Name: quantified assessment of infant's gross motor abilities using a multisensor wearable
Uploaded: 2024-05-17T13:30:00
Duration: 9 min 24 s
Description: Watch this Scientific Journal Video about Quantified Assessment of Infant's Gross Motor Abilities Using a Multisensor Wearable at JoVE.com

Dette arbejde blev støttet af det finske akademi (314602, 335788, 335872, 332017, 343498), Finsk pædiatrisk fond (Lastentautien tutkimussäätiö), Aivosäätiö, Sigrid Juselius Foundation og HUS Children's Hospital / HUS diagnostiske center forskningsmidler.

De undersøgelser, der blev udført med dette system, blev gennemgået af den etiske komité på New Children's Hospital, Helsinki University Hospital, og hospitalet gav tilladelse til at udføre de forskningsprojekter, der er beskrevet i de oprindelige undersøgelser, der er citeret i dette arbejde. Der blev indhentet informeret samtykke til at filme barnet i videoen.
1. Klargøring af dragten til en optagelsessession
<ol><li>Vælg den korrekte dragtstørrelse. I øjeblikket løber størrelserne op fra størrelse 68 cm, og der er fem forskellige størrelsesmuligheder (68 cm, 74 cm, 80 cm, 86 cm og 92 cm). Sørg for, at dragten sidder tæt, men alligevel behageligt, og at barnet kan bevæge sig frit uden indblanding.</li>
	<li>Start optagelsen, dvs. dataindsamling ved hjælp af dataloggerprogrammet, Maijulogger, som beskrevet i supplerende fil 1.<ol><li>På den første side skal du indtaste "Emneidentifikationsnummer". Antallet af bevægelsessensorer, der bruges i vurderingen, er som standard indstillet til 4 som vist på første side.</li>
		<li>Fortsæt til næste trin ved at trykke på pil fremad.</li>
	</ol></li>
	<li>Udstyr fire sensorer med batterier (version CR2025).</li>
	<li>Par hver sensor med mobilapplikationen ved at vælge og trykke på en lemplacering på applikationen og bringe sensoren tæt på mobilenheden.<ol><li>Bekræft, at det korrekte sensornummer vises på applikationen.</li>
		<li>Sørg for tilstrækkeligt batteriopladningsniveau (anbefalet > 80%) ved at kontrollere indikatorerne under sensornummeret. BEMÆRK: Udskift sensorbatterierne, hvis det er nødvendigt, ved at løfte bagdækslet.</li>
	</ol></li>
	<li>Fastgør hver sensor med snap-on-beslagene i den korrekte ærmelomme.<ol><li>Sørg for, at sensorerne vender korrekt.</li>
		<li>Se altid den nyeste brugervejledning for at få flere oplysninger. Forkert orientering vil føre til ubrugelige data.</li>
	</ol></li>
	<li>Fortsæt med at kontrollere den korrekte sensorparring ved at trykke på pil frem i applikationen.<ol><li>Ryst sensorerne en efter en, og kontroller applikationen for at se, at den korrekte indikator vrikker.</li>
	</ol></li>
	<li>Når kontrollerne er fuldført, skal du fortsætte til startsiden ved at trykke på pil frem. BEMÆRK: Hvis det er nødvendigt, kan varigheden af optagelsen (hh:mm) indstilles manuelt ved at trykke på knappen Indstillinger i starten af hver optagelse.<ol><li>Tryk på knappen Optag for at starte optagelsen. Vent, indtil sensorerne er klar, før du klæder dragten på spædbarnet (dette kan tage et par minutter).</li>
	</ol></li>
	<li>For optagelser uden opsyn skal du indstille skærmlåsen til mobilenheden for at undgå dens forældrefunktion og pakke dragten til levering til modtageren.<ol><li>Brug en kurer eller lignende service til at levere dragten til modtageren umiddelbart efter, at den er blevet klargjort.</li>
	</ol></li>
</ol>2. Klargøring og påklædning af spædbarnet til en optagelsessession
<ol><li>Sørg for, at spædbarnet ammes (dvs. fodres og bleer skiftes) og føler sig sikker og komfortabel til en naturlig og spontan legetid.<ol><li>Fjern dragten senere for bleskift, hvis det er nødvendigt.</li>
	</ol></li>
	<li>Klæd dragten på spædbarnet som gjort med almindelige overalls.<ol><li>Kontroller, at sensorlommerne vender udad (dvs. væk fra kroppens midterlinje i stedet for at rotere mod forsiden eller bagsiden af spædbarnet).</li>
	</ol></li>
	<li>Kontroller, at dragten sidder tæt på lemmerne på hver sensorplacering.<ol><li>Juster stropperne nær lommerne for at stramme sensoren på lemmen, hvis det er nødvendigt. BEMÆRK: Det er også muligt at tilføje tøj under dragten eller bandager for at fastgøre sensorerne, hvis lemmerne er for tynde til tilstrækkelig fastgørelse med stropperne.</li>
	</ol></li>
</ol>3. Optagelse session
<ol><li>Hold den mobile enhed i nærheden af spædbarnet for at sikre en pålidelig dataoverførsel via Bluetooth-forbindelsen (dvs. i samme rum eller inden for 10 m, hvis du optager i åbent rum), når du optager med direkte datastreaming.<ol><li>Opbevar den mobile enhed i en taske, f.eks. et tablethylster, hvis det er relevant, for nemmere og sikrere håndtering. Bluetooth-protokollen vil forsøge at oprette forbindelse igen, hvis BLE-forbindelsen går tabt. BEMÆRK: Det tilrådes ikke at pause og derefter fortsætte optagelsen, da det kan forstyrre synkronisering mellem sensorer eller den tidsmæssige integritet af de registrerede data, såvel som du kan miste BLE-forbindelsen. Ved sådanne lejligheder er den eneste mulighed at slukke for applikationen og starte optagelsen på ny.</li>
	</ol></li>
	<li>Arranger omgivelserne for at lette legen med legetøj og andre genstande og opmuntre spædbarnet til at bevæge sig frit. For eksempel skal du rydde pladsen til at bevæge dig rundt eller lægge en måtte på jorden, så spædbarnet kan opfordres til at bevæge sig, når det ser alderssvarende legetøj. Målet er at registrere spædbarnets naturlige bevægelse.<ol><li>Sørg for, at spædbarnet føler sig godt tilpas og sikkert nok til at engagere sig i spontan leg uden at opleve angst på grund af nye mennesker eller ukendte steder.</li>
	</ol></li>
	<li>Optag mindst 1 times frit spil eller så længe som ønsket af studiespørgsmålene. Flere lege-/bevægelsesepoker kan kombineres senere i analysen.</li>
	<li>Hvis det kræves af den specifikke forskningsprotokol, skal du tage yderligere noter for at lette detaljeret inspektion af individuelle resultater. Brug synkroniserede kommentarer i realtid i dataloggerapplikationen som fritekst, lydoptagelser eller videooptagelser.</li>
	<li>For hjemmeoptagelser uden opsyn skal du indstille optagelsen til at stoppe automatisk (dvs. indstil varigheden (hh: mm) af optagelsen manuelt ved at trykke på knappen Indstillinger ).</li>
	<li>I overvågede indstillinger skal du afslutte optagelsen ved at trykke på Stop-knappen på applikationen.</li>
	<li>Tag dragten af og pakk den til retur til laboratoriet.</li>
	<li>Vask dragten efter hver optagelse, når du har taget sensorerne af dragtlommerne. Brug rengøringsmidler, herunder fugttransport, der er rettet mod syntetiske materialer11, hvis de er tilgængelige.<ol><li>Undersøg dragten visuelt efter vask for mekaniske defekter, før du opbevarer den til brug på det næste barn.</li>
	</ol></li>
</ol>4. Cloudbaseret analyse: upload af rådata og download af resultater
<ol><li>Klik på den optagede fil i databasevisningen af applikationen, og klik derefter på Eksporter til Babacloud, som åbner startsiden for beregningsskyen (https://babacloud.fi/) ved hjælp af webbrowseren på mobilenheden (supplerende fil 2).</li>
	<li>Indtast brugernavn og adgangskode på login-siden. Hvis det er nødvendigt, kan du anmode om nye legitimationsoplysninger fra den e-mailadresse, der er angivet på Babaclouds hjemmeside.</li>
	<li>Vælg den optagede fil til upload. Vælg derefter et identifikationsnummer for emnet, og tilføj de nødvendige oplysninger som angivet af Babacloud-arbejdsgangen. Hvis det er relevant for sagen, skal du også indtaste motivets alder eller andre oplysninger (f.eks. spilletid) for at "Tilføj en anden rå filetiket". Til sidst skal du gemme uploadsessionen ved at trykke på knappen Gem . BEMÆRK: Som standard genererer dataloggerapplikationen en zip-fil fra bevægelsesdataene for at muliggøre en lettere og hurtigere dataoverførsel over luften via et wi-fi eller mobilnetværk. Babacloud-grænsefladen kræver legitimationsoplysninger, der kan fås som beskrevet på deres webside. De optagede rådata kan også overføres direkte fra telefonen til en anden enhed til tilpasset analyse. Sørg for, at unødvendige data fra mobilenhedens hukommelse slettes for at undgå forvirring mellem optagelsessessioner. Optagelsessessionerne placeres automatisk i deres egne mapper, som navngives med deres respektive tidsstempler.</li>
	<li>Download den zippede pakke med analyseoutput fra cloud-serveren ved hjælp af en mobilenhed eller en computerwebbrowser. Klik på det korrekte emne-id, og vælg derefter linket til den ønskede analyse, som automatisk åbner filoverførslen. BEMÆRK: I pakken med zippede resultater findes de to følgende elementer: En detaljeret resultatmatrix, som giver alle klassifikationer sekund for sekund for kropsholdning, bevægelse, spædbørnstransport og fri legetid (figur 2A, supplerende fil 3). Grafiske rapporter, der giver et overblik over studiesessionen (supplerende fil 4).</li>
</ol>

<ol>
	<li>Adolph, K. E., Hoch, J. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Motor+development:+Embodied,+embedded,+enculturated,+and+enabling.">Motor development: Embodied, embedded, enculturated, and enabling.</a> Annual Review of Psychology. 70, 141-164 (2022).</li><li>Masten, A. S., Cicchetti, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Developmental+cascades+[Editorial].">Developmental cascades [Editorial].</a> Development and Psychopathology. 22 (3), 491-495 (2010).</li><li>Piek, J. P., Dawson, L., Smith, L. M., Gasson, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+role+of+early+fine+and+gross+motor+development+on+later+motor+and+cognitive+ability.">The role of early fine and gross motor development on later motor and cognitive ability.</a> Human Movement Science. 27 (5), 668-681 (2007).</li><li>Adolph, K. E., Franchak, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+development+of+motor+behavior.">The development of motor behavior.</a> WIREs Cognitive Science. 8, e1430 (2017).</li><li>Adolph, K. E., Hoch, J. E., Cole, W. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Development+(of+Walking):+15+Suggestions.">Development (of Walking): 15 Suggestions.</a> Trends in Cognitive Science. 22 (8), 699-711 (2019).</li><li>Wijnhoven, T. M. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Assessment+of+gross+motor+development+in+the+WHO+multicentre+growth+reference+study.">Assessment of gross motor development in the WHO multicentre growth reference study.</a> Food and Nutrition Bulletin. 25, (2004).</li><li>Uusitalo, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Hammersmith+infant+neurological+examination+and+long-term+cognitive+outcome+in+children+born+very+preterm.">Hammersmith infant neurological examination and long-term cognitive outcome in children born very preterm.</a> Developmental Medicine and Child Neurology. 63, 947-953 (2021).</li><li>Romeo, D. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Hammersmith+infant+neurological+examination+for+infants+born+preterm:+predicting+outcomes+other+than+cerebral+palsy.">Hammersmith infant neurological examination for infants born preterm: predicting outcomes other than cerebral palsy.</a> Developmental Medicine &amp; Child Neurology. 63, 939-946 (2021).</li><li>De Kegel, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=New+reference+values+must+be+established+for+the+Alberta+Infant+Motor+Scales+for+accurate+identification+of+infants+at+risk+for+motor+developmental+delay+in+Flanders.">New reference values must be established for the Alberta Infant Motor Scales for accurate identification of infants at risk for motor developmental delay in Flanders.</a> Child: Care, Health and Development. 39 (2), 260-267 (2013).</li><li>Airaksinen, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Intelligent+wearable+allows+out-of-the-lab+tracking+of+developing+motor+abilities+in+infants.">Intelligent wearable allows out-of-the-lab tracking of developing motor abilities in infants.</a> Communications Medicine. 2, 69 (2022).</li><li>Airaksinen, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automatic+posture+and+movement+tracking+of+infants+with+wearable+movement+sensors.">Automatic posture and movement tracking of infants with wearable movement sensors.</a> Scientific Reports. 10, 169 (2020).</li><li>Airaksinen, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Charting+infants'+motor+development+at+home+using+a+wearable+system:+validation+and+comparison+to+physical+growth+charts.">Charting infants' motor development at home using a wearable system: validation and comparison to physical growth charts.</a> eBioMedicine. 92, 104591 (2023).</li><li>Hewitt, L., Kerr, E., Stanley, R. M., Okely, A. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Tummy+time+and+infant+health+outcomes:+a+systematic+review.">Tummy time and infant health outcomes: a systematic review.</a> Pediatrics. 145, e20192168 (2020).</li><li>Pascal, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Motor+outcome+after+perinatal+stroke+and+early+prediction+of+unilateral+spastic+cerebral+palsy.">Motor outcome after perinatal stroke and early prediction of unilateral spastic cerebral palsy.</a> European Journal of Paediatric Neurology. 29, 54-61 (2020).</li><li>Tabard-Foug&#232;re, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Are+clinical+impairments+related+to+kinematic+gait+variability+in+children+and+young+adults+with+cerebral+palsy.">Are clinical impairments related to kinematic gait variability in children and young adults with cerebral palsy.</a> Frontiers in Human Neuroscience. 16, 816088 (2022).</li><li>Fish, L. A., Jones, E. J. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+survey+on+the+attitudes+of+parents+with+young+children+on+in-home+monitoring+technologies+and+study+designs+for+infant+research.">A survey on the attitudes of parents with young children on in-home monitoring technologies and study designs for infant research.</a> PLOS One. 16, e0245793 (2021).</li><li>Porciuncula, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Wearable+movement+sensors+for+rehabilitation:+a+focused+review+of+technological+and+clinical+advances.">Wearable movement sensors for rehabilitation: a focused review of technological and clinical advances.</a> Physical Medicine &amp; Rehabilitation. 10 (9), S220-S232 (2018).</li></ol>

E.I. er grundlægger af virksomheden Planno Oy, der rådgiver inden for tekstilteknik. Andre forfattere har ingen relevante interesser i at videregive.

En kvantificeret vurdering og udviklingssporing af spædbørns motoriske ydeevne med en bærbar løsning, såsom MAIJU, er teknisk enkel at lære og udføre, og den kan let implementeres i sundhedspleje eller klinisk forskningspraksis 10,11,12. Sammenlignet med de øvrige eksisterende motoriske vurderingsmetoder forbedrer denne form for hjemmeregistrering af spædbørns spontanmotoriske aktivitet vurderingens økologiske validitet. Desuden giver den en kvantificeret, gennemsigtig og fuldautomatisk analyse af spædbørns motoriske ydeevne. Vigtigst er det, at de målinger, der anvendes i analysen, er intuitive og forklarlige, hvilket gør det nemt at sammenligne dem med andre kliniske og forskningsmæssige vurderinger, såsom miljøfaktorer, kognitiv udvikling eller psykosociale vurderinger. En holistisk vurdering af motorisk udvikling giver en nøjagtighed, der kan sammenlignes godt med de konventionelle fysiske vækstmål12.
Kritiske trin i protokollen inkluderer omhyggelig forberedelse af den bærbare dragt. Når du forbereder dig til en optagelse, er det afgørende at vælge den rigtige størrelse til dragten, da sensorfastgørelserne i ærmerne og benene skal sidde tæt for at opnå en pålidelig registrering af kropsbevægelser. For en vellykket optagelse er det også vigtigt at placere sensorerne i lommerne med en korrekt orientering som angivet i protokollen. Sensorbeslagene tillader ikke sensorer at rotere under optagelsen. Den forkert orienterede sensor registrerer imidlertid data, der er vanskelige, hvis ikke umulige, at rette bagefter. Spædbarnet bør opfordres til at bevæge sig frit og uafhængigt under optagelsen. Optagelseslængden kan variere afhængigt af de givne undersøgelsesspørgsmål. De mange spontane bevægelsesepoker kombineres for at akkumulere nok spontan bevægelse til hver optagelsessession.
Den fleksible og praktiske betjening af MAIJU bærbare løsning gør det muligt at bruge den i variable sammenhænge i både overvågede og uovervågede indstillinger, såsom forskningslaboratorier eller hjem. Nylige resultater fra vores kliniske forsøg viser, at fuldt uovervågede optagelser udført i hjemmet kan give sammenlignelige resultater med optagelser, der udføres under fuld eller delvis overvågning12. Alligevel påvirkes et barns spontane motoriske adfærd potentielt af flere faktorer, såsom omgivelserne (f.eks. Leg udenfor vs. indendørs, indretningen af rummet, møbler og legetøj), barnets niveau af årvågenhed og forældrenes involvering under hjemmeoptagelsen. Når optagelserne udføres i uovervågede omgivelser derhjemme, er det vigtigt at opmuntre barnet til at lege spontant, dvs. at lege eller bevæge sig uafhængigt, uden at en anden bærer eller holder barnet, hvis det ikke er nødvendigt, og at holde optagemobiltelefonen inden for Bluetooth-rækkevidde (i samme rum)10. Størstedelen af vores nuværende fejlfindingssituationer under optagelserne skyldes tab af Bluetooth-forbindelse. Fremskridt inden for sensorteknologi i nær fremtid vil forbedre Bluetooth-forbindelsen, og den kommende introduktion af en større sensorhukommelse vil muliggøre offlineoptagelse ved at gemme bevægelsesdata direkte i sensorhukommelsen.
Optagelser uden for hospitalet med en bærbar løsning af denne art er let skalerbare, og de kan forbedre spædbørns sikkerhed, f.eks. ved at muliggøre fjernovervågning under omstændigheder som en pandemi. Vores nuværende klassificeringsalgoritmer blev trænet til specifikt at genkende de givne motoriske evner, stillinger og bevægelser vist i bevægelsesbeskrivelsesskemaet (figur 2A). Disse fænomener blev identificeret som karakteristiske for spædbarnsbevægelse i de første to år af livet. Andre typer bevægelser eller stillinger, der ses hos ældre børn, såsom løb eller spring, vil kræve ændrede bevægelsesbeskrivelsesskemaer og respektive algoritmer, der skal trænes til at identificere dem. Kropsholdningskontekstafhængig analyse er en potentielt frugtbar tilgang, hvor et spædbarns motoriske aktivitet analyseres separat i forskellige stillinger for at understøtte undersøgelse, fx udviklingskorrelater af spædbarnsadfærd 5,6,7,8,9,13. Alternativt kan en kontekstafhængig bevægelsesanalyse også understøtte vurdering af asymmetri i motorisk funktion, når man forudsiger udviklingen af ensidig cerebral parese 10,12,14,15. Endvidere kan vurdering af motoriske evner med MAIJU-systemet kombineres med andre undersøgelsesmetoder, f.eks. øjensporing, billeddannelse eller videooptagelse, for at give multimodale data, der spænder over forskellige typer og sammenhænge. Multimodale data kan være nyttige, f.eks. til evaluering af virkningerne af social interaktion eller effekten af terapeutisk intervention.
For succesen med nye bærbare teknologier i overvågningsmiljøer uden for hospitalet med spædbørn skal visse begrænsninger, udfordringer og etiske bekymringer løses. Vores analysepipelines blev trænet og valideret ved hjælp af typisk udviklende spædbørn i Finland 10,11,12. De rå analyseresultater med rene stillinger og bevægelser skal være universelle. Deres udviklingsforløb kan dog kræve tilpasninger til forskellige kulturer og geografiske placeringer. Ifølge forældrenes feedback vedrørende bærbare enheder ses de positivt på grund af spædbarnsvenlighed16. Forældre kan dog rejse bekymringer vedrørende privatlivets fred, dataadgang og familiepraktiske forhold (f.eks. Flere omsorgspersoner, besøgende og varierende tidsplaner). Afhængighed af sensorernes batterilevetid og optagetelefonen kan betragtes som en begrænsning af metoden. Det er vores erfaring, at batterimodellen (CR2025) typisk holder hele dagen (12-24 timer), når du bruger kontinuerlig datastreaming. Det afhænger især af både batterimærket og styrken af den Bluetooth-forbindelse, der er nødvendig til trådløs dataoverførsel, som løbende ændrer sig for at maksimere dataoverførslen i optagelsesmiljøet. For eksempel vil en lang afstand mellem spædbarnet og telefonen eller en væg mellem dem justere Bluetooth-forbindelsen til betydeligt højere batteriforbrug. Især drænes batterierne på de fleste mobile enheder også inden for omtrent samme tid, hvis du bruger kontinuerlig Bluetooth-streaming. I praksis indebærer den nuværende kontinuerlige datastreaming via Bluetooth-forbindelse, at både sensorer og mobile enheder har brug for en daglig genopladning / batteriudskiftning. Den nærmeste fremtidige introduktion af sensorer med større hukommelseskapacitet vil tillade datalagring i sensorhukommelsen og understøtte over en uges kontinuerlig optagelse. Det vil fjerne behovet for strømforbrugende Bluetooth-streaming samt at bære telefonen inden for et Bluetooth-område, der kan opfattes som restriktivt i optagelsessituationer og er modtageligt for menneskelige fejl.
Samlet set kræver sporing af tidlig neuroudvikling metoder, der er følsomme over for naturlig neuroadfærdsmæssig variabilitet. Grovmotorisk udvikling er en indviklet proces, der består af variationer i rækkefølge og timing, både på individuelt og kulturelt niveau4. Påvisning af atypisk motorisk udvikling er effektiv til at genkende spædbørn i fare for en lang række neurodevelopmental lidelser. Traditionelle testbatterier med standardiserede neuroudviklingsvurderinger udføres i kontrollerede miljøer, såsom hospitaler, og er i det mindste delvist subjektive 7,8,9. Nuværende fremskridt inden for sensorteknologi og signalanalyse har muliggjort optagelser af spædbørns spontane motoriske evne over længere perioder uden for hospitalet og kvantificering af motorisk adfærd med en nøjagtighed, der kan sammenlignes med menneskelige observatører 10,11,12. Ny bærbar teknologi tilbyder automatiserede og skalerbare metoder til overvågning af bevægelse og effekten af terapeutisk intervention hos spædbørn på en økologisk gyldig og objektiv måde. Desuden muliggør det nye neuroudviklingsindeks Baba Infant Motor Score (BIMS) estimering af spædbørns modenhed af motoriske evner ved individuel sporing af neuroudvikling10,12. Det kan anvendes i en række fremtidige applikationer, såsom udvikling af spædbarnsmotoriske vækstdiagrammer12. Ved at træne de automatiserede klassifikatorer til andre specifikke motiliteter (f.eks. for ældre børn eller voksne) med forskellige former for bevægelsesbeskrivelsesskemaer og algoritmer har de bærbare bevægelsessensorer potentialet til kliniske anvendelser, såsom bevægelsesforstyrrelser eller opfølgning på virkningerne af terapeutiske indgreb uanset individets udviklingsstadium17. På nuværende tidspunkt bør dette imidlertid betragtes som en forsøgsmetode, der ikke bør anvendes til at informere kliniske diagnose- eller behandlingsmål.

Tidlig grovmotorisk udvikling er afgørende for neurokognitiv ydeevne på højere niveau, der opstår senere ved at støtte spædbørns udforskning af miljøet. Derfor har både klinikere og forskere stor interesse i at vurdere den tidlige bruttomotoriske udvikling 1,2,3. For at yde støtte til evidensbaseret medicin eller videnskabelige undersøgelser er det vigtigt, at de grovmotoriske vurderinger er kvantitative, pålidelige, objektive og økologisk gyldige. Der er imidlertid mangel på sådanne metoder til rådighed for enten klinisk eller grundvidenskabelig forskning.
En typisk tidlig grovmotorisk udvikling skrider frem gennem en forudsigelig sekvens af nyerhvervede færdigheder. De observeres almindeligvis hos spædbørn som at nå diskrete motoriske milepæle4, hvor stående og gående ofte betragtes som vigtige vartegn på vej til mere komplekst adfærdsrepertoire5. Ud over direkte observation eller forældreundersøgelser om motoriske milepæle er der udviklet flere udbredte standardiserede batterier 6,7,8,9 til udførelse af spædbørns vurderinger i laboratorie- eller hospitalsmiljøet. Disse vurderinger lider imidlertid af flere forbehold: de kræver betydelig ekspertise fra uddannede fagfolk, de er delvis subjektive og kategoriske, og de vurderer spædbørns præstationer i et miljø (hospital eller laboratorium), der er unaturligt fra et spædbarns perspektiv.
Registrering af spædbørns spontane motoriske aktivitet over længere tid i det oprindelige miljø, såsom deres hjem, muliggør mere relevante målinger af motoriske evner. I en sådan gennemførlig metode udføres vurderingen for den fulde sekvens af spædbarnets motoriske evneudvikling fra liggende liggende til at gå flydende med et bærbart system, såsom MAIJU wearable (Motor Assessment of the Infants with a JUmpsuit)10,11,12. MAIJU wearable-systemet (figur 1) involverer en helkropstekstilbeklædning udstyret med bevægelsessensorer for at muliggøre uovervågede vurderinger og optagelser uden for hospitalet / laboratoriet, der analyseres med en automatiseret pipeline, hvilket giver en sekund-for-sekund vurdering af kropsholdning og bevægelsesmønstre. Disse algoritmiske detektioner kan bruges til hver kropsholdning og bevægelsestype separat, eller de kan kombineres til en holistisk vurdering af modningsniveauet af spædbarnets motoriske evner. Et nyligt offentliggjort, enhedsfrit udtryk for en sådan måling af motorisk modenhed er BIMS (Baba Infant Motor Score)10,12.
Denne artikel vil beskrive vurderingen af spædbørns grovmotoriske ydeevne ved hjælp af en multisensor bærbar dragt; begrundelsen, praktisk ydeevne, analysepipeline og potentielle fremtidsperspektiver for brug af de målinger, der kan opnås fra den automatiserede analysepipeline, der er tilgængelig for optagelser med en multisensor bærbar 10,11,12. Metoden er velegnet til en detaljeret kvantificering af spontan grovmotorisk aktivitet hos alle spædbørn, der udviser motoriske evner mellem liggende liggende og flydende gang.
Multisensorens bærbare system består af tre komponenter: 1) hele kroppen samlet beklædningsgenstand udstyret med fire bevægelsessensorer, 2) en mobilenhed ved hjælp af en specialbygget iOS-applikation og 3) en skybaseret analysepipeline (Babacloud, hvis legitimationsoplysninger kan fås fra forfatterne)11. De vandtætte IMU-sensorer (Inertial Measurement Unit) streamer synkroniserede data (3-akset accelerometer og gyroskop) ved 13-52 Hz samplingfrekvens til en mobiltelefon ved hjælp af en Bluetooth-forbindelse med lavt energiforbrug. Dataene gemmes oprindeligt i hukommelsen på (sensoren eller) mobilenheden, efterfulgt af en offline analyse på cloud-serveren, efter at optagelsen er stoppet.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>iOS device (version 16.5 or higher)</td>
			<td>Apple</td>
			<td>n/a</td>
			<td></td>
		</tr>
		<tr>
			<td>MAIJU jumpsuit</td>
			<td>Planno Ltd</td>
			<td>n/a</td>
			<td>customized for purpose</td>
		</tr>
		<tr>
			<td>Maijulogger (mobile application) and sensor firmware</td>
			<td>BABA Center (www.babacenter.fi), Kaasa solutions GmbH</td>
			<td>n/a</td>
			<td>constructed by Kaasa Solutions, distributed by Baba Center</td>
		</tr>
		<tr>
			<td>Movesense movement sensor</td>
			<td>Movesense (www.movesense.com)</td>
			<td>n/a</td>
			<td></td>
		</tr>
	</tbody>
</table>

quantified assessment of infant's gross motor abilities using a multisensor wearable

Udvikling af objektive og kvantitative metoder til tidlig grovmotorisk vurdering er afgørende for bedre at forstå neuroudvikling og støtte tidlige terapeutiske interventioner. Her præsenterer vi en metode til at kvantificere grovmotorisk ydeevne ved hjælp af en multisensor bærbar, MAIJU (Motility Assessment of Infants with a JUmpsuit), som tilbyder en automatiseret, skalerbar, kvantitativ og objektiv vurdering ved hjælp af en fuldautomatisk skybaseret pipeline. Denne bærbare dragt er udstyret med fire bevægelsessensorer, der registrerer synkroniserede data til en mobiltelefon ved hjælp af en lavenergi Bluetooth-forbindelse. En offlineanalyse på cloud-serveren genererer fuldt analyserede resultater inden for få minutter for hver optagelse. Disse resultater inkluderer en grafisk rapport over optagelsessessionen og en detaljeret resultatmatrix, der giver klassifikationer sekund for sekund for kropsholdning, bevægelse, spædbørnstransport og fri legetid. Vores seneste resultater viser fordelen ved en sådan kvantificeret motorisk vurdering, der giver en potentielt effektiv metode til at skelne variationer i spædbarnets grovmotoriske udvikling.

Den præsenterede metode kvantificerer spædbørns grovmotoriske ydeevne ved at klassificere typer af stillinger og bevægelser for hvert sekund af optagelsessessionen. Derfor indeholder resultatpakken fra den automatiserede analysepipeline en komplet klassificeringsmatrix (supplerende fil 3) og en grafisk oversigt (supplerende fil 4) fra hele optagelsessessionen. Afhængigt af det nøjagtige undersøgelsesspørgsmål kan disse resultater inspiceres på forskellige niveauer.
Resultatinspektion blev brugt til udvikling og validering af denne metode. I det følgende præsenterer vi fire niveauer af resultatinspektion, der anvendes til udvikling og validering af denne metode. Supplerende fil 5 indeholder repræsentative eksempler på de vigtigste valideringseksperimenter, der tidligere blev offentliggjort i detaljer 10,11,12.
For det første blev de automatiske algoritmer, der blev trænet til bevægelses- og kropsholdningsdetekteringer, valideret mod menneskelige observationer på andet for andet niveau af spædbørns bevægelsesadfærd. Vi brugte flere parallelt uddannede eksperter, der blindt gennemgik de synkroniserede videooptagelser med de bærbare optagelser. Alle forskellige kropsholdnings- og bevægelseskategorier blev sammenlignet separat med de enkelte menneskelige annotationer, og vi fandt en meget høj overensstemmelse mellem algoritmen og mennesket for stillinger (gennemsnitlig kappa 0,93); Der blev fundet en betydelig overensstemmelse for bevægelseskategorier (underkategorispecifik kappa, hovedsagelig i størrelsesordenen 60-80 %). Se Supplerende fil 5A for et eksempel på forvirringsmatrix10. Interrater-aftaleniveauer blev også vurderet for at bekræfte, at algoritmerne fungerer på omkring humant ækvivalentniveau10,11.
For det andet vurderede vi, hvor godt den klassifikatorbaserede kvantificering af bevægelses- og kropsholdningskategorier ville matche den tilsvarende kvantificering fra menneskelige anmærkninger på andet niveau. Eksempler på spredningsdiagrammer vist i supplerende fil 5B10 viser, at flere nøglekategorier har et næsten perfekt match (korrelationskoefficient >0,96) mellem algoritmisk og menneskelig visuel kvantificering. Dette understøtter direkte ideen om, at de aldersspecifikke fordelinger af motilitetskvantitation (figur 3A, B) er pålidelige12.
For det tredje blev ideen om en holistisk vurdering af motorisk modenhed valideret ved at træne en udviklingsmæssig aldersforudsigelse fra kombinationsbevægelsesmængderne (se ovenfor), der korrelerede meget tæt med den faktiske alder hos de typisk udviklende spædbørn (r = 0,89; Supplerende fil 5C). Derefter blev aldersforudsigelsen skaleret til 0-100 som et enhedsløst mål BIMS (Baba Infant Motor Score10), og dets anvendelighed til opbygning af motoriske vækstdiagrammer (supplerende fil 5D) blev valideret ved hjælp af en typisk udviklende spædbarnskohorte, der i høj grad viser aldersafhængige og forudsigelige vækstbaner. Vi validerede også dens relative nøjagtighed ved at vise, at nøjagtigheden i motorvækstdiagrammer sammenligner godt med de velkendte fysiske vækstdiagrammer12.
For det fjerde blev potentialet for abnormitetsdetektion med de givne målinger valideret i et bevis for principeksperiment, hvor individuelle motoriske målinger viste sig klart at skelne mellem spædbørn med henholdsvis dårlig og god motorisk ydeevne (supplerende fil 5E)10.
Potentielle yderligere undersøgelsesspørgsmål på forskellige analyseniveauer Figur 3 viser eksempler på yderligere anvendelser af oplysningerne fra den bærbare dragt og dens automatiserede analysepipeline. For det første kan den tidlige udvikling af kropsholdning og bevægelsesfærdigheder plottes som en funktion af alder og sammenlignes med de aldersafhængige fordelinger (figur 3A, "vækstdiagrammer"12), eller udviklingen kan spores over tid for hver enkelt person (figur 3B). For det andet, når et undersøgelsesspørgsmål kræver en mere holistisk grovmotorisk vurdering, kan man bruge en kombination af en persons kropsholdning og bevægelsesforhold (som vist i supplerende fil 5D, beregnet ud fra tidsserien i supplerende fil 5C) til at generere et indeks som BIMS (Baba Infant Motor Score). Sådanne foranstaltninger understøtter direkte brug i motorvækstdiagrammer (supplerende fil 5C, D) og beregning af statistiske afledninger som z-score (figur 3A). Brug af fuldtidsserien af algoritmens detektioner (figur 3C og supplerende fil 3) tillader undersøgelser af den detaljerede tidsmæssige struktur af spædbørns bevægelighed med spørgsmål som "Hvor mange kropsholdningsovergange udfører spædbarnet i en enhedstid?" eller "Hvad er fordelingen af stående epoker under spontan legetid?".
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/65949/65949fig01.jpg"> Figur 1: Oversigt over det bærbare multisensorsystem og et typisk undersøgelsesflow fra optagelsen til analysen. Figur 1 tilpasset fra Airaksinen et al.12offentliggjort under CC_BY licens. Spædbarnsfotografiet offentliggøres med forældrenes samtykke. <a href="https://www.jove.com/files/ftp_upload/65949/65949fig01large.jpg" target="_blank">Klik her for at se en større version af denne figur.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/65949/65949fig02.jpg"> Figur 2: Kropsholdning og bevægelseskategorisering og et eksempel på visualisering af rådata og analyseoutput (A) Kropsholdning og bevægelseskategoriseringsskema, der bruges af de algoritmiske klassifikatorer inden for den fuldautomatiske analysepipeline til en multisensor-bærbar. Denne figur er genoptrykt fra Airaksinen et al.10 (B) Eksempel på en 10 min rå accelerometer sensordata fra hver af de fire arme, som det kommer ud fra MAIJU optagelserne. De vandrette bjælker nedenfor viser automatiske klassificeringsudgange for registrering af kropsholdning (øverste bjælke) og bevægelse (nederste bjælke) for den samme 10 minutters epoke. <a href="https://www.jove.com/files/ftp_upload/65949/65949fig02large.jpg" target="_blank">Klik her for at se en større version af denne figur.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/65949/65949fig03v2.jpg"> Figur 3: Eksempler på resultater afledt af output fra rå klassifikator. (A) Et eksempel på en datasammenligning mellem spædbarnsalder og Baba Infant Motor Score (BIMS). Den S-formede grønne kurve viser BIMS' udviklingsbane i en større population. Prikken viser et eksempel på et individ målt til 14 måneder med en BIMS ~74, svarende til lidt under det gennemsnitlige alderstypiske niveau (den grønne linje). (B) Et eksempel på en kohorte med individuelle baner for motorisk udvikling ved hjælp af Baba Infant Motor Score over (BIMS). Hver linje repræsenterer et spædbarn, der er registreret i flere alderspunkter (prikker i linjen). Linjerne er farvet for den gennemsnitlige afvigelse i forhold til det alderstypiske gennemsnit (blå S-formet kurve i baggrunden; se også panel A. (C) Repræsentativ outputmatrix fra den automatiske klassifikator, som den kommer fra Babacloud-rørledningen. Den første kolonne viser den forløbne tid fra registreringsstart (i sekunder) for hvert analysevindue i klassificeringen (vinduets varighed 2,3 sek. med 50 % overlapning). Den anden og tredje kolonne viser klassificeringsdetekteringen for henholdsvis kropsholdning og bevægelse. Den tredje og fjerde kolonne er hjælpeklassifikatorer, der skildrer epoker, når spædbarnet blev båret af en anden, og når spædbarnet deltog i henholdsvis autonom leg. D) En illustration af en sammenfattende rapport. Panelerne A og B er tilpasset fra Airaksinen et al.10. <a href="https://www.jove.com/files/ftp_upload/65949/65949fig03largev2.jpg" target="_blank">Klik her for at se en større version af denne figur.</a>
Supplerende fil 1: En hurtig guide til optagelse med MAIJU bærbar. <a href="https://www.jove.com/files/ftp_upload/65949/supplemental_file1%20.zip" target="_blank">Klik her for at downloade denne fil.</a>
Supplerende fil 2: En hurtig guide til overførsel af data fra Maijulogger til analyseserveren i Babacloud. <a href="https://www.jove.com/files/ftp_upload/65949/supplemental_file_2.zip" target="_blank">Klik her for at downloade denne fil.</a>
Supplerende fil 3: Et eksempel på en detaljeret klassifikationsmatrix, der giver alle klassifikationer sekund for sekund for kropsholdning, bevægelse, spædbørnstransport og fri legetid. <a href="https://www.jove.com/files/ftp_upload/65949/supplemental_file_3.zip" target="_blank">Klik her for at downloade denne fil.</a>
Supplerende fil 4: Et fuldstændigt PDF-fileksempel på en grafisk oversigtsrapport. Dette er taget fra algoritmefilen, der indeholder (A) grundlæggende baggrundsinformation om optagelsessessionen (emne-id og alder, optagelsesdato, varighed og det samlede antal epoker, der bruges til de endelige analyser). (B) En grafisk visning af den fulde registrering, der angiver fordelingen af stillinger over den fulde registrering og epoker, der er udelukket fra den kvantitative vurdering. C) Typiske fordelinger vist med violinplot for alle seks stillinger (venstre side) og 12 satstyper (højre side). På samme måde viser tegninger på højre side den type bevægelser, der er angivet af hver kropsholdning, og viser også sekvensen af trinvist udviklende motorisk ydeevne (prikkerne, der angiver resultaterne fra en individuel optagelse og farverige violinplot, der angiver aldersafhængige fordelinger af kropsholdning/bevægelse af et relevant datasæt). Især viser de rå værdier, der er angivet med prikkerne, faktiske mængder af den givne motoriske ydeevne, og de kan bruges direkte i andre sammenhænge. <a href="https://www.jove.com/files/ftp_upload/65949/supplemental_file_4.zip" target="_blank">Klik her for at downloade denne fil.</a>
Supplerende fil 5: Valideringseksperimenter på forskellige analyseniveauer. (A) Forvirringsmatricer, der viser overensstemmelse mellem menneskelige annoteringer (målklasse) og algoritmens detektioner (forudsagt klasse) for både kropsholdnings- og bevægelseskategorierne. (B) Sammenligning af motoriske kvantificeringer over fulde optagelsessessioner mellem menneskelige anmærkninger og detektioner afledt af den automatiserede klassifikator. (C) Korrelation mellem forudsigelse af udviklingsalder fra de bærbare data (venstre side Y-akse) og dens reskalering for at generere BIMS-score (højre Y-akse). Barnets faktiske alder på optagelsestidspunktet vises på X-aksen. (D) Korrelation mellem aldersforudsigelse og faktisk alder ved brug af en tilpasset funktion. Værdierne viser, at de passer til modellen, når du bruger gruppegennemsnittet i de afbildede tidsvinduer (blå), alle råværdier (sort), eller når der tages højde for gentagne målinger af hver enkelt person (grøn). (E) Sammenligning af individuelle motoriske mål mellem grupper af vel- og dårligt præsterende spædbørn tyder på, at flere automatisk detekterede motoriske målinger kan differentiere disse spædbørnsgrupper. Panel A, B, C er tilpasset fra Airaksinen et al.10. Panel D er tilpasset fra Airaksinen et al.12. Panel E er tilpasset fra "Airaksinen et al.11. <a href="https://www.jove.com/files/ftp_upload/65949/supplemental_file_5.zip" target="_blank">Klik her for at downloade denne fil.</a>

Watch this Scientific Journal Video about Quantified Assessment of Infant's Gross Motor Abilities Using a Multisensor Wearable at JoVE.com

Quantified Assessment of Infant's Gross Motor Abilities Using a Multisensor Wearable

Dette papir skitserer vurderingen af spædbørns grovmotoriske ydeevne med en multisensor bærbar og dens fuldautomatiske deep learning-baserede analysepipeline. Metoden kvantificerer spædbørns kropsholdning og bevægelsesmønstre fra at ligge liggende til de mestrer at gå uafhængigt.

Kvantificeret vurdering af spædbarns grovmotoriske evner ved hjælp af en multisensor bærbar

Developing objective and quantitative methods of early gross motor assessment is essential to better understand neurodevelopment and to support early ...

MAIJU er en multisensor bærbar, og det ligner et almindeligt sted med eller spædbarnsstørrelse svømning til det, hvor de fire sensorer, en på hver lem. MAIJU bruges til at registrere spædbørns bevægelse, stort set hvor som helst, men det er især til, når du vil måle spædbørns bevægelse i en ukontrolleret situation som deres spontane aktivitet i deres hjem. MAIJU bruges til vurdering af motorisk udvikling, overvågning af udviklingsmæssige milepæle som rullende, siddende, gå er en væsentlig del af den samlede udviklingsmæssige opfølgning.Fra sundhedsperspektivet er problemer med den motoriske udvikling meget almindelige, og vi bruger også motorisk ydeevne som et centralt resultatmål i mange terapeutiske forsøg, og til begge formål eller formål har vi brug for bedre metoder til motorisk vurdering. Sammenlignet med de traditionelle standardiserede milepælsmetoder er MAIJU automatiseret, skalerbar og mere objektiv metode end de foregående. Du kan tage det overalt i verden, og det ville give dig et sammenligneligt resultat.Vælg først den korrekte dragtstørrelse, så dragten sidder tæt, men komfortabelt, og barnet kan bevæge sig frit uden indblanding. Start MAIJU logger applikationen, som vil guide dig gennem forberedelserne. Udstyr sensorerne med batterier før hver optagelse.Par hver sensor med MAIJU logger ved at vælge en lemplacering på appen og bringe sensoren tæt på den mobile enhed. Bekræft, at det korrekte sensornummer vises i appen. Sørg også for, at batteriets opladningsniveau er over 80%ved at kontrollere indikatoren under sensornummeret.Når du har tilsluttet hver sensor til appen, skal du placere og fastgøre den i snap-on-holderen i den tilsvarende lomme. Når du lommer, skal sensorerne følge positionsguiden på holderen for at sikre korrekt retning. Forkert orientering vil føre til ubrugelige data.Fortsæt med at kontrollere korrekt sensorparring. Ryst sensorerne en efter en, og kontroller appen for at se, at den korrekte indikator vrikker. Når kontrollerne er fuldført, skal du fortsætte til startsiden.Hvis det er nødvendigt, kan varigheden af optagelsen indstilles manuelt fra indstillingerne. Du kan nu starte optagelsen ved at trykke på optageknappen. Vent, indtil sensorerne er klar.Dette kan tage et øjeblik. For uovervågede hjemmeoptagelser skal du låse skærmen på den mobile enhed og pakke dragten til levering til modtageren. Brug en kurer eller lignende service til at levere dragten til modtageren umiddelbart efter, at den er klargjort.Sørg for, at spædbarnet ammes og føler sig sikker på en naturlig legetid, før du klæder dragten på spædbarnet. Dragten kan tages af for bleskift senere, hvis det er nødvendigt. Klæd dragten på spædbarnet, som du ville gøre med almindelige overalls.Kontroller, at sensorlommerne vender udad, og dragten sidder tæt på lemmerne på hvert sensorsted. Juster stropperne nær sensorlommerne, hvis det er nødvendigt. Opbevar den mobile enhed i samme rum eller inden for 10 meter fra spædbarnet for at sikre en pålidelig dataoverførsel via Bluetooth-forbindelse.Forældre forventes ikke at håndtere den mobile enhed, så det kan være praktisk at opbevare enheden i lommen, der blev brugt til kurertransporten. Det tilrådes ikke at pause og derefter fortsætte optagelsen, da det kan forstyrre forbindelsen mellem sensorer og den mobile enhed. Arranger omgivelserne for at lette legen med legetøj og andre genstande, og opmuntre spædbarnet til at bevæge sig frit og efter hans eller hendes evner.Målet er at registrere spædbarnets naturlige bevægelse, så sørg for, at spædbarnet føler sig godt tilpas og sikkert nok til at deltage i spontan leg uden at opleve angst på grund af nye mennesker eller ukendte steder Medmindre andet er angivet, skal du fortsætte med at optage i mindst i alt en times gratis spil. Det kan bestå af flere epoker. For hjemmeoptagelser uden tilsyn er optagelsen indstillet til at stoppe automatisk.I overvågede indstillinger skal du afslutte optagelsen ved at trykke på stopknappen på applikationen. Dragten kan tages af og pakkes til returnering til laboratoriet. Når dragten er returneret til laboratoriet, overføres de registrerede data fra den mobile enhed til Baba Cloud-serverne til beregningsanalyse, De registrerede data gemmes på mobilenheden som en zip-fil, som du kan eksportere fra databasen i appen.Det lancerer en upload til Baba Cloud-webstedet. Under dataupload skal du vælge et identifikationsnummer for emnet. Tilføj derefter de nødvendige oplysninger som angivet af Baba Cloud-arbejdsgangen.For detaljerede instruktioner om, hvordan man bruger Baba Cloud-grænsefladen, se den skriftlige rapport. Efter upload vil den automatiserede analysepipeline arbejde på dataene og generere resultater om få minutter. Resultaterne vil fremgå af Baba Clouds hjemmeside under det givne emne-ID.Metoden kvantificerer spædbørns grovmotoriske ydeevne ved at klassificere stillinger og bevægelser for hvert sekund af målesessionen.Dette gøres med en automatiseret analysepipeline baseret på maskinlæringsalgoritmer. Resultaterne output fra klassifikatoren er en tekstmatrix, hvor tiden vises i den første kolonne, og dens tilsvarende kropsholdning og bevægelseskategorier vises i de næste kolonner. Der kan også være andre klassifikatorudgange, f.eks. bæredetektion i de følgende kolonner.Pipelinen beregner derefter andelen af tid brugt i hver kropsholdning og bevægelsestype, og deres aldersafhængige variationer kan f.eks. præsenteres som violinplot. Hvis barnets alder er angivet, når dataene uploades til analyse, vil rapporten vise de aktuelle data i forhold til de alderstypiske proportioner. Til nogle formål er det mere nyttigt at kombinere alle bevægelses- og kropsholdningsdata til et holistisk skøn.Et sådant mål er Baba Infant motor Score eller BIMS. Den modellerer den typiske udviklingsmæssige udvikling af grovmotoriske færdigheder ved at forudsige barnets alder ud fra alle de registrerede data, som derefter normaliseres til en BIM-score. For fuld analytisk fleksibilitet kan du altid downloade de rå sensordata og udføre mere detaljerede undersøgelser, såsom udvikling af abnormitetsdetektion eller analyse af kontekstafhængig bevægelse, der kun fokuserer på bestemte stillinger.Samlet set vil den automatiserede analysepipeline give dig mange alternative og komplementære foranstaltninger. Disse foranstaltninger kan bruges til at spore udvikling eller et aspekt af det. De tillader kvantitativ undersøgelse af befolkningsforskelle eller kan bruges som et resultatmål i terapeutiske interventioner.De metrics, der stammer fra analysepipelinen, sigter mod at være generiske. De kan bruges på mange måder til at besvare dine studiespørgsmål, og du kan udvikle yderligere foranstaltninger, der er optimeret til din forskning. MAIJU eller MAIJU-lignende teknologier åbner en ny dør inden for videnskabelig og medicinsk forskning, og det bringer især instrumenteringen fra laboratoriet til verden.Det er meget vigtigt i MAIJU, at det er i stand til at registrere spædbørn i deres eget miljø, hvilket betyder, at de, hvad vi måler, er deres faktiske præstationer, ikke hvad de ville gøre i en, i et måske skræmmende og et mærkeligt hospital eller laboratoriemiljø. Samlet set synes jeg, at MAIJU er et fantastisk værktøj til at måle spædbørns grovmotoriske ydeevne. MAIJU er dog, du bør tænke på MAIJU mere som en enabler snarere end doer, og nytten eller fordelene ved MAIJU afhænger fuldt ud af dine kreative måder at bruge det på.

Research

JoVE Journal

Neuroscience

Kinematics and Ground Reaction Force Determination: A Demonstration Quantifying Locomotor Abilities of Young Adult, Middle-aged, and Geriatric Rats

Behavior, in its broadest definition, can be defined as the motor manifestation of physiologic processes.  As such, all behaviors manifest through the ...

Assessment of Cerebral Lateralization in Children using Functional Transcranial Doppler Ultrasound (fTCD)

Assessment of Cerebral Lateralization in Children using Functional Transcranial Doppler Ultrasound fTCD

There are many unanswered questions about cerebral lateralization.  In particular, it remains unclear which aspects of language and nonverbal ability are ...

Assessment of Motor Balance and Coordination in Mice using the Balance Beam

Brain injury, genetic manipulations, and pharmacological treatments can result in alterations of motor skills in mice.  Fine motor coordination and ...

Extracellularly Identifying Motor Neurons for a Muscle Motor Pool in Aplysia californica

Extracellularly Identifying Motor Neurons for a Muscle Motor Pool in Aplysia californica

Ekstracellulært Identifikation motorneuroner for en Muskel Motor Pool i<em&gt; Aplysia californica</em

In animals with large  identified neurons (e.g. mollusks), analysis of motor pools is done using  intracellular techniques1,2,3,4. Recently,  we developed ...

Functional and Morphological Assessment of Diaphragm Innervation by Phrenic Motor Neurons

Funktionel og Morfologisk vurdering af Membran innervation af phrenic Motor neuroner

This protocol specifically focuses on tools for assessing phrenic motor neuron (PhMN) innervation of the diaphragm at both the electrophysiological and ...

Stimulation Location Determination using a 3D Digitizer with High-Definition Transcranial Direct Current Stimulation

Stimulering placering bestemmelse ved hjælp af en 3D digitizer med high-definition Transcranial direkte strøm stimulering

The abundance of neuroimaging data and rapid development of machine learning has made it possible to investigate brain activation patterns. However, ...

3D Kinematic Analysis for the Functional Evaluation in the Rat Model of Sciatic Nerve Crush Injury

3D Kinematic Analyse for funktionel evaluering i rottemodel af iskiasnerven crush skade

Compared to the Sciatic Functional Index (SFI), kinematic analysis is a more reliable and sensitive method for performing functional evaluations of ...

Axonal Transport of Organelles in Motor Neuron Cultures using Microfluidic Chambers System

Axonal transport af organeller i motorneuronkulturer ved hjælp af microfluidic Chambers System

Motor neurons (MNs) are highly polarized cells with very long axons. Axonal transport is a crucial mechanism for MN health, contributing to neuronal ...

Three-Dimensional Motor Nerve Organoid Generation

Tre-dimensionelle Motor Nerve Organoid Generation

A fascicle of axons is one of the major structural motifs observed in the nervous system. Disruption of axon fascicles could cause developmental and ...

Multifactorial Assessment of Motor Behavior in Rats after Unilateral Sciatic Nerve Crush Injury

Multifaktoriel vurdering af motorisk adfærd hos rotter efter ensidig iskiasnerve crush skade

The induction of a peripheral nerve injury is a widely used method in neuroscience for the assessment of repair and pain mechanisms among others. In ...