Polvinivelten kuormitus reaaliaikaisella biofeedback-portaassa kävelevän kuntoutuksen avulla potilaille, joilla on MCKOA

Perinteisesti kävelyn uudelleenkoulutus toteutetaan välttämättä laboratorioympäristössä, koska biomekaanisten merkkien, kuten KAM:n, arviointi vaatii kehittynyttä liikkeen sieppausjärjestelmää ja voimalevyjä. Puettavan anturiteknologian edistymisen myötä on mahdollista mitata kävelyn biomekaniikkaa ja tarjota reaaliaikaista biofeedbackia kävelyn uudelleenkoulutukseen käyttämällä inertiamittausyksikköä (IMU), joka on kevyt ja kannettava langaton laite. Meneillään olevassa valtion rahoittamassa hankkeessa tutkijat ovat kehittäneet IMU-sisäisiä jalkineita, jotka mittaavat KAM:ia tasaisella kävelyllä. Tutkijat ovat vertailleet LASSO (Least Absolute Shrinkage and Selection Operator) -regressiota ja Random Forestia KAM-ennusteessa IMU-tallenteista. Tutkijat havaitsivat, että Random Forest voisi tarjota paljon paremman KAM-ennustetarkkuuden kuin LASSO-regressio. Perinteisen laboratoriopohjaisen ja anturipohjaisen KAM-mittauksen välinen yksimielisyys oli noin 90 %. Tutkijoiden aikaisemman tutkimustyön perusteella on mielekästä laajentaa uutta teknologiaa KAM-mittaukseen portaiden nousun ja laskun aikana ilman laboratoriolaitteita. Älypuhelimiin liitettyjen puettavien antureiden avulla kävelyn uudelleenkoulutus laboratorioympäristön ulkopuolella tulee mahdolliseksi, mutta puettavien sensorien avulla tapahtuvan kävelyn uudelleenkoulutuksen vaikutuksia ei ole varmistettu suoraan.

Nämä näkökohdat huomioon ottaen tällä hankkeella on kaksi päätavoitetta. Tutkijat: (1) luovat ensin koneoppimisalgoritmin KAM:n ennustamiseksi käyttämällä IMU-antureita portaiden nousun ja laskeutumisen aikana; ja sitten (2) suorittaa kolmihaarainen satunnaistettu, kontrolloitu koe vertaillakseen biomekaanista ja kliinistä eroa potilaiden välillä, jotka saavat tavanomaista laboratoriopohjaista portaiden uudelleenkoulutusta, sensoripohjaista portaiden uudelleenkoulutusta ja kävelyharjoituksen hallintaa (eli kävelyharjoitusta ilman kävelyä). uudelleenkoulutus).

Ensisijainen hypoteesi

Hypoteesi 1: Puettavat IMU:t ennustavat tarkasti KAM:n portaiden neuvottelun aikana käyttämällä koneoppimisalgoritmia, ja vähintään 80 % mittausyhteensopivuus KAM:n tavanomaisen laskennan kanssa.

Hypoteesi 2: Potilaat, jotka on satunnaistettu laboratorio- ja anturipohjaisiin portaiden uudelleenkoulutusolosuhteisiin, osoittaisivat samanlaisen (eli heikot ja ei-merkittävät erot) KAM:n vähenemisen (primääritulos) ja oireiden paranemisen (toissijaiset tulokset), mutta että nämä koehenkilöt osoittaisivat suurempia KAM-vähennyksiä kuin koehenkilöt, jotka saivat kävelyharjoituksen hallintatilan.