En treningsplattform for balansert rekkevidde for å håndtere balanseforstyrrelser hos eldre og nevrologisk funksjonshemmede veteraner (BATP)

Oversikt: Denne studien omfatter tre spesifikke mål (SAer): SA-1) Utvikling av Balanced Reach Training Protocol (BRTP). SA-2) Vurdering av BRTPs treningseffektivitet. SA-3) Vurdering av BRTPs tidsforløp for motorisk læring.

Metoder relatert til spesifikt mål 1: Utvikling av BRTP SA-1.1: Utvikling av BRTPs vurderingsmodul. Etterforskerne vil utvikle en BRTP slik at hver fots posisjon og dens tilhørende vertikale bakkereaksjonskraft (brukt til å detektere stepping), målt av etterforskernes eksisterende målesystemer, kontinuerlig streames til en sanntidsdataarbeidsstasjon og leses av den eksperimentelle kontrollen program, som gjør det mulig å overvåke disse mengdene på en løpende basis. Etterforskerne vil deretter inkludere en adaptiv trappealgoritme i det eksperimentelle kontrollprogrammet i sanntid, som vil etablere måldiskposisjon som tilsvarer subjektets Limit of Balance (LoB), basert på stepping. Etterforskerne vil etablere LoB som tilsvarer syv måldiskbevegelsesretninger, som hver tilsvarer en bestemt retning for Massesenter (CoM) Motion. Målbevegelse vil bli programmert til å bevege seg uforutsigbart innenfor et lite sirkulært område med senter r og senterlinje sammenfallende med en av de spesifiserte retningslinjene. Motivet sporer deretter målet ved å bruke sin dominerende håndpekefinger. Den adaptive trappealgoritmen øker r in-rementelt, noe som får målet til å bevege seg bort fra motivet til motivet (som har på seg en sele for å beskytte mot å falle) må tråkke for å unngå tap av balanse, hvor r reduseres med et visst trinn og prosessen gjentas. Under denne oppgaven vil forsøkspersonen bli bedt om å tråkke i stedet for å begrense sporingsbevegelsene deres når de tror de er i fare for å falle. Graden som r økes og reduseres avhenger av forsøkspersonens tidligere trinnresponser og bestemmes av den adaptive trappealgoritmen. Etter hvert som denne prosessen fortsetter, utvikler algoritmen et maksimal sannsynlighetsestimat av verdien av r som påkaller stepping. Når dette estimatet faller innenfor ønsket konfidensintervall (her 95%) avsluttes prosessen; og LoB beregnes fra de tilhørende kraftplaten og kroppssegmentposisjonsmålingene. Diskforskyvning langs de syv retningene vil bli presentert for emnet i tilfeldig rekkefølge.

De syv verdiene av r bestemt av den adaptive trappealgoritmen vil da reduseres med 5 % og en ellipse tilpasses dem. Disken vil bli programmert til å bevege seg uforutsigbart i 90 sekunder i henhold til den samme sum-of-sinus-funksjonen som ble brukt tidligere, innenfor et bånd sentrert på denne ellipsen; og forsøkspersoner vil spore det. Denne banen vil holde forsøkspersonene på eller i nærheten av deres LoB (og ved grensene for balanseevnen deres) gjennom hele sporingsoppgaven. Etablering av LoB på denne måten eliminerer subjektiviteten som ligger i eksisterende kliniske mål av LoB, og tar også hensyn til forsøkspersonenes nevnte usikkerhet når det gjelder å oppfatte deres tilstand av balanse og balansegrense. Etterforskerne mener at denne tilnærmingen også mer nøyaktig simulerer de virkelige forholdene folk faller under, og at LoB vil være et bedre mål på individers faktiske balanseevner. Videre gjør den tilgjengelig en rekke andre psykofysiske mål og funksjoner for bedre å forstå og beskrive rollen de perseptuelle og sensoriske prosessene spiller for å bestemme ubalansetilstander.

Vurderingsmodulen vil registrere følgende data for å karakterisere ytelsen i sporingsoppgaven

1. Verdiene av r, , og LoB som tilsvarer hver (fig. 7A og 1);
2. Bevegelsen (posisjon vs. tid) til målskiven;
3. Bevegelsen til hvert av 15 kroppssegmenter (tabell 1), og tuppen av sporingsfingeren (målt av etterforskernes Vicon Motion Capture System);
4. Bakkereaksjonskrefter, momenter og CoP for hver fot og for begge føtter kombinert (doble Bertec-kraftplater); Gjenstand 1 samles under den adaptive trappeprosedyren. Elementene 2, 3 og 4 samles inn under både den adaptive trappeprosedyren og den påfølgende sporingsoppgaven (så vel som treningskampene, se SA-2.1). Alle data vil bli lagret for offline behandling og analyser etter test.

SA-1.2: Utvikle BRTPs opplæringsmodul. En enkelt treningsøkt begynner med å administrere vurderingsmodulen for å etablere fagets LoB og tilsvarende totale målekskursjonsamplitude, og beregne den uforutsigbare måldiskbanen basert på den. Treningsmodulen presenterer deretter et operatørspesifisert antall treningskamper; hvorav en enkelt består av å presentere banen for forsøkspersonen å spore i fire minutter uten å tråkke, etterfulgt av en tre minutters sittehvileperiode. Ytelsesdata registreres gjennom hele sporingsperioden. Treningsperioden og hvileperiodens varighet kan varieres (med mål om at en treningsøkt gir 60 minutter med faktisk trening) for å optimalisere treningseffektiviteten og imøtekomme individuelle fagbehov og evner. Emner vil bli utnyttet mens de utfører sporingsoppgaven for å beskytte mot fall. Etter hvert som treningen skrider frem og fagets ytelse forbedres, vil BRTP presentere stadig vanskeligere målbaner basert på økte LoBs og tilsvarende totale målekskursjonsamplituder som målt av vurderingsmodulen ved begynnelsen av hver treningsøkt.

Metoder relatert til spesifikt mål 2: Vurdering av BRTPs treningseffektivitet SA-2.1: Gjennomfør BRTP- og MCET-treningsprotokollene. All fagtesting utføres i dette spesifikke målet. Etterforskerne vil undersøke 90 eldre menn og kvinner med høy fallrisiko, registrere 80 av disse og fullføre opplæring for 68, forutsatt en total utmattelsesrate på 25 %.

Emner vil bli tilfeldig tildelt enten BRTP- eller MCET-treningsgruppen. Hver gruppe vil motta 60 minutters trening tre ganger i uken i seks uker. BRTP-trening er som beskrevet tidligere (se SA-1.2). VA Maryland-teamet utviklet en MCET-protokoll for eldre personer med balanse- og mobilitetshemming. Programmet er individuelt tilpasset hver enkelt deltakers kapasitet basert på balanseprofil og utholdenhetsnivå. I løpet av de seks ukene går treningen videre fra fem "grunnleggende" øvelser som er avgjørende for instrumentelle aktiviteter i dagliglivet til 13 øvelser, ettersom deltakerne møter beregninger for treningssikkerhet og bevegelseskvalitet. Standardiserte progresjoner for hver øvelse avanserer i henhold til nivået av håndkontaktstøtte som kreves, dose (varighet, sett og repetisjoner), intensitet (bevegelsesamplitude og tråkkfrekvens) og multi-segmentell motorisk utfordring eller kompleksitet. Treningstråkkfrekvensen justeres opp for å gi større utfordring til aerob kondisjon og justeres ned for å legge til rette for større resistiv treningsfordel (dvs. holde en knebøy lenger) eller for å imøtekomme deltakerens tretthetsnivå. MCET-trening vil bli utført i en gruppe.

Alle forsøkspersoner vil bli vurdert med de kliniske balansemålene (se nedenfor) og BRTP Assessment Module på samme tidspunkt før, under og etter trening (se SA-2.2).

Resultatmål: Følgende "kliniske mål" for balanse, rekkevidde og fallrisiko vil bli brukt for å vurdere treningseffekter indusert av BRTP og MCET.

1. Multi-Directional Reach Test
2. Falls Efficacy Scale, som vurderer FoF
3. Fysiologisk profilvurdering (PPA)
4. Tinetti balansetest (balanseseksjon)
5. Mini Balance Evaluation Systems Test (Mini-BESTest)
6. DASH (funksjonshemming av arm, skulder og hode) test

7. Fall opplevd av hvert fag, samt forholdene de falt under, under og gjennom det første året etter opplæring.

   Disse tiltakene vil bli innhentet på en egen dag fra BRTP-vurderings- og opplæringsprosedyrene for ikke å trette testpersonene unødig. Etterforskerne vil også bruke følgende BRTP-baserte mål for balanse og rekkevidde.

8. RMSE
9. RMSD-Primært resultatmål
10. Gjennomsnittlig SoB
11. LoB RMSD vil være etterforskernes primære resultatmål. SA-2.2: Vurder treningseffektiviteten til BRTP-trening sammenlignet med MCET. Før opplæring vil forsøkspersonene gjennomgå doble baseline-tester med 48 timers mellomrom ved bruk av de kliniske målene og de BRTP-relaterte målene. Denne vurderingen vil bli gjentatt midtveis i treningen (tre uker etter at treningen starter), umiddelbart etter trening og seks uker etter siste treningsøkt (retensjon). Selv om etterforskerne inkluderer en rekke kliniske og BRTP-relaterte ytelsesmål i vurderingen av treningseffektivitet, vil RMSD være etterforskernes primære resultatmål. Hovedformålet med denne studien er å vurdere effektiviteten til BRTP for å forbedre balansen. Det er mulig at mens både BRTP og MCET forbedrer balansen, kan størrelsen på forskjellen i forbedring mellom grupper være liten. Som en konsekvens av det relativt beskjedne antallet emner etterforskerne skal teste (et resultat av kravene til testingen og de begrensede midlene som er tilgjengelige for å støtte testingen), kan det hende at etterforskerne ikke viser noen forskjell mellom grupper. For å kunne demonstrere at hver intervensjon er effektiv, vil etterforskerne teste forsøkspersoner to ganger ved baseline og sammenligne endringen i løpet av denne ikke-intervensjonsperioden separat med endringen forårsaket av hver aktiv intervensjon. Etterforskernes balanserelaterte kliniske mål har vist seg å korrelere med fallrisiko og frykt for å falle (FoF). Klinisk meningsfulle forbedringer i treningsgruppens prestasjoner basert på de kliniske målene vil indikere at BRTP forbedrer balansefunksjonen og reduserer fallrisiko.

Etterforskerne vil også be om at forsøkspersonene melder fra om fall de opplever i løpet av opplæringsperioden, og forholdene de falt under. Når forsøkspersonene har fullført opplæringen, vil etterforskerne kontakte dem månedlig via e-post, sosiale medier eller ved å bruke stemplede returadressepostkort for å få høstinformasjon; og følg med på telefon for å få vite om forholdene de falt under.

Statistisk analyse og forventede resultater: Etterforskerne vil starte med utforskende dataanalyse designet for å finne ekstreme verdier, som vil bli sjekket for å sikre at det ikke er noen transkripsjonsfeil. Etterforskerne vil ha data på fem tidspunkter, baseline 1 (B1) baseline 2 (B2), mid-trening (MT), post-trening (PT) og retensjon seks uker etter siste treningsøkt (R). Etterforskerne vil bruke gjentatte mål ANOVA (SAS proc mixed) der den avhengige variabelen vil være personskifte fra en tidsperiode til den neste, dvs. B2-B1, MT-B2, PT-MT, R-PT. Modellen vil bli justert for gruppe (BRTP, MCET); tidsperiode (grunnlinje [B1 til B2], tidlig trening [B2 til MT], sen trening [MT-PT], generell trening (B2-PT], retensjon [PT til R]); og en tidsperiode x gruppeinteraksjon. Hvis etterforskerne finner en signifikant periode x gruppeeffekt, vil etterforskerne bruke passende post-hoc sammenligninger for å bestemme tidspunktene som viser signifikante forskjeller. Undersøkerne vil bruke lineære kontraster 1) for å demonstrere effektiviteten til BRTP og MCET ved å sammenligne den gjennomsnittlige endringen på tvers av begge gruppene under basislinjen med gjennomsnittsendringen innenfor hver av de to gruppene under trening; 2) å sammenligne effektiviteten til BRTP med den til MCET ved å sammenligne endringene i gruppen under trening; og 3) å sammenligne evnen til de to intervensjonene til å frembringe en langvarig forbedring av balansen ved å sammenligne den prosentvise endringen under retensjon. Etterforskerne vil bruke AICC, en modifikasjon av Akaikes informasjonskriterier, for å bestemme kovariansstrukturen [f.eks. ustrukturert, sammensatt symmetri og førsteordens autoregressiv (AR(1)] som best står for den serielle autokorrelasjonen av gjentatte observasjoner oppnådd fra samme individ.

Før de godtar resultater fra analysene, vil etterforskerne forsikre seg om at data samsvarer med forutsetningene for analysene (f.eks. normal fordeling av residualer), og at ingen datum har overdreven innflytelse eller innflytelse (f.eks. Cook's D). Etterforskerne vil bruke multippel imputering for å imputere oppfølgingsdata for forsøkspersoner som mangler verdier. Hver primærhypotes vil bli testet uavhengig av de andre. Etterforskerne vil vurdere en tosidet test p<0,05 som en indikasjon på statistisk signifikans. Etterforskerne forventer at BRTP vil være mer effektiv for å forbedre funksjonell balanse enn MCET, og at denne forbedringen vil vare seks uker etter trening. Etterforskerne forventer videre at forbedringen er klinisk signifikant.

For å sammenligne fallrater mellom BRTP- og MCET-treningsgruppene vil etterforskerne bruke Poisson-regresjon der etterforskerne vil bruke General Estimating Equations of Liang og Zeiger for å redegjøre for den serielle autokorrelasjonen av gjentatte mål fra samme emne.

Metoder relatert til spesifikt mål 3: Vurdering av BRTPs tidsforløp for motorisk læring.

SA-3.1: Vurder BRTPs tidsforløp for motorisk læring. I tillegg til å sammenligne den generelle treningseffektiviteten og retensjonen av BRTP og MCET, vil analysene av SA-2.2 også gi en grov profil av hvert treningsregimes tidsforløp for generell motorisk læring. Disse analysene vil være basert på de tidligere spesifiserte kliniske målene for balanse og de BRTP-baserte målene, oppnådd på fem tidspunkt før, under og etter trening. Hyppigere tidspunkt kunne ikke spesifiseres fordi de manuelle vurderingene som er nødvendige for å få de kliniske tiltakene for så mange forsøkspersoner er for tidkrevende til å tillate dette.

Newell, et.al. har lagt merke til at for et dynamisk system som det menneskelige balansesystemet, er treningsinduserte endringer i ytelse over tid (dvs. motorisk læring) en aggregering av ytelsesendringene til elementene som utgjør den. Disse elementære endringene foregår over kortere tidsperioder enn måleintervallene spesifisert ovenfor. En dypere undersøkelse av ytelse i BRTP over en finere tidsskala ville ikke bare gi en mer detaljert motorisk læringsprofil, den ville tillate oss å kvalitativt og kvantitativt karakterisere noen av de viktigere elementære ytelsesendringene som driver den generelle læringsprofilen, spesielt de endringer knyttet til prediktive og motoriske planleggingsprosesser på høyere nivå. De kliniske målene er ikke passende for denne analysen, selv om de kunne måles oftere, fordi de ikke direkte måler ytelse i BRTP. De BRTP-baserte tiltakene gjør det imidlertid, og vil bli registrert med nødvendig frekvens. Data som SoB, RMSE og RMSD beregnes fra vil automatisk bli registrert kontinuerlig gjennom hver treningskamp.

Denne analysen involverer utvikling og tolkning av input-output polynommodeller og empiriske overføringsfunksjoner som beskriver sporings- og balanseytelse. Polynommodellen som etterforskerne vil bruke er en AutoRegressive, Moving Average, eXogenous input (ARMAX) modell, som har formen A(q)y(ti)=B(q)u(ti-nk)+C(q) e(ti)1 For et gitt system er tidsserien y(ti) systemets respons, registrert på diskrete tidspunkt ti; u(ti-nk) er inngangen til systemet; og e representerer residualene som ikke er redegjort for av de andre leddene i modellen. A, B og C er polynomfunksjoner til tidsforskyvningsoperatoren q; og n er antall diskrete tidstrinn med lengde k sek, som representerer systemets responsforsinkelse. For sporingssystemet er y sporingsfeil (diskposisjon-fingerposisjon) og u er måldiskposisjon. For balansesystemet er y SoB og u sporer fingerposisjonen; siden SoB er kontrollert for å støtte sporingsoppgaven. Modellene er konstruert ved å bestemme det optimale antallet ledd i hver av A-, B- og C-polynomfunksjonene (vanligvis 1-4), og verdiene til disse leddenes konstante koeffisienter som gir best tilpasning til dataene, i følelsen av å minimere summen av kvadrerte avvik. Denne prosessen vil bli utført ved hjelp av MatLabs Systems Identification Toolbox.

Polynommodeller skiller et systems underliggende responsdynamikk [gitt av A(q) y*(ti) = B(q)u(ti-nk)] fra de uforklarlige avvikene fra denne responsen [C(q)e(ti)], slik at vi mer nøyaktig kan karakterisere systemets input-output forhold og arten av avvikene. Det er også estimert responsforsinkelser. Strukturen til sporingsfeilmodellens polynomfunksjoner A(q) og B(q) (antall og størrelser på deres konstante koeffisienter) gir både en kvalitativ og kvantitativ beskrivelse av måten de prediktive og motoriske planleggingsprosessene på høyere nivå bruker sporingsfeil på. og diskbevegelsesinformasjon for å kontrollere sporingsfingerytelsen og minimere feil. En enkelt koeffisient vil innebære at prosesser på høyere nivå bruker en lav ordensrepresentasjon av feilprosessen eller diskbevegelsen, og inneholder kun romlig (posisjons)informasjon; to eller flere koeffisienter vil innebære en rikere representasjon som også inneholder informasjon om hastighet og akselerasjon. Større størrelseskoeffisienter indikerer at deres respektive termer blir utnyttet i større grad for å utføre kontrolloppgaven. For SoB-modellen er tolkning av A(q) mer utfordrende fordi denne funksjonen også beskriver mekanikken til kropps- og kroppssegmentbevegelse. Tolkning av B(q) fortsetter imidlertid på samme måte som for sporingsfeil; men her bemerker etterforskerne at prosesser på høyere nivå har større kunnskap om sporfingerens bevegelse enn målskiven fordi disse prosessene kontrollerer førstnevnte. Dette kan resultere i større eller større B(q) koeffisienter, samt reduserte responsforsinkelser i forhold til fingersporingsmodellen.

Diskrete Fourier Transforms (DFT) vil bli beregnet for diskbevegelse og de resulterende responsene fra sporingsfingeren og hele kroppens CoM. Fra disse vil empiriske overføringsfunksjoner som relaterer bevegelsen til målet til disse responsene bli beregnet ved å dele DFT av responsen med DFT for diskbevegelsen, frekvens for frekvens. Størrelsesforsterkning og faseforsinkelser oppnådd fra de empiriske overføringsfunksjonene vil bli brukt til å konstruere Bode-forsterkning og faseplott for å vurdere frekvensresponsen og båndbredden til sporings- og CoM-responsene. Bode-plott gir et mål på hvor godt systemet er i stand til å svare på input. Overlegen ytelse indikeres av større båndbredde og forsterkning, og lavere faseforsinkelser. Bruken av disse metodene for å analysere balanse er beskrevet i.

Polynommodeller og overføringsfunksjoner vil bli konstruert for hvert fag som deltar i BRTP. Fordi motorisk læring og resulterende endringer i ytelse fortsetter kontinuerlig i løpet av hver treningskamp, ​​vil polynommodeller og overføringsfunksjoner bli beregnet for et 30 sekunders vindu (som inneholder 3000 datapunkter) som går videre over hver kamp i 15 sekunders intervaller. Etterforskerne vil også beregne RMSE, gjennomsnittlig SoB og RMSD for hvert vindu. En fire minutters treningskamp vil dermed gi 15 "øyeblikksbilder" av prestasjon over hele kampen. Vindusstørrelse og fremføringsintervall vil bli justert om nødvendig for best å fange opp profilen til ytelsesendringer over tid. Disse modellene, funksjonene og ytelsesmålene vil også bli konstruert for de to grunnlinjevurderingene og oppbevaringsvurderingen utført ved bruk av BRTP Assessment Module (se Spesifikt mål-1.1 i Metoder). Disse modellene, funksjonene og ytelsesmålene vil gi en detaljert fremstilling av måten motorisk læring (endringer i ytelse i BRTP) utvikler seg på i løpet av en treningskamp, ​​en treningsøkt med flere kamper, hele treningen med flere økter. diett, og oppbevaringsperioden.

Etter hvert som treningen fortsetter forventer etterforskerne at sporingsfeil (i henhold til polynommodellen) og RMSE vil avta, og at LoB (målt ved begynnelsen av hver treningsøkt), SoB (i henhold til polynommodellen), gjennomsnittlig SoB og RMSD øker. Etterforskerne forventer videre at antallet og størrelsen på hver polynommodells A(q) og B(q) koeffisienter vil øke. Dette indikerer at hjernen utvikler rikere og mer forseggjorte mentale modeller for å kontrollere både sporings- og balanseytelse i oppgaven med balansert rekkevidde. Etterforskerne forventer at Bode-plottene avslører større båndbredde og forsterkning, og lavere faseforsinkelser; noe som indikerer at sporings- og balansesystemene er bedre i stand til både å behandle innspillene og svare på dem. Spesielt forventer etterforskerne forbedret høyfrekvent ytelse, som forverres med aldring. Disse analysene og vurderingene vil bli utført på en per-emne-basis, for å sikre at inter-emject-gjennomsnitt ikke skjuler ytelsesattributtene etterforskerne søker å identifisere. Hvis etterforskerne møter tilstrekkelig lik ytelse på tvers av en gruppe forsøkspersoner, vil imidlertid etterforskerne konstruere gruppegjennomsnittsmodeller, funksjoner og ytelsesmål for å beskrive det. Et spesielt mål med disse vurderingene er å bestemme om og når fagene "platå" i løpet av de individuelle treningskampene, individuelle treningsøktene eller det generelle treningsopplegget. Denne informasjonen vil bli brukt til å bestemme den optimale varigheten av hver av disse treningskomponentene (treningskampens varighet, antall treningskamper per treningsøkt, totalt antall treningsøkter).

SA-3.2: Vurder korrelasjoner mellom aksepterte kliniske mål på balanse og BRTP-baserte mål. Implementering av BRTP innebærer nødvendigvis bruk av ytelsesmål som er spesifikke for den balanserte nåoppgaven, for å skreddersy den til individuelle fags evner (LoB) og måle påfølgende ytelse (LoB, SoB og RMSD). Målet med dette delmålet er å vurdere graden av korrelasjon mellom endringer i disse BRTP-målene og endringer i de kliniske målene som etterforskerne bruker for å vurdere BRTPs effekt på balanseytelse.

Statistisk analyse og forventede resultater: Evnen til å sammenligne ytelsen i BRTP med den i de kliniske balansemålene er begrenset på grunn av de forskjellige måleskalaene som dataene fra BRTP og kliniske mål er innhentet på. BRTP-mål (RMSD, gjennomsnittlig SoB og LoB) oppnås på en forholdsskala. Noen kliniske mål oppnås også på en forholdsskala, men andre er oppnådd på en ordinalskala. Etterforskerne vil bruke Pearsons til å vurdere korrelasjoner mellom BRTP-målene og de kliniske målene oppnådd på en forholdsskala; og Spearman's for å vurdere korrelasjoner mellom BRTP-målene og de kliniske målene oppnådd på en ordinær skala. Etterforskerne forventer at BRTP-målene skal korrelere med de kliniske målene, men at de varierer på en "jevnere" og mer kontinuerlig måte, og viser større rekkevidde og følsomhet. Etterforskerne forventer at disse korrelasjonene er statistisk signifikante, og gir bevis for at de BRTP-baserte balansemålene har klinisk gyldighet. Siden Multifunctional Reach-testen, Physiological Profile Assessment, Tinetti Balance-tester og Falls Efficacy Scale også har vist seg å korrelere med fallrisiko, vil statistisk signifikante korrelasjoner av BRTP-mål med disse gi bevis på at de er indikasjoner på fallrisiko. Til slutt vil en statistisk signifikant korrelasjon av LoB med Falls Efficacy Scale gi bevis på at LoB kan tjene som et kvantitativt mål på FoF.