COVID-19パンデミック時の乳がん女性の遠隔リハビリ。

方法

1. 研究のデザインと場所 これは無作為化臨床試験タイプの縦断的研究です。 この研究は、ミナス ジェライス州のジュイス デ フォラ市に本社を置くホープ フィジオセラピー アンド エステティック クリニックで開発されます。

2. 参加者 30 名の個人が乳房 CA の診断を受けて研究に参加し、所有者 (ANNEX I ）。

   サンプル サイズを計算するために、両側仮説のアルファ値 (エラー タイプ 1 の確率) を 5%、ベータ (エラー タイプ 2 の確率) を 20%、検定力を 80%、グループ間の差を仮定しました。エンジン性能データを参照して 10% の。 したがって、少なくとも 30 人が必要になります (Dodd et al., 2002)。

   すべての参加者は、研究の目的と手順について通知され、同意すると、インフォームド コンセント フォーム (FICF) に署名します。 この研究は、研究倫理委員会 (CEP) に提出されます。 人間が関与する研究を規制する 1996 年 10 月 10 日の国民健康理事会の決議 466/2012 およびヘルシンキ宣言 (1964 年) は尊重されます。 データは、アクセスが制限された安全なデータベースに電子的に保存されます。 すべてのデータは、個人を特定できる情報を削除して暗号化されます。

3. 手順 乳房 AC と診断された 30 人の女性が選択され、VR による介入における運動能力、痛み、知覚される運動および HRV への影響を分析します。

   10回のセッションが適用されます（週2回）。 最初に、研究者は心拍数キャプチャ ストラップの配達に必要なすべての保護具を持って参加者の住居に移動します。ストラップは 70% アルコールで消毒されたビニール袋に入れられ、同意書を提示し、参加者に明確にされます。 、および研究の手順と目的。 同意書に署名した後、次の情報がオンラインフォームを通じて収集されます：年齢、性別、対応する段階（化学療法、初期診断、合併症、再発診断など）、滞在期間、関連疾患、使用中の薬、教育。 次に、アンケートは、欧州がん研究治療機構の生活の質アンケート コア 30 (EORTC QLQ-C30)、Brunel Mood Scale (BRUMS)、BORG 知覚運動尺度、および Analog Affective Faces Scale に適用されます。

   次に、仮想現実環境でタスクを実行する 10 分前 (1 日目、5 日目、7 日目) に、仮想現実環境 (安静時、座位) で 15 分間、HRV を取得する仮想現実を使用したトレーニングを行います。 VR でのタスク (項目 5.4.2 による MoveHero および Genius)。 D および E) およびその後 (安静時、座位) のさらに 10 分間、身体活動の自律神経の回復を評価します。 10 日間で、VR への介入 (MoveHero と Genius と Borg スケール) が使用され、HRV とその他の評価が 1、5、10 日に実行されます。

   3.1. 身体的評価アンケートとテスト A) 欧州がん研究治療機構コア クオリティ オブ ライフ アンケート (EORTC QLQ-C30) 一般的なアンケート (EORTC QLQ-C30) には、5 つの機能スケール (身体的、機能的、感情的、社会的および認知的)、グローバルな健康状態尺度、3 つの症状尺度 (疲労、痛み、吐き気/嘔吐)、および 6 つの追加症状項目 (呼吸困難、不眠症、食欲不振、便秘、下痢、経済的困難)。

   スコアは、選択した回答の種類に応じて取得されます。 アンケートで許可されている選択肢は、「いいえ」（1 点）、「ほとんどない」（2 点）、「適度に」（3 点）、または「非常に」（4 点）です。 世界的な健康状態の尺度に関する 2 つの質問では、選択肢は 1 (非常に悪い) から 7 点 (非常に良い) の範囲です。 アンケートのスコアは 0 ～ 100 の範囲です。

   機能的および全体的な健康状態の尺度に関しては、スコアが高いほど生活の質が向上します。ただし、症状スケールでは、スコアが高いほどその症状の存在が大きくなり、その結果、生活の質が低下します (付録 I)。

   B) 顔の情緒的アナログ尺度 (FAS):

   このスケールは、喜びの感情から悲しみの感情までの範囲の 9 つの顔の表情を通じて、痛みの感情的な大きさを評価します。これにより、痛みの欠如からより高い程度の痛みまでを測定することができます (McGrath, 1996)。

   顔の表情は文字間隔 (AI) によって順番に並べられます。ここで、AD 間隔は痛みがないことを表し、E は中立点を表し、FI 間隔はさまざまな程度の痛みの強さを表します。家族の存在、良好な環境、快適さ、安全性、および専門家の理解の手段。 G 行動を妨げず、子供の表情によって仲介される痛みの強さ。行動を妨げ、鎮痛剤の使用を必要とする強度の痛みがあり、適切な鎮痛技術に加えて、チームによるより大きな介入、身体的および心理的側面の観察が必要な最大程度の痛みがあります（Torritesiら、1998)。

   したがって、個人は、A から I までのスケールで並べられた 9 つの顔の中から、痛みの強さを最もよく示す顔を選択します。

   C) ボーグの知覚運動量スケール:

   これは、主観的な運動強度を測定するために使用される知覚運動の分類です。 これは、筋肉疲労、心拍数の増加、呼吸の増加など、運動中に経験する感覚に基づいています (Andrews et al., 2013)。 身体活動の強度を測定するために、心拍数の代わりによく使用されます (BORG, 1970)。 ボルグ スケールは、酸素摂取量と直線的な関係にあり (BORG, 1982)、運動強度を決定するための尺度であり、個人が身体活動で感じる全体的な身体的および精神的努力を評価します (BORG, 1998)。

   D) ブルネル気分尺度 (BRUMS):

   識別可能な 6 つの感情状態 (緊張、抑うつ、怒り、エネルギー、疲労、混乱) を測定します。

   回答者は主観的な感情に基づいて 0 (なし) から 4 (非常に) までの 5 段階のリッカート スケールで形容詞のリストを評価します。 指示は、今日の日付を含め、参加者が先週どのように感じたかを示しています (Van Wijk; Martin; Hans-Arendse, 2013)。

   3.2. バーチャル リアリティ トレーニング 参加者は、自宅で、テーブルに置かれたコンピューターの助けを借りて、指導と結果の記録を担当する評価者のオンライン プレゼンスを利用して、タスクを個別に実行します。 高さと距離は、個々のニーズに応じて調整されます。

   タスクを開始する前に、研究者はタスクを口頭で説明し、ゲームの仕組みのデモンストレーションを含むビデオが送信されます。 その後、参加者は 1 回の試行を完了して、指示を理解していることを確認します。

   次の仮想ゲームが使用されます: 反応時間 (3 回の適応試行と 10 回の分析試行)、一致するタイミング (運動能力の習得とパフォーマンスの向上のための 20 回の繰り返し)、一致するタイミング (5 回の繰り返し + 5 回の繰り返しと分析のための速度のレベルの増加)保持と伝達の - 運動学習)、伝達フェーズの 5 回の繰り返し)、フィッツ (4 つの異なる難易度インデックスで 3 回試行)、ジーニアス (参加者の正解数に応じて難易度が段階的に増加する 5 分間のトレーニング) 、MoveHero (選択した球体の数に応じた音楽付きの 15 分間のトレーニング)。

   A) タスク 1 - 反応時間 反応時間は、被験者がコンピューター画面に与えられた刺激と認知および運動反応を一致させるために費やした時間を評価することからなるタスクです。

   2017 年に Crocetta らによって構築および検証された TRT_S2012 ソフトウェアは、76 人の健康な成人のサンプルで使用されます。 ソフトウェアは、事前に定義された時間間隔 (1.5 ～ 6.5 ミリ秒の範囲) でモニターの中央に黄色の四角形 (パラメーター化可能) が表示される単純な総反応時間 (TRT) テストを提案します。 、参加者は、コンピューターのキーボードのスペースバーを押して、できるだけ早く反応する必要があります。

   このアクティビティでは、被験者が刺激に反応して予測または遅延を示したミリ秒が記録されます。 このタスクは、中枢および周辺情報処理の速度をテストし、認知運動トレーニングを評価するための手段としてこの研究で使用されます。

   このソフトウェアでは、TRT (TRT Fatigue) による精神疲労評価テストも実行できます。 このテストでは、刺激は、左から右へのシフトに続いて、刺激間の間隔 (IEE) として以前に定義された時間に開始された黄色のバーの外観で構成されます。 刺激が出現する前の指標として、カーソルをシミュレートする黒い色の細い垂直バーが、刺激バーが黄色で満たされるまで提示されました。 反応は、黄色の刺激バーが認識された瞬間にスペース キーを押すことです。 黄色が表示されている間は、スペース キーを押し続ける必要があります。 黄色の刺激が停止したら、スペース キーを離す必要があります。 黄色の刺激提示時間は、以前は刺激提示時間 (TAE) として定義されていました。 この活動は、認知運動トレーニングを評価するための手段として、この研究で使用されます。

   B) タスク 2 - 同時タイミング 同時タイミング タスクは、ある時点で外部オブジェクトの到着と同期して運動反応を実行する知覚運動能力として定義されます (Belisle、1963)。 これは、正確さと精度に加えて、目と手の動きの同期を伴う傍受タスクであり、動きの開始、減速、および「停止」戦略が必要です (Fooken et al., 2016; Ohta, 2016)。 この最初のプロトコルの実行は、タッチスクリーン (コンピューターの画面に触れる) を使用して同時タイミング タスクで実行されます。

   仮想タスクを評価するために、3D 一致を提案する、芸術科学人文科学部の情報システム グループ EACH-USP (Monteiro et al., 2014 によって使用された最初のバージョン) と協力して開発されたソフトウェアを使用することを選択しました。コンピューター上のタイミング タスク。 この活動は、認知運動トレーニングを評価するための手段として、この研究で使用されます。

   仮想環境では、コンピューター画面に 10 個の 3D 円が表示され、ターゲットと見なされる最後の円に到達するまで順番に点灯 (赤色光) します。 参加者は、最後の球が点灯した瞬間にコンピューターの画面に正確に触れる必要があるため、最後の点灯した円 (ターゲット円) の正確に上の画面上のタッチと一致させることが目標です。 このソフトウェアは、以前に実証されたさまざまな音と色を介して、タスクの成功またはエラーに関するフィードバックを即座に提供します (Monteiro et al., 2014, 2017; Bezerra et al., 2018)。 参加者が刺激の到着と同時にターゲットに当たると、タスクの周りで緑色のライトが点灯します - フィードバックをヒットしますが、参加者が動きを遅らせたり進めたりすると、タスクの横に赤いライトが点灯します - フィードバックエラーから。 ゲームは、キューブを照らす順序と速度を示し、タスク実行の合計時間 (センサーに触れるのにかかった時間) を記録します。刺激の到着とタスクの完了の間の既存のエラー。

   同時タイミング調査の設計では、各参加者は利き腕でタスクを 20 回試行します。中程度の速度、つまり、取得フェーズの各円の点灯間隔は 500 ミリ秒です。 取得後、参加者は 5 分間安静にしてから、保持フェーズで 5 回試行します。 単純な作業と考えられるため、短期間の保持を使用することにしました (Monteiro et al., 2014 and Malheiros et al., 2016)。 転送フェーズでは、速度を上げてさらに 5 回試行します。つまり、各円が点灯する間隔は 250 ミリ秒です。

   取得、保持、転送タスク中のパフォーマンスは、ターゲットの発射時間とセンサー タッチの違いを考慮して評価されます。 この目的のために、「タスク一致」目標の達成に関連するものとしてパフォーマンス測定値が使用されます: 動きの方向傾向を反映し、応答の遅延または予測であり、の算術平均を使用して計算される定数エラー。兆候を考慮した、パフォーマンスと目標の違い。アクションの目標に到達した精度に対応する絶対誤差。各試行の実際のパフォーマンスと目標との間の絶対差の算術平均によって計算されます。および動きの精度を識別する変数エラーは、兆候を考慮して各試行の計算を実行し、各参加者の最初の 5 回の試行の平均を引いてから、値を 2 乗し、各 5 回の平均に上げます。試み、平方根を抽出します (Santos et al., 2003)。

   C) タスク 4 - Fitts タスクをシミュレートするソフトウェアは「FittsReciprocalAimingTask v.1.0」です。 （水平）」、パブリックドメイン（http://okazaki.webs.com） - 2010 年 9 月 1 日にインターネットから入手可能) (Fernani et al., 2017) であり、Victor Hugo Alves Okazaki によって開発され、フィッツの法則によって提案されたタスクを仮想 (コンピューター) 環境で提示します。 この活動は、認知運動トレーニングを評価するための手段として、この研究で使用されます。

   フィッツの法則に基づいて動作関係の速度と精度を評価するタスクは、精度の要求が高まる 3 つの難易度指標 (ID) で、ターゲット (青いバー) に向けられた手動動作を実行することで構成されます。 移動時間は、タスクの事前に確立された秒数 (10) と、ターゲット上で実行されたタッチ数との除算によって取得されます。

   タスクを開始する前に、実行者は片手をマウスに置き、カーソル (コンピューターで表示) を 2 つのターゲット (サイドバー) の中間点に置く必要があります。 初期位置の後、パフォーマーはマウスを使用してカーソルを移動し、垂直に平行に配置された 2 つのバーであるターゲットをクリックする必要があります。これらのバーは、各 iID に従って寸法と距離が決定され、交互に、可聴音の後にできるだけ迅速にコンピューターによってアラームがトリガーされ、タスクが開始されます。 10 秒後、新しい可聴アラームがタスクの終了を示します。 総移動時間は、タスクの事前に確立された秒数 (10) とタッチ数 (10/タッチ数) で割って得られる記録されます。

   このタスクは、難易度指数 (ID 2、ID4a、ID4b、および ID6) ごとに 3 回の試行で構成され、各指数では、難易度が上がるにつれてバーの幅と距離が変化します。 ID4 は 2 つの方法 (ID4a と ID4b) で適用されました。ID4a ではバーの距離と幅が大きくなり、ID4b ではバー間の距離と幅が小さくなり、同じ ID が維持されます。

   データ分析では、Fitts によって提案された数式によって記述される移動の速度と精度の関係が考慮されます。ここで、移動時間とタスクの難易度の間に対数線形関係があり、さまざまなサイズと距離のターゲットが異なる時間を必要とします。目標を達成する (Boyd et al., 2009)。

   ターゲットのサイズが小さいほど、または距離が大きいほど、移動速度が遅くなり、移動が正確になります。 ターテ ターゲット (D) とそれらの間の距離 (L) の間の固有の情報により、log2 方程式 (2D/L) はターゲティング スキルの難易度指数 (DI) を提供し、ID が高いほど難しくなります。タスク。 より困難なタスクは、より多くの移動時間を必要とします (Fitts, 1954)。

   D) タスク 5 - 芸術科学人文科学部の情報システム グループ EACH-USP と提携して作成された Genius Game ソフトウェアが使用されます。 ソフトウェアによって提示されるさまざまなゲームの中で、運動および認知刺激を可能にするゲームが選択されました。このゲームは、コンピューターによって一連の色が発せられる記憶タスク (商業的に「天才」として知られているゲームに基づくタスク) を提示します。生成された正しいシーケンスを取得するために、個人が繰り返すこと。 対象がヒットするたびに難易度が上がります。 仮想インターフェイスは、反応時間と各ボタンのタッチ間の時間のレポートを提供します。

   この活動は、認知運動トレーニングの構成要素としてだけでなく、記憶能力を評価するための手段として、この研究で使用されます。

   E) タスク 6 - サンパウロ大学の芸術科学人文科学部で開発された MoveHero ソフトウェアも使用されます。 このゲームは、研究者が選んだ曲のリズムで、コンピューター画面上の 4 つの架空の列にボールが落ちるのが特徴です。 タスクは、ボールを落とさないことです。 ただし、ボールは、ターゲット 1 と呼ばれる、参加者の左に 2 つ、右に 2 つ (0 0 \o/ 0 0)、平行に配置された 4 つの円 (高さ 2 レベル) に到達した場合にのみ、ボールに触れることができます。 2、3、および 4 は、左から右に見たものです。

   このゲームは、タスクを実行するために物理的な接触を必要としない Web カメラを介して参加者の動きをキャプチャするため、参加者はコンピューター画面から 1.5 メートルの距離で、または接触が必要なタッチ スクリーンを介して腕を動かす必要があります。描かれた円の内側の空間にあるコンピューターの画面。 参加者は、ボールがターゲット サークルの 1 つに重なり始めるまで、ボールが落ちるのを待つ必要があります。 したがって、ゲームでは、参加者がこれらの円内のボールに到達するための動きを予測する戦略を持つ必要があります。

   このゲームでは、ターゲット内でヒットした球の横に表示される番号付け (+1) によってヒット フィードバックが提供されます。さらに、合計スコアが画面の左上隅に表示され、各権利に 10 ポイントが表示されます。

   この活動は、認知運動トレーニングの構成要素としてだけでなく、記憶能力評価手段としてもこの研究で使用されます。

   3.3. 心拍変動 (HRV) HRV の分析は、欧州心臓病学会および北米ペーシングおよび電気生理学学会のタスク フォースのガイドラインに従います (TFESC & NASPE、1996 年)。

   ボランティアは、彼らに与えられた収集ベルトを着用するように (オンラインで) 指示されます。 ストラップは胸に付け、心拍数レシーバー (携帯電話の Elite HRV アプリ) はボランティアの近くに配置します。 HRV は、10 分間の安静時、10 分間の仮想現実でのトレーニング中、および VR での活動後の 10 分間の初期評価後に記録されます。 安静時およびタスク中の HRV データの分析には、256 の連続する RR 間隔が使用されます。

   HR は、Elite HRV によってプロトコル全体でビートごとに記録され、モニターによって記録された RR 間隔は、Kubios HRV® プログラム (Kubios HRV v.1.1 for Windows、Biomedical Signal Analysis Group、Department) に転送されます (.txt ファイル)。クオピオ大学応用物理学科、フィンランド)。

   デジタル フィルタリングは、プログラム自体 (Kubios HRV®) で中程度のモードで実行され、時期尚早の異所性拍動とアーチファクトを排除し、洞拍動の 95% を超えるシリーズのみが研究に含まれます (Vanderlei et al., 2008)。 .

   HRV の分析は、線形方法 (時間および周波数ドメイン) を使用して実行され、Kubios HRV® ソフトウェアを使用して分析される非線形方法によって実行されます。

   A) 線形法 (時間および周波数ドメイン) 時間ドメインでは、RMSSD、pNN50、および SDNN インデックスが使用されます。 RMSSD 指数は、隣接する正常な RR 間隔間の差の平均二乗の平方根として定義されます。 (Marães et al., 2003)。

   ここで、RR = R-R 間隔。 N = 選択したデータ系列の RR 間隔の数。

   pNN50 インデックスは、副交感神経 SNA 変調の高感度で簡単に解釈できるマーカーであり、絶対値が 50 ミリ秒を超える R-R 間隔の連続した差異のパーセンテージとして定義されます。 一方、SDNN は両方の ANS ブランチの関与を反映し、ms で表されるすべての正常な RR 間隔の平均の標準偏差に対応します (Pumprla et al., 2002; Ribeio and Moraes Filho, 2005; Vanderlei et al.ら、2009)。

   周波数ドメインでの HRV の分析では、絶対単位での低周波数スペクトル成分 (LF - 0.04 から 0.15 ヘルツの範囲) と高周波数 (HF - 0.15 から 0.4 の変動範囲) がヘルツで使用されます)、正規化された単位で、また、これらの成分間の比率 (LF/HF) は、総パワーに対する各スペクトル成分の相対値から超低周波成分 (VLF) を差し引いた値を表します。 スペクトル分析に使用されるアルゴリズムは、高速フーリエ変換 - FFT (50% のオーバーラップで 256 秒のウィンドウ) です。

   スペクトル インデックスを取得するには、RR 間隔の変化を時間の関数として表すグラフ (タコグラム) を作成します。 タコグラムには、時間とともに振動し、高速フーリエ変換 (FFT) などの数学的アルゴリズムによって処理される、明らかに周期的な信号が含まれています。 研究結果間の比較を可能にするために、FFT 法を使用して、実験の定常期に HRV スペクトル パワーの推定値を取得します。 FFT による変換後でもタコグラム信号を復元できます。これは、処理中に情報が失われないため、この手法の客観性を示しています。 この方法の適用の容易さと優れたグラフィカル表示が、この方法がより多く使用される主な理由です (Carvalho, 2009; Vanderlei et al., 2009)。

   B) 非線形手法 (トレンドデバッグ変動分析とポアンカレグラフ) 非線形手法による HRV の分析には、ポアンカレグラフ (成分 SD1、SD2 および SD1/SD2 比)、DFA (トレンドデバッグ変動分析) が使用されます。

   DFA は、RR 間隔のフラクタル相関特性の有無を定量化し、時系列データによって検証されています。 このメソッドは、積分の二乗平均平方根変動を計算し、時系列をデバッグして、非定常時系列に埋め込まれた固有の自己相似性を検出できるようにします。

   DFA プロットは厳密には線形ではありませんが、点で区切られた異なる曲線の 2 つの異なる領域で構成されており、4 ～ 11 ビート (または 4 ～ 13) の期間中に短期フラクタル スケール指数 (α1) があることを示唆しています。 、および長期指数（α2）、より長い期間（11拍以上）（Carvalho et al、2009）。

   0.5 に近い α1 の値はホワイト ノイズ (ランダムな信号。値間に相関関係はありません) に関連付けられ、1.5 に近い値はブラウン ノイズ (強く相関する動作信号) に関連付けられます。 1.0 に近い値は、健康な被験者の洞調律の自律神経調節など、複雑なシステムによって生成される時系列の動的挙動に関連するフラクタルのようなプロセスの特徴です (Godoy et al., 2007)。

   一方、ポアンカレ グラフは、データの定常性プロパティを必要とせずに、後続の間隔での心拍数の交感神経または副交感神経の変調の変化に基づく定量的な分析方法です。 ポアンカレは、各 RR 間隔が RR (i-T) の関数として表される図です。ここで、i は間隔であり、T は RR 信号に使用される定義済みの遅延です。 ダイアグラムの目視検査は、HRV の分析に広く使用されており、ポアンカレ ダイアグラムを定量的に分析して、RR 間隔距離の標準偏差を計算できます。 これらの標準偏差は、SD1 および SD2 と呼ばれます。 この分析は、前処理やデータの安定性を必要としないため、特に興味深いものになっています (Godoy et al., 2007)。

   プロットの定量分析のために、次の指標が計算されます: SD1 (短期の瞬間的な心拍変動の標準偏差)、SD2 (連続 RR 間隔の長期標準偏差)、および SD1/SD2 比（ブルネットら、2005）。 プロットの定性的分析は、そのアトラクタによって形成された図形の分析を通じて行われます。 (1998): 1) 通常のプロットの特徴である、RR 間隔の分散の増加が間隔の増加とともに観察される図。 2) 全体的な拍ごとの分散が小さく、RR 間隔の分散の長期的な増加がない図。 3) 2 つ以上の明確なエッジがプロットの本体から分離され、各エッジに少なくとも 3 つのポイントが含まれる、複雑なまたは放物線の図形。

4. データ分析 データ分析では、サンプルを特徴付けるために記述統計が実行され、結果は平均値と標準偏差値で示されます。

   VR でのタスクの推論分析では、従属変数として、「Coincident Timing」と「MoveHero」のミリ秒単位の誤差測定値が考慮されます (動きの方向傾向を評価する定数誤差、動きの正確さを示す絶対誤差、変数) TR の場合は時間とミリ秒、Genius の場合はタスク時間の開始時と終了時に実行されたシーケンスの数、および各タッチ間の時間です。

   Fitts の場合、3 つの難易度指標で各試行を考慮して、参加者ごとに b0 (インターセプト)、b1 (傾き)、r2 (決定の指標) の値を取得することによって分析が実行されます。 MANOVA One-way は、対象の 3 つの変数 (b0、b1、および r2) でグループの平均を比較するために使用されます。 モーター スケール、年齢、直線の傾き (b1)、切片 (b0)、および運動時間分散データ (r2) のパフォーマンス間の関連性を検証するために、ピアソンの相関係数が使用されます。 ANOVA を実行して、移動時間 (TM) に対する難易度指数の影響を調査し、重回帰分析を行って、どの要因が TM に影響するかを調べます。

   HRV 指数の分析では、スチューデント t 検定またはマンホイットニー検定もグループ間分析に使用されます。

   従属変数に対する独立変数 (年齢、病期、投薬など) の影響を分析するために、線形回帰テストが実行されます。

   0.05 (5%) の有意水準が定義され、作業全体で構築されたすべての間隔は 95% の統計的信頼度を持ちます。

   統計プログラムは SPSS (StatisticalPackage for Social Sciences)、バージョン 26.0 になります。

5. 普及と評価 運動機能、痛み、HRV に関する VR の結果は、記述的および推論的な統計分析を通じて分析され、科学論文で普及されます。この論文は、インパクト ファクターの高い地域の特定のジャーナルに送信されます。

さらに、結果は書籍の章や国際会議で発表されます。 したがって、健康と教育の専門家は、AC患者の活動を導くためのより科学的な証拠を得るでしょう.