Einfluss von FES-Interventionen auf die Gangdynamik bei Schlaganfallpopulationen

Hemiplegie mit damit verbundener Fußheberschwäche tritt bei 50 % der Schlaganfallüberlebenden auf und beeinträchtigt häufig die Gehfähigkeit einer Person. Zur Korrektur der Fußheberschwäche wurden neuroprothetische Geräte entwickelt, die auf funktioneller Elektrostimulation (FES) basieren. Die Wirksamkeit dieser Geräte wurde ursprünglich von Liberson et al. untersucht. der zeigte, dass elektrische Stimulationen dabei helfen können, funktionelle Bewegungen in gelähmten Gliedmaßen wiederherzustellen. Zusätzlich zur Unterstützung beim Fallenlassen des Fußes haben diese Geräte erhebliche Verbesserungen bei biomechanischen Variablen wie Gehgeschwindigkeit, Distanz, Schrittlänge und physiologischen Kosten für Personen mit Schlaganfall gezeigt. Um die Wirkung elektrischer Stimulationen auf die Gangerholung umfassend zu verstehen, ist es wichtig, die dynamischen Aspekte des Gangs zu analysieren und die Gangvariabilität während der funktionellen Elektrostimulationsintervention zu messen. In der vorgeschlagenen Untersuchung werden wir die „Gangsymmetrie“ des FES-unterstützten Gehens anhand bilateraler Zyklogramme des Knöchels und Knies über einen Zeitraum von 6 Monaten bestimmen. Dieser neuartige Ansatz wird die Dynamik und Komplexität des Gleichgewichts berücksichtigen, indem er die Abweichungen der Gelenke von einer Symmetrielinie in jedem Gangzyklus misst und ein besseres Maß für die Gangsymmetrie liefert. Die Verwendung dieser Ergebnismessung wird es uns ermöglichen, die Rolle der elektrischen Stimulation am Knöchel zu verstehen und zu verstehen, wie dieser Effekt beim Gehen auf die Knie- und Hüftgelenke übertragen wird. Die Veränderungen in den Oberflächenelektromyogrammen (EMGs) ausgewählter Muskelgruppen werden zeigen, wie FES zum Muskeltraining nach einem Schlaganfall beitragen kann. Wir werden fortschrittliche Signalverarbeitungsalgorithmen verwenden, um FES-Artefakte aus dem EMG-Signal zu entfernen und den Übertragungseffekt des FES-Eingriffs umfassend zu analysieren. Schließlich werden wir die Hauptkomponentenanalyse (PCA) einsetzen – eine fortschrittliche Data-Mining-Technik, um den gesamten Gangwiederherstellungsprozess von Personen mit Schlaganfall mithilfe von Musterklassifizierungsalgorithmen zu verfolgen und zu quantifizieren. Das Gangsymmetriemaß und die EMGs werden statistisch klassifiziert, um ihre klare Trennung zu Beginn und in 6-Monats-Intervallen zu erkennen. Diese Klassifizierung ermöglicht es uns, die Personen zu identifizieren, die am meisten auf die Intervention reagierten. Diese Informationen sind von entscheidender Bedeutung und ermöglichen es Forschern und Klinikern, den Rehabilitationsprozess neu zu planen. Eine solche wissenschaftliche Bewertung wird die Grundlage für die weitere Entwicklung und Implementierung von FES-Geräten oder -Technologien bilden und damit das grundlegende Ziel des NINDS unterstützen, grundlegende und klinische Entdeckungen in bessere Möglichkeiten zur Behandlung neurologischer Störungen umzusetzen.