Simple Science

La science de pointe expliquée simplement

# Sciences de la santé# Orthopédie

Méthodes de récupération innovantes utilisant des IMUs pour la réhabilitation du tendon d'Achille

Une nouvelle technologie pourrait améliorer la récupération des blessures du tendon d'Achille grâce à une meilleure estimation de la charge.

― 8 min lire


Les IMU transforment laLes IMU transforment larécupération d'Achille.aux tendons.la réhabilitation après des blessuresDes outils de suivi avancés améliorent
Table des matières

La Réhabilitation après des blessures ou des chirurgies, surtout celles liées aux muscles et tendons, dépend beaucoup de combien on charge ces tissus. Des études récentes ont montré que la façon dont on applique la pression sur ces tissus peut vraiment influencer le processus de guérison. Par exemple, les blessures au tendon d'Achille mettent en évidence la complexité du chargement, où trop ou pas assez de pression peut entraîner différents problèmes.

Quand on se remet d'une blessure au tendon d'Achille, il est important de bien introduire le chargement, car ça peut aider à guérir mieux que de juste se reposer ou immobiliser la zone pendant longtemps. Actuellement, les patients en convalescence après une opération utilisent souvent un type de botte spécifique qui limite le mouvement mais qui est conçue pour augmenter progressivement le chargement du tendon. Bien que ces bottes soient utiles, elles réduisent aussi le chargement naturel et trouver la meilleure façon d'appliquer le chargement pour une meilleure récupération reste un défi.

Le Besoin de Surveillance

Pour créer de meilleurs plans de réhabilitation, il faut suivre combien de pression est appliquée sur le tendon pendant la récupération. La méthode traditionnelle pour surveiller cette pression utilise des équipements coûteux et complexes dans des environnements contrôlés. Ces techniques peuvent rassembler des données précises mais ne sont pas pratiques pour un plus grand nombre de patients dans des environnements quotidiens.

Pour surmonter cette limitation, on suggère d'utiliser une technologie plus simple et conviviale pour estimer le chargement du tendon pendant que les patients portent des bottes d'immobilisation. Une option prometteuse est l'utilisation d'Unités de Mesure Inertielle (IMU), qui sont de petits dispositifs à faible coût trouvés dans beaucoup de smartphones et montres connectées. Ces capteurs sont simples à utiliser et à entretenir, ce qui les rend adaptés à des applications plus larges dans la récupération des patients.

Avantages des IMUs

Les IMUs enregistrent des données sur le mouvement en mesurant l'accélération et la vitesse de rotation. Bien qu'ils ne mesurent pas directement les charges sur le tendon, ils offrent plusieurs avantages qui les rendent attrayants pour le suivi des patients. Cela inclut :

  1. Durabilité : Certains IMUs sont conçus pour résister à la poussière et à l'eau, ce qui les rend adaptés à divers environnements.
  2. Longue Durée de Vie de la Batterie : Beaucoup d'IMUs peuvent fonctionner pendant des semaines sans nécessiter de recharge.
  3. Peu d'Interaction de l'Utilisateur : Certains IMUs peuvent enregistrer des données sans que les utilisateurs aient besoin d'appuyer sur des boutons ou d'intervenir, ce qui réduit le fardeau pour les patients.

En utilisant des IMUs, on espère rassembler plus de données, essentielles pour suivre la récupération.

Les Objectifs de l'Étude

L'objectif principal de notre étude est de créer un système utilisant des IMUs pour estimer avec précision combien de charge est appliquée sur le tendon d'Achille et la Vitesse de marche des patients portant des bottes d'immobilisation. En surveillant ces facteurs, on vise à améliorer la réhabilitation après des blessures ou des chirurgies.

Pour cela, on a suivi les mouvements des patients pendant qu'ils marchaient avec une botte d'immobilisation. On a observé leurs mouvements des jambes et recueilli des données via les IMUs pour créer des modèles qui prédisent le chargement du tendon et la vitesse de marche.

Collecte de Données

On a mené notre étude avec dix participants en bonne santé, en s'assurant qu'aucun n'avait de blessures au tendon d'Achille. Chaque participant a marché avec une botte d'immobilisation pendant qu'on les surveillait dans un environnement de laboratoire. On a utilisé différentes vitesses, façons de marcher et plusieurs positions de la botte pour simuler des scénarios de la vie réelle.

Les participants portaient un IMU commercial sur leur botte et des IMUs supplémentaires sur leur poignet et autres jambes. On a analysé leur mouvement grâce aux IMUs et validé ces mesures en utilisant des techniques approuvées, en collectant des données sur la vitesse de marche et le chargement du tendon.

Traitement des Données

Après avoir rassemblé les données, on les a examinées avec un logiciel pour s'assurer qu'elles étaient précises. On a isolé chaque cycle de marche pour analyser les motifs de mouvement des participants. On a calculé les valeurs maximales et minimales des données enregistrées par les IMUs, en se concentrant spécifiquement sur les mesures liées à la marche et au chargement.

En évaluant les charges plantaires et les vitesses de marche, on a créé des modèles prédictifs pour mieux comprendre la relation entre ces facteurs.

Le Modèle Prédictif

Pour créer le modèle prédictif de la vitesse de marche et du chargement du tendon, on a utilisé une méthode appelée régression LASSO. Cette méthode est efficace pour prédire des données biomécaniques et nous a aidés à gérer des relations complexes entre différentes mesures. On a utilisé divers facteurs des données collectées, comme la force du mouvement, le temps passé debout et la vitesse de marche.

On a entraîné des modèles séparés en fonction de la position de la botte, car changer l'angle de la botte affecte significativement la charge sur le tendon. Les modèles ont été testés en utilisant des données de chaque participant et évalués en fonction de leur capacité à prédire le chargement et la vitesse.

Résultats de l'Étude

Prédictions du Chargement du Tendon

Nos modèles ont eu des performances différentes en fonction des conditions de la botte. Lors de la prédiction du chargement du tendon, les résultats ont varié significativement, avec les prédictions les plus précises obtenues lorsque la botte était en position neutre. Cependant, les prédictions concernant le chargement du tendon n'étaient pas aussi solides qu'on l'espérait.

Prédictions de la Vitesse de Marche

En revanche, les prédictions de la vitesse de marche étaient généralement meilleures. Les modèles ont montré un degré de précision élevé dans différentes positions de la botte. Les participants marchant à un angle neutre ont affiché les meilleurs résultats. La présence de données spécifiques aux sujets a considérablement amélioré la précision du modèle, permettant des prédictions plus adaptées.

Impact des Données Sensorielles

On a aussi testé comment le retrait de certaines parties du flux de données des capteurs a affecté le modèle. Exclure certaines mesures comme les données du gyroscope a eu des effets négatifs, mais dans l'ensemble, les modèles sont restés efficaces. La durée de vie de la batterie et la facilité d'utilisation sont restées des considérations clés, et on a constaté que les modèles pouvaient bien fonctionner même avec moins de flux de données.

Utiliser des fréquences d'échantillonnage plus basses et envisager des placements différents des capteurs ont également été explorés. Ces ajustements ont souvent impacté les prédictions, mais ils ont permis d'améliorer l'expérience utilisateur sans sacrifier la performance.

Conclusion

On a créé des modèles efficaces pour estimer le chargement du tendon et la vitesse de marche utilisant des IMUs fixés à des bottes d'immobilisation. Ces modèles peuvent aider à surveiller les patients après des blessures dans des situations réelles, rendant la récupération plus informée et personnalisée.

Les prochaines étapes impliquent de tester ces outils avec de vrais patients en convalescence après des blessures au tendon d'Achille. En collectant plus de données et en affinant nos modèles, on espère fournir aux thérapeutes et médecins des informations précieuses pour améliorer les plans de réhabilitation.

L'utilisation des IMUs pourrait révolutionner notre approche de la récupération, offrant un moyen facile de collecter des données au fil du temps et d'adapter les protocoles de réhabilitation sur la base de retours en temps réel. Avec les avancées technologiques continues, on est optimistes quant à l'avenir des stratégies de réhabilitation et de récupération des patients.

En se concentrant sur des solutions pratiques qui priorisent l'expérience utilisateur, on vise à soutenir les patients dans leurs parcours de guérison de manière efficace et efficiente.

Source originale

Titre: Wearable sensor and machine learning accurately estimate tendon load and walking speed during immobilizing boot ambulation

Résumé: Achilles tendon injuries are treated with progressive weight bearing to promote tendon healing and restore function. Patient rehabilitation progression are typically studied in controlled, lab settings and do not represent the long-term loading experienced during daily living. The purpose of this study is to develop a wearable paradigm to accurately monitor Achilles tendon loading and walking speed using low-cost sensors that reduce subject burden. Ten healthy adults walked in an immobilizing boot under various heel wedge conditions (30{degrees}, 5{degrees}, 0{degrees}) and walking speeds. Three-dimensional motion capture, ground reaction force, and 6-axis inertial measurement unit (IMU) signals were collected per trial. We used Least Absolute Shrinkage and Selection Operator (LASSO) regression to predict peak Achilles tendon load and walking speed. The effects of using only accelerometer data, different sampling frequency, and multiple sensors to train the model were also explored. Walking speed models outperformed (mean absolute percentage error (MAPE): 8.41 {+/-} 4.08%) tendon load models (MAPE: 33.93 {+/-} 23.9%). Models trained with subject-specific data performed significantly better than generalized models. For example, our personalized model that was trained with only subject-specific data predicted tendon load with a 11.5 {+/-} 4.41% MAPE and walking speed with a 4.50 {+/-} 0.91% MAPE. Removing gyroscope channels, decreasing sampling frequency, and using combinations of sensors had inconsequential effects on models performance (changes in MAPE < 6.09%). We developed a simple monitoring paradigm that uses LASSO regression and wearable sensors to accurately predict Achilles tendon loading and walking speed while ambulating in an immobilizing boot. This paradigm provides a clinically implementable strategy to longitudinally monitor patient loading and activity while recovering from Achilles tendon injuries.

Auteurs: Josh R Baxter, M. P. Kwon, T. J. Hullfish, C. J. Humbyrd, L. A. T. Boakye

Dernière mise à jour: 2023-06-05 00:00:00

Langue: English

Source URL: https://www.medrxiv.org/content/10.1101/2023.06.03.23290612

Source PDF: https://www.medrxiv.org/content/10.1101/2023.06.03.23290612.full.pdf

Licence: https://creativecommons.org/licenses/by/4.0/

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à medrxiv pour l'utilisation de son interopérabilité en libre accès.

Articles similaires