痙攣性脳卒中患者におけるストレッチ反射測定のテスト再テストと評価間信頼性を向上させるアイソキネティックロボット装置

要約

筋電図(EMG)測定を用いたロボットアイソキネティックデバイスを用いて、このプロトコルは、軽度の肘屈曲痙攣を有する脳卒中患者における捕手測定の角度に対するアイソキネティック運動自体が評価間の信頼性を向上できることを示している。

要約

痙攣の測定は、治療計画と治療後の有効性の決定において重要です。しかし、臨床設定で使用される現在のツールは、評価者間の信頼性に制限が示されています。この低い評価者間信頼性の要因の1つは、キャッチ(AoC)測定の角度を測定しながら受動運動の変動です。したがって、手動関節運動を標準化するために、アイソキネティック装置が提案されている。しかし、AoC測定のためのアイソキネティック運動の利点は標準化された方法でテストされていない。このプロトコルは、アイソキネティックモーション自体がAoC測定のレート間信頼性を向上させることができるかどうかを調べ取ります。この目的のために、表面筋電図(EMG)と組み合わせたロボットアイソキネティックデバイスが開発されました。2つの条件、手動とイソキネティックモーションは、キャッチの角度と主観的な感じを測定するための標準化された方法と比較されます。軽度の肘屈曲痙攣を有する17人の脳卒中患者において、AoC測定の間信頼性に対するクラス内相関係数(ICC)をEMGによる0.890[95%信頼区間(CI):0.685-0.961に改善したことがわかった。0.931 (95% CI: 0.791-0.978) のトルク基準により、手動モーションで 0.788 (95% CI: 0.493-0.920) から。結論として、アイソキネティック運動自体は、軽度の痙攣を有する脳卒中患者におけるAoC測定の評価間信頼性を向上させることができる。このシステムは、より大きな標準化された角度測定と感触のキャッチを提供する可能性があることを考えると、臨床現場での痙攣の評価のための良い選択肢かもしれません。

概要

脳卒中後の痙攣は一般的であり、痛みや拘縮を含む合併症を誘発することが示されており、その結果、生活の質が低下する1、2、3.痙攣の測定は、適切に治療の経過を計画し、治療の有効性を決定するために重要です。臨床設定で一般的に使用されるツールは、受動的な動きに対する耐性の公称測定システムである修正アッシュワーススケール(MAS)4と、キャッチ角度を測定する修正タルデュースケール(MTS)であり、痙攣の速度依存特性⁵.しかしながら、これらの測定ツールは、評価者間の信頼性^が限られていることが示されており、満足のいく信頼性を維持するためにこれらの試験を実行するために同じ評価者を必要^{とする8。}

MTS測定中のAoCの変動性を誘導する3つの要因が示されており、(1)ゴニオメトリーによる角度測定による誤差を含む。(2)評価者間の手動移動ジョイントモーションプロファイルの変動。(3)評価者9間のキャッチを感知する場合の変動。トルクセンサーを備えた新しいアイソキネティックロボットデバイスがこのプロトコルで提示されます。この装置は表面筋電図(EMG)の^測定10を使用して軽度の肘屈曲痙攣の脳卒中患者に適用される。肘関節運動の標準化により、肘屈曲ストレッチ反射によって引き起こされたAoC測定の評価間信頼性が向上すると仮定された。これを証明するために、表面EMGによって測定されたAoCの信頼性を計算し、この開発されたロボットデバイスとEMGを使用して、アイソキネティックパッシブと手動高速肘延長の間で比較しました。図1は、実験手順全体の概要を示しています。詳細に、MTS測定段階は2人の評価者によって行われ、実験の順序(手動対イソキネティックモーション)と評価者の順序をランダムに決定し、被験者ごとに約50分を要した(図1)。

プロトコル

1. 実験的なセットアップ

1. 患者募集
   注:すべての手順は、ソウル大学文部病院機関審査委員会によって審査され、承認されました。これらの被験者は、地域の4つのリハビリテーション病院から脳卒中診断を受けている入院患者または外来患者であった。
   1. 次の包含基準を使用してスクリーニングプロセスを実行します: (1) 脳卒中による上肢片腹症;(2)20歳以上(3) MAS 1-2の軽度の肘関節痙攣;(4)脳卒中を除き、片麻痺アームの機能に影響を与える以前の疾患がない。(5)ヘモダイナミクスの不安定性から解放される。(6)重度の肘収縮がない。(7)肩が90°と前腕が関節痛なしで中立の位置にある可能性;(8)正常な認知、言語、視覚、または実験手順に従う注意能力。
      注:基準は、実験に参加し、結果に影響を与える要因を調節することができる患者をスクリーニングするように設計されています。
   2. 研究全体の詳細な説明と予想される臨床課題を提供する被験者を募集します。同意は、包含する前に取得する必要があります。
   3. 募集対象の人口統計とベースライン特性を表1に示します。
2. 実験システム
   注:カスタマイズされたロボットデバイスを使用して、標準化されたモーションを生成し、定量データを同時に測定します。ロボットシステムは、ロボット部品、制御システム、測定ユニットで構成されています。全体的な構成は、図 2.
   1. ロボット部品
      1. ロボット部品には、モーターと前腕マニプララムからなる1自由度平面ロボットを使用し、ロボットの高さを調整し、さまざまなデスクにデバイスを取り付けるために他の3つのコンポーネントを使用します。全体の構成を図2Aに示します。
      2. 前腕マニプルンダムの場合は、モーターに接続された肘ジョイント、固定ブロック付きのリニア スライダーを使用して、前腕と手を固定するための全長と 2 つのカフユニットを調整します (図 3参照)。肘関節には、実験中の擦り傷を防ぐための回転板とスラストベアリングがあり、カフユニットは人間の前腕と同様に湾曲し、3Dプリンターを使用して作られました。ハンドルの単位は左および右の個人を収容するように設計され、あらゆる被験者に利用できるようにする。
      3. 51:1の低いギア比のモーターを使用して、後戻り可能な特性と315°/sの公称速度と42.33 Nmの連続トルクを生成する能力を持っている必要があります。
      4. モータの底部に取り付けられているラボジャックユニットを使用して、モータユニットの高さを調整します。ロボットの高さは、様々な被験者の座っている高さに合わせて調整することができるでしょう。
      5. 装置をロボットの前面の机に取り付けるための固定アームを設置します。固定の腕は線形シャフトを通して上下に動かされ、机に固定するためのクランプがある。
      6. ロボットの底部にストッパー付きキャスターを配置し、実験中にロボットを移動可能にし、接地します。
   2. 制御システム
      1. セントラル コントロール システムには、パーソナル コンピュータ (PC)、リアルタイム プロセッサ、およびモータ ドライバを使用します。詳細な制御アーキテクチャ ブロック図を図 4に示します。
      2. グラフィックユーザーインターフェイス(GUI)を使用して、実験モード(最大ROM測定、アイソキネティックMTS、手動MTS測定モード)を制御し、ロボットのモーションデータを保存します。コントロールパネルと監視パネル(図5)が含まれています。GUI 構成の詳細については、付録に含まれています。
      3. リアルタイムプロセッサを使用してロボット制御アルゴリズムを実装します。制御アルゴリズムは、3 つの制御ループで構成されます。最初のループは、sbRIOのFPGAモジュールから1MHzで動作するデータ入出力ループです。2つ目は、リアルタイムVIレベルから1kHzで動作するロボットモーションコントロールループです。最後は、250 Hz で動作するデータ通信ループです。このループは、ロボットデータ(EMGデータと照合するための時間、角度、トルク、トリガ信号)を送信します。
         注:リアルタイムプロセッサには、NI-9237とNI-9853の2つの通信モジュールがあります。NI-9237はトルクセンサデータを受信するアナログ入力装置で、NI-9853はモータドライバと通信するためのCAN通信モジュールです。
   3. 測定単位
      1. マニプルンダムとモーターの間にトルクセンサーを取り付け、反力を測定します。トルクデータはNI-9237を介してリアルタイムプロセッサに転送されます。NI-9237には、独自のパスバンド、ストップバンド、エイリアスフリー帯域幅フィルタがあります。フィルタリングされたデータはFPGAモジュールに入り、ローパスフィルタで100 Hzで再処理され、ノイズを除去します。
      2. モータに取り付けられたエンコーダ(HEDL 9140、マクソン、スイス)でジョイント角度を測定します。角度データは、モータドライバを介してリアルタイムプロセッサに転送されます。
      3. 8チャンネル表面EMGデバイスで筋肉の活動を測定します。EMGデータは1024 Hzのサンプリングレートで収集され、最初はバンドパスフィルタ(20~450Hz)とノッチフィルタ(60Hz)で処理されました。測定されたEMGデータはPCに直接転送されます。

2. 実験的なセットアップ

注:2人の評価者がこの実験に参加する必要があります。私たちの場合、第一評価者はリハビリテーションの6年以上の経験を持つ理学者であり、2番目の評価者は脳卒中リハビリテーションの3年以上の経験を持つ作業療法士でした。

1. 初期姿勢設定
   1. 患者を背中にまっすぐに椅子に座せます。
   2. テストを通して肩の位置を安定させるためにシートベルトで肩と腹部の両側を固定します。
   3. ストラップを固定せずに、被験者の片麻痺アームをロボットマニパルンダムに軽く置きます。
   4. リニアスライダーの固定ブロックを解除して、袖口をスライダー上で自由に動かし、ストラップを固定せずに被写体の片端アームをロボットマニパルダムに置くことができます。
   5. 患者の肩が90°を誘拐されるまで、ラボジャックを使用してロボットの高さを調整します。ゴニオメーターを使用して誘拐角度を確認します。
   6. ハンドルを保持し、ストラップでハンドルに手を固定するように被験者に指示します。ロボットの回転軸と肘関節の解剖軸を合わせます。
   7. 肘の動きの間に抵抗を発生させることなく、袖口の位置が最適な位置で自然に再調整できるように、肘関節を曲げて伸ばします。次に、固定ブロックを固定してカフの位置を固定し、前腕カフのストラップを固定します。
   8. 片道腕に二頭筋の上に表面EMG電極を取り付けます。
2. パッシブROM測定
   注:パッシブROMは、患者の手術範囲外の動きによって引き起こされる問題を防ぐために、以下の実験で境界ROMとして使用されます。
   1. 患者の片道側情報をプログラム GUI (右または左) に入力します。
   2. ゴニオメーターを使用して肘90°屈曲を設定します。GUIパネルの90度設定ボタンを押します。このプロセスは、ロボットが認識する角度と実際の人間の関節角度と一致します。
   3. GUI の[完了] 設定ボタンを押して、ロボットを作動状態に切り替えます。
   4. GUIの左側にあるモーター実行パネルのボタンを上から下に順番にクリックします。
   5. [角度セット]ボタンをオンにし、速度を 1°/s に設定します。次に、実行ボタンをクリックします。ロボットは、反応トルクが一定の閾値レベルに達するか、または170°まで、90°屈曲した姿勢から1°/sで肘をゆっくりと伸ばします。
      注:この実験では、トルクしきい値を0.6Nmに設定しました。この値は、パイロット スタディを通じて実験的に決定されます。
   6. 最大拡張角度は自動的に最大ROMとして保存されます。
   7. 速度を -1°/s に変更し、もう一度実行ボタンをクリックします。ロボットは反応トルクがしきい値レベルに達するまでゆっくりと肘を曲げる。
   8. 最大曲げ角度は自動的に最小ROMとして保存されます。

3. MTS測定

注: 各ステップに必要な時間を図 1に示します。すべての実験を行うために1人の被験者が要する合計時間は約50分(実験セットアップステップを含む)であるが、ほとんどの時間は疲労の一貫性を維持するために休息を費やすべきである。

1. 慣性効果補償
   注:理論的には、アイソキネティック運動中に慣性効果があってはならない。ただし、モーションの先頭に慣性効果がある場合があります。慣性力は、ストレッチ反射によって生成される反力のみを測定するために補償されるべきである。慣性力の大きさは被験者ごとに異なるので、慣性力補償の予備試験は実際のMTS測定の前に行われるべきである。結果の例を図6に示します。
   1. コントロール パネルの[戻る]ボタンをクリックします。ロボットは肘を最小角度姿勢(最大屈曲姿勢)に屈曲します。
   2. 速度を 150°/s に設定し、慣性テストボタンをオンにしてから[実行]ボタンをオンにします。ロボットは150°/sの速度で患者に5°の短い摂動を適用する。各トライアルのピークトルクと期間値が自動的に積み重ねられ、GUIパネルに表示されます。
   3. 手順 3.1.2 ~ 3.1.3 をもう 2 回繰り返します。測定データから適切なピークトルク値と周期値を決定し、プログラムGUIに値を入力します。補正トルクプロファイル(τcomp)は、以下の式1に基づいて自動的に生成され、ここで、aは、決定された振幅を表し、λは期間を表します。
      
      注:慣性トルクの形状は、計算負荷を軽減するために、上げコ弦形状としてモデル化されています。慣性効果のために2つの期間のために設計されている補償トルクは、第2期間の後にほとんど消えます。第2期間の振幅は、第1期間の15%となることを目的としています。
2. 使い慣れ手順
   1. 実際の実験に先立ち、3回のトレーニング操作を行い、患者の突然の動きを理解します。
   2. パネルの[戻る]ボタンをクリックします。ロボットは肘を最低角度の姿勢に曲げる。
   3. 件名に通知した後、[実行] ボタンをクリックします。ロボットは角度が最大角度に達するか、または反応トルクがしきい値レベルに達するまで、患者の肘を150°/sの速度で延長します。
   4. 手順 3.2.2- 3.2.3 をもう 2 回繰り返し、テストを開始する前に 5 分の休憩を取ります。
3. イソキネティックMTS測定
   注:アイソキネティックMTS測定は理想的なMTS測定条件を実装するように設計されています。ロボットは最大ROMに達するか、または反応トルクの一定の閾値に達するまで、所定の速度(150°/s)で正確な一定速度の動きを作り出す。最大ROM値はステップ2.2で決定され、トルクしきい値は、ストレッチ反射を検出するのに十分である以前のパイロットスタディによって0.6と決定されます。
   1. [戻る]ボタンをクリックして、肘を最小角度姿勢に曲げます。
   2. 件名に通知せずに[実行]ボタンをクリックします。ロボットは角度が最高の角度に達するか、または反応トルクが一定の閾値レベルに達するまで150°/sの速度で患者の肘を伸ばす。時間、角度、反応トルク、トリガ信号データは、テスト中に保存されます。
   3. セット間で2分の休憩を取り、ステップ3.3.1-3.3をもう2回繰り返します。
   4. 3セットを行った後、5分の休息を取ります。
4. 手動MTS測定
   注:手動MTS測定は、実際の医療現場で通常行われるMTS測定をシミュレートするように設計されています。イソキネティックMTSの結果を比較するために、ロボットデバイスは測定誤差を除去する定量測定ツールとしてのみ使用され、実際の測定操作は人間の評価者によって行われます。この目的のために、ロボットはロボット自体の摩擦だけを補償する。摩擦除去の詳細は付録です。
   1. [戻る]ボタンをクリックして、肘を最小角度姿勢に曲げます。
   2. フリーランボタンをクリックすると、ロボット操作が手動操作モードに変わります。
   3. マニプルンダムのハンドルを持ち、被写体の腕を伸ばします。運転中、評価者は150°/sの一定速度を生成する必要があります。
   4. フリーランモードをオフにし、2分の休憩を取ります。
   5. 手順 3.4.1 ~ 3.4.4 をもう 2 回繰り返します。
5. MTS 測定を繰り返す
   1. 最初の評価者で全体の実験を終えた後、10分の休息を取ります。
   2. 評価者を (2 番目の評価者に) 変更し、手順 3.3 ~ 3.4 を繰り返します。

4. AoCの定量化

注:AoCは、EMGとトルクの2つのデータに基づいて決定されます。AoC は、EMG データのノイズの多い特性と個々の特性の変動性により、手動分析によって決定されます。AoC の選択は、評価者の順序に盲目である第三の評価者によって行われます。

1. イソキネティックMTS実験データ分析
   1. EMGデータを用いてAoC評価
      注:一般に、AoCはEMGの最大ピーク値が発生する角度として決定されます。しかし、ストレッチ反射持続時間は、患者ごとに異なります。したがって、EMG最大ピークポイントをAoCとして使用すると、信頼性が低いことが予想されます。時差は大きくない場合があります。ただし、MtS メソッドの評価速度が速いため、AoC エラーが大きい場合があります。したがって、EMG アップサージ ポイントの開始時の角度が AoC として選択されます。
      1. ルート平均平方(RMS)を使用して生のEMGデータを処理してデータを滑らかにし、50倍増幅します。
      2. 各データセットのトリガ信号を使用して、EMGデータとロボットアングルデータを同期します。
         注:このシステムでは、EMGデータは他のデータとは異なり、独立したデバイスによって測定されます。したがって、参照時間が異なる場合があります。EMGデバイスにはトリガ割り込みマーキング機能があり、MTS評価の初めにリアルタイムプロセッサからトリガ信号を取得します。
      3. RMS EMG アップサージの開始点として、AoC を手動で決定します。この例を図7に示します。
         注: <0.1 の RMS EMG は、ストレッチ反射がなくても頻繁に表示されるため、ここでは無視されます。したがって、ピークの開始時の明確な上昇点がAoCとして選択される。
   2. トルクデータを用いてAoC評価
      注:筋肉は、スプリングダンパーシステムのように機能する受動的な機械的特性を持っています。筋肉が力を発揮しない場合でも、筋肉が伸びるにつれて反力が増加する可能性があります。受動機械的性質とストレッチ反射の強度は患者によって異なるため、反力の絶対値のみを用いて捕らは特定しにくい。代わりに、この研究では、キャッチは、反力の絶対値ではなく、痙攣による受動的特性を変更することによって決定されます。パッシブプロパティの変化は、反応トルクの回帰線の傾きの変化によって手動で決定される。
      1. トリガ信号が上がるポイントから1回の回帰線を描画し、トリガ信号がダウンしたポイントから別の回帰線を描画します。
      2. 2 つの回帰直線の傾きを比較します。2つの回帰直線のグラデーションに有意な差がある場合、AoC は 2 つの回帰直線の交点で決定できます。この例を図8に示します。
2. 手動MTS実験データ分析
   注:手動MTSの場合、被験者が加える力と、1つのトルクセンサーのみを使用して評価者が加える力を分離することは困難です。したがって、手動MTSの場合、トルクデータを用いてAoC解析を行わずにEMGデータを用いてAoC分析のみを行います。
   1. EMGデータを用いてAoC評価
      注:EMGを用いてAoC評価を決定する方法は、基本的にアイソキネティックMTSの場合と同じです。
      1. RMS法を使用して生のEMGデータを処理してデータを滑らかにし、50倍増幅します。
      2. 各データセットのトリガ信号を使用して、EMGデータとロボットアングルデータを同期します。
      3. RMS EMG アップサージの開始点として、AoC を手動で決定します。図 9に例を示します。

5. データ分析

1. 正規化された評価モーション インデックス (NAMI)
   注: MTS の AoC は、評価速度、加速度など、さまざまなモーション係数の影響を受ける可能性があります。したがって、評価の動きは可能な限りイソキネティックでなければなりません。NAMIは、評価運動の理想性を評価するために提案される。提案されたインデックスは、各試験の被験者に割り当てられた評価運動の一貫性を評価するために使用できる非次元インデックスです。
   1. 各評価トライアルからROM、最大速度、評価時間を計算します。
      注: 角度はエンコーダによって測定されます。したがって、計算された速度はノイズです。したがって、最大速度は、ピークポイントではなく、トレンドラインの最大速度として決定されます。
   2. 方程式 3を使用して、実験全体で試行ごとに NAMI 値を計算します。
      どこ:θ _maxとθ_分は、それぞれ実験中に測定された最大角度と最小角度を表します。ω_最大値は最大評価速度です。Δtは、1 つの評価に費やされた合計時間です。図 10は、各変数の例を示しています。
      注: 提案されたインデックスは、評価モーションが完全にイソキネティックに近い場合は 1 に近いスコアを与え、モーションの速度に一貫性がない場合は 0 に近いスコアを示します。
2. 統計分析
   注: すべての統計分析は、PASW 統計パッケージ (SPSS バージョン 18.0) を使用して実行されます。クラス内相関係数(ICC)法は、テスト再テストの信頼性と評価者間の信頼性を識別するために使用されます。ICC の計算には、2 番目と 3 番目のテストの結果のみが使用されます。
   1. テスト再テストの信頼性を確認するには、測定された AoC データと NAMI 結果から ICC を計算します。
   2. レート間の信頼性を確認するには、AoC データと NAMI データの平均から ICC を計算します。
   3. ペアのサンプル t 検定を使用して AoC 結果の p 値を計算し、各評価者または各評価試行の差を評価します。
      注: <0.05 の P 値は統計的に有意と見なされます。
   4. EMG基準とトルク基準に基づいてAoC間のピアソン相関係数を計算し、2つの方法間の相関を検証します。

結果

信頼性は、ICC値に応じて4つのグレードに分かれています:非常に優れた(>0.90)、優れた(0.75

正規化された評価運動指数(NAMI):アイソキネティック運動中のNAMIスコアは常に1であ?...

ディスカッション

本研究では、ロボットアイソキネティックデバイスを用いてMTS測定を標準化することを試みた。評価運動の一貫性がMTS測定の結果にどのように影響するかを調べた。

NAMI値は、評価運動における変動の程度を表すために提案された。予想通り、変動性のないアイソキネティック運動法とは異なり、手動法は試験と評価者間のばらつきを示し、信頼性が低く、以前の研究7、...

資料

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