Realtidsfallriskbedömning med hjälp av funktionellt Reach-Test
Abstrakt
fall är vanliga och farliga för överlevande av stroke i alla stadier av återhämtning. Det utbredda behovet av att bedöma fallrisk i realtid för individer efter stroke har genererat nya förfrågningar om ett pålitligt, billigt, kvantifierbart och avlägset kliniskt mått/verktyg. För att möta dessa önskemål utforskar vi det funktionella Reach-testet (FRT) för realtidsfallriskbedömning och implementerar FRT-funktionen i mStroke, ett realtids-och automatiskt mobilt hälsosystem för poststroke-återhämtning och rehabilitering. mStroke är designad, utvecklad och levererad som en applikation (App) som körs på en hårdvaruplattform bestående av en iPad och en eller två trådlösa kroppsrörelsesensorer baserade på olika mobila hälsofunktioner. FRT-funktionen i mStroke testas omfattande på friska människor för att verifiera dess koncept och genomförbarhet. Preliminär prestanda kommer att presenteras för att motivera den fortsatta utforskningen av FRT-funktionen i mStroke genom kliniska prövningar på individer efter stroke, vilket kan vägleda dess allestädes närvarande utnyttjande inom en snar framtid.
1. Inledning
fall är vanliga för överlevande av stroke i alla stadier av återhämtning . Samhällsbyggande individer med kronisk stroke har den högsta fallincidensen vid . Följaktligen är höftfrakturer fyra gånger mer benägna att uppstå hos överlevande efter stroke jämfört med den allmänna äldre befolkningen . Fall resulterar också i progressiv aktivitet och deltagandebegränsningar, ökat beroende, ökad rädsla för att falla och depression . Dessutom leder fall till betydligt mer stress för vårdgivarna av poststroke individer .
fallförebyggande strategier är mest effektiva om personen i riskzonen kan bedömas/identifieras innan skada inträffar . Det finns flera kliniska verktyg som exakt bedömer funktionella parametrar associerade med stående balans och förutsäger fallrisk hos individer efter stroke. Relevanta kliniska verktyg inkluderar Berg Balance Scale (BBS), Timed Up and Go (TUG) test, datoriserad dynamisk Posturografi (CDP) och kraftplattor och FRT . BBS tillämpar en ordinär betygsskala för 14 funktionella rörelser . Bogserbåten är ett funktionellt gångtest som mäter uppgiftens slutförandetid . CDP-och kraftplattorna mäter en individs tryckcentrum (COP) och COP korrelerar med dålig balans och ökad fallrisk . De tidigare listade kliniska verktygen kan kräva administrering av kliniker och / eller dyr eller orörlig utrustning. Därför är de lämpliga för klinisk användning men kan inte longitudinellt övervaka individer i samhället utan närvaro av en kliniker och/eller dyr utrustning.
tillämpningen av accelerometer och gyroskop har studerats för att kvantitativt bedöma stående balans . Dessa studier visar nyttan av rörelsesensorer i funktionell balansmätning. Båda studierna fokuserar dock på att förbättra klinikerns mätkänslighet snarare än att producera ett fjärrmätningssystem för mobil hälsa. Metoder i dessa studier kan inte tillämpas hemma utan närvaro av en kliniker på grund av testkomplexitet (4-steg respektive 6-steg) och krav (t.ex. användarens ögon som ska stängas).
i detta dokument utforskar vi bärbara tekniker (dvs. rörelseavkänning i realtid) för att bedöma fallrisk med FRT. FRT är ett snabbt dynamiskt test med en uppgift som definieras som det maximala avståndet man kan nå framåt bortom armlängden, samtidigt som man behåller en fast stödbas i stående position . Det är viktigt att den har en modifierad version för sittbalans, det vill säga den modifierade FRT, som vi förutser att den kommer att vara användbar för sittmätningsutvecklingen . FRT utvecklades av Duncan et al. 1990 som en kvotmätningsskala för att bestämma främre gränser för stående balans hos äldre befolkning . Sedan starten har denna åtgärd visat sig vara ett giltigt och pålitligt test för att identifiera underskott i balans för strokeöverlevande och en kraftfull prediktor för fallrisk jämfört med andra mer tidskrävande kliniska funktionella åtgärder . Specifikt sett uppskattar FRT hur långt användaren kan nå framåt utan att vidta åtgärder . Normerna för räckvidd för män och kvinnor i olika åldrar sammanfattas i Tabell 1 . Baserat på räckvidden i FRT kan en person med hög risk för fall (dvs. positivt test) identifieras :(i)ett negativt test beaktas för en framåtriktad räckvidd på större än 25,40 cm.(ii) en räckvidd på mindre än 15,24 cm visar sig vara förknippad med en fyra gånger större risk för fall under de följande 6 månaderna.(iii) en räckvidd inom 15.24–25.40 cm har visat sig vara förknippat med en två gånger större risk för fall under de följande 6 månaderna.
|
|||||||||||||||||||||
realtids FRT är en av funktionerna i vårt föreslagna mStroke, ett realtids-och automatiskt mobilt Hälsosystem, som också kan utvärdera motorstyrning och uppskatta gånghastighet hos patienter efter stroke. Här, vi fokuserar på FRT-funktionen i mStroke och tar itu med tre gratis problem: (i) utforma signalbehandlingsalgoritmer som exakt och troget kan uppskatta räckvidden i FRT, (ii) implementera en interaktiv användarvänlig App som körs på vår hårdvaruplattform och (iii) utvärdera användbarheten och tillförlitligheten hos FRT-funktionen i mStroke på friska vuxna ämnen.
när FRT-funktionen i mStroke visar sin användbarhet och tillförlitlighet hos en frisk vuxen befolkning kommer vidareutveckling och utvärdering att utföras hos poststroke-individer. Vårt yttersta mål är att individer efter stroke enkelt kommer att utföra en realtidsfallriskbedömning genom att utnyttja denna FRT-funktion i kliniken (t.ex. akut vård/postakut vård/rehabiliteringsanläggning) och hem, när som helst efter behov, utan hjälp från vårdpersonal. Med andra ord kan FRT övergå från den skickliga kliniska administrationen till den oberoende patienthanteringen. mStroke, inklusive FRT-funktionen, kan främja genomgripande, kvantifierbar och fortsatt övervakning av patienters beteenden och återhämtningar, vilket kan stödja effektiv och långsiktig strokehantering långt bortom det nuvarande akuta klinikbaserade systemet.
2. Material och metoder
2.1. Hårdvara och dess användarvänlighet
energi och latens är två stora begränsningar för alla trådlösa eller mobila hälsoenheter. Vi valde nod, som visas i Figur 1, som den trådlösa kroppssensorn för mStroke . Denna handhållna enhet med låg effekt och låg latens är en ny modulär sensorplattform som använder Bluetooth Low Energy (BLE)-protokollet för att kommunicera med en basstation (t.ex. smartphone, iPad eller dator). Flera noder kan ansluta till en enda basstation. Nodens grundmodul är MPU-9150, en 9-axlig Rörelsespårningsanordning Tillverkad av InvenSense, som i huvudsak är en Tröghetsrörelseenhet (IMU) innehållande accelerometer, gyroskopoch magnetometer . Accelerometern kan programmeras för att ha fullskaligt intervall av g, g, g eller g och dess känslighet är LSB/g . MPU-9150 är konstruerad för låg effekt, låg kostnad och högpresterande krav på konsumentelektronik inklusive bärbara sensorer . NODE kan skicka rörelsedata till en iPad med upp till 120 prover per sekund med en räckvidd på upp till 50 m. NODE är en cylinder med en diameter på 25,4 mm med en längd på 83,8 mm och kan klippas till kläder. Varje ände av noden kan acceptera en extra utbytbar sensorenhet. Dessa sensorenheter kan tjäna en mängd olika funktioner som temperatur, fuktnivå, oximeter eller ultraljudsövervakning/mätning. I detta dokument använder vi bara noden med en IMU.
under de senaste åren har tanken på att använda sensorer (t .ex. accelerometer, gyroskop, magnetometer och elektromyografi) för att förvärva mänskliga rörelsedata för rehabiliteringsstudier och praxis fått stor uppmärksamhet. Accelerometrar mäter accelerationsvektor; gyroskop ger vinkelrotationshastighet; och magnetometrar mäter styrkan och i vissa fall riktningen för magnetfält. En 9-axlig sensorfusion av dessa tre sensorer gör det möjligt för mStroke att övervinna de inneboende bristerna som finns i varje enskild rörelsessensor.
för att utföra FRT-funktionen bärs en nod via bröstsele, vilket visas i Figur 2. Påtagning och doffing selen testades av sjukgymnastik studenter via skicklig emulering. Resultaten tyder på översättning av ett sådant sele-system till patientanvändning. Dessutom, om NODE inte bärs korrekt (t. ex., Nod roteras eller vänds upp och ner), kommer appen att skicka ut en varningsmeddelande.
2.2. Programvara och dess användarvänlighet
när det gäller mjukvarufunktionalitet inkluderar FRT-funktionen i mStroke fallriskbedömning och feldetektering. Fel inkluderar felaktig stående hållning och fallande. I början av FRT ber appen användaren att anta en bekväm, upprätt hållning. Appen meddelar användaren om bröstnoden upptäcker en felaktig kroppshållning. För att redogöra för individer efter stroke som kan ha nedsatt stående hållning är trunkflexion upp till 30 kg acceptabelt . Appen instruerar sedan användaren att böja axeln på den dominerande övre extremiteten (dvs. den mindre drabbade övre extremiteten hos överlevande efter stroke) till cirka 90 kcal. När armen är korrekt placerad kommer användaren att nå framåt så långt som möjligt utan att ta ett steg. Slutligen beräknas FRT-avståndet baserat på vår föreslagna algoritm.
FRT-funktionen i mStroke anpassas för varje enskild användare genom att mata in användarens stamlängd, axelbredd och lårlängd i appen innan FRT initieras. Efter att algoritmen uppskattar FRT-avståndet meddelas resultatet till användaren i realtid baserat på etablerade FRT-normer (Tabell 1). För att säkerställa säkerheten är mStroke utrustad med en falldetekteringsalgoritm och kan programmeras för att tillhandahålla automatisk akutsjukvårdsanmälan vid fall. För detta ändamål har vi implementerat den 3-stegs falldetekteringsalgoritm som föreslagits av Li et al. .
2.3. FRT avstånd uppskattning
2.3.1. Vinkeluppskattning
det finns accelerometer, gyroskop och magnetometer i noden IMU. Vi utnyttjar kvaternion beräknad från avläsningar av dessa tre sensorer för exakt vinkeluppskattning. En kvaternion är ett fyrdimensionellt komplext tal som kan användas för att representera orienteringen av en styv kropp i ett tredimensionellt utrymme . I quaternion representation, beskriver orienteringen av RAM i förhållande till RAM . Varje orientering av RAM i förhållande till ram kan uppnås genom en rotation av vinkel runt axeln definierad i RAM . Kvaternionen som beskriver denna orientering definieras enligt följande: var , , och definiera komponenterna i enhetsvektorn i -, -, och-ramaxlar , respektive .
Antag att referenskvaternionen är; den nuvarande kvaternionen är; och orienteringen mellan och är . Då förhållandet mellan ,, och kan representeras på följande sätt :där betecknar quaternion produkt som kan bestämmas med användning av Hamilton regeln :
kvaternionkonjugatet, betecknat med , kan användas för att byta de relativa ramarna som beskrivs av en orientering :
baserat på (2) och (4) kan vi enkelt få följande:
en tredimensionell vektor kan roteras av en kvaternion . Om och är samma vektor som beskrivs i RAM respektive ram, får vi följande:var och innehåller som det första elementet för att göra dem fyrdimensionella vektorer .
vinkel som motsvarar en sådan rotation kan erhållas från vinkeln på två vektorer, det vill säga, och , där och har samma matematiska uttryck men representerar olika vektorer:
men beräknat baserat på (6) och (7) har två problem för vår praktiska implementering. Ett problem är att det alltid är positivt och det andra problemet är att det kan vara i vilken rotationsriktning som helst. Vi kommer att förklara dessa två problem med hjälp av illustrativa exempel som visas i Figur 3. Figurerna 3 (A) och 3(b) representerar rotation framåt och bakåt från RAM till ram längs axeln. Figur 3 (c) representerar en rotation längs axeln. Antag att de absoluta värdena för vinklar för alla rotationer är. Baserat på (6), motsvarar och motsvarar . Dessutom, om(7) tillämpas, kommer vi att få följande:var och beteckna de rotationer som visas i figurerna 3(a) respektive 3 (b). Således kan vi inte skilja framåt rotation och bakåt rotation från och . Med hänsyn till Figur 3 (c), om vi bara är intresserade av en rotation i ramplanet, borde vi få 0 msk för vinkeln för en sådan rotation. Men vi får fortfarande i stället för 0 megapixlar genom att använda (6) och (7).
(a) framåt rotation längs axeln, projiceras in i planet
(b) bakåt rotation längs axeln, projiceras in i planet
(c) Rotation längs axeln
(a) framåt rotation längs axeln, projiceras in i planet
(b) bakåt rotation längs axeln, projiceras in i planet
(c) Rotation längs axeln
för att ta itu med dessa två problem föreslår vi följande lösning för att få som förväntat. Förutom (6) tillämpar vi den andra vektorrotationen enligt följande:anta och motsvara i RAM respektive ram. Sedan hittar vi vinkeln mellan och genom att uppdatera något (7) enligt följande:På detta sätt,
Sammanfattningsvis kan den föreslagna lösningen ta itu med de ovan nämnda problemen som illustreras i Figur 3:(i)i Figur 3(A) för framåt rotation, och .(ii) i Figur 3(b) för bakåt rotation, och .(iii) i Figur 3(c) för rotation längs-axeln, och , vilket innebär att vinkeln för en sådan rotation projiceras i planet av ramen kommer att vara 0 msk.
2.3.2. Funktionell räckvidd på grund av Stamflexion
baserat på den kliniska observationen utförs räckvidden i FRT huvudsakligen genom stamflexion. Om vi kan uppskatta trunk flexion vinkel baserat på den föreslagna algoritmen som presenteras i avsnitt 2.3.1, kan vi beräkna motsvarande räckvidd avstånd enligt trigonometrisk funktion enligt följande:där betecknar trunk längd mätt manuellt och betecknar trunk flexion vinkel uppskattas automatiskt av mStroke. IMU i bröstnoden ger den nödvändiga kvaternioninformationen för att uppskatta stamböjningsvinkeln.
2.3.3. Effekt av Torso Twist
tar endast hänsyn till den funktionella räckvidden på grund av stamflexion. Människokroppen är dock inte strikt en stel kropp. När FRT utförs, finns det en oundviklig torsovridning. Torsovridningen kommer också att bidra till den funktionella räckvidden. Med den 3-axliga IMU i bröstnoden kan vi uppskatta torsovridningsvinkeln samtidigt med stamböjningsvinkeln. Således, kan uppdateras som: där betecknar axelbredd mätt manuellt och betecknar torso twist vinkel uppskattas automatiskt av mStroke.
2.3.4. Effekt av Lårrörelse
när en individ utför FRT, förblir underkroppen inte vinkelrätt mot marken. Underkroppen kan ibland förskjuta bakåt för att hålla personens masscentrum inom hans/hennes stödbas. Eventuell underkroppsavvikelse från det ursprungliga vertikala läget kan påverka FRT-resultatet. Därför måste vi uttryckligen överväga en sådan effekt. Det är omöjligt för IMU i bröstnoden att fånga underkroppsrörelsen i FRT. Således utnyttjar vi en andra nod på låret för att uppskatta lårrörelsevinkeln. Baserat på denna vinkel kan vi kvantifiera underkroppsrörelsen som bidrar till den funktionella räckvidden som där betecknar lårlängden mätt manuellt och betecknar lårrörelsevinkeln uppskattad automatiskt av mStroke. Så småningom föreslår vi den tredje räckviddsåtgärden enligt följande:
3. Resultat och diskussion
3.1. FRT-Tillförlitlighetsmetoden
FRT-tillförlitlighetsstudien genomfördes på friska vuxna ämnen i en forskningsmiljö med lämpligt IRB-godkännande. Ämnen gav informerat samtycke före deltagande. Ålder och kön registrerades som ämnesdemografi. På grund av ett urval av bekvämlighet, friska studenter, har de flesta av våra ämnen ett normalt kroppsmassindex. Eventuella avvikelser skulle betraktas som överviktiga, inte överviktiga.
för varje ämne mättes stamlängd, axelbredd och lårlängd manuellt och gick in i appen innan FRT initierades. Ett måttband fästes på väggen vid axelhöjden på varje ämne.
med clinician cueing placerades motivet bredvid det väggmonterade mätbandet så att hans/hennes räckvidd inte skulle överstiga längden på mätbandet. Ämnet instruerades sedan att höja hans / hennes övre extremitet till 90 kg. Startpositionen bedömdes av läkaren vid patientens distala tredje phalange. Ämnet ombads därefter att nå fram så långt som bekvämt möjligt utan att ta ett steg. På toppen av ämnets räckvidd markerade läkaren räckvidden. Det absoluta avståndet mellan dessa två markerade positioner på mätbandet användes som jämförelse riktmärke för mstroke beräknad räckvidd avstånd. Vi testade FRT-funktionen i mStroke på två grupper av ämnen för att verifiera dess prestanda. Varje ämne utförde FRT fem gånger.
3.2. FRT-prestanda
Grupp 1 innehåller 17 friska vuxna ämnen. Tabell 2 visar demografiska data för Grupp 1. En nod (placerad på bröstet) används i Grupp 1 för att uppskatta trunk flexion och torso twist vinklar, som visas i Figur 4. Histogrammet för torsovridningsvinklar presenteras i Figur 5. Det kan lätt observeras från Figur 5 att de flesta av torsovridningsvinklarna inte är lika med , vilket kommer att ge nontrivial effekt på det funktionella räckviddsresultatet. Prestationerna för reach distance estimation i termer av Mean Absolute Error (MAE) och korrelationskoefficient anges i tabell 3 där betecknar reach-avståndet manuellt mätt av en kliniker och fungerar som prestandaindex för FRT-funktionen i mStroke. och beskrivs i (12) i avsnitt 2.3.2 respektive (13) i avsnitt 2.3.3. Med hänsyn till MAE, överträffar av . Intetsägande Altman tomter mellan och samt mellan och visas i figurerna 6 och 7, respektive. Medelvärdet av skillnader visar förspänningen / avvikelsen mellan mätningen och riktmärket. + 1,96 standardavvikelse (SD) för skillnader och -1,96 SD för skillnader ger intervallet 95 gränser för överenskommelse. De flesta skillnaderna faller inom ett sådant intervall.
|
||||||||||||||||||||||||
|
||||||||||||||||||
(a) starta FRT
(b) utför FRT
(a) starta FRT
(b) utföra FRT
Grupp 2 omfattar 23 friska vuxna försökspersoner med demografi som visas i Tabell 4. Till skillnad från Grupp 1 används två noder i Grupp 2 för att uppskatta stamböjning, torsovridning och lårrörelsevinklar (se figur 8). Histogrammen av torso twist och lår rörelsevinklar visas i figurerna 9 respektive 10. Båda figurerna visar tydligt att icke-nollvinklar för torso-vridning och lårrörelse dominerar testerna. Motsvarande prestanda visas i Tabell 5. beskrivs i punkt 14 i avsnitt 2.3.4. Med hänsyn till MAE, överträffar av och ytterligare förbättrar prestanda genom .
|
||||||||||||||||||||||||
|
||||||||||||||||||||||||
(a) starta FRT
(b) utför FRT
(a) starta FRT
(b) utföra FRT
medan de experimentella resultaten är lovande finns det fortfarande utrymme för prestandaförbättring. Våra studier tyder tydligt på att fler rörelsesensorer (t.ex. sensor på axeln eller armen) bör övervägas för att ytterligare förbättra prestanda för FRT-funktionen i mStroke genom att fånga mer detaljerade kroppsrörelser i FRT-övningen.
4. Slutsatser
vi har designat och utvecklat ett mobilt hälsosystem (dvs. mStroke) som kan utföra FRT, ett exakt kliniskt verktyg med en uppgift, för realtidsfallriskbedömning. Tre olika reach distance-åtgärder (dvs., , , och ) har givits. Tillförlitligheten hos MSTROKES FRT-funktion har testats på två grupper av friska vuxna ämnen. De experimentella resultaten verifierar dess koncept och genomförbarhet. En klinisk prövning på individer efter stroke är nästa steg för vidareutveckling av FRT-funktionen i mStroke.
avslöjande
innehållet är enbart författarnas ansvar och representerar inte nödvändigtvis de officiella åsikterna från National Institutes of Health.
konkurrerande intressen
författarna förklarar att det inte finns några konkurrerande intressen angående publiceringen av detta dokument.
bekräftelser
forskning som rapporterats i detta dokument stöddes av National Institute of Biomedical Imaging och Bioengineering av National Institutes of Health under Award no. R15EB015700. Detta arbete finansierades också delvis av Tennessee Higher Education Commission.