Hoeveel gegevens ga ik verzamelen?

Hoewel er onderzoek is gedaan naar verschillen tussen biomechanische modellen, zijn er weinig onderzoeken die onderzocht hebben wat de invloed is van het aantal stappen dat in de analyse wordt meegenomen. Dit idee is niet nieuw, aangezien Zahedi et al. in hun artikel uit 1987 in Prosthetic and Orthotics International, al concludeerden dat "het eerst nodig is de mate van herhaalbaarheid als gevolg van de meetmethode en stap-tot-stap variatie te kwantificeren, alvorens te proberen een biomechanische vergelijking te maken". Voor zover wij weten is stap-tot-stap variatie echter niet onderzocht bij mensen met een amputatie.

Daarom heeft Roessingh Research and Development proefexperimenten uitgevoerd waarbij we drie personen met een transfemorale amputatie vroegen vijf keer naar ons laboratorium te komen terwijl we ongeveer 200 stappen verzamelden met behulp van instrumentele loopanalyse. Zo konden we de variabiliteit van het lopen binnen een meetsessie maar ook tussen meetsessies vergelijken. De resultaten van deze pilotstudie toonden aan dat het opnemen van een beperkt aantal stappen (maximaal 20 stappen) kan leiden tot verschillen tot 10% in loopsnelheid wanneer we een vergelijking maken tussen de meetsessies. Ook bleek dat personen tijdens een meetsessie geneigd zijn met een hogere loopsnelheid te beginnen, die tegen het einde van de sessie afvlakt. Deze pilotstudie gaf aanwijzingen dat het looppatroon van mensen met een amputatie meer variabel is dan we aanvankelijk dachten. Het suggereert ook dat we misschien meer stappen moeten meten dan nu gebruikelijk is, of ons op zijn minst bewust moeten zijn van de potentiële risico's van het analyseren van een beperkt aantal stappen. Tijdens het symposium zullen we veel dieper ingaan op de resultaten en de discussie openzetten om ervaringen van andere onderzoekers te bespreken.

Hoe ga ik de gegevens presenteren?

Een andere keuze die gemaakt moet worden is hoe we de gegevens gaan presenteren. Een gebruikelijke manier om de gegevens te presenteren is met behulp van een stap-tijd-normalisatie. Bij de analyse van menselijk lopen worden grafieken van de gewrichtskinematica (hoeken) meestal gepresenteerd van het eerste contact tot het eerste contact, met een indicatie waar de overgang van stap naar zwaai fase is, op het moment van afzetten van de voet. Hoewel dit op individueel niveau kan werken, kan het tot problemen leiden bij de presentatie van gegevens van de groep, of bij de presentatie van longitudinale gegevens. Dit is met name het geval wanneer er variatie is in de plaats van de overgang van stap naar zwaai. Deze variatie kan ertoe leiden dat gegevens van individuen die zich nog in de stand fase bevinden, worden gecombineerd of vergeleken met gegevens van individuen die zich al voor een deel van de stap in de zwaaifase bevinden.

Een grondige analyse van de gegevens die Roessingh Research and Development verzamelde in een longitudinaal onderzoek onder overlevenden van een beroerte toonde aan dat dit inderdaad gebeurt en dat het de grafieken van de gewrichtskinematica ernstig kan scheeftrekken. Verder toonde dit onderzoek aan dat het normaliseren van de gewrichtskinematica op de subfasen van dubbele ledemaatsteunfase, van enkele ledemaatsteunfase en van zwaaifase scheefheid van de grafieken voorkomt en een veel betere weergave van de gewrichtshoek geeft. Tijdens het symposium zullen wij deze gegevens tonen, zodat jij met eigen ogen kunt zien hoe de gegevens scheef staan en hoe normalisatie van de subfasetijd de grafieken verandert, waardoor een betere weergave ontstaat.

Welke gegevens ga ik presenteren?

Het laatste onderwerp van dit symposium is de vraag welke gegevens moeten worden gepresenteerd. Zoals eerder gezegd, is in veel studies waarin verschillende technologieën worden vergeleken, gekeken naar gewrichtskinematica of gewrichtskinetica. Hoewel dit interessante variabelen zijn, is het verband tussen verschillen op deze variabelen en het algehele functioneren van de gebruiker niet altijd even duidelijk. Daarom is het wellicht interessanter om te kijken naar algemene variabelen zoals evenwicht of cognitieve belasting tijdens het lopen.

Een manier om naar cognitieve belasting te kijken is het meten van de bloedstroom in de frontale cortex van de hersenen, zoals gemeten met functionele nabij-infraroodspectroscopie. De Universiteit van Jönköping heeft ruime ervaring met het verzamelen van deze gegevens bij personen met een amputatie. Uit hun gegevens bleek dat de cognitieve belasting van het lopen met prothesen met geavanceerde mogelijkheden, zoals auto-adaptieve componenten, lager is in vergelijking met het lopen met mechanisch passieve prothesen. Zij toonden ook aan dat patronen van hersenactiviteit kunnen veranderen in afwezigheid van veranderingen in loopsnelheid of staplengte. Deze resultaten zijn van groot klinisch belang omdat zij duidelijk het potentieel aantonen van meer geavanceerde prothesecomponenten op het algemeen functioneren van personen met een amputatie, en het potentieel van cognitieve belasting als interessante uitkomstmaat in looponderzoek. In dit symposium tonen we de omvang van deze verschillen en bespreken we de betekenis van deze resultaten voor personen met een amputatie en het prothesedomein in het algemeen.

Wil jij hier meer over weten?

Hebben wij jouw interesse gewekt en ben jij aanwezig op het ISPO World Congress? Dan kunt u ons symposium bijwonen op dinsdag 25 april van 14.45 - 16.00 uur in de hoofdzaal. Mocht u niet aanwezig zijn, maar wel interesse hebben? Neem dan gerust contact met ons op!

De volgende dag, 3 februari 2023, was het tijd voor Luca Marotta om zijn proefschrift “Development of inertial sensor-based methods to assess physical fatigue in running applications” te verdedigen. Zoals net uitgelegd, hebben hardlopers een hoog blessurerisico. Het monitoren van fysieke vermoeidheid zou hardlopers ten goede kunnen komen, maar kwantitatieve identificatie van fysieke vermoeidheid ontbrak in de literatuur. Daarom richtte Luca zich op dit onderwerp door na te gaan of fysieke vermoeidheid bij hardlopen geïdentificeerd kan worden met behulp van IMU’s. Tijdens Luca’s verdediging, heeft één van de commissieleden de paranimfen gevraagd om deel uit te maken van een klein experiment. De paranimfen moesten één arm recht vooruit houden tijdens de verdediging. Dit leuke experiment liet zien dat mensen ook vermoeid kunnen raken wanneer ze niet bewegen.

In Luca’s onderzoek was de focus natuurlijk op vermoeidheid bij bewegen, namelijk hardlopen. Je kan zijn proefschrift hier vinden, en het omvat de volgende onderwerpen:

• Het beoordelen of biomechanische veranderingen gemeten met IMU’s kunnen helpen bij het nauwkeurig detecteren van vermoeidheidstoestanden bij hardlopen.
• Het onderzoeken of verschillende triaxiale IMU’s met verschillende frequenties vergelijkbare relatieve veranderingen in piekversnellingen tijdens het lopen op een loopband meten.
• Het meten in hoeverre fysieke vermoeidheid kan worden vastgesteld met behulp van IMU-gegevens in een buitenloop en het vaststellen van de optimale combinatie van sensorlocaties en -kenmerken.
• Het onderzoeken in hoeverre een algoritme dat getraind is op IMU-gegevens en dat vermoeidheid detecteert, kan worden gegeneraliseerd naar verschillende loopintensiteiten en -scenario’s.

Luca geeft in zijn proefschrift aan dat machine learning modellen hardloopvermoeidheid met redelijke nauwkeurigheid kunnen identificeren, ongeacht de intensiteit van het hardlopen. Toekomstig onderzoek moet zich richten op het gebruik van vermoeidheidsinformatie van IMU’s om feedback te geven aan de hardloper en uiteindelijk de belasting te verbeteren en het risico op blessures te verminderen!

We zijn erg trots op Marit en Luca voor hun harde werk bij RRD de afgelopen jaren en voor het succesvol verdedigen van hun proefschriften! We wensen hen beiden veel succes in hun verdere carrière!