脑瘫青少年运动行为监测的可行性及判别效度

脑瘫 (CP) 是一种由胎儿或早期婴儿大脑发育损伤或异常引起的非进行性疾病。 根据欧洲国家的登记数据，每 1000 名活产婴儿中就有 2-3 人患有这种疾病。 脑瘫患者通常会出现运动发育障碍，由于运动协调和肌张力调节受损，导致运动和姿势模式异常。 脑瘫患者还可能存在各种其他问题，包括感觉和认知问题以及睡眠障碍。 这些症状导致个人一生的活动水平和社会参与受到限制。 青少年甚至七岁的儿童可能会出现运动能力下降，导致他们的运动行为发生变化。 医疗保健专业人员依靠在临床和医院环境中进行的各种观察和测量来评估和治疗脑瘫患者。 然而，这些评估是否真正反映现实生活中的运动行为存在一些不确定性，因为在日常生活中使用受损的肢体经常会偏离其运动能力。 缺乏强大的工具来捕获现实环境中的白天和夜间运动行为，而不是在临床或受控环境中。 偏瘫是脑瘫最常见的标志，使不对称缺陷成为物理和职业治疗等强化干预的目标。 然而，没有可用的临床工具来记录患有脑瘫的儿童和青少年在现实世界中的不对称差异。 测量现实世界运动模式的客观方法将使治疗师能够识别需要更全面评估的个体，并更准确地制定干预措施和其他管理策略。 这将帮助患有脑瘫的儿童和青少年获得运动技能，以最大限度地独立。 此外，在日常生活中客观观察脑瘫患者对于深入了解功能衰退至关重要。 据观察，患有脑瘫的儿童和青少年更容易出现与睡眠相关的困难，例如入睡困难、夜间频繁醒来、床上不适以及清晨醒来。 由于睡眠质量在健康相关的生活质量中起着至关重要的作用，因此拥有客观的方法来评估和监测现实世界中潜在的睡眠问题至关重要。

深度学习卷积神经网络已被建模来识别躺着、坐着和站立的姿势、行走活动以及左右四肢的运动。 该网络使用来自 7 个可穿戴传感器的加速计和陀螺仪数据。 对网络性能的测试发现，它在对健康且发育正常的成年人的运动行为进行准确分类方面超越了人类注释者。 这些调查结果目前正在审查中，尚未发表。 本协议详细介绍了评估现实世界运动行为监测的可行性以及网络在 CP 和控制青少年中的判别有效性的方法。

可行性评估检查所使用的技术，例如潜在的数据丢失和数据输出的可信度，以及用户接受度，例如传感器磨损时间和不良事件。 网络的判别能力将通过网络区分控制和 CP 严重程度的能力来评估，例如粗大运动功能分类量表 - 扩展和修订 (GMFCS-E&R) 的分数、不同类型的 CP、不同受影响的身体部位参与的患有脑瘫的青少年，以及整个队列中有或没有睡眠问题的个体。