一个在线监测方法符合康复期间手肌肉张力
拉斐尔Ranzani
Giorgia Chiriatti
安妮·施瓦兹
Giada Devittori
罗杰Gassert
奥利弗Lambercy- 1康复工程实验室、卫生科学和技术,苏黎世联邦理工学院,苏黎世瑞士
- 2工业工程系和数学科学,马尔凯理工大学、意大利安科纳
- 3血管神经学和Neurorehabilitation,神经学部门,苏黎世大学医院,瑞士苏黎世,苏黎世大学
- 4研究未来卫生技术、Singapore-ETH中心、校园优秀科技企业(创建)、新加坡、新加坡
作品简介:机器人协助neurorehabilitation正成为一个建立方法来补充传统治疗卒中后,提供密集的治疗政权在无人监督的环境中(例如,家庭康复)。强化治疗暂时可能导致增加肌肉张力和痉挛状态,特别是在中风患者呈现语调变化。如果没有监督,持续这样的肌肉张力的增加可能负面影响(如功能障碍、疼痛)。我们提出一个在线perturbation-based方法监测符合手手指肌肉张力在无人监督的疗法练习。
方法:我们使用了ReHandyBot,小说2自由度(自由度)触觉设备执行机器人协助治疗练习训练手抓(即。手指弯曲伸缩)和前臂pronosupination。基调估计方法包括快速(150毫秒)和慢速(250毫秒)20毫米ramp-and-hold扰动把握景深,是应用在伸展手指屈肌的练习。perturbation-induced峰值力的手指垫是用来计算的语气。在这项工作中,我们评估方法的性能与弹簧刚度识别实验(0.97和1.57 N /毫米),模拟人手的刚度,在试点研究与学科增加卒中后肌张力和正常,执行一个活动感觉运动运动监测方法嵌入基调。
结果:准确的估计方法与均方根误差百分比3.8%和11.3%的软、硬弹簧,分别。试点研究,六个慢性缺血性中风患者[141.8(56.7)个月后中风,64.3(9.5)岁,表示为代表(std)]和十个未受损伤的主题[59.9(6.1)岁]没有不良事件进行了测试。的平均反应部队在指尖在慢速和快速扰动运动分别为10.7 N(5.6)和13.7 (5.6)N患者为5.8(4.2)和6.8 (5.1)N没有主题。
讨论:该方法估计反应部队的物理弹簧准确,并捕获网上增加反应部队的人中风而未受损伤的主题在无人监督的交互。在未来,卒中后肌张力增加的识别范围可以用来定制治疗密集的机器人协助康复期间每个主题和维护安全。
1介绍
机器人协助康复已成为建立方法来补充传统的上肢神经损伤后治疗,如中风(Lambercy et al ., 2018;Aggogeri et al ., 2019;Demofonti et al ., 2021)。几项研究证明了机器人技术的潜力提供激励面向任务的训练与个性化的困难(Metzger et al ., 2014;江et al ., 2020),并允许治疗结果与传统dose-matched疗法(Lo et al ., 2010;Burgar et al ., 2011;Mehrholz et al ., 2018;罗杰斯et al ., 2019;Ranzani et al ., 2020)。康复机器人的一个重要潜在可能提供更高的治疗剂量,预计将产生更高的收益(McCabe et al ., 2015;沃德et al ., 2019)。这可以通过让中风病人访问,除了传统的疗法,高质量的最小或无监督机器人协助治疗,在诊所或出院后在家(息汪月et al ., 2014;狼et al ., 2015;Zhang et al ., 2020;Lambercy et al ., 2021;Ranzani et al ., 2021)。然而,无监督使用康复设备,特别是通过与不同神经赤字中风主题(例如,感觉丧失、认知问题),控制风险增加不良事件的发生。因此,一个安全、舒适的机器人和病人之间的交互,以及监控潜在的不良事件,是至关重要的实现有效,无监督机器人协助治疗。
期间可能发生的不良事件密集上肢neurorehabilitation肌肉张力增加。事实上,中风幸存者,尤其是在慢性阶段,经常遭受肌肉张力变化和痉挛状态(即。在30%和80%之间(郭和Deshpande, 2012;Pandyan 2005)由于伤病在下行运动路径和异常的马达驱动器。肌肉张力通常被定义为生理连续和被动部分收缩的肌肉,或消极抵抗的肌肉在静止状态(奥沙利文et al ., 2019)。痉挛状态,根据定义的(兰斯,1980),是一种运动紊乱,导致speed-dependent增加肌肉,肌肉兴奋性的增加引起的纺锤波,为上运动神经元的一部分综合征(杨et al ., 2021)。活跃的运动任务可以暂时改变肌肉张力,如果不加以适当监测和管理,可能影响患者进行康复练习和潜在影响的长期结果(Bobath Bobath, 1950;Perfetti和格里马尔迪,1979;Veerbeek et al ., 2017)。由于不受控制的痉挛状态可以引起疼痛,肌肉挛缩和显著影响患者的独立和生活质量Formisano et al ., 2005;香港et al ., 2012通常使用),观察评估在临床设置及时检测痉挛状态和监控它。最广泛使用的两个评估修改Ashworth规模(MAS (Bohannon和史密斯,1987年)]和Tardieu规模(Tardieu et al ., 1954)。不幸的是,临床措施,尤其是MAS,这是最常用的规模,缺乏有效性和可靠性,因为它们是主观的,严重依赖于医生的经验(Katz和Rymer, 1989年;Cha Arami, 2020;杰尔马诺塔et al ., 2020)。此外,他们不能在无人监督的环境中执行。因此,补充康复设备的本质安全特性(如。、机电性能(Mehrholz et al ., 2018;贝斯勒et al ., 2021),可以利用人机交互实现监测策略研究在康复病人的运动控制的变化。机器设备可以用来准确地估计肌肉张力的变化(或其表现的变化在关节刚度)在肢体动员(Artemiadis et al ., 2010;塔克et al ., 2013;Dehem et al ., 2017;Ranzani et al ., 2019;邹et al ., 2021;van der Velden et al ., 2022)。最频繁,为此,位置或velocity-controlled扰动是应用于被动肢体而力传感器测量关节和肌肉的反应力/力矩在运动期间,可以用来量化肌肉和肢体生物力学,以及痉挛状态时不同的扰动速度被认为是(de la torre et al ., 2020;郭et al ., 2022)。然而,迄今为止,没有符合治疗装置允许自动监测病人的肌肉张力的变化直接在康复练习作为一种无监督治疗期间确保安全使用条件。此外,根据最近的一项审查,只有百分之三的痉挛状态的研究专注于技术辅助评估关注手(郭et al ., 2022)。
在以前的工作中,我们提出一个方法来自动监控(即手肌肉张力参数。,end-point stiffness and forces at the fingertips) online during robot-assisted therapy exercises, and we preliminarily tested its feasibility with five unimpaired (i.e., neurologically intact) subjects and five subjects after stroke not presenting hand spasticity (Ranzani et al ., 2019)。在本文中,我们扩展和补充这项工作通过进一步验证方法的准确性testbench实验(即使用弹簧代替人类的手。,the method is used to estimate the stiffness of springs with known stiffness), and by investigating the range of muscle tone fluctuations, and their dependency on the perturbation speed, in subjects with hand spasticity after chronic stroke as well as in an unimpaired age-matched population. All subjects performed a newly developed therapy exercise embedding the proposed perturbation-based method during a single therapy session. Moreover, the muscle tone parameters were compared to the MAS at the beginning and at the end of the session to evaluate their correlation. We hypothesize that the proposed method would be able to accurately estimate muscle tone/stiffness parameters and capture differences between unimpaired and stroke subjects over exercise time. In the stroke group, we also expect muscle tone parameters to be speed-dependent but not significantly correlated with the MAS due to its limited reliability and resolution (Katz和Rymer, 1989年;Melendez-Calderon et al ., 2013)。这项工作可能是一个重要的一步发展智能算法自动调整治疗参数,不断确保用户的安全使用在无监督治疗康复机器人。
2材料和方法
2.1机械设备
该研究使用ReHandyBot,便携式手康复触觉装置,评估和治疗平台。我们最近开发了这个机器人作为一个紧凑和便携式设计ReHapticKnob (Metzger et al ., 2011;Ranzani et al ., 2021)。它有两个活跃的自由度(自由度),贪婪的(即允许训练。,flexion-extension of the fingers) and pronosupination of the forearm during therapy exercises with haptic feedback. A virtual reality interface displays objects to interact with, in the context of engaging exercises, while their mechanical properties are rendered through instrumented finger pads held and manipulated by the users (Metzger et al ., 2014)。治疗演习期间,用户坐在前面的机器人装置用手指手指垫与尼龙搭扣带,如图所示图1。尼龙搭扣带约束只有前三根手指,因为他们是高度相关的日常生活中使用的大多数掌握类型(萨乌达巴耶夫邀请et al ., 2018)和他们的感觉运动功能是相互关联的通过一个常见的神经支配(正中神经)。此外,这种类型的固定允许修复手轻松和稳定,独立的人体测量学,和让用户自由地保持最后的两个手指弯曲手指垫表面上或延长。允许不同的患者手指肌肉张力使用设备和保证人体工程学,手指垫与椭圆形状设计。这可能特别帮助患者提高肌肉张力,防止手指滑动手指垫,同时允许一个简单的手放置的位置和舒适的手感。One-DOF负载细胞(ω拼箱- 040薄梁)位于每个手指垫下,允许测量交互部队(即。、抓取力和pronosupination扭矩)之间的用户和机器人。用户可以与机器人交互(例如,登录到他/她的个性化治疗方案,选择并执行演习)通过一个直观的彩色按钮键盘适合无人监督的疗法。一个可移动的手覆盖允许执行期间完全覆盖的手疗法练习。机器人可以很容易地改编成左、右手用自手指垫是对称的,手可以灵活移动和按键键盘可以放在左边或右边的机器人。ReHandyBot提供相同的评估(例如,活跃的活动范围,aROM)和assessment-driven康复练习之前ReHapticKnob上实现的,针对培训掌握和前臂pronosupination运动,以及本体感觉、触觉感知、感觉记忆和认知功能。更多细节在治疗平台上,评估和治疗练习中可以找到(Metzger et al ., 2014)和(Ranzani et al ., 2021)。
图1。主题进行康复锻炼与ReHandyBot海绵(练习),其中包括物理(即。,instrumented finger pads, colored pushbutton keyboard) and graphical user interfaces (GUIs) and a set of therapy exercises that can be used without supervision. During the specific sponge exercise, subjects have to identify virtual sponges with different stiffness rendered by the robot by squeezing them and then press the color corresponding to the perceived stiffness on the pushbutton keyboard. A movable hand cover allows to cover the hand during the execution of the exercise. Emergency stop buttons can be pressed at any time.
2.2肌肉估计方法
基于我们之前的概念验证工作(Ranzani et al ., 2019),我们开发和提炼一个肌肉估计方法,包括快速(150毫秒)和慢速(250毫秒)20毫米把握景深(即ramp-and-hold扰动。,10 mm at the fingertip per finger), which can be applied during the therapy exercises to stretch the long finger flexor muscles within their range of motion, while the hand is relaxed (see example in图2)。拉伸选择手指屈肌的拉伸手指的两种自这个方向主要引发痉挛性行为(Katner Kasarskis, 2014)。小扰动振幅以给定的速度防止过度伸长手指和减少扰动可感知的,因为改变主体的意识和压力会影响肌肉张力(鲍曼,1971;伯克et al ., 2013;普罗特维,2018)。所选的时间窗口允许捕捉短(即。、脊髓单突触的)和大圈(即。,transcortical) stretch reflex reactions that are relevant for the control of muscle tone and exclude steady state voluntary reactions, which starts after approximately 750 ms (哈蒙德et al ., 1956;大卫杜夫,1992;Pruszynski et al ., 2009)。两个速度允许评估肌肉张力是否speed-dependent(即。,如痉挛状态的情况下)。
图2。代表快20毫米(振幅一个拇指,食指尖距离变化)ramp-and-hold扰动从主题两个中风组(红色)和五个主题未受损伤的组织(蓝色)。在浅灰色的50毫秒窗口平均基线(F峰)计算斜坡出现之前。灰色是100 ms窗口中最大的力扰动引发的峰值(F基地)是评价。
2.3在线治疗运动与肌肉张力监测
我们嵌入肌肉张力监测方法为治疗运动受Perfetti提出的神经认知方法的启发,由一个对象识别运动(如海绵不同属性的)(Perfetti和格里马尔迪,1979)。这个练习之前测试了受试者在监督治疗卒中后(Ranzani et al ., 2020)。我们选择这种感觉运动锻炼,因为它需要活跃的长手指屈肌和适合的招聘对象的能力水平与痉挛状态(例如,没有复杂的multi-DOF运动)。运动块的运动是由一系列不同的困难,如所示图3。一个运动块由一个训练阶段和测试阶段。在训练阶段,三个虚拟海绵不同的颜色,每个关联到一个不同的刚度值,显示主题。用户必须挤海绵一个接一个按机器人的手指垫和记住他们的刚度。之间的时间间隔两个海绵的挤压,在主题的手放松,一个位置扰动是应用在两个手指垫。(即训练阶段重复两次。,the subject explores each sponge two times), which allows to perturb the patient’s hand six times (three fast and three slow in random order). To avoid perturbing the hand too often, perturbations are only applied during the first block and repeated in subsequent blocks only if these start at least 3 min after the previous block with perturbations. This accounts for three perturbation blocks over the total exercise duration (i.e., 12 min, see图3)。扰动的块被定义为“扰动块。“在测试阶段,一个海绵呈现给黑盒内,不允许查看海绵的颜色。主题压缩海绵,感知其刚度,确定相应的颜色使用按钮的键盘。这对应于一个治疗任务重复。第一个块的运动(即有相同的困难。,relative stiffness difference between sponges) for all the subjects. The difficulty is progressively updated using Parameter Estimation by Sequential Testing (PEST) (泰勒和Creelman, 1967年)基于块内的主题的表现。每个困难更新需要一个新的培训阶段(块)允许一套新的海绵的训练。因此,块的数量和持续时间为每个主题在同一运动持续时间不同。
图3。锻炼实验协议描述和初步研究。上图:运动结构的细节。一块我由一个训练阶段和测试阶段我。在训练阶段,受试者必须连续挤压三个虚拟机器人呈现不同颜色的海绵和记住他们的刚度。在训练阶段的块扰动被应用,例如,the perturbation blocks, three fast and three slow perturbations (thunderbolt icon) are applied when subjects switch form one sponge to the following and their hand is relaxed. In the test phase, a random sponge among the three previously memorized is proposed. Subjects have to squeeze it and press the color corresponding to the identified stiffness on the pushbutton keyboard. This corresponds to one therapy task repetition. The difficulty level (i.e., relative stiffness difference between sponges) is progressively adapted based on the subject performance and, at each difficulty update, a new training phase (and block) is started. Thus, each subject performs a different number of blocks (with different duration and number of task repetitions) within the same exercise duration (12 min). Bottom: The pilot study includes a supervised (familiarization) block, followed by unsupervised blocks during which the subject independently performs the exercise, while the experimenter observes the session. At the beginning of the experiment, all subjects undergo the robotic assessment of the aROM, while only stroke subjects perform the Fugl-Meyer assessment of the upper extremity (FMA-UE) and the Modified Ashworth Scale (MAS) of long finger flexors, which is repeated at the end of the last block. Perturbation blocks were designed to be at least 3 min apart, meaning that not all the training phases have perturbations (maximum three over 12 min). * = performed only for stroke subjects.
2.4与弹簧刚度识别实验
肌肉可以数学评估为阻力的变化(例如,力量或刚度)每单位长度变化(例如,Δ力/Δ组织的位移)(Ganguly et al ., 2021)。自从perturbation-induced力反应在手指垫是用来计算语气一个20毫米的位移,第一次testbench实验进行验证(即可靠性。力的测量误差)和刚度识别。十缓慢和十快扰动与已知应用于两个不同的弹簧刚度(分别为0.97和1.57 N /毫米),这是连接到手指垫通过两个圆柱形的内部约束,如图所示图4。之所以选择这些特别的弹簧,生成反应的力量,为20毫米的位移和基于前一个临床研究期间收集的数据(Ranzani et al ., 2020),是范围内的力量通常由中风病人与机器人互动功能治疗期间(即任务。,大约30 N)。
图4。设置刚度识别的实验。与已知的线性弹簧刚度(0.97或1.27 N /毫米)是应用于手指垫的内部通过两个圆柱约束而应用位置扰动。这允许验证perturbation-based刚度识别的性能。
2.5初步研究与学科和没有痉挛状态的肌肉
我们进行了试点研究中,六个科目与手的肌肉慢性中风后痉挛状态(> 6个月)和十个年龄神经完好科目(即。,> 50岁)参加一个实验性的会话。参与者给书面知情同意,这项研究是由苏黎世联邦理工学院伦理委员会批准,瑞士(EK 2020 - n - 84)。是通过苏黎世大学医院招募的对象与中风,包括如果他们有一个修改Ashworth规模(MAS)的长手指屈肌大于或等于1,取消对重力的手臂和残余能力。排除标准是临床上重要的伴随疾病(即。,年代evere aphasia, severe cognitive deficits, severe pain), suspected non-compliance, drug or alcohol abuse, and inability to give informed consent and understand two stage commands.
研究协议的时间表是报道图3。在实验的开始会话,上肢的Fugl-Meyer评估[FMA-UE (Fugl-Meyer et al ., 1975),中风的科目只有]和机器人运动活跃的范围的评估(aROM (Metzger et al ., 2014)]的手打开/关闭进行定义主题和调整的能力水平运动参数。随后,调查员指导主题如何与机器人交互(例如,如何的地方,调整和删除从手指垫手)和它的图形用户界面,以及如何执行运动在一个监督块(无扰动)。经过短暂的休息,每个主体都必须独立执行海绵运动(见2.3节)在模拟无监督块12分钟。在这段时间里,研究人员坐在房间的后面,静静地观察这个主题的行动和干预的风险或要求。中风和未受损伤的参与者进行了测试使用受损或手,分别。中风的主题,MAS的长手指屈肌肌肉在开始和结束时评估过去的无监督块,调查潜在的肌肉张力的变化。MAS被选中,因为它是使用最广泛的测试测量肌肉张力亢进和痉挛状态的研究和临床实践(Bakheit et al ., 2003)。一位经验丰富的理疗师执行所有临床评估。
2.6结果的措施
对于每一个扰动p,独立于它是否应用于弹簧的刚度识别实验或人手在飞行员实验中,我们报告的起始位置扰动出现的坡道,峰值的绝对力量F峰实现对扰动的反应,终点在手指垫(即刚度k了。,the estimated stiffness of the physical spring in the spring experiment or of the combination of muscle tone and finger biomechanical properties in the pilot experiment, which is the grip stiffness). These parameters allow to fully characterize muscle tone at given perturbation amplitude (i.e., 20 mm) and speed (i.e., slow and fast, with ramp times of 250 and 150 ms). All the positions and velocities are calculated with the distance in mm between the fingertip of the thumb and of the index finger.
的刚度k是计算
在哪里p表明一个扰动,x是扰动速度(即年代=缓慢,f=快),一个扰动的振幅(即。,20毫米)。F基地扰动前的基线把握力,计算的平均力在斜坡发病前的50毫秒。F峰绝对力扰动后的反应(即。,the sum of the perturbation-induced force reaction and the baseline force), which is calculated as the peak force reached between 50 ms before and 50 ms after the ramp ends. This time interval was empirically chosen based on the physiological duration of reflexes and after visual inspection of pilot data, as it is long enough to capture force changes induced by the perturbation without including voluntary reactions. The appropriateness of this empiric choice is evaluated by reporting the peak time (i.e., delta time between the perturbation onset and the maximum force peak achieved during the ramp-and-hold perturbation).kx和F峰也评估平均在一个扰动块(即。,一个verage of three measurements for each perturbation block) to study their evolution over the course of the therapy session. To illustrate the human-robot interaction happening during one perturbation,图2显示了一个代表性的例子F基地F峰和k计算一个中风和一个快速扰动后未受损伤的主题(例如,力和刚度较高峰值与中风的主题,振幅吗一个独立的斜坡是恒定的20毫米的精确的基准位置,主体间可以稍微有所不同,例如,由于不同的手大小)。
对刚度的准确性进行评估k识别和峰值力F峰测量,在刚度识别实验中,均方根误差百分率(RMSPE)计算已知刚度/力之间通过弹簧和刚度/力测量机器人。
2.7数据分析
在刚度识别实验中,Wilcoxon等级测试是用来验证和同质性扰动速度独立在刚度识别精度。
在试点研究,组间同质性评估对基线特征和运动剂量(即。,exercise duration, number of therapy blocks, task repetitions and therapy intensity, which is the number of task repetitions performed per time unit in the test phase), to exclude their possible influence on muscle tone, and between peak times, to evaluate if the time of perturbation-induced reflexes changes in spasticity with respect to an unimpaired population. To compare baseline characteristics, the two-samplet以及用于连续变量(即。,一个ge, aROM), while the Fisher’s exact test was used for dichotomous variables (i.e., gender, hand dominance, impaired hand). To assess the homogeneity between groups with respect to exercise dose, the Wilcoxon rank sum test was used for exercise duration and number of therapy blocks, while the two samplet以及用于任务重复和治疗强度(即。,number of task repetitions performed per minute during the test phase). The Wilcoxon rank sum test was used to compare the peak times between the groups.
保证假设的手开始的主题是静止的扰动,因此能够MAS比较我们的结果,所有数据包含明显的自发收缩并不包括在数据分析。在两组中,自愿在扰动发生收缩,如果被认为是礼物F基地是一个标准差以上所有基线力量F基地在运动或者主题F基地大于F峰。然而,对于这种分析的范围,考虑到可能的连续增加的手指僵硬由于生物力学原因(例如,由于永久挛缩),这是与自愿肌肉收缩,我们之前去趋势的力量与一阶与参与者患有慢性痉挛状态。
perturbation-induced峰值部队在2×3对齐比较秩变换为非参数方差分析(ART-ANOVA (Wobbrock et al ., 2011)(即。,group × perturbation block, perturbation speed × perturbation block) to analyze between and within-group differences. Excluding comparisons in baseline and exercise dose, a Bonferroni correction was applied to the statistical significance levelα= 0.05的分析结果的措施,导致p价值0.0083的统计学意义。
缺失的数据点,但由于存在自愿收缩扰动过程中,被持续观察结转或推断,如果没有可用前值,观察下落后。然而,如果提前结束锻炼,只有数据的终止运动使用,尊重时间与去年MAS的评估,这是执行正确的终止后的运动。
3的结果
3.1与弹簧刚度识别实验
通过十快,十慢的扰动,ReHandyBot确定弹簧刚度RMSPE 3.8%(误差百分率在2.3%和6.9%之间)软弹簧和11.3%(误差百分率在9.8%和12.5%之间)硬弹簧。错误比例没有显著不同的根据扰动速度(Z =−0.1,p= 0.910)。扰动是应用从一个基线位置75.6(- 0.6)毫米和80.1(- 0.4)毫米(表示为代表(std)),并达成力峰值为64.7(0.4)和97.9 (0.3)N,分别。
3.2参与者基线特征和运动剂量
所有参与者完成了协议没有不良事件相关的设备,只有二冲程科目要求治疗师介入重新定位手指的手垫在运动。表1报告基线临床和人口特征。中风组由六个参与者(4男,2女,年龄64.3(9.5),(56.7)141.8个月后中风,右撇子),适度,严重受损(五left-impaired right-impaired)水平的上肢的FMA-UE[18.7(9.3) 66分(Woytowicz et al ., 2017马斯)]和[3.5(1.4)的5分)。aROM而言,他们能够积极开放的手62.0(- 14.6)毫米,其中三个没有任何能力,积极扩展他们的手指上面最低的手机器人手指垫之间的距离(即。,51毫米)。未受损伤的组织由十个参与者(两位男八女,年龄59.9(6.1),八个右撇子和两个左撇子),能够积极开放的手113.7(- 15.8)毫米。两组性别均匀,手主导地位和年龄,是明显不同的手受损/测试(双尾确切概率法,p= 0.035)和aROM [t (14) = 6.522,p< 0.0001)。
表1。基线特征。
中风组,科目三(男,59岁,167个月后中风,右手和left-impaired FMA-UE 15 66点,MAS 5个中的5个点,aROM 52.2毫米)和4(女,55岁,233个月后中风,右手和left-impaired FMA-UE 10的66点,MAS 3的5分,87.7毫米)的aROM早锻炼(即终止。分别后,6和7.4分钟)由于轻微疼痛的手,消失后。轻微的疼痛可以是通常认为在高度痉挛性的手在身体活动和很快就消失了,因此它是不被认为是一个不良事件相关的设备。由于过早终止锻炼,科目三,四个只有一个和两个扰动块,分别。没有组,两个(女,62岁,右撇子,aROM 132.5毫米)以来锻炼4分钟后终止这个话题在实验一天感觉不适,不想继续测试,因此只有一个扰动块。
评估运动剂量均匀性考虑所有科目,中风和未受损伤的组织执行,分别为10.5(3.1)和12.0(3.2)分钟的锻炼(U = 95,p5.2 = 0.313),(1.9)和6.5(2.2)治疗块(U = 98,p24.3 = 0.161),(11.6)和41.2(12.9)任务重复(t (14) = 2.619,p= 0.020)的强度4.5(1.3)和6.6(0.9)任务重复每分钟(t (14) = 3.718,p= 0.002)。只有治疗强度之间的组在统计学上显著不同。
3.3整体集团——speed-dependency高峰期和肌肉张力
在所有科目中,扰动应用从一个基线位置65.5(- 5.4)毫米。中风组慢速和快速扰动诱发力峰值反应后282.6(28.7)和167.4(29.7)女士,女士。在未受损伤的组织,慢速和快速扰动峰值力引起的反应后249.7(119.4),和159.2(87.9)女士中风和峰值时间之间的差异未受损伤的组织在缓慢(Z = 2.5,p= 0.013)和快速扰动(Z = 1.5,p= 0.128)Bonferroni调整后没有统计学意义。
表2,3整个肌肉估计(即报告。,considering all blocks) in terms of force peak and stiffness results after fast and slow perturbations in the stroke and unimpaired group. The force peaks after perturbation were statistically significantly different between the groups after both slow [t (127) = 5.649,p< 0.0001)和快速扰动(t (127) = 7.101,p< 0.0001)。没有统计上显著的speed-dependency力峰值出现在中风(t (88) =−2.506,p= 0.014)和正常组(Z =−1.5,p= 0.122)。同样,刚度之间的结果在统计学上显著的不同团体都在缓慢(t (127) = 3.876,p< 0.001)和快速扰动后(t (127) = 4.725,p< 0.0001)。没有统计上显著的speed-dependency刚度结果同时呈现在中风(t (88) =−2.510,p= 0.014)和正常组(Z =−1.9,p= 0.056)。
表2。力峰值(F峰)结果考虑扰动或快或慢的整个运动的中风和未受损伤的组织。
表3。刚度(k)结果考虑扰动或快或慢的整个运动的中风和未受损伤的组织。
3.4肌肉在锻炼时间进化
个人力量峰值和刚度结果绘制的扰动运动时间图5。虚线代表单一的线适合主题的扰动结果。四个六冲程的参与者和十之八九未受损伤的参与者显示肌肉张力下降趋势。的平均陡度峰值力线适合和刚度符合0.00 (0.02)N / s和0.00 (0.00)N / (mm s)中风组和−0.01 (0.01)N / s和0.00 (0.00)/ (mm s)在未受损伤的组织,分别。垂直虚线代表部门(即三个time-clusters匹配三个扰动块。块,除以至少3分钟,扰动的应用)。
图5。峰力和刚度结果中风(个人扰动随时间的(A, C)分别和未受损伤的组织(B, D)分别)。三角和的平方标记代表慢速和快速扰动,分别。标记是空的扰动时,应用在自愿的收缩,从而取代了前一个或后一个微扰(8.8和17.2(7.6)(4.5)% %扰动的中风和正常组,分别)。垂直虚线代表时间集群匹配摄动块之间的分裂。虚线代表颜色的扰动结果随时间变化对个人主题。
峰力和刚度结果平均每主题和扰动块所示图690%置信区间根据扰动速度和组。浅灰箱线图表示结果的区别后快速(灰色)和慢速(黑)的扰动,并允许是否有任何speed-dependency结果(即。,没有speed-dependency会对应于零)和如何在不同扰动块。中风组(图6)、慢速和快速扰动后的峰值力从一个类似的11.4(6.8)和14.2 (6.4)N在第一个扰动块,并保持约常数为11.6(3.9)和12.4 (3.5)N在最后扰动块,达到峰值没有21 N的最大力量集团(图6 b),峰力低于慢速和快速扰动后的中风组,对应,分别为7.0(4.4)和7.8 (5.4)N在第一次微扰,在5.2 N(3.9)和6.8 (4.5)N在第三个扰动块。
图6。平均峰值力和刚度结果在三个不同的扰动块中风((A, C)分别)和正常组((B, D)分别)。黑色和灰色线表示结果后慢速和快速ramp-and-hold扰动(20毫米、150和250 ms)。的浅灰色虚线之间的区别是快和慢的结果,代表speed-dependency的趋势(即。随着时间的推移,零对应没有speed-dependency)。
两组,根据ART-ANOVA,力峰值没有明显不同的速度(中风:F (24) = 2.741,p= 0.1108;没有:F (50) = 1.276,p= 0.2640)和时间/摄动块(中风:F (24) = 0.136,p= 0.8734;没有:F (50) = 0.869,p= 0.4256),速度和扰动块之间没有显著的交互效应(中风:F (24) = 0.655,p= 0.5285;没有:F (50) = 0.079,p= 0.9246)。独立的速度、峰值部队在统计学上显著不同的组分配[缓慢:F (37) = 12.841,p= 0.0001;快速:F (37) = 19.568,p< 0.00001),但没有明显不同扰动块[缓慢:F (37) = 0.443,p= 0.6455;快速:F (37) = 0.781,p= 0.4652),之间没有交互效应扰动和组块(缓慢:F (37) = 0.425,p= 0.6571;快速:F (37) = 0.625,p= 0.5410)。
关于确定端点刚度,趋势类似于力峰结果可见,在ART-ANOVA复制相同的意义模式。中风组(图6 c),终点刚度后慢速和快速扰动从0.40 (0.24)N /毫米和0.48 (0.22)N / mm在第一个扰动块,和维持在0.43 (0.12)N /毫米和0.46 (0.14)N /毫米。在未受损伤的组织(图6 d),慢速和快速扰动后的端点刚度较低,分别为0.30 (0.17)N /毫米和0.34 (0.22)N /毫米在第一个扰动块,在0.23 (0.17)N /毫米和0.30 (0.19)N / mm在第三个扰动块。
3.5与修改Ashworth规模
中风组,平均MAS的长手指屈肌(0 - 5)在运动的开始和结束的时候运动是3.50 (1.38)。主题一个三到五保持相同的MAS在整个运动(MAS = 1, 4、5、4,分别)。四个主题增加了MAS的一个点,从三到四个,而主题六的MAS下降一个点,从4个到三个。MAS分数比较之前和之后的运动与扰动结果(即相应的扰动块。马斯,1和3)之间没有相关性,迫使峰结果后慢(ρ= 0.111,p= 0.7454)和快速扰动(ρ= 0.223,p= 0.5092)可以发现,MAS和刚度之间也没有结果后慢(ρ= 0.123,p= 0.7184)和快速扰动(ρ= 0.242,p= 0.4732)。
4讨论
本文提出的开发和验证一个方法来客观地评价肌肉张力/刚度的手指屈肌使用机械设备。该方法嵌入到一个有意义的康复锻炼使肌肉张力的在线和非监督监测和记录波动期间机器人协助治疗。肌肉张力自动评估使用perturbation-based力评估方法措施,大约每3分钟,perturbation-induced力高峰和端点在指尖的水平刚度,可作为估计的手肌肉痉挛状态(例如,以防speed-dependent肌肉张力亢进检测)。testbench实验与物理弹簧首次允许量化精度刚度识别的方法和设备。第二步,进行试点研究对中度严重受损的慢性中风患者痉挛状态和年龄没有主题的范围来确定力反应和相应的端点刚度(以及他们的进化运动时间)患者的痉挛状态。
4.1的方法可以准确地评估端点刚度
刚度识别实验表明,该方法实现了ReHandyBot机器人可以识别的端点刚度(部队)物理弹簧应用于3.8%的手指垫有错误(最大< 7%)和11.3%(最大< 12.5%)软、硬弹簧,分别。弹簧刚度的识别精度不随扰动速度,作为物理弹簧的预期。硬弹簧的刚度估算误差高更高端点力量倾向于弯曲的金属支持手指垫安装以及梁负载细胞,导致小抵消力测量。然而,这些结果是令人满意的,原因有两个。首先,报告中的错误刚度识别低于其他设备设计刚度识别在人类关节,据报道最大误差在15%和25%之间(塔克et al ., 2017;施et al ., 2020)。第二,我们测量的初步研究表明,力峰值和相应的端点刚度通过没有和痉挛性参与者报告的值低于的软弹簧。因此,我们可以假设测量与参与者,平均误差在4%以下的设备。然而,不能捕获的其他因素,如不同的放置在手指垫把握时,仍然存在,可能导致设备本身产生更多的错误。
4.2方法捕获组间差异
我们的肌肉张力估算方法可以检测未受损伤的肌肉张力差异和中风组,显示的显著变化的整体力量高峰和两组之间的刚度。力峰值和刚度约12 N和0.44 N / mm中风组,0.28和6.3 N, N /毫米未受损伤的组匹配我们的以前的结果,我们表明,没有老年人高于50年力反应和端点刚度7.7 N和0.39 N / mm可能由于手指刚度的增加(Ranzani et al ., 2019在文学),以及其他结果。根据施et al . (2020),掌指的范围(MCP)与体外骨骼关节刚度在四个不同的研究设备和27个受试者患有慢性中风和在长手指屈肌痉挛状态(MAS一至四、五),在0.09和1.13之间变化Nm / rad (坎普和Rymer, 2000;陶尔康et al ., 2010;布罗考et al ., 2011;施et al ., 2020)。与17个未受损伤的参与者,此外,三个研究报道一系列0.01到0.21 Nm / rad (Esteki和曼苏尔,1996;郭和Deshpande, 2012;施et al ., 2020)。假设平均MCP远端关节5厘米的距离(在近端和远端指节间的角是45°和20°,在四个手指和一个负载应用,比如在我们的测试场景ReHandyBot) (领域et al ., 2014),这些对应端点刚度约0.07到0.90 N /毫米中风主题和0.01到0.17 N /毫米未受损伤的科目。范多伦(1998)和Hoppner et al。(2011)观察到类似的端点刚度值(即两个指状把握。,thumb and index), which range between 0.05 and 0.60 N/mm in unimpaired participants.
我们的方法捕捉speed-dependency中风组的结果,但这种关系被发现Bonferroni调整后不显著。这可能是由于小扰动振幅(即。,10 mm at the fingertip per finger and, approximately, 0.2 rad at the MCP), which is less than half of what is typically used in conventional or robot-assisted tone assessments (Bohannon和史密斯,1987年;坎普和Rymer, 2000;施et al ., 2020)。然而,这允许使扰动振幅几乎non-noticeable(必要功能嵌入到康复锻炼)和减少风险的过度伸长与痉挛状态为主题,在这项研究中,aROM减少。我们的扰动速度(即。、40和66.7毫米/秒。,一个pproximately 0.8 and 1.33 rad/s at the MCP) could also limit the ability of the method to capture speed-dependency in the stretch reflexes, since they are within range of the speeds used in other robotic assessments [e.g., 0.11–5.2 rad/s (坎普和Rymer, 2000)),但非常接近对方。
4.3肌肉张力配置文件不符合治疗期间显著不同
所有受试者使用的独立行使可能没有不良事件在模拟无监督设置。允许中风学科严重痉挛状态独立执行符合感觉运动疗法运动是一个重要的成就,因为这些科目通常不包括在目标人群可能受益于积极的治疗与康复设备。然而,本研究受试者测试然后能够执行自主锻炼,尽管他们严重的障碍。只有两人停止了运动提前做轻微的疼痛的手指,这是频繁和临时与痉挛状态对象。
分析力的山峰和端点刚度在锻炼时间/块表明,扰动速度允许捕获组差异,而肌张力水平不显著不同的运动。有有限的共识在文学上肢运动对肌肉的影响。高度密集的治疗可能导致暂时增加肌肉,特别是在痉挛的患者,由于增加了电动机活动(Bobath Bobath, 1950;Perfetti和格里马尔迪,1979;Veerbeek et al ., 2017)或精神压力与强化治疗(张et al ., 2015)。这些假设导致过去加强或高强度训练的排斥neurorehabilitation程序(Pak彭定康,2008),以减少痉挛状态的长期负面后果的风险(例如,疼痛,减少功能和恢复能力)(Formisano et al ., 2005;香港et al ., 2012)。虽然在试点研究我们没有达到治疗强度很高,我们仍然可以涉及重复强调一个练习积极的手部运动是可行的痉挛中风患者没有负面影响手指肌肉张力。相反,我们的主题显示轻度下降或稳定的肌肉张力。这匹配其他研究和评论显示,上肢训练没有负面影响上肢痉挛状态(Ada et al ., 2006;Pak彭定康,2008;哈里斯和Eng, 2010年;Graef et al ., 2016)或轻度降低肌肉张力和cocontraction (Butefisch et al ., 1995;米勒和光线,1997;李et al ., 2016)。事实上,它一直认为短期放松关节和肌肉张力降低可能发生当手指伸展超过三次(Charalambous 2014;莱文,2018;施et al ., 2020),在我们的练习中,除了六扰动扰动块,海绵有大小和刚度,稍微伸展手指用户在每个任务的重复。这表明比强度,合适的选择符合运动提出的痉挛的病人(即。,therapy task and adaptation depending on their muscle tone level) is essential to prevent abnormal muscle tone increase during therapy. The outcome measures of the proposed method did not correlate with the MAS, however this is not surprising given the limited resolution and reliability of the scale, and its differences in assessment paradigm (e.g., single and lower speed, different range of motion) (Katz和Rymer, 1989年;Melendez-Calderon et al ., 2013)。
4.4的局限性和未来的工作
我们的结果是有限的相对较小的样本容量测试和有限数量的扰动块进行初步研究。因此,他们应该进一步研究在一个更大的人口。还应该指出的是,该方法不能解决的贡献(被动)生物力学变化的手指(如肌肉挛缩、粘连)和(主动)神经对肌肉的贡献(Nordin和弗兰克尔,2001年;奥沙利文et al ., 2019)。这可能会影响我们的结果的大小(speed-dependency)。然而,高渗性的手似乎主要是卒中后神经系统(坎普et al ., 2006)。我们的测量可能依赖于测试的手(即。,impaired hand in the stroke group, dominant hand in the unimpaired group), which was significantly different between the groups. In fact, the robot we used cannot capture force asymmetries between fingers and thumb, which might be present in subjects after stroke (陶尔康et al ., 2010)。然而,这种不对称性可能是由对称补偿运动之间的耦合的两个手指垫设备(Lambercy et al ., 2014)和牵张反射的手指和拇指之间的耦合(如。,一个年代tretch applied to the fingers trigger a force reaction also in the thumb (坎普et al ., 2014)]。未来实验与一个更大的人口可能调查高剂量治疗的效果在一个会话中,考虑高手指力量锻炼,包括多个会话,进一步探讨肌肉张力的进化取决于运动强度较长一段时间。此外,不同的扰动速度(即。,少接近彼此)应该被测试。
5影响和结论
该方法监测肌肉张力,嵌入的康复锻炼,打开新途径的使用机械设备在无监督交互,也与卒中后严重受损的主题。在机器人协助康复计划,我们的方法将允许对客观和定量(远程)监测肌肉张力的变化。这将有助于更好地理解如何优化治疗(如设置。,一个daptation of exercises and their difficulty based on objective measures, such as muscle tone (Devittori et al ., 2022)为每个病人为了防止病理性增加肌肉张力和维护安全符合康复的治疗剂量高,即使是在一个无人管理的设置。
数据可用性声明
最初的贡献提出了研究中都包含在本文/辅料,可以针对相应的作者进一步询问。
道德声明
这些研究涉及人类受试者由苏黎世联邦理工学院伦理委员会审查和批准。患者/参与者提供了他们的书面知情同意参与这项研究。
作者的贡献
RR的帮助下写的手稿GC, GD,,和OL。RR和GC数据进行分析。RR ReHandyBot开发,锻炼和监测方法的帮助下GD, OL, RG。GC、作为和RR协调进行的数据收集和研究会话对象。RR OL, RG定义研究协议。所有作者回顾了最后的手稿。
资金
这项工作是支持的ETH职业种子格兰特SEED-32 21-2和由国家研究基金会,总理办公室,新加坡在其研究校园优秀科技企业(创建)项目。苏黎世联邦理工学院提供的开放获取资金。
确认
作者要感谢所有参加了试点研究的主题,迈克Domenik Rinderknecht MATLAB工具箱,Federica Viggiano为她贡献在开发的监测方法和布鲁诺·考夫曼,Stefan Schneller和凯文罪与ReHandyBot的设计他们的帮助。
的利益冲突
作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。
出版商的注意
本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。
引用
《美国残疾人法》的颁布,L。,Dorsch, S., and Canning, C. G. (2006). Strengthening interventions increase strength and improve activity after stroke: A systematic review.欧斯特。j . Physiother。52 (4),241 - 248。doi: 10.1016 / s0004 - 9514 (06) 70003 - 4
Aggogeri F。,Mikolajczyk, T., and O’Kane, J. (2019). Robotics for rehabilitation of hand movement in stroke survivors.放置工作。Eng。11 (4),168781401984192。doi: 10.1177 / 1687814019841921
Artemiadis p K。,Katsiaris, P. T., Liarokapis, M. V., and Kyriakopoulos, K. J. (2010). “Human arm impedance: Characterization and modeling in 3d space,” in2010年IEEE / RSJ智能机器人和系统国际会议,台北,台湾,2010年10月在18到22岁(IEEE),3103 - 3108。
Bakheit,。,Maynard, V., Curnow, J., Hudson, N., and Kodapala, S. (2003). The relation between Ashworth scale scores and the excitability of the α motor neurones in patients with post-stroke muscle spasticity.j .神经病学Neurosurg。精神病学74 (5),646 - 648。doi: 10.1136 / jnnp.74.5.646
贝斯勒,J。,Prange-Lasonder, G. B., Schaake, L., Saenz, J. F., Bidard, C., Fassi, I., et al. (2021). Safety assessment of rehabilitation robots: A review identifying safety skills and current knowledge gaps.前面。机器人人工智能8,602878。doi: 10.3389 / frobt.2021.602878
Bobath, K。,和Bobath, B. (1950). Spastic paralysis treatment of by the use of reflex inhibition.英国J。地中海:包括行业中的应用13(6),121年。
Bohannon, r·W。,和Smith, M. B. (1987). Interrater reliability of a modified Ashworth scale of muscle spasticity.理论物理。其他。67 (2),206 - 207。doi: 10.1093 / ptj / 67.2.206
布罗考,e . B。、黑色、我。,Holley, R. J., and Lum, P. S. (2011). Hand spring operated movement enhancer (HandSOME): A portable, passive hand exoskeleton for stroke rehabilitation.IEEE反式。神经系统。康复中。19 (4),391 - 399。doi: 10.1109 / tnsre.2011.2157705
Burgar, c·G。,Garber, S. L., Van der Loos PhD, H. M., Deborah Kenney Ms, O., Van der Loos, H. F. M., Kenney, D., et al. (2011). Robot-assisted upper-limb therapy in acute rehabilitation setting following stroke: Department of Veterans Affairs multisite clinical trial.j .康复研究开发。48(4),445年。doi: 10.1682 / jrrd.2010.04.0062
伯克,D。,Wissel, J., and Donnan, G. A. (2013). Pathophysiology of spasticity in stroke.神经学80 (2),S20-S26。doi: 10.1212 / wnl.0b013e31827624a7
Butefisch C。,Hummelsheim, H., Denzler, P., and Mauritz, K.-H. (1995). Repetitive training of isolated movements improves the outcome of motor rehabilitation of the centrally paretic hand.j .神经科学。130 (1),59 - 68。doi: 10.1016 / x (95) 00003 - 0022 - 510 k
Cha, Y。,和Arami, A. (2020). Quantitative modeling of spasticity for clinical assessment, treatment and rehabilitation.传感器20 (18),5046。doi: 10.3390 / s20185046
张,J。,Rancourt, A., Di Poce, S., Levine, A., Hoang, J., Ismail, F., et al. (2015). Patient-identified factors that influence spasticity in people with stroke and multiple sclerosis receiving botulinum toxin injection treatments.Physiother。加拿大67 (2),157 - 166。
de la torre, R。、Ona e D。,Balaguer, C., and Jardón, A. (2020). Robot-aided systems for improving the assessment of upper limb spasticity: A systematic review.传感器20 (18),5251。doi: 10.3390 / s20185251
Dehem, S。,Gilliaux, M., Lejeune, T., Detrembleur, C., Galinski, D., Sapin, J., et al. (2017). Assessment of upper limb spasticity in stroke patients using the robotic device REAplan.j .康复医疗。49 (7),565 - 571。doi: 10.2340 / 16501977 - 2248
Demofonti,。Carpino, G。Zollo, L。,和Johnson, M. J. (2021). Affordable robotics for upper limb stroke rehabilitation in developing countries: A systematic review.IEEE反式。医疗机器人仿生学。3(1),11日至20日。doi: 10.1109 / tmrb.2021.3054462
Devittori G。Ranzani, R。Dinacci D。Romiti D。,Califfi, A., Petrillo, C., et al. (2022). “Automatic and personalized adaptation of therapy parameters for unsupervised robot-assisted rehabilitation: A pilot evaluation,” in2022年国际会议上康复机器人(ICORR),鹿特丹,荷兰,2022年7月25 - 29(IEEE),1 - 6。
Esteki,。,和Mansour, J. (1996). An experimentally based nonlinear viscoelastic model of joint passive moment.j .生物力学29 (4),443 - 450。0021 - 9290 . doi: 10.1016 / (95) 00081 - x
Formisano, R。淡水沼泽,P。,Buzzi, M. G., Vinicola, V., Penta, F., Barbanti, P., et al. (2005). Late motor recovery is influenced by muscle tone changes after stroke.档案期刊。Med.康复86 (2),308 - 311。doi: 10.1016 / j.apmr.2004.08.001
Fugl-Meyer, a。R。Jaasko, L。Leyman,我。奥尔森,S。,和Steglind, S. (1975). The post-stroke hemiplegic patient. 1. a method for evaluation of physical performance.Scand。j .康复医疗。7 (1),13-31。
Ganguly, J。,Kulshreshtha, D., Almotiri, M., and Jog, M. (2021). Muscle tone physiology and abnormalities.毒素13(4),282年。doi: 10.3390 / toxins13040282
杰尔马诺塔,M。高尔半岛,V。,Papadopoulou, D., Cruciani, A., Pecchioli, C., Mosca, R., et al. (2020). Reliability, validity and discriminant ability of a robotic device for finger training in patients with subacute stroke.j .神经工程学康复17 (1),1 - 10。doi: 10.1186 / s12984 - 019 - 0634 - 5
江,C。,Pirondini, E., Kinany, N., Pierella, C., Panarese, A., Coscia, M., et al. (2020). Motor improvement estimation and task adaptation for personalized robot-aided therapy: A feasibility study.生物医学。Eng。在线19 (1),33-25。doi: 10.1186 / s12938 - 020 - 00779 - y
Graef, P。,Michaelsen, S. M., Dadalt, M. L., Rodrigues, D. A., Pereira, F., and Pagnussat, A. S. (2016). Effects of functional and analytical strength training on upper-extremity activity after stroke: A randomized controlled trial.布拉兹。期刊。其他。20岁,543 - 552。doi: 10.1590 / bjpt-rbf.2014.0187
郭,X。,Wallace, R., Tan, Y., Oetomo, D., Klaic, M., and Crocher, V. (2022). Technology-assisted assessment of spasticity: A systematic review.j .神经工程学康复19 (1),138 - 217。doi: 10.1186 / s12984 - 022 - 01115 - 2
哈蒙德,P。,Merton, P., and Sutton, G. G. (1956). Nervous gradation of muscular contraction.Br。地中海,牛。12 (3),214 - 218。doi: 10.1093 / oxf雷竞技电竞体育竞猜平台ordjournals.bmb.a069553
哈里斯,j·E。,和Eng, J. J. (2010). Strength training improves upper-limb function in individuals with stroke: A meta-analysis.中风41 (1),136 - 140。doi: 10.1161 / strokeaha.109.567438
Hoppner, H。,Lakatos, D., Urbanek, H., Castellini, C., and van der Smagt, P. (2011). “The Grasp Perturbator: Calibrating human grasp stiffness during a graded force task,” in2011年IEEE机器人与自动化国际会议上,中国上海,2011年5月09-13(IEEE),3312 - 3316。
坎普,d G。Fischer, H. C., Conrad, M. O., Towles, J. D., Rymer, W. Z., and Triandafilou, K. M. (2014). Finger-thumb coupling contributes to exaggerated thumb flexion in stroke survivors.j .神经生理学111 (12)2665 - 2674。doi: 10.1152 / jn.00413.2013
坎普,d G。Fischer, H. C., Cruz, E. G., and Rymer, W. Z. (2006). Weakness is the primary contributor to finger impairment in chronic stroke.档案期刊。Med.康复87 (9),1262 - 1269。doi: 10.1016 / j.apmr.2006.05.013
坎普,d G。,和Rymer, W. Z. (2000). Quantitative features of the stretch response of extrinsic finger muscles in hemiparetic stroke.肌肉。神经官方j。Assoc。Electrodiagn。地中海。23 (6),954 - 961。doi: 10.1002 / (sici) 1097 - 4598 (200006) 23:6 < 954:: aid-mus17 > 3.0.co; 2 - 0
Katner, t . L。,和Kasarskis, E. J. (2014). “Muscle tone,” in神经科学百科全书(第二版)。编辑m . j . Aminoff和r·b·荷(牛津大学:学术出版社),194 - 196。
Katz, r . T。,和Rymer, W. Z. (1989). Spastic hypertonia: Mechanisms and measurement.档案期刊。医疗康复。70 (2),144 - 155。
香港,k . H。李,J。,和Chua, K. S. (2012). Occurrence and temporal evolution of upper limb spasticity in stroke patients admitted to a rehabilitation unit.档案期刊。Med.康复93 (1),143 - 148。doi: 10.1016 / j.apmr.2011.06.027
郭,林志信。,和Deshpande, A. D. (2012). Muscle-tendon units provide limited contributions to the passive stiffness of the index finger metacarpophalangeal joint.j .生物力学45 (15),2531 - 2538。doi: 10.1016 / j.jbiomech.2012.07.034
Lambercy, O。雷纳,R。,Chua, K. S., Wee, S. K., Rajeswaran, D. K., Kuah, C. W. K., et al. (2021). Neurorehabilitation from a distance: Can intelligent technology support decentralized access to quality therapy?前面。机器人人工智能8,612415。doi: 10.3389 / frobt.2021.612415
Lambercy, O。,Metzger J.-C。,Santello, M., and Gassert, R. (2014). A method to study precision grip control in viscoelastic force fields using a robotic gripper.IEEE反式。生物医学。Eng。62 (1),39-48。doi: 10.1109 / tbme.2014.2336095
Lambercy, O。,Ranzani, R。,和Gassert, R. (2018). “Robot-assisted rehabilitation of hand function,” in康复机器人技术(伦敦:爱思唯尔),205 - 225。
李,k W。,Kim, S. B., Lee, J. H., Lee, S. J., and Yoo, S. W. (2016). Effect of upper extremity robot-assisted exercise on spasticity in stroke patients.安。康复医疗。40 (6),961 - 971。doi: 10.5535 / arm.2016.40.6.961
瞧,a . C。,Guarino, P. D., Richards, L. G., Haselkorn, J. K., Wittenberg, G. F., Federman, D. G., et al. (2010). Robot-assisted therapy for long-term upper-limb impairment after stroke.心血管病。j .地中海。362 (19),1772 - 1783。doi: 10.1056 / nejmoa0911341
麦凯布,J。,Monkiewicz, M., Holcomb, J., Pundik, S., and Daly, J. J. (2015). Comparison of robotics, functional electrical stimulation, and motor learning methods for treatment of persistent upper extremity dysfunction after stroke: A randomized controlled trial.档案期刊。Med.康复96 (6),981 - 990。doi: 10.1016 / j.apmr.2014.10.022
Mehrholz, J。波尔,M。,Platz, T., Kugler, J., and Elsner, B. (2018). Electromechanical and robot-assisted arm training for improving activities of daily living, arm function, and arm muscle strength after stroke.科克伦数据库系统。牧师。2015 (9),CD006876。cd006876.pub4 doi: 10.1002/14651858.
Melendez-Calderon,。Piovesan D。,和Mussa-Ivaldi, F. A. (2013). “Therapist recognition of impaired muscle groups in simulated multi-joint hypertonia,” in2013年IEEE 13日康复机器人技术国际会议(ICORR),美国西雅图,华盛顿州,2013年6月24 - 26日,1 - 6。
Metzger J.-C。Lambercy, O。Califfi,。Dinacci D。,Petrillo, C., Rossi, P., et al. (2014). Assessment-driven selection and adaptation of exercise difficulty in robot-assisted therapy: A pilot study with a hand rehabilitation robot.j .神经工程学康复11 (1),154。doi: 10.1186 / 1743-0003-11-154
Metzger J.-C。Lambercy, O。Chapuis D。,和Gassert, R. (2011). “Design and characterization of the ReHapticKnob, a robot for assessment and therapy of hand function,” in智能机器人和系统(——),2011年IEEE / RSJ国际会议,旧金山,加州,美国,2011年9月25 - 30(IEEE),3074 - 3080。
米勒,g . J。,和Light, K. E. (1997). Strength training in spastic hemiparesis: Should it be avoided?NeuroRehabilitation9 (1),17-28。doi: 10.1016 / s1053 - 8135 (97) 00011 - 5
奥沙利文,s B。》一书中,r . J。,和Portney, L. G. (2019). “Examination of motor function: Motor control and motor learning,” in身体康复,7 e。编辑s . b . O ' sullivan, t . j .施密茨和g·富尔克(纽约:f·a·戴维斯公司)。
Pak, S。,和Patten, C. (2008). Strengthening to promote functional recovery poststroke: An evidence-based review.上面。中风康复15 (3),177 - 199。doi: 10.1310 / tsr1503 - 177
Pandyan,。,Gregoric, M., Barnes, M., Wood, D., Wijck, F. v., Burridge, J., et al. (2005). Spasticity: clinical perceptions, neurological realities and meaningful measurement.Disabil。Rehabil。27 (1 - 2),2 - 6。
普罗费,v . L。,和Turvey, M. T. (2018). Bernstein’s levels of movement construction: A contemporary perspective.嗡嗡声。Mov。科学。57岁,111 - 133。doi: 10.1016 / j.humov.2017.11.013
领域,。莫拉莱斯E。,García, M. A., and Lozano, A. (2014). “Anthropometric and anthropomorphic features applied to a mechanical finger,” in国际会议上智能机器人和应用程序,广州,中国,2014年12月17日12月20日(施普林格),254 - 265。
Pruszynski, j . A。库尔特,我。,Lillicrap, T. P., and Scott, S. H. (2009). Temporal evolution of “automatic gain-scaling”.j .神经生理学102 (2),992 - 1003。doi: 10.1152 / jn.00085.2009
Ranzani, R。,Eicher, L., Viggiano, F., Engelbrecht, B., Held, J. P. O., Lambercy, O., et al. (2021). Towards a platform for robot-assisted minimally-supervised therapy of hand function: Design and pilot usability evaluation.前面。Bioeng。Biotechnol。9 (254),652380。doi: 10.3389 / fbioe.2021.652380
Ranzani, R。,Lambercy, O。,Metzger J.-C。Califfi,。、Regazzi年代。Dinacci D。,et一个l. (2020). Neurocognitive robot-assisted rehabilitation of hand function: A randomized control trial on motor recovery in subacute stroke.j .神经工程学康复17 (1),115。doi: 10.1186 / s12984 - 020 - 00746 - 7
Ranzani, R。,Viggiano, F., Engelbrecht, B., Held, J. P., Lambercy, O., and Gassert, R. (2019). “Method for muscle tone monitoring during robot-assisted therapy of hand function: A proof of concept,” inIEEE 16日康复机器人技术国际会议(ICORR),多伦多,加拿大,2019年6月28(IEEE),957 - 962。
罗杰斯,H。,Bosomworth, H., Krebs, H. I., van Wijck, F., Howel, D., Wilson, N., et al. (2019). Robot assisted training for the upper limb after stroke (RATULS): A multicentre randomised controlled trial.《柳叶刀》394 (10192),51 - 62。doi: 10.1016 / s0140 - 6736 (19) 31055 - 4
萨乌达巴耶夫邀请,。、Rysbek Z。,Khassenova, R., and Varol, H. A. (2018). Human grasping database for activities of daily living with depth, color and kinematic data streams.科学。数据5 (1),180101 - 180113。doi: 10.1038 / sdata.2018.101
施,x Q。,Heung, H. L., Tang, Z. Q., Tong, K. Y., and Li, Z. (2020). Verification of finger joint stiffness estimation method with soft robotic actuator.前面。Bioeng。Biotechnol。8,592637。doi: 10.3389 / fbioe.2020.592637
息汪月,M。,Gallagher, J., Makower, S., Keeling, D., Bhakta, B., O’Connor, R. J., et al. (2014). Home-based computer assisted arm rehabilitation (hCAAR) robotic device for upper limb exercise after stroke: Results of a feasibility study in home setting.j .神经工程学康复11 (1),163。doi: 10.1186 / 1743-0003-11-163
Tardieu G。,Shentoub, S., and Delarue, R. (1954). A la recherche d'une technique de mesure de la spasticite.启神经。91年,143 - 144。
泰勒,M。,和Creelman, C. D. (1967). PEST: Efficient estimates on probability functions.j . Acoust。Soc。点。41 (4),782 - 787。doi: 10.1121/1.1910407
陶尔康,j . D。,坎普,d G。,和Rymer, W. Z. (2010). Lack of hypertonia in thumb muscles after stroke.j .神经生理学104 (4),2139 - 2146。doi: 10.1152 / jn.00423.2009
塔克·m·R。莫泽,。,Lambercy, O。苏尔寿公司J。,和Gassert, R. (2013). “Design of a wearable perturbator for human knee impedance estimation during gait,” in2013年IEEE 13日康复机器人技术国际会议(ICORR),美国西雅图,华盛顿州,2013年6月24 - 26日(IEEE),1 - 6。
塔克·m·R。水后,C。,Lambercy, O。苏尔寿公司J。S., and Gassert, R. (2017). Design and characterization of an exoskeleton for perturbing the knee during gait.IEEE反式。生物医学。Eng。64 (10)2331 - 2343。doi: 10.1109 / tbme.2017.2656130
van der Velden, L . L。德考夫,m·a·C。罗纹机,g M。,和Selles, R. W. (2022). The diagnostic levels of evidence of instrumented devices for measuring viscoelastic joint properties and spasticity; a systematic review.j .神经工程学康复19(1),16日至18日举行。doi: 10.1186 / s12984 - 022 - 00996 - 7
Veerbeek, j . M。,Langbroek-Amersfoort, A. C., van Wegen, E. E., Meskers, C. G., and Kwakkel, G. (2017). Effects of robot-assisted therapy for the upper limb after stroke: a systematic review and meta-analysis.Neurorehabil。神经代表。31 (2),107 - 121。
沃德:S。,Brander, F., and Kelly, K. (2019). Intensive upper limb neurorehabilitation in chronic stroke: Outcomes from the queen square programme.j .神经。Neurosurg。精神病学90 (5),498 - 506。doi: 10.1136 / jnnp - 2018 - 319954
Wobbrock, j . O。、《L。Gergle D。,和Higgins, J. J. (2011). “The aligned rank transform for nonparametric factorial analyses using only anova procedures,” inSIGCHI会议程序在计算系统的人为因素,加拿大温哥华公元前,2011年5月5月7日12日吗(ACM),143 - 146。
狼,s . L。Sahu, K。,Bay, R. C., Buchanan, S., Reiss, A., Linder, S., et al. (2015). The HAAPI (home arm assistance progression initiative) trial: A novel robotics delivery approach in stroke rehabilitation.Neurorehabilitation神经修复29 (10),958 - 968。doi: 10.1177 / 1545968315575612
Woytowicz, e . J。,Rietschel, J. C., Goodman, R. N., Conroy, S. S., Sorkin, J. D., Whitall, J., et al. (2017). Determining levels of upper extremity movement impairment by applying a cluster analysis to the Fugl-Meyer assessment of the upper extremity in chronic stroke.档案期刊。Med.康复98 (3),456 - 462。doi: 10.1016 / j.apmr.2016.06.023
杨,E。,Lew, H. L., Özçakar, L., and Wu, C.-H. (2021). Recent advances in the treatment of spasticity: Extracorporeal shock wave therapy.j .中国。地中海。10(20),4723年。doi: 10.3390 / jcm10204723
张,L。郭,S。,和Sun, Q. (2020). Development and assist-as-needed control of an end-effector upper limb rehabilitation robot.达成。科学。10 (19),6684。doi: 10.3390 / app10196684
关键词:扰动、机器人协助康复、手、中风、安全、neurorehabilitation,痉挛状态,肌肉张力
引用:Ranzani R, Chiriatti G,施瓦兹,Devittori G, Gassert R和Lambercy O(2023)在线监测方法符合康复期间手肌肉张力。前面。机器人。人工智能10:1093124。doi: 10.3389 / frobt.2023.1093124
收到:08年11月2022;接受:2023年1月24日;
发表:2023年2月06。
编辑:
马塞洛Valori研究所智能工业技术和先进制造系统(CNR),意大利版权©2023 Ranzani Chiriatti,施瓦兹、Devittori Gassert Lambercy。这是一个开放分布式根据文章知识共享归属许可(CC)。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。
*通信:拉斐尔Ranzani,relab.publications@hest.ethz.ch