앱 기반 보행 보조 기술 훈련 프로그램 시행

이 연구는 단일 마스크 무작위 대조 시험입니다. 앱의 사용성과 실행 가능성을 평가하기 위해 52명(여성 26명)의 환자와 물리치료사를 평가할 예정입니다. 참가자는 Move Improve ©에서 사용할 수 있는 앱을 사용하는 실험 그룹 또는 통제 그룹에 무작위로 할당됩니다. Move Improve© 플랫폼을 통해 두 그룹 모두 서로 다른 동작 기술에 대한 교육 비디오를 본 다음 기술을 수행하는 자신의 안전한 비디오를 녹화할 수 있습니다. 통제 그룹은 기본 운동 기술과 관련된 비디오를 시청하고 치료 그룹은 ICanWALK© 관련 비디오를 시청합니다. 환자는 18-80세여야 하며 WA를 규칙적으로(보행 시간의 >75%) 사용해야 합니다. 환자는 South Health Campus 신경근 및 정형외과 클리닉, Foothills Medical Center 정형외과 및 물리치료 클리닉, Foothills Medical Center 정형외과 입원 환자 단위, Foothills Medical Center 주간 수술 단위, University of Calgary 스포츠 의학 센터, Momentum Health 물리치료 클리닉(모두 앨버타주 캘거리), 온타리오주 런던의 Fowler Kennedy 스포츠 의학 센터, B.C. 밴쿠버의 Allan McGavin 스포츠 의학 센터 실무자와의 임상 세션 중에 프로젝트에 대한 정보를 받게 됩니다. 잠재적인 환자 참가자는 적격성을 결정하기 위해 Research Assistant가 직접 선별합니다.

연구의 주요 결과는 기준선 및 4주에 평가된 활동별 균형 신뢰도(ABC) 척도입니다. 2차 결과는 기준선 및 4주에서 다음을 포함합니다: TUG(Timed Up and Go), 2분 걷기 테스트(2MWT), 버그 균형 점수(BBS), 보행 보조 기술 측정 테스트(WASMT), 낙상 횟수 및 상지 위치 및 통증에 대한 설명. 또한 앱에 대한 인지된 유용성, 사용 용이성 및 만족도에 대한 환자 및 임상 참여자의 관점을 고려하고 치료 세션 중 인지된 치료 효과 및 추가 소요 시간에 대해 질문할 것입니다. 각 구성 요소에 대한 참가자의 시간과 점수도 기록됩니다.

적격 참가자는 참여 동의서에 서명합니다. 일반적인 물리 치료 세션 동안 환자는 앱을 2회(최대 15분) 사용합니다. 세션 후, 환자는 각각 iPad에서 Qualtrics(미국 유타)를 통해 온라인 설문지를 작성하라는 요청을 받습니다. 설문지는 보행 보조기를 사용한 자신감, 보행 보조기를 사용한 편안함, 활동별 균형 자신감(ABC) 척도, 앱 사용 편의성, 앱 사용성 및 앱 만족도를 포함합니다. 연구 보조원은 문제가 발생할 경우 세션 중에 사용할 수 있습니다.

신체 평가는 초기 평가 후 기준선과 4주 후에 실시됩니다. 신체 평가에는 Berg Balance 테스트, 2분 걷기 테스트, TUG(Timed-Up and Go) 테스트 및 보행 보조 기술 측정 테스트가 포함됩니다. 이 평가는 Research Assistant가 수행합니다.

모든 테스트가 끝나면 임상 참가자는 반구조화된 질문을 사용하여 대면 포커스 그룹에 참여하도록 초대됩니다. 모든 포커스 그룹 참가자는 Alberta Health Services Covid-19 지침에 따라 포커스 그룹 중에 사회적 거리를 유지하고 의료용 마스크를 착용해야 합니다. 이는 임상의가 연구 영역에 물리적으로 위치하고 있으며 Covid-19 프로토콜을 따르는 데 익숙하기 때문에 온라인 포커스 그룹을 수행하는 것보다 더 실현 가능합니다. 인터뷰는 음성으로 녹음되며 음성 녹음은 안전한 Alberta Health Services 드라이브에 저장됩니다.

보행 보조 기술 테스트는 연구 조교가 비디오로 녹화합니다. 물리 치료사에게 참가자의 비디오를 평가하여 보행 보조 기술 테스트의 신뢰성과 타당성을 결정하도록 요청할 것입니다.

ABC의 최소한의 임상적으로 중요한 차이에 대한 발표된 연구는 없습니다. 376명의 무릎 골관절염 환자에 대한 이전 연구에서 슬관절 전치환술 1년 후 ABC 점수가 평균 9.15점 증가했습니다. 반복 측정 Cohen's d를 사용하여 해당 연구의 효과 크기는 0.585였습니다. 따라서 18의 샘플 크기는 부상에서 회복 중일 때 ABC에서 시간이 지남에 따라 단일 개인 내에서 두 꼬리 차이를 탐색하기에 충분합니다(1-β=0.8, α=0.05; G*파워, 독일). 그러나 주요 결과로 두 그룹(앱 노출) 간의 차이점을 살펴보고자 합니다. 또한 성별에 따른 차이를 탐색하고 보수적인 추정치인 10% 탈락률을 통합하고자 합니다. 따라서 각 코호트의 26명의 참가자는 조사 중인 주요 결과 변수에 대한 유의미한 차이를 찾기에 충분할 것입니다.

참가자는 그룹 간 통계적으로 유의미한 차이를 감지할 수 있는 힘을 높이기 위해 1:1 할당 비율을 사용하여 실험 또는 통제 그룹에 무작위로 할당됩니다. 그룹 간의 균형을 지원하기 위해 SPSS3(IBM, Armonk, USA)을 사용하여 생물 통계학자가 설계한 블록 크기 2,4 및 6으로 사이트(4개 사이트) 및 성별로 계층화된 전산화된 무작위화 프로세스가 사용됩니다. 목발 피팅 및 훈련에 대한 교육을 포함한 일반적인 임상 치료가 지역마다 다를 수 있으므로 계층화는 현장별로 발생할 것입니다.

기준선 공변량에 대한 정보는 두 그룹에 대해 제공됩니다. 불참 비율이 보고됩니다. 모든 1차 및 예비 2차 이동성 결과 측정은 SPSS(IBM, Armonk, USA)의 Shapiro-Wilk 테스트를 사용하여 정상성에 대해 평가됩니다. 기준 대 4주 ABC 점수는 요인으로 시간 및 앱 그룹을 사용하여 Greenhouse-Geisser 보정을 사용하여 분산의 양방향 반복 측정 분석을 사용하여 분석됩니다. 나머지 변수의 경우 SPSS에서 독립 그룹 t-테스트 또는 비모수적 Mann-Whitney U 테스트를 사용하여 그룹 간 차이를 조사합니다. α = 0.05는 모든 테스트에 사용되며 Benjamini-Hochberg 접근 방식을 사용하여 다중 비교를 수정합니다.

주요 결과 변수는 Microsoft Excel에서 분석됩니다. 기본 및 4주 결과는 p-값이 < 0.05로 설정된 Excel의 종속 그룹 t-테스트를 ​​사용하여 조사됩니다. 인터뷰 내용은 그대로 전사되고 Microsoft Excel에서 분석됩니다. 개방형 질문은 Microsoft Excel에서 분석됩니다. 인터뷰 및 질문의 주요 주제가 결정되고 코딩됩니다. 개방형 데이터에서 핵심 주제를 추출하고 코드 비교를 사용합니다. 최종 테마 세트가 정의된 테마 맵이 생성됩니다. 포커스 그룹 및 개별 인터뷰는 녹음기를 사용하여 녹음하고 축어적으로 전사합니다. 주요 테마 목록이 생성되면 NVivo를 사용하여 데이터 코딩 및 추출이 수행됩니다. 최종 테마 세트가 정의된 테마 맵이 생성됩니다. 신뢰성은 Microsoft Excel에서 분석되며 p-값이 <0.05로 설정된 Excel에서 독립 및 종속 그룹 t-테스트를 ​​사용하여 조사됩니다. 타당성은 Microsoft Excel에서 분석되고 예측된 보행 능력과 비교되며, 보행 보조 기술 테스트 점수는 Timed-Up and Go, Balance Scale 및 2-minute Walk와 비교됩니다. 신뢰성은 Microsoft Excel에서 분석되고 시간이 지남에 따라 그리고 검토자 간에 동일한 검토자의 점수를 비교합니다.