上肢脳卒中リハビリテーションのための充実した環境

A. 科学的背景

脳卒中は、西側諸国で 3 番目に多い死因であり、上肢 (UL) の感覚運動機能不全は、身体障害およびハンディキャップの発生率に大きく寄与しています (Olsen 1990)。 腕の回復が悪い理由の 1 つは、パフォーマンスの質よりもタスクの達成に重点が置かれていることです。 これは、病前の運動パターンの再現（回復）を促進するのではなく、代替（代償）運動戦略を強化する可能性があります。 リハビリテーションの目標は機能の回復ですが、これが真の運動回復または代償によって達成されるかどうかはまだ議論中です。 実際、重度の機能障害を持つ一部の患者には、機能的能力を最大化するために代償を奨励する必要があります。 あるいは、予後が良好な患者の場合、いくつかの理由から運動回復が強調されます。 まず、適切なトレーニングを行えば、脳卒中の慢性期まで回復を続けることができます (e.g., Michaelsen & Levin 2004)。 第二に、代償は即時のパフォーマンスを助けるかもしれませんが、痛みや拘縮などの長期的な問題につながる可能性があります (Ada et al. 1994; Levin 1997)。 第 3 に、代償を認めることは、不使用の学習を促進し、その後の運動獲得の能力を制限する可能性がある (Allred et al. 2005)。 孤立した動きの反復トレーニング後のパフォーマンスの向上が記録されていますが (例えば、Whitall et al. 2000)、患者が明確な情報を使用して運動スキルの習得を最適化できるかどうか、および真の行動回復が起こるかどうかを扱った研究はほとんどありません。 最適なトレーニング プログラムを開発する際に考慮すべきポイントは、参加者が動機付けられ、さまざまな関連タスクを練習し、関連するフィードバックが与えられたときに学習が発生することです (Nudo & Friel 1999; Winstein et al. 1999)。 さらに、失われた運動要素が回復するまで患者は可変練習の恩恵を受けない可能性があり (Carr & Shepherd 1987)、運動の再学習は身体的および認知障害レベルに関連しています (Cirstea et al. 2006)。

今日まで、ほとんどの研究は機能変化を評価するために臨床的測定のみを使用してきました (例えば、Jang et al. 2003)。 この研究では、機能改善が代償の増加によるものか、真の運動回復によるものかを区別する能力に焦点を当てます。 これは、詳細な動作分析 (キネマティクス) による腕の運動パターンの変化と機能改善 (臨床的措置) を相関させることによってのみ行うことができます。 改善の可能性のある運動学的指標が多数あるため、研究者はどの測定値が変化を最も示しているかを特定する必要があります。 これは、介入の有効性に関する無作為対照試験で使用される臨床的に意味のあるアウトカム指標を決定するための最初のステップです。 臨床的特徴は、調査研究からの知識をエビデンスに基づく実践に変換するために不可欠です (van Peppen et al. 2007)。

B. 研究デザイン: 1. 研究の詳細な計画

8人の脳卒中被験者からなる2つのグループがA-B-Aデザインに参加し、介入後（介入完了から1週間以内）およびフォローアップ（介入完了から1か月以内）のデータをデータと比較します。 2 つのプレテスト (介入開始直前の研究の最初の週の開始時と終了時に実施) から。 複数の臨床的および運動学的な運動能力の結果を測定して、腕の運動回復を最もよく表しているものを決定します。 これは、トレーニング前後の結果の変化を比較して、年齢と性別が一致した 8 人の健康なボランティアのスコアを平均することによって行われます (1 回のセッションで記録されます)。 脳卒中生存者は、異なるレベルのモチベーションとフィードバックを提供する 2 つの異なるトレーニング環境で運動を練習します。トレーニング環境 1 は、高いモチベーションを提供する 2D ビデオベースの VR 環境で作成されます。速度、精度) と、体幹の動きに関する非特異的なパフォーマンスの知識 (KP) フィードバック。 環境 2 は、KP フィードバックのみを提供し、KR または追加の動機付けを提供しない物理的環境で作成されます。

トレーニング プロトコル: ベースライン評価 (身体的および認知的) の後、脳卒中グループは、3 週間にわたって間隔をあけた 15 セッション (3 セッション/週、72 トライアル) の獲得フェーズ中に、手の届かないところに配置された 6 つの標準化されたターゲット (ターゲットあたり 12 トライアル) を指す練習を行います。 /セッション）。 この練習計画には、最適な運動学習に必要な要素が組み込まれています。 私たちの目的は、被験者に新しいタスクを教えることではなく、最適に実行されていない動きが練習によってどのように改善されるかを特定することです. 2) 集中練習: セッションあたりの繰り返し回数は、Cirstea と Levin (2000) の研究に従って選択されました。 したがって、セッションごとに 72 回の試行 (24 回の試行の 3 ブロック、ブロック間で 5 分間の休憩) は、トレーニング プログラムを成功させるために必要な要素である「集中的な」練習と見なされます。 獲得段階に続いて、運動能力の保持と伝達を評価するために 3 か月後に繰り返される評価。

2. 方法: 被験者 1 グループあたり 8 人の脳卒中被験者が募集されます。 それらは、年齢と最初の腕の運動重症度 (Fugl-Meyer Arm Assessment で ± 5 ポイント) に対して一致します。 対照群として、年齢と性別が一致した 8 人の健康な被験者が募集されます。

被験者の募集: 患者は、2005 年から実施されている手順を使用して、ハイム シェバ病院の退院リストから募集されます。 スクリーニングは、臨床研究員によって行われます。 包含基準1〜3および除外基準を満たす潜在的な参加者には、調査研究者に連絡するよう招待する説明書が送信されます。 各参加者からインフォームド コンセントが得られます。 コントロール被験者はコミュニティから募集されます。

トレーニング環境: モチベーションとフィードバック: トレーニングは、シェバ医療センターにある作業療法部門で行われます。 トレーニング環境により、さまざまなレベルのモチベーションとフィードバックを組み合わせて運動結果に与える影響を評価できます。 環境 1 は、学習者が後続のセッションで自分のスコアを破ろうとするゲームとしてトレーニングが提示されるため、非常にやる気を起こさせる (斬新で楽しい) ものです。 ターゲットは、ビデオ ベースの VR システム (Gesture Xtreme) でボールとして表示されます。 患者は、6 つのターゲット シーンの 36 インチ ディスプレイの前に座っています。 患者の画像はビデオ カメラでキャプチャされ、モニターに表示されるシーンに挿入されます。 タスクは、ランダムな順序で表示される各ターゲットを指すことです。 フィードバックは、運動学習 (KR、KP、ゲーム スコア) に関連する情報を提供します。 環境 2 には、環境 2 と同じ数と配置のターゲットが組み込まれています。 1 ですが、対象者の前の木枠に置かれた物理的な環境で提示されます。 KR と KP のフィードバックは、クリニックで通常行われているように、実験者による口頭での合図として提供されます。 ただし、追加の動機付け情報 (ゲームのスコア) にはなりません。

予備的な結果の測定: 臨床 両方の脳卒中グループでトレーニングの前後に、盲検化された評価者が腕の運動障害と機能の臨床スコアを測定します (Fugl-Meyer Arm Score、Reaching Performance Scale、Box and Blocks test、Wolf Motor Function Test、Motor Activity Log) ) だけでなく、認知機能。 すべてのテストは有効で信頼性が高く、臨床現場で定期的に使用されています。

キネマティック テスト: テスト タスクと転送タスク:

調査員はまた、到達中の腕と体幹の動きを特徴付ける運動学的結果測定値を記録します (肘の伸展、肩の水平内転、肩の屈曲、肩甲骨の動き、体幹の変位)。

私たちの目的は、テスト中のセグメントとジョイントのキネマティクスと、到達する動きからなる転送タスクに焦点を当てることです。 テストタスクが記録されます。 テストターゲットは、被験者の腕の長さをわずかに超える距離で、患者の胸骨に沿って配置されます。 テスト タスクは、練習済みのターゲットの 1 つに対して行われる動きに似ています。 運動学習を評価するために、研究者は、あるタスクで学習した要素が他の同様のタスクに移行するかどうかを判断します。 したがって、調査員は、訓練されたターゲットの一番上の列よりも 5 センチメートル (cm) 高い同側の肩の前に配置されたターゲットに対して、転送タスクで行われた動きも評価します。 したがって、トランスファー タスクは新しい動きであり、トレーニング中には練習されません。 体幹、上腕、および前腕のセグメントに取り付けられた 4 つのパッシブ反射マーカー (直径 0.5 cm の球体) のセットから、剛体セグメントの運動学が記録されます。 これにより、セグメントごとに 3 つの並進自由度と 3 つの回転自由度の計算が可能になります。 関節の運動学は、外骨格フレームを介して胸骨、肩峰、肘、手首に固定されたマーカーから収集されます。 マーカーの動きは、適切なコンピューター ソフトウェア (Qualisys、Göteborg、Swe) で校正された 3 カメラ光電子モーション キャプチャ システム (ProReflex MCU-240、Qualisys) で記録されます。 データ収集 (100 ヘルツ、2 ～ 5 秒) は、機械スイッチを放して中央位置から手を動かすことによって開始されます。 各マーカーの測定値の精度は、0.2 cm 未満の誤差です。

最初のステップとして、研究者は移動時間、精度、滑らかさ、セグメントと関節の回転、および多関節協調の主要なコンポーネントを決定します。 各セグメントのデカルト座標 (x、y、z) は、セグメント マーカー セットから取得されます。 欠落しているマーカー (5 次多項式) を補間した後、セグメントごとに少なくとも 3 つのマーカーからの生データが使用されます。 試行ごとに、移動時間とピーク速度は、エンドポイント接線速度トレースから決定されます。 移動時間は、接線速度が最大値の 5% を超えて 5% を超えたままになり、その後このレベルに戻ってそれ以下に留まるまでの時間です。 一定範囲のエラーに関する移動精度は、最終エンドポイントの位置 (x、y、z) とターゲットの位置 (x0、y0、z0) の間の平均距離 (d) として計算されます。 一定および可変 (SD) の方向誤差も定義されます。 移動の滑らかさは、曲率指数 (初期位置と最終位置を結ぶ直線の長さに対するエンドポイント パスの長さの比率) と軌道パスのピーク数を使用して、接線速度トレースから計算されます。 セグメントと関節の回転の場合、上腕と前腕のセグメントの参照座標系内でベクトルが計算されます。

結果として得られるセグメントの重心運動とセグメントの回転データから、さまざまな結果変数が計算されます。 最も関連性の高いものは、終点の動きに関して、および腕全体の姿勢に関してパフォーマンスの変化を定義します。特に、時間の経過に伴う動きの進化 (時間微分) と、腕の分節経路と姿勢の断片化です。さまざまなターゲットに向かって移動しながら。 提案された臨床的介入後の腕の運動性能と変化の最も適切な記述子を見つけるために、動きの追加の側面が調査されます。

改善指数（IP）と学習指数（IL）を決定するために、被験者ごとに変化スコアが計算されます。 IP は、テスト後の値とテスト前の値の比率としての各変数の変化として定義されます。 1 の IP は変化がないことを示し、負の値と正の値はそれぞれ値が減少または増加したことを示します。 一部の変数では、正の比率は改善を示します (終点速度、終点の滑らかさ、角度測定値、位相振幅)。他の変数では、改善は負の比率 (移動時間、移動精度) で示されます。 各フォローアップエポックのトレーニング後に被験者が改善を保持しているかどうかを判断するために使用されるILは、ポストテストと比較した保持時の変数の変化として定義されます。 IL 値 1 は、改善が維持されている (変化なし) こと、負の値はパラメーターが減少したこと、正の値はパラメーターが増加したことを示します。

統計分析: 私たちの最初の目的のために、結果測定値の変化は、2 反復測定混合設計 ANOVA (MANOVA) によって取得フェーズと保持フェーズの前後の運動結果を比較し、生の平均値 (時間 1、時間 2、時間3、時間 4) およびグループ間のスコア (IP、IL) を変更します。 研究者は、トレーニング グループ間でどの測定値が最も異なるかを調査することにより、どの運動学的測定値が最も変化し、運動回復 (例えば、肘および/または肩の動きの増加、体幹の動きの減少) を最も示す可能性があるかを判断します。 研究者は、環境 I のグループ トレーニングの変化が、環境 2 のグループ トレーニングの変化よりも大きいと予想しています。