Vi har utformat en virtuell verklighet test för att bedöma instrumental dagliga aktiviteter (IADL) med en motion capture system. Vi föreslår en detaljerad kinematisk analys att tolka deltagarens olika rörelser, inklusive trajectory, rörliga avstånd och tid till avslutning att utvärdera IADL kapacitet.
Oförmåga att slutföra instrumental dagliga aktiviteter (IADL) är en föregångare till olika neuropsykologiska sjukdomar. Frågeformulär-baserade bedömningar av IADL är lätt att använda men benägna att subjektiva bias. Här beskriver vi ett roman virtual reality (VR) test för att bedöma två komplexa IADL uppgifter: hantering av finansiella transaktioner och med kollektivtrafik. Medan en deltagare utför uppgifter i en VR-miljö, en rörelse fånga system spår position och orientering i dominerande hand och huvud i ett tredimensionella Cartesian koordinerat system. Kinematisk raw-data samlas in och omvandlas till ‘kinematisk prestandamått,’ dvsrörelse bana, rörliga avstånd och tid till avslutning. Motion bana är sökvägen till en viss kroppsdel (t.ex., dominerande hand eller huvudet) i rymden. Flytta avstånd avser den totala sträckan av banan, och tid till avslutning är hur lång tid det tog för att slutföra en IADL uppgift. Dessa kinematisk åtgärder kunde diskriminera patienter med kognitiv nedsättning från friska kontroller. Utvecklingen av detta kinematiska mätning protokoll tillåter identifiering av tidiga IADL-relaterade kognitiva funktionsnedsättningar.
Instrumentella aktiviteter av daily living (IADL), såsom hantering av finansiella transaktioner, med allmänna kommunikationer och matlagning, är medicinska markörer eftersom de kräver flera neuropsykologiska funktioner1. Nedsatt IADL kapacitet anses således föregångare till neurologiska sjukdomar, såsom kognitiv svikt (MCI) och demens2. Golds totalöversyn av IADL uppgifter3 visade att mer kognitivt krävande uppgifter, till exempel hantera ekonomi och med kollektivtrafik, den tidigaste prediktorn för MCI och demens.
Hittills, är de vanligaste bedömningarna av IADL självrapporterade enkäter, informant-baserade enkäter och prestanda-baserade bedömningar4. Frågeformulär-baserade bedömningar av IADL är kostnadseffektiva och lätt att använda, men är benägna att subjektiva bias. Exempelvis när egen rapportering, tenderar patienter att över – eller under – estimate deras IADL kapacitet5. På samma sätt missbedömer informanter IADL kapacitet på grund av observatörens missuppfattningar eller kunskap luckor4. Prestanda-baserade bedömningar som ber patienter att utföra specifika IADL uppgifter har således varit föredra, även om många av uppgifterna som är olämpliga för en allmän klinisk inställning6.
Virtual reality (VR) studier har nyligen visat att denna teknik skulle kunna ha betydande tillämpningar inom medicin och vård, som inkluderar allt från utbildning till rehabilitering till medicinsk bedömning7. Alla deltagare kan testas på samma villkor VR, som efterliknar den verkliga världen. Exempelvis Allain et al. 8 utvecklat en virtuell kaffe uppgift och visade att patienter med kognitiv nedsättning utfört uppgiften dåligt. Klinger o.a. 9 utvecklade en annan VR miljö för utskick och shopping uppgifter och hittade en meningsfull relation mellan uppgift sluttid i VR och neuropsykologiska testresultat. Tidigare VR studier av IADL bedömning har främst fokuserat på enkla prestanda åtgärder såsom reaktionstid eller noggrannhet när du använder konventionella inmatningsenheter såsom en mus och tangentbord8,9. Mer detaljerad prestandadata om IADL behövs således att effektivt skärm för patienter med MCI4.
Kinematisk analys av realtids motion capture data är en kraftfull metod att kvantitativt dokumentera detaljerad prestanda-data som är associerade med IADL uppgifter. Exempelvis vita et al. 10 utvecklat ett virtuella kök som fångar deltagarens gemensamma vinkel data under dagliga levande uppgifter och används fångade data att kvantitativt bedöma effektiviteten av sjukgymnastik. Dimbwadyo-Terrer o.a. 11 utvecklat en uppslukande VR-miljö för att bedöma övre extremiteterna prestanda när de utför grundläggande dagliga levande uppgifter och visade att kinematiska data registreras i en VR-miljö som starkt korrelerade med funktionella skalor av övre extremiteten. Dessa kinematisk analyser med motion capture system kunde ge ytterligare möjlighet att snabbt bedöma en patients kognitiva12. Införande av detaljerade kinematiska data i screening för patienter med MCI betydligt bättre klassificering av patienter jämfört med friska kontroller13.
Här beskriver vi ett protokoll för att bedöma kinematik daglig levande rörelser med motion capture system i en uppslukande VR-miljö. Protokollet består två komplexa IADL uppgifter ”: uppgift 1: ta ut pengar” (hantering av finansiella transaktioner) och ”uppgift 2: ta en buss” (med kollektivtrafiken). Medan uppgifterna utfördes, spåras en motion capture-systemet position och orientering i dominerande hand och huvud. Efter avslutad uppgift 1, samlades dominerande hand bana, rörliga avstånd och tid till avslutning. I uppgift 2 samlades huvud bana, rörliga avstånd och tid till avslutning. Avsnittet representant i denna artikel beskriver det inledande testet av patienter med MCI (dvsIADL förmåga är nedsatt) jämfört med friska kontroller (dvsIADL kapacitet är intakt).
Vi detaljerade en kinematisk mätning protokoll av daglig levande rörelser med motion capture system i en uppslukande VR-miljö. Först inställningen experimentella guidade till hur du ställer in, förbereda och bekanta deltagarna med den uppslukande VR-miljön. Andra har utvecklat vi två standardiserade IADL aktiviteter i VR. Tredje, steg 3 och steg 5 i avsnittet protokollet är de mest kritiska steg för att minimera VR sjukdom. När du ställer in motion capture system i den virtuella miljön (steg 3), är det vik…
The authors have nothing to disclose.
K.S. och A.L. bidra lika. Denna forskning stöds av grundläggande vetenskap forskningsprogrammet genom den nationella forskning stiftelsen av Korea (NRF) finansieras av ministeriet för vetenskap, IKT & framtida planering (NRF-2016R1D1A1B03931389).
Computer | N/A | N/A | Computer requirements: – Single socket H3 (LGA 1150) supports – Intel® Xeon® E3-1200 v3, 4th gen. Core i7/i5/i3 processors – Intel® C226 Express PCH – Up to 32GB DDR3 ECC/non-ECC 1600MHz UDIMM in 4 sockets – Dual Gigabit Ethernet LAN ports – 8x SATA3 (6Gbps) – 2x PCI-E 3.0 x16, 3x PCI-E 2.0 x1, and 2x PCI 5V 32-bit slots – 6x USB 3.0 (2 rear + 4 via headers) – 10x USB 2.0 (4 rear + 6 via headers) – HD Audio 7.1 channel connector by Realtek ALC1150 – 1x DOM power connector and 1x SPDIF Out Header – 800W High Efficiency Power Supply – Intel Xeon E3-1230v3 – DDR3 PC12800 8GB ECC – WD 1TB BLUE WD 10EZEX 3.5" – NVIDIA QUADRO K5000 & SYNC |
Stereoscopic 3D Projector | Barco | F35 AS3D WUXGA | Resolution: – WQXGA (2,560 x 1,600) – Panorama (2,560 x 1,080) – WUXGA (1,920 x 1,200), 1080p (1,920 x 1,080) |
Stereoscopic Glasses | Volfoni | Edge 1.2 | For further information, visit http://volfoni.com/en/edge-1-2/ |
Motion Capture Systems | NaturalPoint OptiTrack | 17W | For further information, visit http://optitrack.com/products/prime-17w/ |
OptiTrack (Motion capture software) | NaturalPoint OptiTrack | Motive 2.0 | For further information, visit https://optitrack.com/downloads/motive.html |
MiddleVR (Middleware software) | MiddleVR | MiddleVR For Unity | For further information, visit http://www.middlevr.com/middlevr-for-unity/ |
VRDaemon (Middleware software) | MiddleVR | MiddleVR For Unity | For further information, visit http://www.middlevr.com/middlevr-for-unity/ |
Unity3D (Game engine) | Unity Technologies | Personal | For further information, visit https://unity3d.com/unity |