在仪器化 Timed Up and Go 测试中使用动作捕捉技术来检测老年人跌倒的风险

摘要

随着新技术的发展，仪器化 Timed Up and Go （iTUG） 测试在身体摇摆和步态分析中越来越受到关注。我们提出了一种协议，用于通过动作捕捉分析 iTUG 的子组件。

摘要

尽管医学和技术做出了努力，但老年人跌倒的发生率仍在增加。因此，及早发现跌倒风险对于预防跌倒变得越来越重要。Timed Up and Go （TUG） 测试是一种广为接受的评估活动能力的工具，可用于预测老年人未来跌倒的风险。在临床实践中，完成测试的总时间是 TUG 测试的主要结果指标。由于其简单性和通用性，传统的 TUG 测试一直被认为是运动分析的全球测试。然而，最近，研究人员试图将 TUG 测试拆分为子组件，并更新了其评分系统以供进一步调查。据报道，仪器化 Time Up and Go （iTUG） 测试是传统 TUG 测试的新改进版，是预测老年人运动障碍和跌倒风险的敏感工具。本研究的目的是使用动作捕捉技术分析 iTUG 测试子组件，并确定哪些 iTUG 测试子任务与未来跌倒的潜在风险有关。

引言

跌倒是最常见的老年综合征之一，也是全球意外或意外伤害相关死亡的第二大原因¹。在 65 岁以上的成年人中，跌倒会导致功能障碍、残疾、生活质量下降、住院时间延长，甚至死亡 ^2,3。因此，防止跌倒至关重要。

为了确定跌倒事件的预测因素，以前的研究人员专注于步态分析、平衡测试、精神状态、镇静药物的使用以及前一年的跌倒史 ^4,5 Timed Up and Go （TUG） 测试是一种基于表现的快速活动能力测量方法。TUG 测试已在老年人中进行了广泛研究，并被推荐作为跌倒风险的简单筛查测试⁶。这种广泛使用的测试包括从椅子上站起来、以首选速度行走 3 m、转身、返回和坐下。该测试的传统临床结果取决于其总持续时间⁷ （total duration 7），并由秒表评估。

在临床实践中，传统的 TUG 测试测量执行一系列活动的总时间，而不将受试者的表现分为子组成部分⁸。最近，一些研究人员提出，不同的 TUG 测试组件作为未来跌倒的预测因子可能特别敏感⁹。使用数字化仪表化 TUG （iTUG） 测试时，可以单独分析 TUG 测试的各个组成部分。通过使用 iTUG，可以客观地评估每个 TUG 测试子阶段的几个特性，并获得定量数据，例如每个运动的相关持续时间、速度和角速度。凭借更详细的数据，iTUG 测试显示出检测可能更能表明跌倒风险的特定缺陷的优势¹⁰。

作为运动分析的黄金标准，动作捕捉技术已被用于检测帕金森病 （PD） ¹¹、认知障碍¹² 和踝关节炎¹³ 患者以及健康成人¹⁴ 的运动。在目前的研究中，我们旨在使用动作捕捉技术分析 iTUG 测试子组件，并确定 iTUG 测试子任务与未来跌倒潜在风险之间的相关性。

研究方案

这项研究得到了中国北京中国人民解放军总医院第七医学中心学术伦理委员会的批准。

1. 参与者纳入/排除标准

1. 招募 65 岁或以上的年龄参与者并获得他们的知情同意。
2. 排除有明显视力和下肢残疾的参与者，例如膝关节炎、闭塞性血栓形成脉管炎和痛风。

2. 测试区域的准备

1. 将标准化的 iTUG 测试区域设置为 5 m x 8 m 或更宽（见 图 1），并在房间周围分布 12 个摄像头。将传统的 TUG 设置放入测试区域：一把椅子和一个提醒参与者回头的标志。
   注意：指示路线的标志是可选的。
2. 确保运动捕捉区域仅限于所有摄像机的范围，并且所有 TUG 测试设置都是非光反射的。

3. 测试前程序的软件准备

1. 在要在房间中使用的计算机上安装动作捕捉软件。
2. 点击 Seeker 按钮启动动作捕捉软件。启动软件后，对于 General Camara Configuration（常规 Camara 配置），选择默认模式（帧速率 = 60 帧/秒，快门速度 = 1/1,000 秒），该模式在大多数情况下都是可接受的。在默认模式下同时设定所选相机设置和相机配置设置。
3. 选择 Live mode （实时模式 ） 以设置实时设置。
   注意： Post 模式 用于分析捕获的数据。
4. 单击 Markersets 以配置标记设置。
5. 在 Calibration of Ground Axis 中选择 XY axis （XY 轴），在 Calibration units （校准单位） 中选择毫米。
6. 单击 Calibrate （校准） 以选择校准变化。
7. 选择 Initial Calibration 并单击 “L” 形 按钮。同时，将“L”形校准器带入现场，并将其放在现场中央，以确保所有摄像机都能捕捉到它。
   注：“L”形校准器包含四个反光标记。
8. 在屏幕上检查是否所有 12 个摄像头都能检测到 4 个反光标记。如果任何摄像头检测到 ≤3 标记，请降低屏幕左侧的亮度和阈值。如果任何摄像机检测到 ≥5 标记，请检查区域并清洁或覆盖不需要的反光标记。
   注意：摄像头可能会检测到前参与者的一些微小物品。
9. 从磁场中取出 “L” 形校准器。
10. 单击 “T”形 按钮。同时，将“T”形校准器带入现场并挥动它，以确保所有摄像机都能捕捉到它。
11. 在 Up Axis 的 Calibration 中选择 Z axis，在 Calibration units 中选择毫米。
12. 让医生检查是否所有摄像头都能捕捉到标记物。挥动场地每个角落的标记，特别是覆盖 TUG 测试的可能空间。
13. 在屏幕上检查是否所有 12 台相机都能检测到“T”形校准器。如果任何相机无法检测到它，请更改相机的方向。
    注意：有两种形状的标记需要校准;“L” 形和 “T” 形。“L”形校准器有四个反光点用于校准 XY 轴，“T”形校准器有四个反光点用于校准 Z 轴。校准持续时间将持续 60 秒或更长时间。有效的捕获会将屏幕的颜色变为绿色。
14. 单击 Finish 完成校准。
15. 单击 Save Calibration 以存储有效的校准模式。
    注意：校准在 2D 模型中执行;测试期间经常使用 3D 模型。

4. iTUG 测试

注意：参与者应穿着紧身但舒适的衣服和鞋子。

1. 将反射点贴在解剖标志上：颈椎 7 棘突和胸椎 10 棘突，左肩峰和右肩峰。
   注意：每个参与者最多可以附加 17 个反射点。附加的反射点越多，收集的数据就越准确，但参与者的感觉就越不舒服。
2. 右键单击屏幕右行的反射点，并将其指定为 C7、T10、左肩和右肩。
3. 向参与者显示说明。指示是 “请从椅子上站起来，以您喜欢的速度步行 3 m，转身，返回并坐下。
4. 要求参与者事先执行 iTUG 测试，以确保他们熟悉说明。
   注意： 确保每个参与者在安装反光点后都感到舒适。
5. 指导参与者执行 iTUG 测试。
   注意：参与者需要步行才能完成 iTUG 任务。
6. 当参与者执行 iTUG 测试时，单击计算机屏幕上的 开始 和 停止 按钮。
   注意：在 iTUG 测试期间，运动捕捉系统以 60 Hz 的频率从所有附加点采样数据;相应地形成一个视频（参见 视频 1）。

5. iTUG 测试变量的数据收集和定义

1. 点击 录音设置 按钮。
   注意：数据存储在电子表格中。
2. 选择 “原始相机数据 |追踪式 ASCTI |跟踪的二进制文件。 Capture Duration 为 20 秒。
3. 键入参与者 的姓名 。
4. 单击 Record 按钮开始数据收集。
5. 通过观看视频确定 iTUG 测试的子阶段，并根据数据计算变量。
   1. 定义以下变量： 传统 TUG 测试总时间、第 1 阶段时间 （从椅子上站起来）、 第 1 阶段身体摇摆 （从椅子上站起来）、 第 2 阶段时间 （以首选速度步行 3 m）、 第 2 阶段身体摇摆 （以首选速度步行 3 m）、 第 3 阶段时间 （转身）、 第 3 阶段身体摇摆 （转身）、 第 3 阶段 （转身）、 第 4 阶段时间 （返回）、 第 4 阶段身体摆动 （返回）和 第 5 阶段时间 （坐着）的角速度。
      注：细节与 Caronni 及其同事¹⁵ 描述的相似。

6. 唐顿摔倒风险指数 （DFRI）

1. 使用唐顿摔倒风险指数 （DFRI） 评估跌落风险。
   注：DFRI（表 1）包括 11 个风险项目，每个项目得分为 1 分。分数相加得到总指数分数，范围为 0-11。≥3 分被认为表明跌倒的风险很高。为了评估跌倒风险，DFRI 通常用于住院的参与者，而家庭跌倒和事故筛查工具 （HOME FAST） 更适合社区居民。

7. 统计分析

1. 使用市售的统计软件包执行所有统计分析。使用 Student t 检验评估组差异，并选择 Pearson 相关系数评估 iTUG 的子成分与 DFRI 分数在总样本上的关系，P ^< 0.05 表示差异有统计学意义。
2. 使用 Bland-Altman 程序评估我们的方法与 McRoberts 传感器之间第 1 阶段持续时间、第 3 阶段角速度和第 4 阶段持续时间的一致性（参见 材料表）。计算两种测量方法之间的均值差值和计算的平均差值的 95% 一致性限值。

结果

招募了 13 名跌倒风险高的老年参与者 （DFRI 评分： 3-11） 和 11 名跌倒风险低 （DFRI 评分： 0-2） 的老年受试者。 表 1 中详细介绍了 DFRI。如前所述，3 分或以上被认为表明患者在住院期间跌倒的风险很高¹⁶。

人口统计数据如 表 1 所示，其中包括性别、年龄、...

讨论

该协议中的关键步骤是将反射点准确地连接到解剖标志上，以避免偏差。此外，识别 iTUG 测试的每个子成分也是一个关键步骤;视频回顾有助于识别。

两组之间的 TUG 测试分数存在边际差异，这意味着传统的 TUG 分数可能不够敏感，无法区分跌倒的风险。我们没有发现各组之间第 1 阶段持续时间和第 5 阶段持续时间的明显差异，这可以通过所有参与者?...

材料

Name	Company	Catalog Number	Comments
Black strip	Deli	60 mm x 20 m
Calibrator	NOKOV	reflector marker1	L shape
Calibrator	NOKOV	reflector marker2	T shape
Chair	YUANSHENGYUANDAI	“10076062317820”
Computer	HUAWEI	HONOR
McRoberts sensor	DynaPort Hybrid, McRoberts, The Hague, The Netherland
Motion capture camera	NOKOV	Mars2H
Motion capture software	NOKOV	DG-01
Reflective marker	NOKOV	small marker	for calibrators
Reflective marker	NOKOV	large marker	for participants