Off 1 0,284 0,084
Heel Strike 2 0,248 0,119
Toe Off 2 0,454 0,046 *

Tabel 2: Knee vinkelmåling fejl. Bland-Altman plot genereret fra forskellen i foranstaltninger mellem ansøgningen og motion capture systemer tilbyder visuelle beviser på, at forskelle er af en tilfældig karakter, uden nogen proportionale fejl bliver observeret (figur 2a & 2b). Graferne for 2,0 m og 4,0 m distancer vise data, der mere spredt omkring gennemsnittet forskel linje i midten. Dette indikerer, at kameraets position ikke bidrog til fejlene i målingerne.

Figur 2
Figur 2. Bland og Altman Plots Viser forskellen mellem foranstaltninger registreret af App og 3D Motion Capture System Under Toe off på nær og fjern Kamera positioner. a) Kamera Position Far Toe Off 2. b) Kamera Position nærheden Toe Off 2.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Formålet med denne validering undersøgelse var at bestemme gyldigheden af ​​en frit tilgængelig smartphone ansøgningen for at være klinisk anvendt som en objektiv og omkostningseffektive midler til at bruge smartphone teknologi til kinematisk ganganalyse i kliniske omgivelser. Eksisterende valideringsundersøgelser der undersøgte kinematiske foranstaltninger med ansøgning smartphone er begrænsede og har ikke vurderet dynamiske kinematiske foranstaltninger registreret under gang i det sagittale plan. Denne validering undersøgelse er den første til at have undersøgt kinematiske knæ foranstaltninger i det sagittale plan med en smartphone. Desuden er denne validering undersøgelse er den første kendt for at udvikle en protokol til kinematisk ganganalyse i det sagittale plan ved hjælp af en smartphone ansøgning om replikation i kliniske omgivelser.

Baseret på resultaterne, var der en signifikant forskel mellem knæ vinkelmålinger af 3D motion capture-system og anvendelse smartphone, som var at være expected. Der er begrænset præcision af målinger opnået ved smartphone i forhold til kapaciteten af ​​3D motion capture system. Den begrænsede præcision smartphone er baseret på de teknologiske parametre, der var tilgængelige på den specifikke enhed, da undersøgelsen blev gennemført. Som teknologi fortsætter med at rykke, kan smartphone-platforme præsentere med forbedrede opsamlingsprocent. Evnen til at bremse video til analyse og fange stillbilleder i en bevægende ramme kan også forbedre præcisionen af ​​kinematiske analyse af tilgængelige smartphone-platforme. Indarbejdelse af funktioner såsom high definition video-optagelse, slow motion capture, kvaliteten af ​​zoom og fokus kapacitet kan i høj grad forbedre analysen af ​​ekstremiteten uden forvrængning af den ønskede gangart øjeblik. Selvom målepræcision påvirket knæet foranstaltning opnåede fandtes der ingen signifikant forskel i målingen fejl mellem de to kamera afstande. Der var moderat aftale medknæ vinkelmålinger under tå off fase, hvilket indikerer øget aftale af knæ fleksion foranstaltning i forhold til aftalen af ​​knæet udvidelse eller hyperekstension måling under hælen strejke.

I gennemsnit en 2 - blev fundet 6 graders vifte af målefejl. Rækken af ​​fejl opnået i denne undersøgelse stemmer godt med en etableret klinisk acceptable område for fejl. For eksempel, flere goniometrisk foranstaltninger af en ekstremitet af et enkelt undersøgeren har en rækkevidde på 4 til 5 grader. 27, 28 Endvidere er den gennemsnitlige standardafvigelse af ekstremiteter goniometrisk foranstaltninger flere censorer er 5 til 6 grader. Sammenlignet med en undersøgelse undersøger indfangning af mekanisk løft i det sagittale plan, målefejl er også reflekterende af klinisk acceptabel foranstaltning tidligere er nævnt. I en undersøgelse udført af Norris et al. 5, standardfejlenbetyder målt i hofte, knæ og ankel under mekanisk løft blev analyseret. Der var 6,1 grader af fejl for knæ målinger. Men de er opnået ved Norris foranstaltninger udnyttet et videokamera til at optage de foranstaltninger med analyse på en computer med en smartphone kompatibelt program. De målefejl kan ikke direkte sammenlignes med de foranstaltninger, der er opnået i denne undersøgelse, fordi alle foranstaltninger blev begge fanget og analyseret på en smartphone. For at kopiere resultaterne i dette manuskript, skal alle trin i protokollen følges som beskrevet. Især Afsnit 2 er kritisk for at udføre denne validering teknik og også opnå et gyldigt kinematisk foranstaltning ved hjælp af smartphone app. Disse trin skitsere kameraet smartphone placering fremgangsmåde og udføre de kinematiske foranstaltninger.

Ud over validering af brugen smartphone til kinematisk fælles måling, har denne undersøgelse forsøgt at forenkle og standardisere brugen af ​​smartphoneteknologi til ganganalyse af det sagittale plan i klinikken. Forskerne udviklet en protokol for en realistisk gengivelse af denne undersøgelse inden for et klinisk rum ved hjælp af minimal og let tilgængeligt udstyr. Protokollen indeholder parametre for den nødvendige plads, nødvendige udstyr, og nødvendige formler til at beregne patientens specifikke opsætning for passende opsamling af de ønskede nedre ekstremiteter segmenter. Ved at følge opsætningen beskrevet nedenfor, efterforskerne er forholdsvis sikre på, at klinikere vil opnå gyldige kinematiske foranstaltninger med ± 5 grader af fejl.

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

DOWNLOAD MATERIALS LIST

References

  1. 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).
  2. 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).
  3. Jette, D. U., et al. Evidence-based practice: beliefs, attitudes, knowledge, and behaviors of physical therapists. Phys Ther. 83, (9), 786-805 (2003).
  4. 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).
  5. 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).
  6. Robinson, J. L., Smidt, G. L. Quantitative gait evaluation in the clinic. Phys Ther. 61, (3), 351-353 (1981).
  7. Krystkowiak, P., et al. Gait abnormalities induced by acquired bilateral pallidal lesions: a motion analysis study. J Neurol. 253, (5), 594-600 (2006).
  8. 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).
  9. Womersley, L., May, S. Sitting posture of subjects with postural backache. J Manipulative Physiol Ther. 29, (3), 213-218 (2006).
  10. 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).
  11. 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).
  12. 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).
  13. 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).
  14. 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).
  15. 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).
  16. 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).
  17. 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).
  18. 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).
  19. 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).
  20. Krebs, D. E., Edelstein, J. E., Fishman, S. Reliability of observational kinamatic gait analysis. J Am Phys Ther Assoc. 65, 1027-1033 (1995).
  21. Martin, S. More than half of MDs under age 35 now using PDAs. Can. Med. Assoc. J. 169, (9), 952 (2003).
  22. Mosa, A. M., Yoo, I., Sheets, L. A Systematic Review of Healthcare Applications for Smartphones. BMC Med Inform Decis Mak. 12, (2012).
  23. Ferriero, G., et al. Reliability of a smartphone-based goniometer for knee joint goniometry. Int J Rehabil Res. 36, (2), 146-151 (2013).
  24. 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).
  25. 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).
  26. 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).
  27. Boone, D. C., et al. Reliability of goniometric measurements. Phys Ther. 58, (11), 1355-1360 (1978).
  28. 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).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Video Stats