脳性麻痺の子供のロボット支援歩行トレーニングを強化するためのバイオフィードバックベースのシステム (AID2GAIT)

総運動機能測定（GMFM-88）による評価：88項目を介した介入によるGMFの変化を測定します。 スコアリングの範囲は0から3で、スコアが高くなると、より良い結果が得られます。

臨床スケールは、RAGT＃1の前に管理されます（つまり、 t0）そしてragt＃12の後（つまり T2）。

修正されたAshworthスケール（MAS）による評価：テストは、患者の四肢を最大の可能な屈曲の位置から最大の可能な拡張に拡張することにより実行されます。 スコアリングの範囲は0から4で、スコアが低いということは、より良い結果を意味します。

臨床スケールは、RAGT＃1の前に管理されます（つまり、 t0）そしてragt＃12の後（つまり T2）。

子どもの機能的独立尺度（Weefim）による評価：援助の必要性と障害の重症度を測定します。 スコアの範囲は0〜4の範囲で、スコアが低いほど障害のレベルが高いことを示しています。

臨床スケールは、RAGT＃1の前に管理されます（つまり、 t0）そしてragt＃12の後（つまり T2）。

小児生命の質の在庫（PEDSQL）による評価：健康関連の生活の質を測定するためのモジュラーアプローチ。 4つのスケールの項目（身体機能、感情的機能、社会的機能、学校の機能）がグループ化されます。 スコアリングの範囲は0から4で、スコアが低いということは、より良い結果を意味します。

臨床スケールは、RAGT＃1の前に管理されます（つまり、 t0）そしてragt＃12の後（つまり T2）。

ragt＃1（すなわちt0）の間、ragt＃6（すなわち t1）、ragt＃12（すなわち T2）心拍数の変動（HRV）測定は、スマートウォッチによって実行されます。

HRV信号が監視され、平均、標準偏差、ルート平均平方、パワースペクトル密度などのメトリックが30秒の時間窓で抽出されます。

上記のパラメーターは、自律神経系の活動と相関しており、RAGT中の患者の関与レベルを分類できるAIベースのモデルの入力データとして使用されます。

ragt＃1（すなわちt0）の間、ragt＃6（すなわち t1）、ragt＃12（すなわち T2）FNIRSキャップによって機能的に近赤外分光法が実行されます。

FNIRSは、前頭、前頭前野、運動皮質領域での酸素およびデオキシヘモグロビン振動を測定できます。 実験の生態学的性質を考えると、GLMベースのアルゴリズムが適用され、皮質活性化の開始と持続時間が自動的に識別されます。 脳の活動を示す標準的なGLMメトリック（ベータ値とT統計）は、30秒の時間窓で評価され、すべての良いチャネルで平均化されます。

上記のパラメーターは中枢神経系の活動と相関しており、RAGT中の患者の関与レベルを分類し、患者の神経可塑性を評価できるAIベースのモデルの入力データとして使用されます。

ragt＃1（すなわちt0）の間、ragt＃6（すなわち t1）、ragt＃12（すなわち T2）赤外線イメージング（IRI）測定は、赤外線カメラによって取得されます。

顔の顕著な領域の熱信号（鼻先、鼻孔、コリュロゲーター、あご、および周囲領域）は、平均、標準偏差、尖度、歪度、LFなどのメトリック（[0.04-0.15]などのメトリックを監視します。 Hz）、HF（[0.15-0.4] Hz）、およびLF/HFコンポーネントは、30秒の時間窓で抽出されます。

上記のパラメーターは、自律神経系の活動と相関しており、RAGT中の患者の関与レベルを分類できるAIベースのモデルの入力データとして使用されます。

ragt＃1（すなわちt0）の間、ragt＃6（すなわち t1）、ragt＃12（すなわち T2）両方の膝と両方の腰に対するトルクが（nmで）獲得されます。

平均などのメトリックは、標準偏差が30秒の時間内に抽出されます。

上記のパラメーターは、R​​AGT中の参加レベルおよび患者の活動と相関しており、RAGT中の患者のエンゲージメントレベルを分類できるAIベースのモデルの入力データとして使用されます。