Modellare i movimenti negli adulti anziani

Gli adulti si alzano da una posizione seduta circa 60 volte al giorno. Non riuscire a farlo, come alzarsi da una sedia o dal water, può portare a più cadute, debolezza e persino la necessità di vivere in una struttura assistenziale. Il sistema motorio umano ha modi incorporati per adattarsi, quindi i problemi di movimento non si manifestano subito quando le capacità fisiche iniziano a declinare. Questo rende difficile prevedere quando si verificheranno questi problemi.

Con l'avanzare dell'età, le persone cambiano il modo in cui si muovono. Sviluppano nuovi modi per affrontare una diminuzione della forza o cambiamenti nel modo in cui percepiscono dolore e stabilità, specialmente a causa della paura di cadere. In uno studio recente, abbiamo scoperto che con l'età, il corpo impiega più tempo a reagire quando ci si alza. Tuttavia, studiare questo solo attraverso esperimenti è difficile perché ci sono diversi altri fattori che possono influenzare il funzionamento dei muscoli, come la diminuzione della forza o la velocità con cui i muscoli possono contrarsi.

Utilizzare simulazioni al computer dei muscoli e dei movimenti può aiutare a capire come l'età influisce sul movimento e su come le persone si adattano. A differenza degli esperimenti tradizionali, queste simulazioni permettono agli scienziati di concentrarsi su fattori specifici del movimento che cambiano con l'età. Prima di poter esplorare come la ridotta funzionalità muscolare influisca sull'alzarsi, abbiamo bisogno di un buon Modello che rifletta come le persone adattino i propri movimenti.

#Controllo del Feedback Neuromuscolare

Il corpo umano ha parti che cambiano con l'età, il che influisce su come controlliamo i movimenti. Gli scienziati hanno usato diverse tecniche per studiare come i muscoli contribuiscono all'alzarsi da una sedia. Molti di questi studi si basano su dati dettagliati raccolti da esperimenti. Tuttavia, abbiamo bisogno di simulazioni in grado di creare movimenti sulla base di un insieme di regole anziché utilizzare dati di input reali.

Ci sono due tipi principali di simulazioni per questo compito. Il primo tipo si concentra sulla pianificazione delle azioni muscolari necessarie per produrre un movimento, spesso chiamata ottimizzazione della traiettoria. Il secondo tipo crea regole per controllare i movimenti basandosi su azioni riflessive.

Il metodo di ottimizzazione della traiettoria non è ideale per studiare come il corpo si adatta ai cambiamenti nella funzione muscolare. Questi metodi spesso non includono un modello di controllo del feedback, che è essenziale per simulare come il corpo reagisce ai cambiamenti di equilibrio o a reazioni più rapide man mano che invecchiamo. Studi iniziali hanno portato alla creazione di controllori che simulano efficacemente la camminata. Tuttavia, questi controllori non sono stati esplorati a fondo per i movimenti di alzarsi.

Nel nostro studio, ci siamo proposti di sviluppare un modello che simuli come le persone si alzano e camminano, concentrandoci su impostazioni come l'altezza della sedia e la posizione dei piedi. Questo è particolarmente importante per le valutazioni della mobilità negli anziani.

#Design dello Studio e Metodo

Il nostro controllore sit-to-walk consiste in due fasi principali quando ci si alza e un controllore per camminare. La prima fase aiuta il corpo ad adattare la propria posizione in base al feedback dai muscoli e dall'equilibrio. Ogni fase ha le proprie regole. Il feedback considera la velocità di reazione dei muscoli e include percorsi di feedback sia diretti che indiretti.

I parametri liberi della Simulazione sono stati ottimizzati per ridurre al minimo l'uso dei muscoli garantendo al contempo che la persona possa alzarsi senza cadere o stressare troppo le articolazioni. Abbiamo condotto molte ottimizzazioni con le stesse condizioni di partenza per trovare i risultati migliori. Questi risultati sono stati confrontati con i movimenti reali dei partecipanti mentre si alzavano e camminavano verso un tavolo al loro ritmo preferito.

#Modello Muscoloscheletrico

Il modello muscoloscheletrico che abbiamo creato rappresenta un tipico adulto maschio. Questo modello include vari punti di movimento nel corpo e utilizza unità Muscolo-tendinee per simulare il funzionamento dei muscoli.

Il modello è progettato per essere efficiente per le simulazioni. Abbiamo incluso ritardi di feedback nei controllori muscolari per riflettere come le risposte cambiano con l'età. Rispetto alla ricerca passata, i ritardi nel nostro modello sono stati regolati per adattarsi meglio alle esigenze del nostro studio.

Abbiamo utilizzato il feedback muscolare per gestire come si muove il corpo. I controllori permettono sia un feedback diretto che indiretto dai muscoli, assicurando che il nostro modello rifletta accuratamente come le persone realmente si alzano e camminano.

#Struttura di Simulazione e Ottimizzazione

Le simulazioni sono iniziate con diverse posizioni di partenza per il modello, basate su come le persone si siedono tipicamente prima di alzarsi. Le simulazioni si sono fermate quando è stato raggiunto un tempo prestabilito o se il modello è caduto. L'obiettivo principale era creare un modello che imitasse i movimenti delle persone quando si alzano e camminano.

Sono state utilizzate diverse misure per ottimizzare il modello. Una misura ha garantito che il movimento del modello seguisse da vicino i veri movimenti del bacino. Un'altra misura valutava la velocità con cui il modello poteva camminare, incoraggiando una velocità di camminata realistica. Ulteriori misure sono state adottate per prevenire uno stress eccessivo sulle articolazioni.

L'uso di energia è stato anche un fattore, mirando a mantenere il consumo energetico del modello basso durante il movimento. Il nostro algoritmo di ottimizzazione è stato progettato per cercare la migliore combinazione di questi fattori per produrre una simulazione realistica del movimento.

#Variazioni nelle Condizioni

Il nostro modello può testare come diverse condizioni, come l'altezza del sedile e la posizione dei piedi, influenzano come le persone si alzano da una posizione seduta e camminano. Ad esempio, quando l'altezza del sedile è stata abbassata, il nostro modello ha mostrato che il tronco doveva inclinarsi diversamente per adattarsi al cambiamento.

Abbiamo scoperto che abbassare il sedile portava a un aumento dell'attivazione muscolare e a carichi articolari più elevati, il che potrebbe non essere ottimale per le persone anziane. Allo stesso modo, posizionare i piedi in una posizione asimmetrica durante l'alzarsi ha portato a regolazioni che cambiavano il modo in cui le forze vengono applicate a diverse articolazioni.

Le nostre scoperte sottolineano l'importanza di comprendere come l'invecchiamento e i cambiamenti di movimento possano influenzare le capacità fisiche e il rischio di infortuni.

#Validazione del Modello

Per garantire l'accuratezza delle nostre simulazioni, abbiamo confrontato i movimenti del nostro modello con i dati raccolti da partecipanti reali. Questi dati includevano registrazioni dettagliate dei movimenti durante la transizione da seduto a in piedi. Ci siamo concentrati sia sul tempismo dell'attivazione muscolare che sul modello di movimento.

I risultati hanno indicato che i nostri movimenti simulati si sono allineati bene con i dati reali, fornendo fiducia nella capacità del nostro modello di replicare i movimenti umani.

#Implicazioni dei Risultati

Questo modello predittivo ha il potenziale di essere uno strumento prezioso per capire come gli anziani possano adattare i propri movimenti man mano che le loro capacità fisiche cambiano. L'obiettivo è fornire spunti ai medici per sviluppare piani di trattamento migliori per mantenere la mobilità nei loro pazienti.

Il modello evidenzia che diverse strategie possono portare a risultati simili, permettendo un approccio più personalizzato alla terapia e alla riabilitazione. I medici potrebbero usare queste conoscenze per guidare gli anziani nell'evitare cadute e altri infortuni durante le attività quotidiane.

Inoltre, diverse condizioni possono portare a varie strategie di adattamento. Ad esempio, la posizione di una sedia o il modo in cui qualcuno posizione i piedi possono influenzare significativamente come si alza o cammina, sottolineando la necessità di valutazioni individualizzate.

#Aree di Miglioramento

Sebbene il nostro modello si sia dimostrato utile, ci sono limitazioni e aree da esplorare ulteriormente. Il modello non cattura ogni aspetto del movimento umano, soprattutto quando si tratta di equilibrio durante la transizione da seduto a in piedi. Ci sono complessità nel modo in cui gli individui mantengono l'equilibrio che sarebbe utile includere nei modelli futuri.

Inoltre, mentre abbiamo utilizzato valori medi per la forza e l'attivazione muscolare, questi possono variare tra gli individui. I modelli futuri potrebbero beneficiare di dati più specifici riguardo alla forza muscolare, specialmente quando si confrontano diversi gruppi di età o condizioni fisiche.

Anche il contatto tra il corpo e la sedia è semplificato nel nostro modello. Questa semplificazione potrebbe portare a imprecisioni nella simulazione di come si muove il corpo da una sedia. Modelli più dettagliati del contatto corporeo potrebbero migliorare l'accuratezza delle simulazioni.

Infine, molti anziani usano le braccia per aiutarsi ad alzarsi, ma questo non è stato incluso nel nostro modello. Lavori futuri potrebbero esplorare come i movimenti delle braccia potrebbero aiutare nella transizione da seduto a in piedi e come questo varia con la diminuzione della forza.

#Conclusione

In conclusione, abbiamo presentato un modello predittivo unico per simulare come gli individui passano da seduti a alzati e poi camminano. Questo modello può essere adattato per comprendere come l'età e altri fattori influenzano questo movimento. Guardando a diverse condizioni, siamo meglio attrezzati per capire i cambiamenti nelle strategie di movimento man mano che le persone invecchiano.

Questo lavoro ha ampie implicazioni per lo studio del movimento umano e offre preziosi spunti per medici e ricercatori. Attraverso il miglioramento dei nostri modelli, possiamo continuare a migliorare la nostra comprensione dell'invecchiamento e della mobilità, aprendo la strada a migliori cure e risultati per gli anziani.