Effekt av FES-interventioner på gångdynamik i strokepopulation

Hemiplegi med tillhörande fotfall förekommer hos 50 % av de som överlever stroke och försämrar ofta en individs förmåga att gå. Funktionell elektrisk stimulering (FES) baserade neuroproteser har utvecklats för att korrigera fotfall. Effektiviteten av dessa anordningar undersöktes initialt av Liberson el al. som visade att elektrisk stimulering kunde hjälpa till att återställa funktionella rörelser i förlamade lemmar. Förutom hjälp med fotfall har dessa enheter visat betydande förbättringar i biomekaniska variabler som gånghastighet, distans, steglängd och fysiologiska kostnader för individer med stroke. För att på ett heltäckande sätt förstå effekten av elektriska stimulationer på gångåterhämtning är det viktigt att analysera de dynamiska aspekterna av gång och mäta gångvariabilitet under den funktionella elektriska stimuleringsinterventionen. I den föreslagna undersökningen kommer vi att bestämma "gångsymmetrin" för FES-assisterad gång med hjälp av bilaterala cyklogram av fotleden och knäet under en period av 6 månader. Detta nya tillvägagångssätt kommer att ta hänsyn till dynamiken och komplexiteten i balansen genom att mäta ledernas avvikelser från en symmetrilinje vid varje gångcykel och kommer att ge bättre mått på gångsymmetri. Användning av detta resultatmått kommer att tillåta oss att förstå rollen av elektrisk stimulering vid fotleden och hur denna effekt översätts till knä- och höftlederna under gång. Förändringarna i ytelektromyogrammen (EMG) hos selektiva muskelgrupper kommer att visa hur FES kan bidra till muskelomträning efter stroke. Vi kommer att använda avancerade signalbehandlingsalgoritmer för att ta bort FES-artefakter från EMG-signalen för att heltäckande analysera överföringseffekten av FES-interventionen. Slutligen kommer vi att använda Principal Component Analysis (PCA) - en avancerad datautvinningsteknik för att spåra och kvantifiera den övergripande gångåterställningsprocessen för individer med stroke med hjälp av algoritmer för klassificering av mönster. Gångsymmetrimåttet och EMG kommer att klassificeras statistiskt för att se deras tydliga separation vid baslinje och 6 månaders intervall. Denna klassificering gör det möjligt för oss att identifiera de individer som var mest lyhörda för interventionen. Denna information är kritisk och kommer att göra det möjligt för forskare och kliniker att lägga om strategin för rehabiliteringsprocessen. En sådan vetenskaplig utvärdering kommer att utgöra basen för vidareutveckling och implementering av FES-enheter eller -teknologier, och därmed stödja NINDS:s grundläggande mål att översätta grundläggande och kliniska upptäckter till bättre sätt att behandla neurologiska störningar.