本体感觉神经肌肉促进运动对健康个体早期肩部肌肉激活的影响 (PNF)
虚拟现实动作捕捉游戏系统的本体感觉神经肌肉促进运动和并发反馈对健康个体早期肩部肌肉激活的有效性
研究概览
详细说明
研究设计采用单向重复测量设计来研究通过 VR 和并发反馈增强 PNF 练习的潜在益处,以增强健康个体的早期肩部肌肉激活。
参与者 通过便利抽样招募30名健康志愿者(14名男性和16名女性,平均年龄26.2±4岁)。 纳入标准要求年龄为18-45岁,能够进行PNF D2肩部屈曲运动。 排除标准旨在确保样本同质性和数据可靠性,包括过去 3 个月内优势臂的任何肩部损伤,例如肩胛区疼痛、肩袖撕裂或重建、肩关节脱位、肩关节不稳定、肩周炎、骨折和慢性颈部疼痛。 这项研究作为最低风险研究获得了机构审查委员会 (IRB) 的伦理批准 (IRB # 2023-0322-01)。 研究方案符合1975年《赫尔辛基宣言》(2013年修订的《赫尔辛基宣言》)的伦理准则。
研究人员筛选了潜在参与者的纳入标准。 向符合条件的个人详细解释了研究的目的、干预措施及其作用,然后获得了知情同意。 然后参与者填写了人口统计信息表。 为了保护机密性,参与者被分配了数字标识符,所有识别信息都与研究数据分开存储在安全位置。
结果测量 本研究结合使用多种技术来测量肩部肌肉激活和活动度。 NORAXON 3D 运动捕捉系统配备 Ultium EMG 传感器和 Ultium Motion 传感器,可精确跟踪肌肉活动和运动模式(ICC 范围为 0.87-0.98)。 Ultium 表面 EMG 传感器用于检测三种不同干预期间的最大自主收缩 (MVC) 以及以 % MVC 形式表示的肌肉激活。 利用 Ultium Motion ROM 传感器通过屈曲、外展和外旋来分析三个不同运动平面中的 PNF D2 肩部屈曲运动。 使用 MyoMUSCLE 和 MyoMOTION 软件进行数据收集。
参与者的主观反馈是使用博格感知劳累评分(RPE)量表和定制调查问卷收集的,包括享受、自信、沮丧、无聊和困难程度。
干预措施 使用 Xbox Kinect 和 BeCure 游戏软件进行 VR 练习。 U-Ball 游戏要求参与者使用惯用手上的 PNF D2 肩部屈曲从屏幕上的随机目标击球。 比赛设置确保了干预期内出现了14个球。 视觉反馈是通过屏幕上的头像反映参与者的动作来提供的。 虽然游戏显示了得分元素,但这些元素被排除在研究分析之外,以专注于正确的锻炼形式。
这项研究实施了三种不同的肩部肌肉激活干预措施。 干预措施 I(单独 PNF):基础 PNF D2 肩部屈曲练习,包括肩部屈曲、外展和外旋。 这项练习按照节拍器引导的每分钟 14 次的节奏进行,以建立一致的基线并匹配 U-Ball 比赛的节奏。 干预 II (PNF+VR):将 PNF D2 肩部屈曲练习与 VR 动作捕捉游戏(U-Ball 游戏)相结合。 干预 III (PNF+VR+CF):PNF D2 肩部屈曲练习结合 U 型球游戏,并添加听觉并发反馈(“剑”),该反馈参考对角向上出剑的动作。 每次干预持续 60 秒,然后是两分钟的休息时间,其中包括完成调查。
程序 EMG 和 ROM 传感器放置 将表面 EMG 电极放置在上斜方肌 (UT)、下斜方肌 (LT)、冈下肌 (INF) 和前锯肌 (SA) 肌肉的已识别运动点上。 ROM 传感器连接到参与者优势臂的上脊柱 (C7/T1)、下脊柱 (T12/L1) 和三角肌结节。 用于传感器放置的解剖标志由相同的两位研究人员确认,以确保一致性。 一名男性和女性研究人员协助放置传感器,以确保一个尊重和舒适的环境。
PNF D2 屈曲练习简介 在学习站,通过预先录制的教学视频向参与者介绍了 PNF D2 肩部屈曲练习和听觉同步反馈。 在视频中,研究人员解释了如何利用听觉“剑”并发反馈。 另一位研究人员随后进行了现场演示,让参与者练习该模式并确认他们的理解。
MVC 测量和校准 研究人员对基线肌肉活动进行了 MVC 测试。 参与者尽最大努力抵抗研究人员施加的手动阻力,研究人员接受过培训,以在整个会议中施加一致的阻力。 ROM 传感器校准在距离 Xbox Kinect 摄像头 1.5 米处进行,使参与者符合 U-Ball 游戏的软件要求,以实现最佳交互。 随后,在这三个练习期间,使用 MyoMUSCLE 和 MyoMOTION 软件 (Noraxon Inc.) 监测和记录 UT、LT、SA 和 INF 肌肉以及肩部 ROM(屈曲、外展和外旋)的肌肉激活并记录一分钟。
干预管理 参与者以每分钟 14 次节拍的 PNF D2 肩部练习开始,节拍器的节奏与 U 球比赛的节奏相匹配,持续 1 分钟。 初次干预后,参与者有 2 分钟的休息时间,在此期间他们完成了一项调查(Borg 和定制问卷)。 然后,参与者被随机分配接受干预措施 II 和 III。 这种随机化涉及盲目选择标记为 II 或 III 的两篇论文中的一篇,旨在最大限度地减少残留效应。
研究类型
注册 (实际的)
阶段
- 不适用
联系人和位置
学习地点
-
-
New York
-
Orangeburg、New York、美国、10962
- Dominican University New York, Doctor of Physical Therapy Program
-
-
参与标准
资格标准
适合学习的年龄
- 成人
接受健康志愿者
描述
纳入标准:
- 18-45岁
- 能够进行 PNF D2 肩部屈曲练习
排除标准:
- 过去 3 个月内惯用手的任何肩部损伤
- 肩胛骨区域疼痛
- 肩袖撕裂或重建
- 肩关节脱位
- 肩部不稳定
- 肩周炎
- 断裂
- 慢性颈部疼痛
学习计划
研究是如何设计的?
设计细节
- 主要用途:治疗
- 分配:随机化
- 介入模型:交叉作业
- 屏蔽:单身的
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
有源比较器:PNF 和带有虚拟现实的 PNF 以及带有并发反馈的 PNF
参与者开始进行 1 分钟的 PNF D2 肩部锻炼。
然后参与者进行 PNF D2 练习并使用虚拟现实游戏作为第二次干预,持续 1 分钟,然后进行 PNF D2 练习并进行并发反馈作为第三次干预,持续 1 分钟。
每次干预之间,参与者有 2 分钟的休息时间。
基线始终是 PNF 锻炼,但是第 1 组和第 2 组的第二次和第三次干预是不同的。
|
基础 PNF D2 肩部屈曲练习包括肩部屈曲、外展和外旋。
这项练习按照节拍器指导的每分钟 14 次节拍的速度进行,以建立一致的基线。
将 PNF D2 肩部屈曲练习与虚拟现实动作捕捉游戏(U-Ball 游戏)相结合。
PNF 练习增加了听觉并发反馈(“剑”),它指的是沿对角线向上方向拔出剑的动作。
|
|
有源比较器:PNF 和具有并发反馈的 PNF 以及具有虚拟现实游戏的 PNF
参与者开始进行 1 分钟的 PNF D2 肩部锻炼。
然后参与者进行 PNF D2 练习并结合并发反馈作为第二次干预,持续 1 分钟,然后他们进行 PNF D2 练习和虚拟现实游戏作为第三次干预,持续 1 分钟。
每次干预之间,参与者有 2 分钟的休息时间。
基线始终是 PNF 锻炼,但是第 1 组和第 2 组的第二次和第三次干预是不同的。
|
基础 PNF D2 肩部屈曲练习包括肩部屈曲、外展和外旋。
这项练习按照节拍器指导的每分钟 14 次节拍的速度进行,以建立一致的基线。
将 PNF D2 肩部屈曲练习与虚拟现实动作捕捉游戏(U-Ball 游戏)相结合。
PNF 练习增加了听觉并发反馈(“剑”),它指的是沿对角线向上方向拔出剑的动作。
|
研究衡量的是什么?
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
肌肉激活
大体时间:完成学习,平均需要 6 个月
|
使用无线表面肌电图(EMG)(Noraxon USA,Inc.),将上斜方肌(UT)、下斜方肌(LT)、冈下肌(INF)和前锯肌(SA)的激活记录为毫伏。
|
完成学习,平均需要 6 个月
|
|
运动范围
大体时间:完成学习,平均需要 6 个月
|
Ultium Motion (Noraxon) 系列运动传感器用于记录 PNF D2 肩部屈曲练习期间通过屈曲、外展和外旋在三个不同运动平面中的肩部运动。
使用“度”作为测量单位来记录运动范围。
|
完成学习,平均需要 6 个月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
年龄
大体时间:完成学习,平均需要 6 个月
|
参与者填写了人口统计调查,包括年龄(以岁为单位)。
|
完成学习,平均需要 6 个月
|
|
高度
大体时间:完成学习,平均需要 6 个月
|
参与者填写了人口统计调查,包括身高(英寸)
|
完成学习,平均需要 6 个月
|
|
重量
大体时间:完成学习,平均需要 6 个月
|
参与者填写了人口统计调查,包括体重(磅)
|
完成学习,平均需要 6 个月
|
|
博格感知劳累量表评级
大体时间:完成学习,平均需要 6 个月
|
Borg 感知劳累量表的评分范围为 6 至 20,其中 6 表示“完全没有劳累”,20 表示“最大劳累”。
用于确定治疗性运动期间的体力活动水平。
|
完成学习,平均需要 6 个月
|
合作者和调查者
调查人员
- 首席研究员:Ayse Edeer, PT, PhD、Dominican University New York
出版物和有用的链接
一般刊物
- Chen MJ, Fan X, Moe ST. Criterion-related validity of the Borg ratings of perceived exertion scale in healthy individuals: a meta-analysis. J Sports Sci. 2002 Nov;20(11):873-99. doi: 10.1080/026404102320761787.
- Lupinacci G, Gatti G, Melegari C, Fontana S. Interactive design of patient-oriented video-games for rehabilitation: concept and application. Disabil Rehabil Assist Technol. 2018 Apr;13(3):234-244. doi: 10.1080/17483107.2017.1306592. Epub 2017 Apr 11.
- Ekblom MM, Eriksson M. Concurrent EMG feedback acutely improves strength and muscle activation. Eur J Appl Physiol. 2012 May;112(5):1899-905. doi: 10.1007/s00421-011-2162-2. Epub 2011 Sep 16.
- Morais N, Ferreira J, Gordo J, et al. A diagonal movement pattern of arm elevation and depression in overhead throwing athletes: An exploratory kinematic analysis for Clinical Application. Applied Sciences. 2023 Sept 26;13(19):1-15. doi:10.3390/app131910691
- Forbush SW, Bandy WD, Garrison MK, Graves LC, Roberts R. TESTING INFRASPINATUS AND DELTOID MUSCLES WITH NEW TECHNIQUE TO DECREASE DELTOID ACTIVITY DURING TESTING USING EMG ANALYSIS. Int J Sports Phys Ther. 2018 Aug;13(5):896-904.
- Januario LB, Cid MM, Zanca GG, Mattiello SM, Oliveira AB. Serratus anterior sEMG - sensor placement and test position for normalization purposes during maximal and submaximal exertions. Med Eng Phys. 2022 Mar;101:103765. doi: 10.1016/j.medengphy.2022.103765. Epub 2022 Feb 8.
- Huang HY, Lin JJ, Guo YL, Wang WT, Chen YJ. EMG biofeedback effectiveness to alter muscle activity pattern and scapular kinematics in subjects with and without shoulder impingement. J Electromyogr Kinesiol. 2013 Feb;23(1):267-74. doi: 10.1016/j.jelekin.2012.09.007. Epub 2012 Nov 2.
- Cheng, L., Li, J., Guo, A. et al. Recent advances in flexible noninvasive electrodes for surface electromyography acquisition. npj Flex Electron 7, 39 (2023). https://doi.org/10.1038/s41528-023-00273-0
- Szczepan S, Zaton K, Fernandez FC, et al. The effects of concurrent visual versus verbal feedback on swimming strength task execution. Balt J Health Phys Act. 2018;10(4):61-71. doi:10.29359/BJHPA.10.4.05.
- Chen C, Weyland S, Fritsch J, Woll A, Niessner C, Burchartz A, Schmidt SCE, Jekauc D. A Short Version of the Physical Activity Enjoyment Scale: Development and Psychometric Properties. Int J Environ Res Public Health. 2021 Oct 20;18(21):11035. doi: 10.3390/ijerph182111035.
- Grime A, Daines S, Pringle L, et al. The within-day reliability of scapular and shoulder EMG measurements in asymptomatic individuals during shoulder abduction. NZJP. 2023;46(2):67-72. doi:10.15619/NZJP/46.2.02.
- Alizadehkhaiyat O, Hawkes DH, Kemp GJ, Frostick SP. ELECTROMYOGRAPHIC ANALYSIS OF SHOULDER GIRDLE MUSCLES DURING COMMON INTERNAL ROTATION EXERCISES. Int J Sports Phys Ther. 2015 Oct;10(5):645-54.
- Campanini I, Disselhorst-Klug C, Rymer WZ, Merletti R. Surface EMG in Clinical Assessment and Neurorehabilitation: Barriers Limiting Its Use. Front Neurol. 2020 Sep 2;11:934. doi: 10.3389/fneur.2020.00934. eCollection 2020.
- San Juan JG, Gunderson SR, Kane-Ronning K, Suprak DN. Scapular kinematic is altered after electromyography biofeedback training. J Biomech. 2016 Jun 14;49(9):1881-1886. doi: 10.1016/j.jbiomech.2016.04.036. Epub 2016 May 3.
- Vitali RV, Barone VJ, Ferris J, Stirling LA, Sienko KH. Effects of Concurrent and Terminal Visual Feedback on Ankle Co-Contraction in Older Adults during Standing Balance. Sensors (Basel). 2021 Nov 2;21(21):7305. doi: 10.3390/s21217305.
- Youdas JW, Arend DB, Exstrom JM, Helmus TJ, Rozeboom JD, Hollman JH. Comparison of muscle activation levels during arm abduction in the plane of the scapula vs. proprioceptive neuromuscular facilitation upper extremity patterns. J Strength Cond Res. 2012 Apr;26(4):1058-65. doi: 10.1519/JSC.0b013e31822e597f.
- Knippenberg E, Verbrugghe J, Lamers I, Palmaers S, Timmermans A, Spooren A. Markerless motion capture systems as training device in neurological rehabilitation: a systematic review of their use, application, target population and efficacy. J Neuroeng Rehabil. 2017 Jun 24;14(1):61. doi: 10.1186/s12984-017-0270-x.
- Lee HL, Khairunizam W, Cahyadi BN, et al. Progress monitoring in upper limb stroke rehabilitation by using muscle activation and hand speed. J Phys: Conf Ser. 2020;1529(4):042019. doi:10.1088/1742-6596/1529/4/042019
- Fuertes Munoz G, Mollineda RA, Gallardo Casero J, Pla F. A RGBD-Based Interactive System for Gaming-Driven Rehabilitation of Upper Limbs. Sensors (Basel). 2019 Aug 9;19(16):3478. doi: 10.3390/s19163478.
- Zaidi S, Ahamad A, Fatima A, Ahmad I, Malhotra D, Al Muslem WH, Abdulaziz S, Nuhmani S. Immediate and Long-Term Effectiveness of Proprioceptive Neuromuscular Facilitation and Static Stretching on Joint Range of Motion, Flexibility, and Electromyographic Activity of Knee Muscles in Older Adults. J Clin Med. 2023 Mar 30;12(7):2610. doi: 10.3390/jcm12072610.
- Witt D, Talbott N, Kotowski S. Electromyographic activity of scapular muscles during diagonal patterns using elastic resistance and free weights. Int J Sports Phys Ther. 2011 Dec;6(4):322-32.
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (实际的)
研究完成 (实际的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (估计的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
与本研究相关的术语
关键字
其他研究编号
- Dominican University New York
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)?
药物和器械信息、研究文件
研究美国 FDA 监管的药品
研究美国 FDA 监管的设备产品
此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.