Nå i hjerneslag

Hensikt:

For slagoverlevere kan bruk av kompenserende bevegelser føre til reduksjon av bevegelsesutslag, smerte og et mønster av "lært ikke-bruk". En vanlig kompenserende bevegelse som er tilstede under overekstremitet er forskyvning av stammen. Selv om denne bevegelsen har blitt identifisert som en viktig å redusere, har få strategier for å håndtere dette problemet blitt vurdert. De eksisterende strategiene krever fysisk tilbakeholdenhet av personen til baksiden av en stol, noe som gjør dem uønsket for bruk i terapi uten tilsyn. Som følge av dette er det nå behov for alternative metoder som fremmer bruk av riktige bevegelsesmønstre både i klinikken og i hjemmet. Slik sett kan teknologi fungere som en muliggjører for å skape nye måter å redusere trunkkompensasjon på. Likevel er det et gap i litteraturen ettersom trunkkompensasjon kun har blitt undersøkt som et sekundært tema i robot- og datastøttet rehabilitering. Følgelig vil etterforskerne i dette prosjektet se på reduksjonen av trunkkompensasjon ved bruk av robotenheter og kommersielt tilgjengelig teknologi, for å muliggjøre fokus på kvaliteten på bevegelsene i uovervåket terapi. De potensielle resultatene fra dette prosjektet kan senere brukes og generaliseres til andre kompensasjonsmåter i hjerneslag og andre nevrologisk funksjonshemmede populasjoner.

Objektiv:

Vårt mål er å demonstrere at tilbakemeldingssignaler kan brukes for å redusere trunkkompensatoriske bevegelser i uovervåket terapi.

Forskningsspørsmål:

Vil bruk av kraftsignaler oppnå lignende resultater sammenlignet med visuell tilbakemelding for å redusere trunkkompensasjon?

Utstyr:

• 1 Kinect (Microsoft, Inc.) markørløst bevegelsesfangstsystem.
• 2 Kinova Jaco hjelperobotarmer. Disse enhetene brukes til å hjelpe funksjonshemmede med daglige gjøremål. Armene er designet for sikker interaksjon (lave krefter) med brukeren.
• 1 stasjonær datamaskin og en skjerm for å levere den visuelle tilbakemeldingen.

Metode:

Etterforskerne vil designe kraftfeedback-signalene ved å bruke to Kinova Jaco-robotenheter for å levere dem. Etterforskerne vil deretter undersøke om kraftsignalene kan oppnå lignende eller bedre resultater sammenlignet med visuell tilbakemelding (ved å bruke en dataskjerm for å levere tilbakemeldingen) for å redusere kompenserende bevegelser.

Selv om robotenheter er i stand til å utøve kraftsignaler, kan disse enhetene være vanskelige å implementere i hjemmet på grunn av deres kompleksitet og pris. Følgelig vil etterforskerne i dette prosjektet studere bruken av kommersielt tilgjengelig teknologi for å gi tilbakemelding om brukernes kompenserende bevegelser. Etterforskerne vil sammenligne bruken av makt og visuell tilbakemelding for å studere deres effekt på å redusere kompenserende nivåer. Etterforskerne har valgt å bruke visuell tilbakemelding da den kan leveres av systemer som er lett tilgjengelige i hjemmet (f. TV-apparater og personlige datamaskiner) uten å måtte kjøpe mer komplekse robotenheter. Hvis resultatene fra dette prosjektet støtter bruken av kommersielt tilgjengelig teknologi, vil dette gi ytterligere bevis på den potensielle bruken av denne teknologien for å erstatte eller komplementere robotenheter når brukerne fortsetter terapiprogrammene sine hjemme.

Kraftfeedback-signalene vil bli gitt som motstand for å bevege robotenes håndtak. Disse signalene vil bli brukt når brukeren beveger seg utenfor et visst feilbånd, basert på et "normalt" rekkeviddemønster. I tillegg vil størrelsen på køen være proporsjonal med størrelsen på trunkkompensasjonen. I dette prosjektet vil to forhold bli sammenlignet: visuell tilbakemelding og kraftfeedback.

Den visuelle tilstanden vil bruke en monitor til å vise to markører (tomme sirkler) som vil representere deltakerens hender, og sirklene vil fylles med rødt blekk når brukeren begynner å kompensere. Etter hvert som størrelsen på kompensasjonen øker, vil mengden rødt blekk gradvis øke for å indikere nivået som brukeren kompenserer på.

Sammendrag av prosedyrer:

(Total tid: 2-2,5 timer):

1. Deltakere vil bli rekruttert.
2. Introduser studiet og utstyret. Deltakerne vil bli bedt om å informere etterforskeren hvis de føler seg ukomfortable eller trøtte på noe tidspunkt under eksperimentet, og vil få så mange pauser som nødvendig.
3. Be deltakerne om å fylle ut samtykkeskjemaer, eller hvis de ikke er i stand til å gi samtykke på grunn av deres helsetilstand, vil deres omsorgspersoner/foresatte gi samtykke og forsøkspersonen vil gi samtykke.

4. Deltakeren vil fylle ut et bakgrunnsspørreskjema og en registrert fysioterapeut vil gjennomføre en klinisk vurdering basert på skalaer for anerkjente funksjonsnedsettelser (Fugl-Meyer Upper Extremity Assessment and Reaching Performance Scale) for å bruke poengsummene som en baseline for sammenligningene som vil bli utført i statistiske analyser på slutten av denne fasen. Reaching performance Scale krever bruk av videoopptak av vurderingen for scoring.

   Hvis deltakeren ønsker å vite sine kliniske vurderingsresultater, vil terapeuten på slutten av økten gi en fotokopi av resultatene, og vil gi deltakeren og forklaring av disse resultatene og svare på eventuelle spørsmål deltakeren måtte ha om disse skalaene . Når det gjelder Reaching Performance Scale ettersom poengsummen gjøres etter studien, kan deltakeren motta poengsummene sine på et senere tidspunkt via en telefonsamtale.

5. Alle studieøktene vil bli gjennomført ved University of British Columbia (UBC) Point Gray Campus. Under testen vil deltakerne bli bedt om å samhandle med en datamaskin ved å bruke følgende inngangsteknologier: 2 Jaco Kinova robotarmer og en Microsoft Kinect. Ved å bruke disse teknologiene vil deltakerne utføre bimanuelle symmetriske bevegelser med armene/hendene for å kontrollere et enkelt markør-/målvideospill. Kinect vil måle deltakerens bevegelse som datapunkter for hvert ledd, ingen video vil bli tatt opp. Robotenhetene vil bli brukt til å registrere hendenes bevegelser og vil øke motstanden deres for å bli flyttet basert på nivået på kroppskompensasjonen til deltakeren. Monitoren vil bli brukt til å gi visuell tilbakemelding om deltakerens trunkkompensasjon og for å vise målspillet.
6. Be deltakerne sette seg i en stol og justere fotstøtten for å få føttene fullt støttet, knærne i 90 graders vinkel og ryggen mot stolen.
7. Be deltakerne holde fast i håndtakene til de to robotenhetene.
8. I tilfelle deltakerne ikke er i stand til å holde håndtaket på grunn av svak hånd, vil et justerbart stoff og en elastisk stropp festes rundt håndflaten deres for å holde hånden på toppen av håndtaket.
9. Den maksimale kraften som brukeren kan produsere for å skyve robotene vil bli målt ved å lese av robotens sensorer.
10. Be deltakeren om å utføre en rekke umanuelle strekninger for å kalibrere systemet basert på deltakerens armlengde.
11. Be deltakeren utføre 5 bimanuelle øvelser for å bli kjent med systemet og bevegelseskartleggingen.
12. Be deltakeren utføre 15 baseline (ingen tilbakemelding) bimanuelle rekkevidder for å måle trunk-kompensasjonen. Etterforskerne vil bruke verdien av gjennomsnittlig trunkkompensasjon for å sette feilbåndene for den visuelle og krafttilbakemelding.
13. Be deltakeren utføre 5 bimanuelle øvelser for å bli kjent med enten den visuelle eller tvungen tilbakemelding (avhengig av randomiseringen av fagene).
14. Be deltakeren om å utføre 60 forsøk med bimanuelle strekninger til 1 mål i knehøyde med armene helt utstrakt. Deltakerne vil få tilbakemelding om deres kompensasjon gjennom datamaskinens skjerm eller som økt motstand mot bevegelse av robotene.
15. Deltakeren vil kunne hvile mellom målene om ønskelig. I tillegg vil det være 1 minutts hvile etter hvert 15. mål.
16. Deltakeren vil utføre 15 rekkevidder uten tilbakemelding (ettermåling)
17. Deltakerne vil ha 5 minutters pause før de starter den andre tilbakemeldingsbetingelsen.
18. Gjenta trinn 14, 15 og 16, men med den andre typen tilbakemelding (visuell eller kraft).
19. En notattaker vil registrere forekomsten av hindringer deltakerne møter under studien.
20. Bevegelsessporingsdataene og vurderingsvideoene vil bli lagret på en datafil, sikkerhetskopiert på en UBC-basert filserver og på optiske medier.
21. På slutten av økten vil deltakeren svare på et brukervennlighetsspørreskjema.
22. Dataene fra notatskriveren, bevegelseslogger, vurderingsvideoer og spørreskjemaer vil bli brukt til å gjennomføre en kvantitativ og kvalitativ analyse for å få ytterligere innsikt i hvordan utvidet tilbakemelding kan redusere kompenserende trunkbevegelser, og brukervennligheten og funksjonaliteten til systemet. Alle data vil bli identifisert ved hjelp av deltakernes nummer.
23. Videoopptakene vil bli slettet/ødelagt 5 år etter publisering av resultater.

Studere design:

Undersøkerne vil følge et crossover-design innen fagene, der den uavhengige variabelen er tilbakemeldingstypen og nivåene vil være: kraftfeedback og visuell tilbakemelding. Den primære avhengige variabelen vil være målet på trunkkompensasjon. Etterforskerne vil følge en balansert strategi for å redusere overføringseffektene ved å utføre de to forholdene i en viss rekkefølge.

Datainnsamlingen vil inkludere bevegelsesloggfiler, poengsummer fra spillet, diskusjoner med deltakere og utgangsundersøkelser.