肩部运动范围内的可穿戴技术

Capture 移动应用程序或“应用程序”（FocusMotion，加利福尼亚州圣莫尼卡）经过定制设计并安全地安装在首席联合研究员 Ramkumar 博士使用的单个 (CCF) 智能手机上，并用作私人用户界面专有软件开发工具包 (SDK)。 Capture 应用程序使用蓝牙连接与 Pebble Time Round 智能手表配对，以允许参与者在使用智能手机时远程计时。 FocusMotion 出于研究目的将智能手表借给了研究人员。

这个专有 SDK (FocusMotion) 处理由硬件（加速度计、陀螺仪、磁力计）记录的用户动作。 收集数据后，软件开发工具包 (SDK) 会将运动分类为重复性或非重复性，并进一步分析重复性运动。 当用户完成锻炼或运动时，SDK 会跟踪执行的重复次数、技巧和休息时间。 SDK 可以通过将动作与该特定动作的理想动作模板进行比较，向用户提供有关其形式的实时反馈。 该 SDK 与任何操作系统、电话或可穿戴设备兼容，提供与现有技术的无缝集成。

SDK 的测量结果将与使用手动测角仪进行的四种肩部动作（外展、前屈、内旋、外旋）进行比较。 10 名受试者中的每名受试者将对每个动作进行 5 次试验，以确保一致性和可重复性。

将招募没有肩痛、肩部活动范围完整且之前没有做过肩部手术的参与者。 不会制定其他排除标准。 个人将从 CCF 本科和研究生医学教育项目中招募。

将采用统计分析来评估从 SDK 和手动测角仪测量的肩部运动弧。 将执行单变量分析（卡方用于分类和 t 检验用于连续变量）以比较每个患者的角度测量值和角度测量值。 功效分析表明，在 5% 的置信水平下，两组之间有 94% 的机会检测到较大的效应量，有 60% 的机会检测到中等效应量。 对于 1 个样本 t 检验，功效分析表明有 92% 的机会检测到在 5% 置信水平下显着的中等效应大小。 所有数据分析都将使用 Microsoft 进行。 Excel 分析软件版本 14.5.4 使用 <0.05 的 p 值截止值来确定统计显着性。

所有不良事件都将报告给机构审查委员会。