뇌졸중 환자의 오류 증강 운동 학습 훈련 접근법

뇌졸중 후 상지 운동의 회복이 불완전합니다. 뇌졸중은 상지(UL) 기능의 지속적인 결핍을 포함하여 장기적인 감각 운동 장애의 주요 원인입니다. UL 회복을 개선하는 방법을 이해하는 것은 과학적, 임상적 및 환자의 주요 우선 순위입니다. 그러나 운동 학습 및 신경 가소성의 확립된 원칙을 기반으로 가장 효과적인 재활 개입을 식별하려는 수많은 연구에도 불구하고 뇌졸중 후 UL 회복은 불완전한 상태로 남아 있습니다. 실제로, 치료를 받더라도 UL 감각운동 결손은 뇌졸중 생존자의 큰 비율(최대 62%)에서 >6개월 동안 지속되어 높은 사회 경제적 부담을 초래합니다.

운동 제어 장애: 뇌졸중 후 근본적인 조절 결핍의 결과는 작용근을 모집하는 능력의 감소, 원치 않는/부적절한 근육 활성화(즉, 경직, 작용근 및 길항근의 공동 수축), 비정상적인 근육 활성화 타이밍, 약점 및 근섬유 특성 변화. 이로 인해 관절 운동을 분리하고 작업 관련 기능을 수행하기 위해 서로 다른 관절을 적절하게 결합하는 능력이 부족합니다. 우리는 움직임 적자 및 경직이 신장 반사 및 기타 고유수용성 반사의 명세 및 공간 역치(ST)의 조절에서 일반적인 제어 적자와 관련되어 있음을 시사하는 실질적인 증거를 축적했습니다. ST는 시간(대기 시간) 영역이 아닌 공간(각도) 영역에서 표현됩니다. ST 조절은 동물의 신장 반사와 인간의 반사 및 움직임을 제어하는 ​​잘 확립된 메커니즘입니다.

ST 정의 및 행동 메커니즘: 공간 역치(ST)는 근육이 동원되기 시작하고 자세 반사 및 기타 반사 작용이 시작되는 관절 각도입니다. ST를 이동함으로써 뇌는 자세 안정화 메커니즘을 새로운 사지 또는 신체 위치로 재설정합니다. 이러한 메커니즘은 신체 구성 및 작업 요구에 따라 다중 근육 시스템에서 ST를 조절하기 위해 결합됩니다. 뇌졸중은 ST 규정의 적자를 초래합니다. 내림차순 및 척추 메커니즘에 영향을 미치는 중추신경계(CNS) 손상과 내인성으로 인해 ST 조절이 제한됩니다. 그 결과, 각도 역치인 ST(경련 범위)를 넘어서는 수동적 또는 능동적 움직임은 비정상적인 반사 근육 활성화를 유발합니다. ST는 속도 의존적이어서 뇌졸중 환자의 활성 제어 범위와 더 빠른 움직임을 만드는 능력을 감소시킵니다.

개입 접근법: 우리의 접근법은 영법에서 반사가 없는 팔꿈치 움직임 범위를 늘리도록 설계되었습니다. 만성 뇌졸중 환자의 새로운 부하에 대한 팔꿈치 움직임의 적응(즉, 오류를 수정하는 능력)은 움직임이 활성 제어 범위 내에서 이루어졌을 때(경련이 근육 수축에 영향을 미치지 않는 경우) 반사가 없는 경우에 비해 상당히 개선되었습니다. 범위가 확인되지 않았습니다. 따라서 제대로 설계된 시도에서 손상된 팔꿈치 움직임의 범위를 고려하여 운동 학습의 잠재력을 향상시킬 수 있습니다. 비정상적인 근육 활성화 패턴 및 기타 보상(나쁜 가소성)으로 이루어진 움직임을 유도하지 않도록 훈련 프로그램은 개인의 움직임 능력에 맞게 조정되고 일반적인 근육 활성화 패턴으로 만들어진 관절 범위를 정량화하고 확대하는 접근 방식을 통합합니다. 이 제안에서 우리는 로봇과 새로운 VR 학습 인터페이스를 사용하여 중등도에서 중증 뇌졸중 환자의 일반적인 장애인 팔꿈치에서 제어된 움직임을 생성하는 능력을 조작할 것입니다. 제안된 개인화된 훈련 접근법은 개인의 ST 조절 범위를 증가시키기 위해 특정 피드백을 제공하는 데 중점을 둡니다.

ERROR AUGMENTATION FEEDBACK(EA): 오류 Augmentation 피드백은 팔꿈치의 활성 제어 ST 영역을 증가시키는 데 사용됩니다. EA는 본질적인 오류 기반 학습을 사용하여 운동학적 중복성을 활용하고 의미 있는 운동 작업 솔루션을 찾는 CNS의 능력을 향상시킵니다. 특히, 피험자는 운동 오류를 향상시키는 피드백을 제공받습니다. 오류 신호의 조작은 오류가 더 클 때 발생하는 더 큰 학습 이득으로 건강한 대상과 뇌졸중 대상 모두에서 UL 감각 운동 개선을 자극하는 것으로 나타났습니다. EA 피드백은 활성 팔꿈치 제어 범위를 동적으로 다시 매핑하는 데 사용됩니다. 팔꿈치 각도에 대한 시각적 피드백이 수정되어 팔꿈치가 실제보다 덜 움직이는 것처럼 보입니다. 따라서 피험자는 실제 팔꿈치가 움직일 때 팔꿈치가 덜 움직인 것으로 인식하고 팔꿈치를 더 펴서 오류를 교정하려고 시도한다. 활성 제어 범위는 대상이 ST 범위의 한계 근처에서 또는 바로 그 한계에서 작업하도록 함으로써 확장됩니다. 구심성 피드백이 더 큰 팔꿈치 각도와 연관될 때 인식/행동 관계의 재매핑이 발생합니다. 운동 학습에서 오류의 핵심 역할을 고려할 때 EA를 통해 수행 오류를 인위적으로 늘리면 각 개인의 활성 제어 범위가 증가하고 학습이 더 빨리 발생합니다.

재활에 미치는 영향: 결과는 일상 생활 활동으로의 재통합의 필수 구성 요소인 UL 기능 회복을 위한 최상의 훈련 유형을 식별하는 데 임상의와 환자를 안내할 수 있는 지식을 구축할 것입니다. 결과는 또한 임상 실습의 패러다임 전환을 지원하여 재활 실무자가 결과 개선을 위한 개인화된 개입 옵션을 고려하도록 권장합니다. 치료 옵션의 증가는 또한 환자의 특정 요구에 맞춘 맞춤형 치료에 기여하고 더 나은 기능적 결과로 이어질 수 있습니다.

목표 1 - EA를 사용하여 뇌졸중 후 대상자의 활성 팔꿈치 제어 범위를 확장하기 위해 개인화된 운동의 효과를 결정합니다. 가설 1: 팔꿈치의 움직임 오류에 대한 본질적인 피드백은 근육 수준 제어 메커니즘의 동적 재매핑으로 이어지고 활성 팔꿈치 관절 움직임의 범위를 개선합니다. 가설 2: EA로 연습하는 피험자는 더 나은 임상 결과에 반영되는 것처럼 더 큰 팔꿈치 관절 범위를 기능적 도달 동작에 통합할 수 있을 것입니다.

목표 2 - 팔 운동 회복을 최대화하기 위해 집중 운동의 환자별 최적 용량을 결정합니다. 가설 3: 증가된 훈련량은 더 나은 운동학적 및 임상적 결과와 더 나은 운동 학습으로 이어질 것입니다.

목표 3 - 운동학 및 임상 측정을 기반으로 UL 회복에 대한 CST 손상의 양을 연관시킵니다. 가설 4: 더 큰 CST 손상은 더 나쁜 운동 학습 및 임상 결과와 관련이 있을 것입니다.

두 그룹, 교육 기간,

교육 기간: 54명의 피험자가 영향을 받은 팔로 대상에 도달하는 ~30분/세션을 수행합니다. 강도를 제어하기 위해 연습은 도달 사이에 6-10s로 세션당 138개의 도달을 완료하는 데 필요한 시간으로 확장됩니다. 세션은 9주 동안 주당 3회(즉, 27 세션, 810분, 3,726회 시도) 수행되며 뇌졸중 회복 및 재활 라운드테이블에서 권장하는 고강도 운동으로 간주됩니다. 운동학적 및 임상적 측정은 3주 후(POST3), 6주 후(POST6), 9주 후(POST9) 및 4주 후속 조치(FOLL-UP) 전(PRE)에 이루어집니다.

샘플 크기: 기본 결과 측정(ST)의 최소 임상 중요 차이(MCID)를 사용하여 샘플 크기를 계산했습니다. ST의 MCID는 앵커 기반 방법을 사용하여 18.07°로 결정되었습니다(FMA의 변화 > MCID 5.25). 혼합 모델 ANOVA(G*Power 3.1.9.4)를 사용하여 차이를 탐지하기 위해 5%의 α 수준과 95% 검정력(효과 크기=1.39)을 고려하면 최소 표본 크기는 그룹당 21개입니다. 54명의 피험자의 최종 코호트에 대한 여러 교육/평가 세션에 참석해야 하는 필요성을 고려하여 25%의 탈락률을 고려하여 샘플 크기를 그룹당 27개로 늘렸습니다.

통계 분석: 운동 행동의 변화를 초기 임상 상태(PRE) 및 치료 후 변화(POST)와 3가지 시점(POST1, POST2, POST3) 및 후속 조치(FOLL-UP)에 연관시킬 것입니다. 통계적 접근법은 치료 의도(intention-to-treat) 분석을 기반으로 합니다. 기술/분포 분석은 주요 인구통계학적 및 임상적 특성을 강조하고 그룹 간 기준 예후 지표의 차이를 제어합니다. 객체를 위해. 1-3, 우리는 1차 및 2차 결과에 대해 반복 측정 혼합 모델 ANOVA를 사용할 것입니다. 여기서 모델은 하나의 주제 간 요인 - 2개 수준의 그룹(EA, EA 없음) 및 하나의 주제 내 요인 - 시간(5개 수준)을 포함합니다. , 정규화된 변경 점수(즉, POST-PRE/PRE; FOLL-UP-PRE/PRE)를 사용합니다. 95% 신뢰 구간(CI)이 각 측정에 대한 MCID를 초과하는 경우 1차 및 2차 결과의 변화가 중요한 것으로 간주합니다. 잠재적 교란 요인으로 %CST 손상을 제어하기 위해 %CST를 공변량으로 사용하여 병렬 ANCOVA를 실행합니다. 이것은 통계적 능력을 증가시키고 기본 결과에 대한 편향되지 않은 차이를 추정하는 기준선 그룹 차이를 조정합니다. 이 연구 설계는 이전 RCT에서 사용되었습니다. 활성 팔 작업 ​​공간의 경우 TSRT가 최소 18° 증가한 것을 기준으로 PRE 테스트 영역의 >10% 변화로 중요성이 표시됩니다. 팔꿈치 동작 범위의 경우 사전 테스트 범위의 15%에서 상당한 변화가 발생합니다. 2차 결과의 경우 알려진 경우 MCID 값이 사용됩니다. MCID를 알 수 없는 측정의 경우 사전 테스트 값의 >15%로 최소한의 유의미한 변화를 고려합니다. 풀링된 데이터에 대한 다중 선형 회귀 분석은 다양한 수준의 초기 임상 손상(%CST 손상)과 1차 및 2차 결과 측정을 가진 피험자 간의 관계를 식별합니다. 모든 분석은 성별을 교란 요인으로 간주합니다. 남성은 연령 조정 뇌졸중 발병률이 더 높은 반면, 여성은 더 심한 뇌졸중을 경험하고 단기 사망률이 더 높습니다. 치료 개입에 대한 성별의 영향에 대한 더 나은 이해는 향상된 뇌졸중 관리로 이어질 수 있습니다. 모든 모델에 대해 선형성, 정규성 및 등분산성을 확인하기 위해 잔차 플롯을 검사합니다. 공선성은 공차, 인플레이션의 변동 및 고유값을 기반으로 평가됩니다. 다중 회귀 모델에서 어떤 설명 변수가 종속 변수에 더 큰 영향을 미치는지 입증하기 위해 부분 상관 및 표준화된(베타) 계수를 검사합니다. 각 결과에 대해 변동성은 95% CI를 기반으로 추정됩니다. 누락된 데이터는 무작위가 아닌 패턴에 대해 확인됩니다.

시험 관리: 일일 시험 관리는 운영 위원회(Levin, Archambault, Piscitelli)의 책임입니다. 무작위화는 Levin이 수행합니다. 시험 조정 및 데이터 처리는 Piscitelli에서 수행합니다. 팀은 제안과 직접적으로 관련된 보완적인 전문 지식과 뇌졸중 연구를 수행한 광범위한 경험을 보유하고 있습니다. 이전 연구에 참여한 이전 환자(GG)는 임상 및 운동학적 테스트를 포함하여 기술 및 프로토콜의 타당성과 수용성을 평가하는 데 도움을 줄 것입니다. Piscitelli는 시험을 조정하고 학생들을 감독하고 일상적인 관리를 처리합니다. Prevost(임상 연구 코디네이터)는 CRIR 내의 3개 센터에서 환자를 모집하고 평가합니다. Levin과 Wien은 이미징 분야의 전문 지식을 보유하고 있으며 Feldman은 운동 제어 분야에서 전문 지식을 보유하고 있습니다. Wein은 여러 RCT를 수행한 MNI의 뇌졸중 신경과 전문의입니다. Trivino(물리치료사)는 뇌졸중 환자의 기술 지원 재활을 사용하여 JRH에서 여러 임상 연구 프로젝트에 참여했습니다. Berman(재활 엔지니어)은 로봇/VR 개입을 설계하고 Levin과 함께 초기 타당성 조사를 수행했습니다. 현역 발표를 통해 CRIR 제휴 병원의 뇌졸중 팀에 결과를 전파하고 UL 측정 및 관리 문제를 논의합니다. 진단 영상 도구 및 운동 제어 지식은 연구원, 임상의 및 환자와 공유됩니다. 개발된 기술을 임상 환경에 통합하는 가능성은 임상의 Trivino 및 Wein과 환자 GG와 함께 평가됩니다.