Vượt ra ngoài hoạt động thể chất: Đánh giá khả năng cảm giác vận động bằng công nghệ đeo được ở bệnh nhân đa xơ cứng - Một nghiên cứu cắt ngang
Tóm tắt
Các công nghệ đeo được hiện đang được sử dụng trong lâm sàng để đánh giá tiêu hao năng lượng trong nhiều quần thể khác nhau, chẳng hạn như những người mắc bệnh đa xơ cứng hoặc người cao tuổi yếu. Đến nay, việc đi xa hơn hoạt động thể chất để xác định khả năng cảm giác vận động chứ không phải tiêu hao năng lượng vẫn còn thiếu bằng chứng về tính khả thi.
Trong nghiên cứu này, chúng tôi đã đọc dữ liệu từ các cảm biến (accelerometer và gyroscope) của đồng hồ thông minh trên mẫu 90 người mắc bệnh đa xơ cứng trong suốt một ngày sinh hoạt hàng ngày tại môi trường bệnh viện. Chúng tôi đã thu được một loạt các thông số động học khác nhau, bên cạnh các bài kiểm tra dựa trên phòng thí nghiệm về hiệu suất cảm giác vận động, nhằm kiểm tra sự liên quan của chúng thông qua phân tích thành phần chính, phân cụm và hồi quy.
Các phân tích này đã chỉ ra ba thành phần của hành vi và khả năng cảm giác vận động, đó là các đặc điểm lâm sàng với trọng tâm là dáng đi, hoạt động thể chất liên quan đến đi bộ và hoạt động thể chất liên quan đến tay trên. Hơn nữa, chúng tôi đã có thể phân loại ra bốn cụm với các mẫu hành vi/capacity khác nhau trong những chiều này. Ở bước cuối cùng, các phân tích hồi quy cho thấy rằng ba thông số động học được chọn từ đồng hồ thông minh có thể dự đoán phần nào khả năng cảm giác vận động, ví dụ như sức mạnh cầm nắm và cái gõ tay trên.
Từ khóa
#đánh giá khả năng cảm giác vận động #công nghệ đeo được #bệnh đa xơ cứng #động học #sức mạnh cầm nắmTài liệu tham khảo
Block VJ, Lizee A, Crabtree-Hartman E, Bevan CJ, Graves JS, Bove R, Green AJ, Nourbakhsh B, Tremblay M, Gourraud PA, Ng MY, Pletcher MJ, Olgin JE, Marcus GM, Allen DD, Cree BAC, Gelfand JM. Continuous daily assessment of multiple sclerosis disability using remote step count monitoring. J Neurol. 2017;264:316–26.
Buchheit M, Simon C, Charloux A, Doutreleau S, Piquard F, Brandenberger G. Hear rate variability and intensity of habitual physical activity in middle-aged persons. Med Sci Sports Exerc. 2005;37(9):1530–4.
Chiuve SE, Rexrode KM, Spiegelman D, Logroscino G, Manson JAE, Rimm EB. Primary prevention of stroke by healthy lifestyle. Circulation. 2008;118(9):947–54.
Colley RC, Garriguet D, Janssen I, Craig CL, Clarke J, Tremblay MS. Physical activity of Canadian adults: accelerometer results from the 2007 to 2009 Canadian Health Measures Survey. Health Rep. 2011;22(1):7–14.
Colley RC, Garriguet D, Janssen I, Craig CL, Clarke J, Tremblay MS. Physical activity of Canadian children and youth: accelerometer results from the 2007 to 2009 Canadian Health Measures Survey. Health Rep. 2011;22(1):15–23.
Cortese M, Riise T, Bjornevik K, Myhr K-M. Body size and ohysical exercise, and the risk of multiple sclerosis. Mult Scler J. 2017;24(3):1–9.
David A, Sukumaran S, Sureka RJ, Gayathri S, Annamalai SJ, Kamleshkumar SS, Kuruvilla A, Magimairaj HP, Varadhan SKM, Balasubramanian S. Quantification of the relative arm use in patients with hemiparesis using intertial measurement units. J Rehabil Assistive Technol Eng. 2021;8:1–15.
David A, Subash T, Skm V, Melendez-Calderon A, Balasubramanian S. A framework for sensor-based assessment of upper-limb functioning in hemiparesis. Front Hum Neurosci. 2021;15: 667509.
Dermitzakis K, Arieta AH, & Pfeifer R. Gesture recognition in upper-limb prosthetics: A viability study using dynamic time warping and gyroscopes. Annual International Conference of the IEEE Engineering in Medicine and Biology Society. 2011: 4530–4533.
Diaz S, Stephenson JB, Labrador MA. Use of wearable sensor technology in gait, balance, and range of motion analysis. Appl Sci. 2020;10:234.
Fritz S, Lusardi M. White paper: walking speed: the sixth vital sign. J Geriatric Phys Ther. 2009;32(2):2–5.
Gulde P, Hughes CML, Hermsdörfer J. Effects of stroke on ipsilesional end-effector kinematics in a multi-step activity of daily living. Front Hum Neurosci. 2017;11:42.
Gulde P, Hermsdörfer J. Both hands at work: the effect of aging on upper-limb kinematics in a multi-step activity of daily living. Exp Brain Res. 2017;235(5):1337–48.
Gulde P, Hermsdörfer J. A comparison of filtering and smoothing approaches using simulated kinematic data. Adv Intell Syst Comput. 2018;663:97–102.
Gulde P, Schmidle S, Aumüller A, Hermsdörfer J. The effects of speed of execution on upper-limb kinematics in activities of daily living with respect to age. Exp Brain Res. 2019;237:1383–95.
Gulde P, Hermsdörfer J, Rieckmann P. Inpatient rehabilitation: prediction of changes in sensorimotor performance in multiple sclerosis: a pilot study. J Clin Med. 2021;10:2177.
Gulde P, Hermsdörfer J, Rieckmann P. Introduction of the Watzmann Severity Scale: prediction of the course of inpatient rehabilitation in multiple sclerosis. Mult Scler Relat Disord. 2021;48: 102674.
Gulde P, Rieckmann P. The association between actigraphy-derived behavioral clusters and self-reported fatigue in persons with multiple sclerosis: cross-sectional study. JMIR Rehabil Assistive Technol. 2022;9(1): e31164.
Gulde P, Cetin M, Hermsdörfer J, Rieckmann P. Changes in thumb tapping rates and central motor conduction times are associated in persons with multiple sclerosis. Neurol Sci. 2022;43:4945.
Held JPO, Klaassen B, Eenhoorn A, van Beijnum B-JF, Buurker JH, Veltink PH, Luft AR. Inertial sensor measurements of upper-limb kinematics in stroke patients in clinic and home environment. Front Bioeng Biotechnol. 2018;6:27.
Johansson S, Skjerbaek AG, Norgaard M, Boesen F, Hvid LG, Dalgas U. Associations between fatigue impact and lifestyle factors in people with multiple sclerosis. The Danish MS hospitals rehabilitation study. Mult Scler Relat Disord. 2021;50:102799.
Leuenberger K, Gonzenbach R, Wachter S, Luft A, Gassert R. A method to qualitatively assess arm use in stroke survivors in the home environment. Med Biol Eng Compu. 2017;55:141–50.
McLeod A, Bochniewicz EM, Lum PS, Holley RJ, Emmer G, Dromerick AW. Using wearable sensors and machine learning models to separate functional upper extremity use from walking-associated arm movements. Arch Phys Med Rehabil. 2016;97(2):224–31.
Melendez-Calderon A, Shirota C, Balasubramanian S. Estimating movement smoothness from inertial measurement units. Front Bioeng Biotechnol. 2021;8: 558771.
Miller DM, Rudick RA, Cutter G, Baer M, Fischer JS. Clinical significance of the multiple sclerosis functional composite. Arch Neurol. 2000;57:1319–24.
Moon Y, Sung JH, An R, Hernandez ME, Sosnoff JJ. Gait variability in people with neurological disorders: a systematic review and meta-analysis. Hum Mov Sci. 2016;47:197–208.
Mooses K, Kull M. Theparticipation in organised sport doubles the odds of meeting physical activity recommendations in 7–12-year-old children. Eur J Sport Sci. 2020;20(4):563–9.
Moreno-Navarro P, Gomez-Illan R, Carpena-Juan C, Sempere AP, Vera-Garcia FJ, Barbado D. Understanding the deterioration of gait, postural control, lower limb strength and perceived fatigue across the disability spectrum of people with multiple sclerosis. J Clin Med. 2020;9:1385.
Palmberg L, Rantalainen T, Rantakokko M, Karavirta L, Siltanen S, Skantz H, Saajanaho M, Prtegijs E, Rantanen T. The associations of activity fragmentation with physical and mental fatigability among community-dwelling 75-, 80-, and 85-year-old people. J Gerontol Ser A Biol Sci Med Sci. 2020;75(9):e103–10.
Pierce A, Ignasiak NK, Eiteman-Pang WK, Rakovski C, Berardi V. Mobile phone sensors can discern medication-related gait quality changes in Parkinson’s patients in the home environment. Comput Methods Programs Biomed Update. 2021;1: 100028.
Schmidle S, Gulde P, Herdegen S, Böhme G-E, Hermsdörfer J. Kinematic analysis of activities of daily living performance in frail elderly. BMC Geriatr. 2022;22:244.
Schwenk M, Mohler J, Wendel C, D’Huyvetter K, Fain M, Taylor-Piliae R, Najafi B. Wearable sensor-based in-home assessment of gait, balance, and physical activity for discrimination of frailty status: baseline results of the Arizona Frailty Cohort Study. Gerontology. 2015;61:258–67.
Shin HI, Kim D-K, Seo KM, Kang SH, Lee SY, Son S. Relation between respiratory muscle strength and skeletal muscle mass and hand grip strength in the healthy elderly. Ann Rehabil Med. 2017;41(4):686–92.
Studenski S, Perera S, Patel K, Rosano C, Faulker K, Inzitari M, Brach J, Chandler J, Cawthon P, Connor EB, Nevitt M, Visser M, Kritchevsky S, Badinelli S, Harris T, Newman AB, Cauley J, Ferrucci L, Guralnik J. Gait speed and survival in older adults. J Am Med Assoc. 2011;305(1):50–8.
Takayanagi N, Sudo M, Yamashiro Y, Lee S, Kobayashi Y, Niki Y, Shimada H. Relationship between daily and in-laboratory gait speed among healthy community-dwelling older adults. Sci Rep. 2019;9:3496.
Türmer CA. Opportunities and limitations of activity monitoring devices in medical interventions. Doctoral Dissertation, Technical University of Munich. 2018.
Veronese N, Yang L, Piccio L, Smith L, Firth J, Marx W, Giannelli G, Caruso MG, Cisternino AM, Notarnicola M, Donghia R, Barbagallo M, Fontana L. Adherence to a healthy lifestyle and multiple sclerosis: a case-control study from the UK Biobank. Nutr Neurosci. 2020;9:1–9.