Early Prediction of Imminent Intrinsically Generated Trips During Gait in People Post-Stroke
Diese Studie entwickelte und validierte einen frühen, gezielten Prädiktor unter Verwendung eines Zwei-Merkmals-Linearmodells, der 88 % der unmittelbar bevorstehenden intrinsisch generierten Schritte bei Menschen nach einem Schlaganfall etwa 191 ms vor dem Bewegungsbeginn erfolgreich identifiziert und somit rechtzeitige und notwendige Echtzeit-Interventionen zur Sturzprävention ermöglicht.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Für Millionen von Menschen, die mit den Folgen eines Schlaganfalls leben, birgt der einfache Akt des Gehens eine verborgene Gefahr. Während viele davon ausgehen, dass Stürze das Ergebnis von Gleichgewichtsverlust oder dem Stolpern über ein Objekt sind, ereignen sich eine signifikante Anzahl dieser Unfälle aufgrund eines Fehlers innerhalb der eigenen Körperbewegung. Während eine Person geht, schwingt ihr Bein in einem sanften Bogen nach vorne. Manchmal, ohne äußeres Hindernis, hebt der Fuß nicht hoch genug an und streift am Boden entlang. Dieser interne Stolperer, bekannt als ein intrinsisch erzeugter Stolperer, kann dazu führen, dass das Bein hängen bleibt, was die Person aus dem Gleichgewicht bringt und oft zu einem Sturz führt. Für Schlaganfallüberlebende sind solche Stürze besonders verheerend, da sie häufig zu Knochenbrüchen, dem Verlust der Unabhängigkeit und einer tief sitzenden Angst vor dem Gehen führen. Obwohl Physiotherapie vielen hilft, kann sie diese Stolperer nicht immer verhindern, und die natürliche Reaktion des Körpers auf einen Stolperer ist oft zu langsam, um einen Sturz zu verhindern. Dies hinterlässt eine kritische Lücke: Wie kann Technologie schnell genug eingreifen, um einen Stolperer zu stoppen, bevor er passiert, ohne dabei das normale Gehen ständig zu stören?
Ein Team von Forschern der University of North Carolina at Chapel-Hill und der North Carolina State University setzte sich zum Ziel, ein System zu entwickeln, das diese internen Stolperer vorhersagen kann, bevor sie auftreten. Ihr Ziel war es, eine Methode zu schaffen, die wie ein intelligentes Sicherheitsnetz wirkt und nur dann eingreift, wenn es notwendig ist. Sie rekrutierten elf Personen, die mindestens sechs Monate vor einem Schlaganfall einen erlitten hatten und in den vorangegangenen sechs Monaten mindestens einen Stolperer oder ein Beinahe-Sturz gemeldet hatten. Um diese Ereignisse in einer kontrollierten Umgebung zu untersuchen, ließen die Forscher die Teilnehmer auf einem Laufband gehen, während sie deren Konzentration vorsichtig herausforderten. Die Teilnehmer wurden gebeten, den Blick von ihren Füßen abzuwenden, die Handläufe loszulassen oder mentale Aufgaben zu absolvieren, wie etwa das Benennen von Lebensmitteln, was die Ablenkungen simuliert, die oft zu Unfällen in der realen Welt führen. Während sie gingen, nutzten die Forscher Motion-Capture-Kameras, um die präzisen Bewegungen ihrer Beine zu verfolgen, und zeichneten die Kräfte auf, die ihre Füße gegen das Laufbandband ausübten.
Die Herausforderung für die Forscher bestand darin, dass diese Stolperer selten sind. In den tausenden Schritten, die die Teilnehmer machten, führte nur ein kleiner Bruchteil zu einem Stolperer oder einem signifikanten Streifen über den Boden. Um einen Computer darauf zu trainieren, diese seltenen Ereignisse zu erkennen, musste das Team ihm beibringen, die subtilen Warnzeichen zu entdecken, die kurz vor dem Hängenbleiben eines Fußes auftreten. Sie konzentrierten sich auf die Momente kurz bevor der Fuß den Boden verlässt, eine Phase des Gehens, die als Spätstand bezeichnet wird. Durch die Analyse des Winkels des Unterschenkels und der Geschwindigkeit des Schwungs suchten sie nach Mustern, die sich von einem normalen, flüssigen Schritt unterschieden. Sie gruppierten die Daten in zwei Kategorien: normale Schritte und „abnormale“ Schritte, welche sowohl vollständige Stolperer als auch jene schweren Streifbewegungen einschlossen, bei denen der Fuß zwar den Boden berührte, die Person es aber dennoch schaffte, sich zu fangen.
Die Forscher testeten zwei verschiedene Wege, um dem Computer zu helfen, aus diesen unausgewogenen Daten zu lernen, bei denen normale Schritte die gefährlichen weit übertrafen. Eine Methode bestand darin, einige der normalen Schritte zu entfernen, um die Gruppen anzugleichen, während die andere Methode den Computer einfach anwies, einen Fehler bei einem gefährlichen Schritt als einen wesentlich größeren Fehler zu behandeln als einen Fehler bei einem normalen Schritt. Der zweite Ansatz erwies sich als effektiver. Der Computer lernte, dass das zuverlässigste Warnzeichen der Winkel des Unterschenkels unmittelbar vor dem Abheben vom Boden war. Wenn ein Stolperer kurz bevorstand, war der Unterschenkel tendenziell horizontaler, also flacher positioniert als üblich. Durch das Beobachten dieser spezifischen Körperhaltung konnte das System einen potenziellen Stolperer mit hoher Genauigkeit identifizieren.
Die bedeutendste Erkenntnis war, wie früh das System diese Vorhersage treffen konnte. Der Computer konnte einen potenziellen Stolperer durchschnittlich 191 Millisekunden vor dem eigentlichen Beginn des Stolperers melden. Dies ist ein entscheidendes Zeitfenster. Es liegt deutlich vor dem Moment, in dem der Fuß den Boden verlässt – dem Zeitpunkt, an dem viele aktuelle Geräte, wie etwa elektrische Stimulatoren, typischerweise aktiviert werden. Da Muskeln Zeit benötigen, um auf ein elektrisches Signal zu reagieren, ist es oft zu spät, wenn man wartet, bis der Fuß bereits vom Boden abgehoben hat. Durch die Vorhersage des Stolperers fast 200 Millisekunden im Voraus bietet das System genügend Zeit, um die Muskeln des Beins zu stimulieren und den Fuß höher zu heben, um den Boden zu überwinden, bevor der Hänger auftritt. Das System wurde auch an Teilnehmer getestet, deren Daten nicht zum Aufbau des Modells verwendet worden waren, und es schnitt gut ab, indem es Stolperer bei fünf von acht Teilnehmern korrekt identifizierte und insgesamt fast 90 Prozent aller Stolperer vorhersagte.
Obwohl die Studie in einer Laborumgebung mit einer begrenzten Anzahl von Teilnehmern durchgeführt wurde, deuten die Ergebnisse auf einen vielversprechenden Weg hin. Die Forscher haben kein tragbares Gerät gebaut, das Menschen heute verwenden können, aber sie haben demonstriert, dass die Daten, die benötigt werden, um einen Stolperer vorherzusagen, existieren und mit einfachen Sensoren, die die Beinbewegung verfolgen, gefunden werden können. Die Arbeit unterstreicht, dass der Schlüssel zur Vermeidung dieser Stürze nicht in ständiger Unterstützung liegt, die ermüdend und unnötig sein kann, sondern in präziser, rechtzeitiger Intervention. Durch das Verständnis der spezifischen kinematischen Signaturen eines Stolperers, bevor er geschieht, können Ingenieure zukünftige assistive Technologien entwickeln, die nur dann eingreifen, wenn der Körper sie braucht, und so einen sichereren, unabhängigeren Weg des Gehens für Menschen in der Erholung nach einem Schlaganfall bieten.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.