Accedi

È necessario avere un abbonamento a JoVE per visualizzare questo. Accedi o inizia la tua prova gratuita.

In questo articolo

  • Riepilogo
  • Abstract
  • Introduzione
  • Protocollo
  • Risultati
  • Discussione
  • Divulgazioni
  • Riconoscimenti
  • Materiali
  • Riferimenti
  • Ristampe e Autorizzazioni

Riepilogo

Il test strumentato Timed Up and Go (iTUG) sta guadagnando sempre più attenzione nell'analisi dell'oscillazione del corpo e dell'andatura con lo sviluppo di nuove tecnologie. Presentiamo un protocollo per analizzare i sottocomponenti dell'iTUG con motion capture.

Abstract

Nonostante gli sforzi compiuti dalla medicina e dalla tecnologia, l'incidenza delle cadute negli anziani è ancora in aumento. Pertanto, la diagnosi precoce del rischio di caduta sta diventando sempre più importante per la prevenzione delle cadute. Il test Timed Up and Go (TUG) è uno strumento ben accettato per valutare la mobilità e può essere utilizzato per prevedere il rischio di caduta futura negli adulti anziani. Nella pratica clinica, il tempo totale per completare il test è la principale misura di esito del test TUG. Grazie alla sua semplicità e generalità, il tradizionale test TUG è stato considerato un test globale per l'analisi del movimento. Tuttavia, di recente, i ricercatori hanno tentato di suddividere il test TUG in sottocomponenti e hanno aggiornato il suo sistema di punteggio per ulteriori indagini. Il test strumentato Time Up and Go (iTUG), che è una nuova modifica del tradizionale test TUG, è stato segnalato per essere uno strumento sensibile per prevedere i disturbi del movimento e il rischio di cadute negli anziani. L'obiettivo del presente studio era analizzare i sottocomponenti del test iTUG utilizzando la tecnologia di motion capture e determinare quali sottocompiti del test iTUG sono correlati al potenziale rischio di cadute future.

Introduzione

La caduta è una delle sindromi geriatriche più comuni ed è la seconda causa di decessi accidentali o non intenzionali correlati a lesioni in tutto il mondo1. Negli adulti di età superiore ai 65 anni, la caduta può provocare compromissione funzionale, disabilità, diminuzione della qualità della vita, aumento della durata della degenza ospedaliera e persino mortalità 2,3. Pertanto, prevenire le cadute è della massima importanza.

Per determinare i predittori degli eventi di caduta, i ricercatori precedenti si sono concentrati sull'analisi dell'andatura, sui test di equilibrio, sullo stato mentale, sull'uso di farmaci sedativi e sulla storia delle cadute nell'anno precedente. 4,5 Il test Timed Up and Go (TUG) è una misura rapida della mobilità basata sulle prestazioni. Il test TUG è stato ampiamente studiato negli anziani ed è raccomandato come semplice test di screening per il rischio di cadute6. Questo test ampiamente utilizzato consiste nell'alzarsi da una sedia, camminare per 3 m alla velocità preferita, girarsi, tornare indietro e sedersi. L'esito clinico tradizionale di questo test dipende dalla sua durata totale7 e viene valutato da un cronometro.

Nella pratica clinica, il test TUG convenzionale misura il tempo totale per eseguire una serie di attività senza dividere le prestazioni del soggetto in sottocomponenti8. Recentemente, alcuni ricercatori hanno proposto che diversi componenti del test TUG potrebbero essere particolarmente sensibili come predittori di future cadute9. Quando si utilizza il test TUG strumentato digitalizzato (iTUG), i singoli componenti del test TUG possono essere analizzati separatamente. Utilizzando l'iTUG, è possibile valutare oggettivamente diverse caratteristiche di ciascuna sottofase del test TUG e ottenere dati quantitativi, come le durate, le velocità e la velocità angolare di ciascun movimento. Con dati più dettagliati, il test iTUG ha dimostrato il vantaggio di rilevare deficit specifici che possono essere più indicativi del rischio di caduta10.

Come gold standard nell'analisi del movimento, le tecnologie di motion capture sono state utilizzate per rilevare il movimento in pazienti con malattia di Parkinson (PD)11, deterioramento cognitivo12 e artrite della caviglia13, nonché in adulti sani14. Nel presente studio, abbiamo mirato ad analizzare i sottocomponenti del test iTUG utilizzando la tecnologia di motion capture e a determinare la correlazione tra i sottocompiti del test iTUG e il potenziale rischio di cadute future.

Protocollo

Questo studio è stato approvato dal Comitato Etico Accademico del Settimo Centro Medico del Chinese PLA General Hospital di Pechino, in Cina.

1. Criteri di inclusione/esclusione dei partecipanti

  1. Reclutare partecipanti di età pari o superiore a 65 anni e ottenere il loro consenso informato.
  2. Escludere i partecipanti che hanno un'evidente disabilità visiva e degli arti inferiori, come artrite del ginocchio, tromboangioite obliterante e gotta.

2. Preparazione dell'area di prova

  1. Allestisci l'area di prova iTUG standardizzata di 5 m x 8 m o più larga (vedi Figura 1) con 12 telecamere distribuite nella stanza. Metti i tradizionali allestimenti TUG nell'area di prova: una sedia e un cartello per ricordare al partecipante di tornare indietro.
    NOTA: I cartelli che indicano le linee di percorso sono facoltativi.
  2. Assicurarsi che l'area di motion capture sia limitata all'ambito di tutte le telecamere e che tutta la configurazione del test TUG non rifletta la luce.

3. Preparazione del software per le procedure preliminari al test

  1. Installare il software di motion capture sul computer da utilizzare nella stanza.
  2. Fare clic sul pulsante Seeker per avviare il software di motion capture. Dopo aver avviato il software, per Configurazione generale Camara, scegliere la modalità predefinita (frame rate = 60 fotogrammi/s, velocità dell'otturatore = 1/1.000 s), che è accettabile per la maggior parte delle situazioni. Impostare le impostazioni della telecamera selezionate e le impostazioni di configurazione della telecamera anche nella modalità predefinita.
  3. Selezionare la modalità Live per impostare le impostazioni in tempo reale.
    NOTA: La modalità Post viene utilizzata per analizzare i dati acquisiti.
  4. Fare clic su Markersets per configurare le impostazioni del marker.
  5. Selezionare l'asse XY in Calibrazione dell'asse di terra e i millimetri in Unità di calibrazione.
  6. Fare clic su Calibra per selezionare la variazione di calibrazione.
  7. Selezionare Calibrazione iniziale e fare clic sul pulsante a forma di "L". Allo stesso tempo, porta il calibratore a forma di "L" sul campo e mettilo al centro del campo per assicurarti che possa essere catturato da tutte le telecamere.
    NOTA: Il calibratore a forma di "L" contiene quattro marcatori che riflettono la luce.
  8. Controlla sullo schermo se tutte le 12 telecamere sono in grado di rilevare quattro marcatori riflettenti. Se una telecamera rileva ≤3 indicatori, ridurre la luminosità e la soglia a sinistra dello schermo. Se una telecamera rileva ≥5 marcatori, controllare il campo e pulire o coprire i marcatori riflettenti indesiderati.
    NOTA: Alcuni piccoli effetti personali dell'ex partecipante potrebbero essere rilevati dalla telecamera.
  9. Rimuovere il calibratore a forma di "L" dal campo.
  10. Fare clic sul pulsante a forma di "T ". Allo stesso tempo, porta il calibratore a forma di "T" sul campo e agitalo per assicurarti che possa essere catturato da tutte le fotocamere.
  11. Selezionare l'asse Z in Calibrazione dell'asse su e i millimetri in Unità di calibrazione.
  12. Chiedi ai medici di controllare se tutte le telecamere sono in grado di catturare i marcatori. Agita i marcatori in ogni angolo del campo, coprendo in particolare lo spazio possibile del test TUG.
  13. Controlla sullo schermo se tutte e 12 le telecamere sono in grado di rilevare il calibratore a forma di "T". Se una telecamera non è in grado di rilevarlo, cambiare la direzione della telecamera.
    NOTA: Ci sono due forme di marcatori che devono essere calibrati; A forma di "L" e a forma di "T". Il calibratore a forma di "L" ha quattro punti riflettenti per calibrare l'asse XY e il calibratore a forma di "T" ha quattro punti riflettenti per calibrare l'asse Z. La durata della calibrazione durerà 60 s o più. Un'acquisizione efficace farà diventare verde il colore dello schermo.
  14. Fare clic su Fine per completare la calibrazione.
  15. Fare clic su Salva calibrazione per memorizzare la modalità di calibrazione effettiva.
    NOTA: La calibrazione viene eseguita in un modello 2D; durante il test viene spesso utilizzato un modello 3D.

4. Test iTUG

NOTA: I partecipanti devono indossare abiti e scarpe attillati ma comodi.

  1. Attaccare i punti riflettenti sui punti di riferimento anatomici: processo spinoso cervicale 7 e processo spinoso toracico 10, acromion sinistro e acromion destro.
    NOTA: Ogni partecipante può avere fino a 17 punti riflettenti attaccati. Più punti riflettenti sono attaccati, più accurati sono i dati raccolti, ma anche meno a loro agio i partecipanti.
  2. Fare clic con il pulsante destro del mouse sui punti riflettenti sulla linea destra dello schermo e nominarli come C7, T10, spalla sinistra e spalla destra.
  3. Mostra le istruzioni ai partecipanti. L'istruzione è "Si prega di alzarsi dalla sedia, camminare per 3 m alla velocità preferita, girarsi, tornare indietro e sedersi".
  4. Chiedi ai partecipanti di eseguire il test iTUG in anticipo per assicurarti che abbiano familiarità con le istruzioni.
    NOTA: Assicurati che ogni partecipante sia a proprio agio dopo aver attaccato i punti riflettenti.
  5. Chiedi al partecipante di eseguire il test iTUG.
    NOTA: I partecipanti devono camminare per completare l'attività iTUG.
  6. Mentre il partecipante sta eseguendo il test iTUG, fare clic sui pulsanti di avvio e arresto sullo schermo del computer.
    NOTA: Durante il test iTUG, il sistema di acquisizione del movimento campiona i dati da tutti i punti collegati a una frequenza di 60 Hz; un video viene formato di conseguenza (vedi Video 1).

5. Raccolta dati e definizione delle variabili di test iTUG

  1. Fare clic sul pulsante Impostazioni di registrazione .
    NOTA: I dati vengono memorizzati e trovati in un foglio di calcolo.
  2. Selezione dei dati raw della fotocamera |ASCTI cingolato | Binario tracciato. La durata dell'acquisizione è di 20 s.
  3. Digitare il nome del partecipante.
  4. Fare clic sul pulsante Registra per avviare la raccolta dei dati.
  5. Identifica le sottofasi del test iTUG esaminando il video e calcola le variabili in base ai dati.
    1. Definire le seguenti variabili: tempo totale del test TUG tradizionale, tempo di fase 1 (alzarsi dalla sedia), oscillazione del corpo della fase 1 (alzarsi dalla sedia), tempo della fase 2 (camminare per 3 m alla velocità preferita), oscillazione del corpo della fase 2 (camminare per 3 m alla velocità preferita), tempo della fase 3 (girarsi), oscillazione del corpo della fase 3 (girarsi), Velocità angolare della fase 3 (rotazione), tempo di fase 4 (ritorno), oscillazione del corpo di fase 4 (ritorno) e tempo di fase 5 (seduta).
      NOTA: I dettagli sono simili a quelli descritti da Caronni e colleghi15.

6. Indice di rischio di caduta di Downton (DFRI)

  1. Valuta il rischio di caduta utilizzando il Downton Fall Risk Index (DFRI).
    NOTA: Il DFRI (Tabella 1) include 11 elementi di rischio, a cui viene assegnato un punto ciascuno. I punteggi vengono sommati a un punteggio totale dell'indice, compreso tra 0 e 11. Si ritiene che un punteggio di ≥3 indichi un alto rischio di cadute. Per valutare il rischio di caduta, il DFRI viene solitamente utilizzato per i partecipanti ricoverati in ospedale e lo strumento di screening per cadute domestiche e incidenti (HOME FAST) è più adatto per gli abitanti della comunità.

7. Analisi statistica

  1. Utilizzare un pacchetto software statistico disponibile in commercio per eseguire tutte le analisi statistiche. Usa il t-test di Student per valutare le differenze di gruppo e scegli il coefficiente di correlazione di Pearson per valutare la relazione tra le sottocomponenti dell'iTUG e il punteggio DFRI sul campione totale, con P < 0,05 che indica una differenza statisticamente significativa.
  2. Utilizzare le procedure di Bland-Altman per valutare l'accordo per la durata della Fase 1, la velocità angolare della Fase 3 e la durata della Fase 4 tra il nostro metodo e il sensore McRoberts (vedere la Tabella dei materiali). Calcolare la differenza media tra i due metodi di misurazione e il limite di concordanza del 95% per la differenza media calcolata.

Risultati

Sono stati reclutati tredici partecipanti di età con un alto rischio di caduta (punteggio DFRI: 3-11) e 11 soggetti di età con un basso rischio di caduta (punteggio DFRI: 0-2). Il DFRI è descritto in dettaglio nella Tabella 1. Come accennato in precedenza, si ritiene che un punteggio di 3 o più indichi un alto rischio di cadute per i pazienti durante il ricovero16.

Discussione

I passaggi critici del protocollo consistono nell'attaccare accuratamente i punti riflettenti ai punti di riferimento anatomici per evitare distorsioni. Inoltre, anche l'identificazione di ogni sottocomponente del test iTUG è un passaggio critico; Una recensione video è utile per l'identificazione.

Esisteva una differenza marginale tra i gruppi nei punteggi del test TUG, il che implica che i punteggi TUG tradizionali potrebbero non essere abbastanza sensibil...

Divulgazioni

Gli autori non hanno conflitti di interesse da rivelare.

Riconoscimenti

Gli autori ringraziano il Dr. Honghua Zhou per il supporto della tecnologia digitale. Questo studio è stato sostenuto dai Fondi di Capital per il miglioramento della salute e la ricerca della Cina (ID:2024-2-7031).

Materiali

NameCompanyCatalog NumberComments
Black stripDeli60 mm x 20 m
CalibratorNOKOVreflector marker1L shape
CalibratorNOKOVreflector marker2T shape
ChairYUANSHENGYUANDAI“10076062317820”
ComputerHUAWEIHONOR
McRoberts sensor DynaPort Hybrid, McRoberts, The Hague, The Netherland
Motion capture cameraNOKOVMars2H
Motion capture softwareNOKOVDG-01
Reflective markerNOKOVsmall markerfor calibrators
Reflective markerNOKOVlarge markerfor participants

Riferimenti

  1. Dokuzlar, O., et al. Assessment of factors that increase risk of falling in older women by four different clinical methods. Aging Clin Exp Res. 32 (3), 483-490 (2020).
  2. King, B., Pecanac, K., Krupp, A., Liebzeit, D., Mahoney, J. Impact of fall prevention on nurses and care of fall risk patients. The Gerontologist. 58 (2), 331-340 (2018).
  3. Mazur, K., Wilczyński, K., Szewieczek, J. Geriatric falls in the context of a hospital fall prevention program: delirium, low body mass index, and other risk factors. Clin Interv Aging. 11, 1253-1261 (2016).
  4. Beck Jepsen, D., et al. Predicting falls in older adults: an umbrella review of instruments assessing gait, balance, and functional mobility. BMC Geriatrics. 22 (1), 615 (2022).
  5. Meekes, W. M., Korevaar, J. C., Leemrijse, C. J., Van de Goor, I. A. Practical and validated tool to assess falls risk in the primary care setting: a systematic review. BMJ Open. 11 (9), 045431 (2021).
  6. Mirelman, A., et al. Association between performance on Timed Up and Go subtasks and mild cognitive impairment: further insights into the links between cognitive and motor function. J Am Geriatr Soc. 62 (4), 673-678 (2014).
  7. Palmerini, L., Mellone, S., Avanzolini, G., Valzania, F., Chiari, L. Quantification of motor impairment in Parkinson's disease using an instrumented timed up and go test. IEEE Trans Neural Syst Rehabil Eng. 21 (4), 664-673 (2013).
  8. Cimolin, V., et al. Do wearable sensors add meaningful information to the Timed Up and Go test? A study on obese women. J Electromyogr Kinesiol. 44, 78-85 (2019).
  9. Ayena, J. C., Chioukh, L., Otis, M. J., Deslandes, D. Risk of falling in a timed up and go test using an UWB Radar and an instrumented insole. Sensors. 21 (3), 722 (2021).
  10. Sample, R. B., Kinney, A. L., Jackson, K., Diestelkamp, W., Bigelow, K. E. Identification of key outcome measures when using the instrumented timed up and go and/or posturography for fall screening. Gait Posture. 57, 168-171 (2017).
  11. Beyea, J., McGibbon, C. A., Sexton, A., Noble, J., O'Connell, C. Convergent validity of a wearable sensor system for measuring sub-task performance during the timed up-and-go test. Sensors. 17 (4), 934 (2017).
  12. McGough, E. L., Gries, M., Teri, L., Kelly, V. E. Validity of instrumented 360° turn test in older adults with cognitive impairment. Phys Occup Ther Geriatr. 38 (2), 170-184 (2020).
  13. Wang, H., Brown, S. R. The effects of total ankle replacement on ankle joint mechanics during walking. J Sport Health Sci. 6 (3), 340-345 (2017).
  14. Mehdizadeh, S., et al. The Toronto older adults gait archive: video and 3D inertial motion capture data of older adults' walking. Sci Data. 9 (1), 398 (2022).
  15. Caronni, A., et al. Criterion validity of the instrumented Timed Up and Go test: A partial least square regression study. Gait Posture. 61, 287-293 (2018).
  16. Mojtaba, M., Alinaghizadeh, H., Rydwik, E. Downton Fall Risk Index during hospitalisation is associated with fall-related injuries after discharge: a longitudinal observational study. J Physiother. 64 (3), 172-177 (2018).
  17. Hershkovitz, L., Malcay, O., Grinberg, Y., Berkowitz, S., Kalron, A. The contribution of the instrumented Timed-Up-and-Go test to detect falls and fear of falling in people with multiple sclerosis. Mult Scler Relat Disord. 27, 226-231 (2019).
  18. Zarzeczny, R., et al. Aging effect on the instrumented Timed-Up-and-Go test variables in nursing home women aged 80-93 years. Biogerontology. 18 (4), 651-663 (2017).
  19. Kim, K. J., et al. The instrumented timed "Up & Go" test distinguishes turning characteristics in vestibular hypofunction. Phys Ther. 101 (7), 103 (2021).
  20. Montero-Odasso, M., et al. World guidelines for falls prevention and management for older adults: a global initiative. Age Ageing. 51 (9), (2023).
  21. Rocchi, L., Palmerini, L., Weiss, A., Herman, T., Hausdorff, J. M. Balance testing with inertial sensors in patients with Parkinson's disease: assessment of motor subtypes. IEEE Trans Neural Syst Rehabil Eng. 22 (5), 1064-1071 (2014).
  22. Ngo, T., et al. A comparative severity assessment of impaired balance due to cerebellar ataxia using regression models. Annu Int Conf IEEE Eng Med Biol Soc. 2020, 4571-4574 (2020).
  23. Celik, Y., Powell, D., Woo, W. L., Stuart, S., Godfrey, A. A feasibility study towards instrumentation of the Sport Concussion Assessment Tool (iSCAT). Annu Int Conf IEEE Eng Med Biol Soc. 2020, 4624-4627 (2020).
  24. Coni, A., et al. Comparison of standard clinical and instrumented physical performance tests in discriminating functional status of high-functioning people aged 6170 years old. Sensors. 19 (3), 449 (2019).

Ristampe e Autorizzazioni

Richiedi autorizzazione per utilizzare il testo o le figure di questo articolo JoVE

Richiedi Autorizzazione

Esplora altri articoli

Questo mese in JoVENumero 212Adulti anzianioscillazione del corpoanalisi dell andaturamotion capturerischio di cadutatest TUG

This article has been published

Video Coming Soon

JoVE Logo

Riservatezza

Condizioni di utilizzo

Politiche

Ricerca

Didattica

CHI SIAMO

Copyright © 2025 MyJoVE Corporation. Tutti i diritti riservati