Purpose: Smartphones, which are widely used worldwide to detect acceleration and position, have been used in the area of rehabilitation medicine in recent clinical research studies and tests. The aim of the present study was to determine the feasibility of using a smartphone application based on cen...
Purpose: Smartphones, which are widely used worldwide to detect acceleration and position, have been used in the area of rehabilitation medicine in recent clinical research studies and tests. The aim of the present study was to determine the feasibility of using a smartphone application based on center of movement (COM) displacement to measure gait parameters in stroke patients in the clinical field of rehabilitation medicine. Methods: The study consisted of 30 stroke patients. The COM was measured using a smartphone application, Gait Analysis Pro, during a 6-m walk. Each patient performed three 6-m walking trials, and the smartphone application measured gait duration, gait speed, step length, cadence, and vertical and lateral displacement of the COM. The Kolmogorov-Smirnov test was conducted to determine the normality in gait parameters, and a repeated one-way analysis of variance (ANOVA) was performed to determine the consistency among the three trials. A p value of 0.05 was considered statistically significant in all the tests. Results: In all the measured parameters, the smartphone application showed a normal distribution, as shown by the results of the Kolmogorov-Smirnov test. There were no significant differences among the three repetitive walking trials. Conclusion: These results suggest that the smartphone application can be used for evaluating gait in stroke patients, as well as in healthy adults. However, prior to using the smartphone application in the clinical field, further research involving three-dimensional gait analysis is needed to enhance the confidence level of the findings.
Purpose: Smartphones, which are widely used worldwide to detect acceleration and position, have been used in the area of rehabilitation medicine in recent clinical research studies and tests. The aim of the present study was to determine the feasibility of using a smartphone application based on center of movement (COM) displacement to measure gait parameters in stroke patients in the clinical field of rehabilitation medicine. Methods: The study consisted of 30 stroke patients. The COM was measured using a smartphone application, Gait Analysis Pro, during a 6-m walk. Each patient performed three 6-m walking trials, and the smartphone application measured gait duration, gait speed, step length, cadence, and vertical and lateral displacement of the COM. The Kolmogorov-Smirnov test was conducted to determine the normality in gait parameters, and a repeated one-way analysis of variance (ANOVA) was performed to determine the consistency among the three trials. A p value of 0.05 was considered statistically significant in all the tests. Results: In all the measured parameters, the smartphone application showed a normal distribution, as shown by the results of the Kolmogorov-Smirnov test. There were no significant differences among the three repetitive walking trials. Conclusion: These results suggest that the smartphone application can be used for evaluating gait in stroke patients, as well as in healthy adults. However, prior to using the smartphone application in the clinical field, further research involving three-dimensional gait analysis is needed to enhance the confidence level of the findings.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서, 본 연구는 스마트폰 어플리케이션을 이용한 체중심 기반의 보행 분석을 뇌졸중 환자에게 적용하고 뇌졸중 환자의 보행 평가 가능성을 제시하고자 하였다.
본 연구는 IT 발달과 스마트폰 사용 대중화의 따른 스마트폰 어플리케이션 개발이 활성화됨에 따라, 이를 이용한 뇌졸중 환자의 보행 측정 가능성을 알아보고자 하였다. 3번의 보행 측정 결과, 측정된 보행 변수들은 정규 분포를 하였으며, 3번의 측정 값 간의 통계적으로 유의한 차이를 보여주지 않았다.
본 연구는 스마트폰 어플리케이션을 사용하여, 체중중 기반의 뇌졸중 환자의 보행 평가 시 사용 가능성을 제시하고자 하였다. 뇌졸중 환자는 6m의 보행거리를 편안한 보행으로 실시하였으며, 보행 평가를 위하여 스마트폰을 허리뼈 3번에 위치하고 걷게 하였다.
제안 방법
본 연구는 기존의 복잡하고 비교적 많은 시간과 장소가 소요되는 3차원적 보행 분석에 비해 비교적 좀 더 임상에서 쉽고 빠르며, 간단하게 사용할 수 있는 방법으로 스마트폰 어플리케이션을 이용하여 보행을 평가하였다. 하지만, 본 연구에서는 30명의 뇌졸중 환자를 보행의 특성별로 구분하지 않았으며, 다른 객관적 평가 도구 특히 압력 기반 중심이나 3차원적인 보행 분석 시스템과 동시에 측정하지 않아 신뢰도나 타당도를 단정하기에는 제한이 있을 수 있으리라 생각된다.
08steps/min를 보여주었다. 본 연구에서 사용된 어플리케이션은 체중심 기반으로 시간과 거리를 역으로 산출하여 보행 변수를 간접적으로 제시하였다. Park과 Woo (2015)의 연구에서는 체중심 기반의 보행 분석기를 허리에 차고, 동시에 압력 기반의 보행 분석시스템의 걷기를 통하여 활보장, 보행 속도, 보행 시간 등에서 통계적으로 유의한 상관관계를 입증함으로서 체중심의 가속도 기반의 보행 측정이 임상에서 사용 가능하다고 제시하였다.
본 연구에서 사용한 보행 측정 방법은 스마트폰에 내장되어 있는 자이로 센서(gyro sensor)와 가속도 센서(acceleration sensor)가 허리부위에서 체중심의 이동특성을 반영하여 보행 변수를 산출하는 원리로 측정되었다. Jung 등(2015)은 이미 이러한 특성을 이용하여 기존의 체중심 기반의 가속도계 보행 분석과 스마트폰을 이용한 분석의 상관성을 제시하였다.
본 연구에서 제시된 보행 시간(gait duration), 보행속도(gait speed), 보폭(step length), 그리고 분속 수(cadence)는 일반적으로 많이 제시되는 보행 변수이다. 이러한 값들은 연구 대상자, 특히 뇌졸중 환자와 같이 보행에 많은 영향을 주는 경우, 피험자의 특성에 따라 다양한 값이 제시된다.
대상 데이터
본 연구는 스마트폰 어플리케이션을 사용하여, 체중중 기반의 뇌졸중 환자의 보행 평가 시 사용 가능성을 제시하고자 하였다. 뇌졸중 환자는 6m의 보행거리를 편안한 보행으로 실시하였으며, 보행 평가를 위하여 스마트폰을 허리뼈 3번에 위치하고 걷게 하였다. 연구 결과, 3번의 보행 측정값들은 정규성을 이루었으며, 3번의 측정값간의 차이가 통계적으로 나타나지 않아 일관된 값을 산출하는 것을 보여 주었다.
본 연구는 뇌졸중으로 진단받고 재활병원에 입원 및 외래 환자로 물리치료를 받고 있는 환자 30명으로 하였다. 뇌졸중 환자는 의사로부터 뇌졸중으로 진단받고, 10m 이상 보행 보조도구 없이 독립보행이 가능하며, 의사소통에 문제가 없는 환자(MMSE-K 24점이상)를 포함시켰다. 인지 문제, 소뇌로 인한 뇌졸중 환자 또는 정형외과적 문제를 동반한 뇌졸중 환자는 제외시켰다.
본 연구는 뇌졸중으로 진단받고 재활병원에 입원 및 외래 환자로 물리치료를 받고 있는 환자 30명으로 하였다. 뇌졸중 환자는 의사로부터 뇌졸중으로 진단받고, 10m 이상 보행 보조도구 없이 독립보행이 가능하며, 의사소통에 문제가 없는 환자(MMSE-K 24점이상)를 포함시켰다.
데이터처리
연구대상자의 일반적인 특성은 기술통계와 빈도분석을 이용하였으며, 뇌졸중 환자의 보행 평가 변수의 정규성 검증을 위하여 Kolmogorov-Smirnov 검증을 실시하였다. 또한, 뇌졸중 환자의 3번 보행 중 측정한 값의 차이가 있는지 알아보기 위하여 반복 일원분산분석(repeated one-way of analysis of variance)를 실시하였다. 통계적 유의성을 분석하기 위해 유의수준을 ɑ=0.
0, IBM Corporation, USA)를 사용하였다. 연구대상자의 일반적인 특성은 기술통계와 빈도분석을 이용하였으며, 뇌졸중 환자의 보행 평가 변수의 정규성 검증을 위하여 Kolmogorov-Smirnov 검증을 실시하였다. 또한, 뇌졸중 환자의 3번 보행 중 측정한 값의 차이가 있는지 알아보기 위하여 반복 일원분산분석(repeated one-way of analysis of variance)를 실시하였다.
이론/모형
뇌졸중 환자의 보행 평가를 위해 스마트폰 어플리케이션 Gait Analysis Pro (Gait Analysis for iPhone, YTAKK, Japan)을 이용하였다. 스마트 폰은 가속도계가 내장된 스마트폰 (iPhone 7, Apple Inc.
성능/효과
뇌졸중 환자를 대상으로 3번의 보행 후, 각 변수들의 측정된 평균값을 Kolmogorov -Smirnov 정규성 검증 결과, 모든 보행 변수에서 정규 분포를 이루는 것을 보여주었다.
또한, 본 연구에서 뇌졸중 환자의 수직 체중심 이동범위는 1.92±0.79cm이었으며, 좌우 체중심 이동범위는 1.55±0.90cm로 나타났다. 본 연구과 똑같은 어플리케이션을 이용한 An과 Woo (2017)는 정상인을 대상으로 실시하였다.
그렇지만, Jung 등(2015)은 향후 스마트폰 내장부품이나 기술개발로 향후 많은 평가 이용이 가능할 것이라 하여 사용 가능성을 제시하였다. 실제 본 연구에서 사용한 스마트폰은 선행 연구에서 사용한 스마트폰의 내장 부품이 향상된 제품이며, 또한, 공학적 계산과 같은 변환 과정이 필요 없이 어플리케이션 자체적으로 필요한 보행 변수를 산출해 주어, 임상적 사용 가능성을 제시 할 수 있었다.
3번의 보행 측정 결과, 측정된 보행 변수들은 정규 분포를 하였으며, 3번의 측정 값 간의 통계적으로 유의한 차이를 보여주지 않았다. 연구 결과, 스마트폰 어플리케이션의 보행 평가는 일관된 값을 제시하며, 반복 측정함에도 불구하고 환자가 보여주는 값을 큰 오차 값을 벗어나서 제시하지 않았다. 향후 연구에서는 현재 사용하고 있는 3차원적 보행 분석시스템과 같은 보행 분석을 동시에 측정하여 부족한 부분을 개선되고, 새로운 어플리케이션이 개발된다면, 임상에서 스마트폰 어플리케이션을 이용한 보행 평가가 충분히 가능 할 것이라 생각된다.
후속연구
본 연구는 기존의 복잡하고 비교적 많은 시간과 장소가 소요되는 3차원적 보행 분석에 비해 비교적 좀 더 임상에서 쉽고 빠르며, 간단하게 사용할 수 있는 방법으로 스마트폰 어플리케이션을 이용하여 보행을 평가하였다. 하지만, 본 연구에서는 30명의 뇌졸중 환자를 보행의 특성별로 구분하지 않았으며, 다른 객관적 평가 도구 특히 압력 기반 중심이나 3차원적인 보행 분석 시스템과 동시에 측정하지 않아 신뢰도나 타당도를 단정하기에는 제한이 있을 수 있으리라 생각된다.
연구 결과, 스마트폰 어플리케이션의 보행 평가는 일관된 값을 제시하며, 반복 측정함에도 불구하고 환자가 보여주는 값을 큰 오차 값을 벗어나서 제시하지 않았다. 향후 연구에서는 현재 사용하고 있는 3차원적 보행 분석시스템과 같은 보행 분석을 동시에 측정하여 부족한 부분을 개선되고, 새로운 어플리케이션이 개발된다면, 임상에서 스마트폰 어플리케이션을 이용한 보행 평가가 충분히 가능 할 것이라 생각된다.
질의응답
핵심어
질문
논문에서 추출한 답변
뇌졸중 환자가 일상생활에서 어려움을 겪는 이유는 무엇인가?
, 2002). 뇌졸중의 일반적인 증상으로는 하지 근육 약화, 발목 관절의 뻣뻣함, 움직임 동안 힘의 상실과 근 수축 조절 실패, 그리고 안정성의 문제를 동반하게 된다(Chung et al., 2004; Hidler et al.
뇌졸중은 무엇인가?
뇌졸중은 노인뿐만 아니라 젊은 성인에서 신경학적 장애의 주요 원인이 되는 질환 중 하나이다(Jorgensen et al., 2002).
대부분의 뇌졸중 환자의 보행 평가는 어떻게 측정하는가?
, 2014). 대부분의 뇌졸중 환자의 보행 평가는 보행 속도, 유각기 시간, 입각기 시간, 유각기와 입각기 비율, 활보장 등의 시공간적 변수로 측정하고, 이를 기반으로 한 대칭성을 주로 측정하게 된다. 또한, 에너지 효율을 측정하기 위한 방법으로 비정상적인 체중심의 이동경로를 사용한다(Birol & Tok, 2014).
참고문헌 (28)
An B, Woo Y. Center of mass with the use of smartphone during walking in healthy individuals. Journal of Physical Therapy Science. 2017;29(8):1426-1428.
Bae W, Lee G, Nam H. The relation between the Fugl-Meyer motor assessment and walking and balance ability in stroke patient. Journal of the Korean Society of Physical Medicine. 2011;6(1):59-69.
Birol B, Tok F. Gait distrubances in patients with stroke. The American Academy of Physical Medicine and Rehabilitation. 2014;6(7):635-642.
Capela NA, Lemaire ED, Baddour N. Novel algorithm for a smartphone-based 6-minute walk test application: algorithm, application development, and evaluation. Journal of Neuroengineering and Rehabilitation. 2015;12(19):doi 10.1186/s12984-015-0013-9.
Chung SG, Van Rey E, Bai Z, et al. Biomechanic changes in passive properties of hemiplegic ankles with spastic hypertonia. Archives of Physical Medicine and Rehabilitation. 2004;85(10):1638-1646.
Dean CM, Richards CL, Malouin F. Walking speed over 10 meters overestimates locomotor capacity after stroke. Clinical Rehabilitation. 2001;15(4):415-442.
do Carmo AA, Kleiner AF, Barros RM. Alteration in the center of mass trajectory of patients after stroke. Topics in Stroke Rehabilitation. 2015;22(5):349-356.
Ellis RJ, Ng YS, Zhu S, et al. A validated smartphone-based assessment of gait and gait variability in Parkinson's disease. Public Library of Sciences One 2015;10(10):e0141694.
Evans AL, Duncan G, Gilchrist W. Recording accelerations in body movements. Medical & Biological Engineering & Computing. 1991;29(1):102-104.
Furrer M, Bichsel L, Niederer M, et al. Validation of a smartphone-based measurement tool for the quantificatiion of level walking. Gait & Posture. 2015;42(3):289-294.
Hidler JM, Carroll M, Federovich EH. Strength and coordination in the paretic leg of individuals following acute stroke. IEEE Transactions on Neural systems and Rehabilitation Engineering. 2007;15(4):526-534.
Isho T, Tashiro H, Usuda S. Accelerometry-based gait characteristics evaluated using a smartphone and their association with fall risk in people with chronic stroke. Journal of Stroke and Cerebrovascular Disease. 2015;24(6):1305-1311.
Jorgensen L, Engstad T, Jacobsen BK. Higher incidence of falls in long-term stroke survivors than in population controls: depressive symptoms predict falls after stroke. Stroke. 2002;33(2):542-547.
Jung S, Lee I, Yoon S, et al. Analysis of walking using smartphone application. PNF and Movement. 2015;13(1):39-46.
McGinley JL, Baker R, Wolfe R. The relaibility of three-dimensional kinemtic gait measurements: a systematic review. Gait & Posture. 2009;29(3):360-369.
Neckel N, Pelliccio M, Nichols D, et al. Quantification of functional weakness and abnormal synergy patterns in the lower limb of individuals with chronic stroke. Journal of Neuroengineering and Rehabilitation. 2006;3:17.
Olney SJ, Griffin MP, Monga TN, et al. Work and power in gait of stroke patients. Archives of Physical Medicine and Rehabilitation. 1991;72(5):309-314.
O'Sullivan M, Blake C, Cunningham C, et al. Correlation of accelerometry with clinical balance tests in older fallers and non-fallers. Age and Ageing. 2009;38(3);308-313.
Park G, Woo Y. Comparison between a center of mass and a foot pressure sensor system for measuring gait parameters in healthy adults. Journal of Physical Therapy Science. 2015;27(10):3199-3202.
Park I, Lim O, Park K, et al. Intra- and inter-rater reliability of measuring passive range of shoulder motion with smartphone and goniometer in patients with stroke. Physical Therapy Korea. 2014;21(1):1-12.
Saunders JB, Inman VT, Eberhart HD. The major determinants in normal and pathological gait. The Journal of Bone and Joint Surgery. 1953;35(A3):543-558.
Smith LK, Lelas JL, Kerrigan DC. Gender differences in pelvic motions and center of mass displacement during walking: stereotypes quantified. Journal of Women's Health & Gender-Based Medicine. 2002;11(5):453-458.
Shumway-Cook A, Woollacott MH. Motor control: translating research into clinical practice, 5th ed. Philadelphia. Lippincott Williams & Wilkins. 2017.
Vearrier LA, Langan J, Shumway-Cook A, et al. An intensive massed practice approach to retraining balance post-stroke. Gait & Posture. 2005;22(2):154-163.
von Schroeder HP, Coutts RD, Lyden PD, et al. Gait parameters following stroke: a practical assessment. Journal of Rehabilitation Research and Development. 1995;32(1):25-31.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.