뇌졸중은 장기 장애의 주요 원인입니다. 트렁크 보상은 매일 활동을 위해 목표 방향 팔 이면에 도달하는 동안 제한된 팔 도달 범위를 대체하는 가장 일반적인 운동 전략입니다. 개인, 환경 및 테스트 상태 요인과 같은 모터 제어 전략에 영향을 주는 여러 가지 요인이 있습니다.
이전 연구는 개인과 환경 요인에 초점을 맞추고있다. 그러나, 만성 뇌졸중 생존자에 보상 운동 전략에 관한 테스트 상태 요인잘 공부 되지 않은. 우리는 만성 뇌졸중 생존자에 도달 목표 지향 팔의 모터 테스트 조건 또는 모터 제어 전략의 영향을 조사하기 위해이 프로토콜을 설계했다.
특히, 우리는 뇌졸중 후 개인이 다른 작업 목표를 가진 목표에 도달하는 움직임을 수행 할 때 다른 운동 전략을 활용하는 방법을 결정하는 것을 목표로합니다. 우리는 만성 뇌졸중 생존자가 기능적 작업 복잡성과 어려움으로 운동에 도달하는 목표 방향 팔 동안 트렁크 보상을 증가시킬 것이라는 우리의 가설을 테스트하기 위해이 프로토콜을 사용합니다. 이 섹션에서는 운동 측정 설정을 설명하려고 합니다.
모션 모니터 소프트웨어가 있는 10대의 Vicon 3차원 모션 캡처 카메라를 사용하여 목표 방향 암 도달 운동을 기록합니다. 2.8.2의 Vicon Nexus 소프트웨어 버전을 사용하여 모션 캡처 카메라를 설정하여 원치 않는 반사, 카메라 보정 및 볼륨 원점 설정을 마스킹합니다. 그 후 모션 모니터 소프트웨어를 사용하여 운동 데이터 수집을 설정합니다.
이 절차에는 마커 매핑, 스타일러스 설정, 월드 축 설정, 바디 세그먼트에 가상 센서 할당 이 포함됩니다. 그런 다음 참가자에 마커 트리어드를 넣습니다. 트렁크 마커 트라이어드는 스카풀라 사이의 흉부 척추 위에 피부에 배치됩니다.
팔뚝 삼합술은 각 상완 측면의 중간에 피부에 배치됩니다. 팔뚝 트리아드는 각 팔뚝의 등쪽 표면 의 중간에 피부에 배치됩니다. 손 트라이어드는 세 번째 중족골 뼈 위에 피부에 배치됩니다.
우리는 또한 테이블에 마커 트라이어드를 배치합니다. 이 마커 트라이어드는 홈 및 대상 위치의 위치를 등록하는 데 사용됩니다. 우리는 젓가락의 운동학을 기록하기 위해 사용자 정의 젓가락 스타일러스를 만들었습니다.
젓가락 스타일러스는 마커 트라이어드를 가지고 있으며, 이것은 또한 모델에 등록되어 있습니다. 참가자에 모든 마커 트라이어드를 배치한 후 디지털화 방법을 사용하여 피사체 센서를 설정합니다. 절차는 마커 트라이어드 위치에 따라 모델에 바디 세그먼트를 등록하고 소프트웨어는 다른 조인트 센터의 위치를 계산합니다.
화면 프롬프트를 따라 스타일러스를 사용하여 다음 랜드마크를 가리킵니다. 상부 트렁크의 경우 C7과 T1 척추 사이의 한 자리. 낮은 트렁크의 경우 T12와 L1 척추 사이의 한 자리.
어깨 관절의 경우, 상완골의 머리 의 중간에서 멀리 두 자리. 팔꿈치 관절의 경우 관절의 중간선과 동등한 내측 팔꿈치와 측면 팔꿈치에 두 개의 반점이 있습니다. 손목 관절의 경우 관절의 중간에서 동일한 거리에있는 내측 및 측면 손목에 두 개의 반점이 있습니다.
손에는 각 손의 세 번째 지골 끝이 있습니다. 홈 및 대상 위치의 경우 각 위치의 중심에 있는 자리입니다. 젓가락 스타일러스의 경우 젓가락 끝에 자리가 있습니다.
모터 작업 조건에 도달하는 네 가지 목표 지향 팔이 있습니다. 여기에서 는 이러한 모터 작업 조건의 세부 사항을 설명할 것입니다. 작업 난이도를 나타내는 두 가지 대상 크기가 있습니다.
큰 대상은 더 쉬운 작업 조건이 될 것입니다. 그리고 작은 대상은 더 어려운 작업 조건입니다. 또한 작업 복잡성을 나타내는 두 가지 테스트 유형이 있습니다.
포인팅 작업은 간단한 모터 작업 조건이며 젓가락으로 물체를 집어 드는 것은 높은 수준의 손재주를 필요로 하는 보다 복잡한 모터 작업 조건입니다. 이 두 가지 작업 조건의 조합으로 우리는 네 가지 모터 작업 조건을 가지고 있습니다. 이 그림은 큰 대상을 가리키는 템플릿을 보여 주습니다.
가정 및 대상 위치가 있습니다. 각 사각형 크기는 1 평방 센티미터입니다. 두 위치 사이의 중심 거리는 20cm입니다.
큰 대상을 가리키는 작업 목표는 젓가락 팁으로 대상 사각형의 중앙에 도달하고 탭하는 것입니다. 참가자는 젓가락을 들고 홈 위치의 중앙에 젓가락의 팁을 찾습니다. 참가자가 이동 소리를 들을 때, 그 또는 그녀는 도달하고 가능한 한 빠르고 정확하게 대상 사각형의 중심을 누릅니다.
참가자는 작업을 완료하는 데 3초가 있습니다. 이동 신호에서 3초 후에 정지 신호가 표시됩니다. 참가자가 3초 이내에 작업을 완료할 수 없는 경우 실패한 평가판으로 간주됩니다.
참가자는 각 평가판 사이에 10초 동안 이 작업을 10번 반복합니다. Go.Stop. 젓가락 한 쌍을 사용하여 큰 개체 작업을 픽업하는 것과 동일한 템플릿을 사용합니다. 가장자리에 1센티미터 의 플라스틱 큐브가 대상 위치에 배치됩니다.
작업 목표는 떨어뜨리지 않고 가능한 한 빨리 젓가락 한 쌍으로 인치 높이에 대한 플라스틱 큐브에 도달하고 선택하는 것입니다. 참가자는 젓가락 한 켤레를 들고 홈 위치중앙의 팁을 찾습니다. 참가자가 이동 소리를 들을 때, 그 또는 그녀는 도달하고 가능한 한 빨리 큐브를 집어 들으시다.
참가자는 이동 신호 후 3초를 준 정지 신호 전에 큐브를 선택해야 합니다. 참가자가 3초 이내에 큐브를 선택할 수 없는 경우 실패한 평가판으로 간주됩니다. 젓가락의 팁을 홈 포지션으로 되돌려 달라는 요청을 받습니다.
작업 중에 플라스틱 큐브를 떨어뜨리거나 비행하는 것은 실패한 평가판으로 간주됩니다. Go.Stop. 작은 대상을 가리키는 것은 큰 대상을 가리키는 것과 동일하지만 정사각형 대상 크기는 0.3 x 0.3 평방 센티미터입니다. 참가자는 젓가락을 잡고 홈 위치의 중앙에 젓가락의 팁을 찾습니다.
참가자가 이동 소리를 들을 때 그 또는 그녀는 도달하고 가능한 한 빠르고 정확하게 대상 사각형의 중심을 누릅니다. Go.Stop. 작은 오브젝트 작업을 선택하는 작업은 큰 개체 작업을 선택하는 것과 동일하지만 대상 개체는 가장자리에서 0.3cm입니다. 가장자리에 플라스틱 큐브 0.3센티미터가 대상 위치에 배치됩니다.
작업 목표는 떨어뜨리지 않고 가능한 한 빨리 젓가락 한 쌍으로 인치 높이에 대한 플라스틱 큐브에 도달하고 선택하는 것입니다. 참가자는 젓가락 한 켤레를 들고 홈 위치중앙의 팁을 찾습니다. 참가자가 이동 소리를 들을 때, 그 또는 그녀는 도달하고 가능한 한 빨리 Go.Stop 큐브를 집어 들으십시오.
이 섹션에서는 목표 방향 의 팔이 운동 데이터 분석에 도달하는 것을 설명할 것입니다. 모션 모니터 소프트웨어에서 다음 랜드마크의 위치 데이터를 내보냅니다. 젓가락 스타일러스의 끝, 테이블에 홈 위치, 테이블에 대상 위치, 세 번째 지골의 중간에 각 손, 팔꿈치 관절의 각 중심, 어깨 관절의 각 중심, 트렁크 움직임을 나타내는 C7 척추.
각 참가자의 상부 극단 공동 랜드마크와 트렁크 위치 데이터는 X, Y 및 Z 축에서 각 작업 조건에 대한 텍스트 파일로 내보냅니다. 운동 데이터는 사용자 지정 스크립트 및 MATLAB 소프트웨어를 사용하여 미리 처리됩니다. 운동 데이터 사전 처리에는 3개의 Hertz 컷오프가 있는 제3차 버터워스 로우 패스 필터를 사용하여 필터링하는 것이 포함됩니다.
그런 다음 수행되는 손 위치의 X, Y 및 Z 방향의 결과를 계산합니다. 위치 데이터의 사전 처리 후, 우리는 목표 방향 팔 도달의 운동 변수를 계산하기 위해 수행 손의 3 차원 위치의 결과결과를 사용하여 운동 데이터 분석을 수행했다. 우리는 운동 데이터 분석을 위해 사용자 정의 스크립트와 MATLAB 소프트웨어를 사용합니다.
우선, 당사는 각각 위치 데이터의 제1, 제2 및 제3 유도체인 수행 손의 접선 속도, 가속 및 바보를 계산합니다. 그런 다음 각 평가판의 접선 속도 프로파일을 사용하여 이동 개시, 오프셋 및 피크 속도를 결정합니다. 다음 운동 변수는 동역학 데이터 분석, 이동 지속 시간, 피크 속도, 절대 및 상대적 시간에서 피크 속도와 기록 치수 없는 바보로 계산되었습니다.
여기서는 모범 속도 프로파일을 사용하여 이러한 운동 변수를 설명하려고 합니다. 이동 개시 및 오프셋은 초당 0.01미터인 이동 개시 및 오프셋 임계값을 사용하여 식별됩니다. 이동 개시는 접선 속도가 초당 0.01미터 를 초과하는 도달 지점의 첫 번째 프레임으로 정의됩니다.
이동 간격띄우기는 접선 속도가 초당 0.01미터 를 초과하는 도달 지점의 마지막 프레임으로 정의됩니다. 이동 지속 시간은 이동 개시와 오프셋 사이의 시간으로 정의됩니다. 피크 속도는 이동 개시와 오프셋 사이의 최대 속도 진폭입니다.
피크 속도의 시간은 이동 개시에서 피크 속도에 도달하는 시간입니다. 이동 시작, 오프셋 및 피크 속도는 MATLAB 소프트웨어의 사용자 지정 스크립트를 사용하여 자동으로 레이블을 지정합니다. 이 자동화된 라벨이후에 레이블은 구도자가 시각화하고 검사합니다.
레이블이 올바르지 않으면 구도자가 수동 조정을 합니다. 로그 치수 없는 바보는 위치의 세 번째 유도체인 이 방정식을 사용하여 도달 범위의 바보 프로파일에서 계산됩니다. 우리는 목표 방향 팔에 도달하는 동안 트렁크 보상의 두 가지 조치를 계산했습니다.
첫째, 트렁크 변위를 계산했습니다. 이 측정값은 트렁크 랜드마크의 거리 차이, 이동 개시및 오프셋 사이의 C7입니다. 다른 트렁크 보정 측정은 어깨 궤적 길이입니다.
이 측정값은 팔에 도달하는 움직임 개시와 오프셋 사이의 어깨 랜드마크의 이동 거리입니다. 어깨 궤적 길이는 골 지향 팔에 도달하는 동안 새로운 트렁크 보상 측정입니다. 우리는 모든 방향에서 트렁크 보상을 캡처하기 위해이 조치를 채택했다.
우리는 이러한 트렁크 보상 조치를 계산하기 위해 세 가지 차원을 모두 사용합니다. 이 섹션에서는 예비 결과를 발표할 예정입니다. 우리의 예비 연구는 오른쪽에 온화한 상부 사지 운동 장애를 가진 2명의 만성 치기 생존자및 2명의 비장애인 젊은 성인이 있습니다.
모든 참가자는 젓가락 사용의 작은 이전 경험이 없었다. 만성 뇌졸중 생존자는 뇌졸중 발병 전에 지배적이었던 완면 오른손을 사용하여 모터 작업을 수행합니다. 비장애인 청년성인은 오른손으로 모터 작업을 수행했는데, 이는 그들의 지배적인 손입니다.
여기서, 우리는 어깨 탄도가 트렁크 변위보다 더 민감한 측정인지 확인하기 위해 두 가지 다른 트렁크 보상 조치를 비교하여 트렁크 보정을 포착했습니다. 그림 하나는 두 개의 서로 다른 참가자 인구에서 트렁크 보상 조치의 바이올린 플롯을 보여줍니다. 녹색 플롯은 어깨 궤적 길이를 나타내고 빨간색 플롯은 트렁크 변위를 나타냅니다.
바이올린 플롯의 각 점은 각 팔이 움직임에 도달하는 것을 나타냅니다. 그림 하나는 비 장애인 성인과 만성 뇌졸중 생존자가 트렁크 변위에 차이가 없다는 것을 보여줍니다. 만성 뇌졸중 생존자의 어깨 궤적 길이는 비 장애인 성인보다 큽습니다.
이 결과는 어깨 탄도 길이가 뇌졸중 후 개인의 트렁크 변위보다 골 지향 팔이 도달하는 동안 트렁크 보상의 더 민감한 척도임을 나타낼 수 있습니다. 그림 둘은 참가자 집단과 다른 모터 작업 간의 운동 변수의 차이를 다룹니다. 이 그림에서 빨간색 설명 된 상자 플롯은 만성 뇌졸중 생존자를 나타내고 파란색 으로 설명 된 상자 플롯은 비 장애인 청년을 나타냅니다.
그리고 X축은 큰 대상을 가리키는 네 가지 작업 조건이 있으며, 작은 대상을 가리키며 작은 물체를 집어 들수 있습니다. 만성 뇌졸중 생존자는 다른 작업 조건에 걸쳐 비 장애인 젊은 성인에 비해 운동 특성에 도달 하는 다른 목표 지향 팔했다. 요약하자면, 만성 뇌졸중 생존자들은 비장애인 청년성인들보다 팔이 느리고 더 낮았다.
또한 만성 뇌졸중 생존자는 도달의 피드백 기반 조정에 더 의존했으며, 이는 피크 속도에 대한 상대적 시간이 낮음으로 표시됩니다. 이러한 결과는 이전 결과와 일치합니다. 마지막으로 그림 2는 작업 복잡성이 목표 지향 팔 도달 운동의 운동학에 영향을 미친다는 것을 보여줍니다.
참가자는 두 참가자 집단모두에 대한 간단한 모터 작업보다 더 복잡한 모터 작업을 위해 느리고 저커 움직임을 활용합니다. 게다가 그들은 더 복잡한 작업에 도달 팔의 더 많은 피드백 기반 제어를 사용합니다. 사람들은 또한 간단한 모터 작업보다 더 복잡한 모터 작업에 더 많은 트렁크 보상을 사용하는 경향이 있습니다.
우리의 예비 결과는 이 프로토콜이 만성 치기 생존자에 있는 목표 지시한 무기 도달 운동 전략에 시험 조건의 충격을 조사하기 위하여 이용될 수 있다는 것을 지원합니다.
