MCKOA 환자를 위한 실시간 바이오피드백 계단 보행 재활에 의한 하퇴부 무릎 관절 부하

기존에는 KAM과 같은 생체 역학적 마커의 평가에는 정교한 모션 캡처 시스템과 포스 플레이트가 필요하기 때문에 실험실 환경에서 보행 재훈련이 반드시 구현되었습니다. 웨어러블 센서 기술의 발전으로 보행의 생체 역학을 측정하고 경량의 휴대용 무선 장치인 IMU(관성 측정 장치)를 사용하여 보행 재훈련을 위한 실시간 바이오 피드백을 제공할 수 있습니다. 진행 중인 정부 지원 프로젝트에서 조사관은 평지를 걷는 동안 KAM을 측정하는 IMU 임베디드 신발을 개발했습니다. 조사관은 IMU 기록의 KAM 예측에서 LASSO(Least Absolute Shrinkage and Selection Operator) 회귀와 랜덤 포레스트를 비교했습니다. 연구원들은 Random Forest가 LASSO 회귀보다 훨씬 더 높은 KAM 예측 정확도를 제공할 수 있음을 발견했습니다. 기존의 실험실 기반 및 센서 기반 KAM 측정 간의 일치율은 약 90%였습니다. 조사자들의 이전 연구 작업을 기반으로 실험실 장비를 사용하지 않고 계단을 오르내리는 동안 KAM 측정을 위해 새로 개발된 기술을 확장하는 것은 의미가 있습니다. 웨어러블 센서가 스마트폰에 연결되면 실험실 외부에서 보행 재훈련이 가능해지지만 웨어러블 센서를 사용한 보행 재훈련의 효과는 직접적으로 검증되지 않았습니다.

이러한 고려 사항을 고려할 때 이 프로젝트에는 두 가지 주요 목표가 있습니다. 조사관은 (1) 먼저 계단 오르막 및 내리막 동안 IMU 센서를 사용하여 KAM을 예측하는 기계 학습 알고리즘을 설정합니다. 그런 다음 (2) 기존의 실험실 기반 계단 재훈련, 센서 기반 계단 재훈련 및 보행 운동 제어(즉, 보행 없이 걷기 운동) 과정을 받는 환자 간의 생체역학적 및 임상적 차이를 비교하기 위해 3군 무작위 대조 시험을 수행합니다. 재교육).

1차 가설

가설 1: 웨어러블 IMU는 기계 학습 알고리즘을 사용하여 계단 협상 중에 KAM을 정확하게 예측할 것이며, 기존 KAM 계산과 최소 80%의 측정 일치를 보입니다.

가설 2: 실험실 기반 및 센서 기반 계단 재교육 조건에 무작위 배정된 환자는 KAM(1차 결과) 및 증상 개선(2차 결과)에서 유사한(즉, 약하고 중요하지 않은 차이) 감소를 입증할 것이지만, 이러한 피험자는 걷기 운동 제어 조건에 할당된 피험자보다 KAM의 더 큰 감소를 증명할 것입니다.