在评估中风后的上肢补偿运动时,评估分级间和分级内可靠性:通过视频分析创造一个基本的真相?

科学领域:

• 康复机器人 康复机器人
• 生物力学 生物力学
• 神经康复疗法 神经康复疗法

背景情况:

• 在中风运动恢复期间,补偿运动很常见,并且可能会产生长期的负面影响.
• 准确评估补偿运动对于有效的康复至关重要,但目前的临床工具有限.
• 深度学习显示出评估运动质量的潜力,并可以解决当前工具的差距.

研究的目的:

• 评估职业和物理治疗师对补偿运动的视觉评估的可靠性.
• 通过对标准化饮酒任务的视频分析来确定分级之间和分级内部的可靠性.

主要方法:

• 22名治疗师评估了中风幸存者执行的视频录制的标准饮酒任务.
• 对特定的身体部分和运动阶段,对补偿运动进行了连续评分 (0-100).
• 使用通用线性混合效应模型和类内相关系数 (ICCs) 分析数据.

主要成果:

• 在到达,饮用和返回阶段发现了良好的间隔可靠性 (ICC ≥ 0.75),而在运输阶段则中等.
• 饮用阶段观察到优异的内部评价可靠性 (ICC>0.9);其他阶段中等到良好.
• 对流性和相互协调而言,在所有ICC中,可信度间隔宽,可信度可靠性较差.

结论:

• 虽然在饮酒阶段发现了有希望的可靠性,但广泛的可信度间隔表明结果可能是由于偶然.
• 仅仅是治疗师的评级不足以建立可靠的基础真理,用于自动评估中风恢复中的补偿运动.
• 需要进一步的研究来完善评估方法,并为补偿运动分析建立坚实的基础真相.