Site icon HighTech Hub

Telerehabilitacija: Iluzija ili svijetla budućnost?

jovan

autor: Krsto Kovačević

magistar fizikalne terapije, predsjednik Komore fizioterapeuta Crne Gore, student druge godine doktorskih studija Zdravstvene nauke na Fakultetu zdravstvenih studija Univerziteta u Sarajevu

kontakt predsjednik@komorafizioterapeuta.me

 

Posebnu zahvalnost dugujem Prof. Dr Dijani Avdić, redovnoj profesorici Univerziteta u Sarajevu, BiH.

 

U zdravstvu smo svjedoci promjena koje proizilaze iz razvoja biomedicinskih nauka kao i brzog razvoja i uvođenja savremenih tehnologija, a posljednje decenije i brzog razvoja telemedicine koja omogućava sprovođenje različitih usluga udaljene zdravstvene zaštite koristeći moderne komunikacione tehnologije.

Za pacijente sa smanjenom pokretljivošću, efekti liječenja u velikoj mjeri zavise od aktivnog angažmana u terapijskom procesu.

U  skladu sa mnogim rehabilitacijskim postupcima korisno je da pacijenti izvode aktivne vježbe bez nadzora, čija je uloga između ostalog i smanjenje nivoa bola, poboljšanje obima pokreta zgloba, povećanje snage mišića te poboljšanje motorike, koordinacije i preciznosti pokreta.

Zahvaljujući dinamičnom rastu tehnika informacionih tehnologija (IT) u hardveru i softveru, zajedno sa razvojem dostupnosti i brzine mrežnog prenosa informacija, omogućuje se fizioterapeutu nadgledanje kvaliteta vježbanja pacijenata.

Koji su metodološki aspekti tehničkih i IT rješenja već implementirani u tretman rehabilitacije?

Nakon pažljivog analiziranja dostupne literature, pronađeni su uglavnom članci koji opisuju upotrebu inercijalnih sistema u telerehabilitaciji koji su do sada bili prije svega u obliku igre, čineći rehabilitaciju privlačnijom za pacijente.

Trenutno, alati za telerehabilitaciju ne samo da podstiču pacijente na vježbanje, nego i omogućavaju fizioterapeutima da prikupljaju rezultate parametara, raspona kretanja ili brzine izvedenih vježbi. Tako je moguće pratiti proces poboljšanja i otkriti greške tokom vježbi u kućnim uslovima.

Telerehabilitacijski sistemi koji podržavaju seanse fizikalne terapije bilo gdje mogu pomoći uštedama troškova zdravstvene zaštite istovremeno poboljšavajući kvalitet života korisnika kojima je potrebna rehabilitacija.

Tradicionalna rehabilitacija odvija se u domovima zdravlja, rehabilitacijskim centrima ili bolnicama, što zahtijeva da pacijenti dolaze na svoje terapije, što je često povezano sa vremenom i finansijskim troškovima.

Alternativna metoda rehabilitacije uključuje korišćenje telerehabilitacijskih tehnologija, kako bi se usluge rehabilitacije mogle „isporučiti“ u kućama pacijenata.

Telerehabilitacioni sistemi imaju potencijal pružanja bilo koje fizioterapijske podrške za bilo koje grupe  osoba kao što su starije, invalidne i bolesni, olakšavajući njihov kontakt sa fizioterapeutima i poboljšavajući njihov kvalitet života. Nekoliko studija pokazuje terapijsku korisnost telerehabilitacijskih sistema, a testovi zasnovani na virtualnoj interakciji pokazali su da to mogu biti jednako efikasni kao tradicionalni tretmani.

Budući da je napuštanje klasičnih rehabilitacijskih sesija zbog dosade ili nezainteresovanosti relativno učestalo, motivirajući karakter telerehabilitacijskog sistema važan je faktor koji treba uzeti u obzir. U tom smislu, nekoliko studija je otkrilo da se telerehabilitacija na bazi virtualne stvarnosti (VR) doživljava kao ugodna i privlačna i da može da poveća intenzitet rehabilitacije i pacijentovog prihvatanja.

Još jedna prednost programa telerehabilitacije je jednostavan pristup zdravstvenih radnika podacima prikupljenim od pacijenata putem interneta i mobilnih uređaja.

Podaci prikupljeni senzorima tokom seansi za telerehabilitaciju mogu se dalje obrađivati kako bi se osigurale efikasnije zdravstvene intervencije.

Osnovni sistem telerehabilitacije ima bar jednu kameru koja omogućava fizioterapeutu da vidi i direktno nadzire terapiju (videokonferencija). Složeniji sistemi uključuju senzore koji mogu da bilježe kretanja pacijenta. Postojeći telerehabilitacijski sistemi orijentisani su na liječenje mnogih patologija. Mogu da se svrstaju u tri matične grupe. Prvu grupu čine oni sistemi koji predlažu korisnicima da nose uređaje.

Sistem igara usmjerenih na zadatak ocjenjuje mogu li osobe sa kognitivnim oštećenjem doći do nekih unaprijed određenih lokacija. Sistem koristi ugrađene inercijalne senzore za pametne telefone za nadziranje izvođenja vježbi i za pružanje akustične povratne informacije o greškama u radu i pri izvršenju. Neki sistemi koriste senzorizirane odjeće i senzore koje nose pacijenti za procjenu niza vježbi koje se odnose na njihov program vježbi.

U drugu grupu spadaju oni sistemi koji zagovaraju da korisnici ne nose uređaje, ali koriste uređaje za praćenje. Sistem koristi web kameru i adaptivno igranje za praćenje izvođenja vježbi. Trake su pričvršćene na dio tijela, a web kamera snima pacijentov pokret kako bi stvorila informacije o kvalitetu, efikasnosti i vještini pacijenta. Navedeni podaci mogu se koristiti za analizu pokreta tijela i mogu pomoći u dobijanju rezultata za dalje analize.

U trećoj grupi mogu se naći prijedlozi koji pripadaju području telerehabilitacione robotike.

Ti se sistemi smatraju troškovno korisnim alternativama u poređenju sa terapijom koja se bazira na klinici.

Kliničke smjernice preporučuju ove sisteme za oporavak funkcija kod nekih patologija kao što su akutni/subakutni ili hronični moždani udari. Razvoj telerehabilitacionog sistema zahtijeva interdisciplinarnu saradnju kako bi se postigao dobar rezultat.  Pored softverskih i računarskih inženjera za dizajn, modeliranje i implementaciju sistema, potrebno je prisustvo stručnjaka za rehabilitaciju: ljekara i fizioterapeuta. Uloga krajnjih korisnika kao aktivnih učesnika se takođe mora uzeti u obzir tokom cijelog procesa dizajniranja, testiranja i korišćenja novih tehnologija. Telerehabilitacijski sistem bi se mogao smatrati korisnom pomoći fizioterapeutima u:

  1. odabiru odgovarajućih terapija za pacijente
  2. evaluaciji terapije koju izvode pacijenti i
  3. upravljanju tim terapijama na daljinu.

Glavni naglasak većine radova je evaluacija zadataka terapije, a površno drugih zadataka poput odabira odgovarajuće terapije.

Dodijeliti vježbe

U pogledu izbora terapije, fizioterapeuti trebaju da dodijele odgovarajuće rehabilitacijske vježbe pacijentima.

Kreirati nove vježbe

Na već prethodne vježbe moguće je dodati vježbe koje bi poboljšale rezultat, individualno za svakog pacijenta.

Kreirati testove

Kreirati odgovarajuće testove za dobijanje povratnih informacija od pacijenata.

Što se tiče evaluacije terapije, pacijenti moraju da rade zadane vježbe, koje se automatski nadgledaju, i odgovarati na testove vrednovanja (rehabilitacijski testovi). Nakon toga, analizator podataka vrši analizu podataka sa svim podacima prikupljenim tokom sesija rehabilitacije pacijenata (analiza podataka). Rezultati te analitike podataka pružaju fizioterapeutima mogućnost procjene evolucije pacijenata (evaluirati rezultate analitičkih podataka). Pored ovih aktivnosti, postoje i dva važna predmeta:

  1. baza podataka koja čuva snimljene rehabilitacijske vježbe i testove, kao i podatke koje generišu pacijenti tokom izvođenja vježbi i odgovore koje daju rehabilitacijski testovi; i
  2. ontologiju, koja se koristi da pomogne fizioterapeutima u dodjeli vježbi i procjeni rezultate analitike podataka dobijenih iz podataka sačuvanih u sistemu.

Metoda odabira terapije

Kako bi se sprovele aktivnosti povezane sa postupkom odabira terapije, potrebne su tri metode:

  1. kreiranje nove vježbe
  2. formiranje testova i
  3. dodjela odgovarajućih vježbi.

Kreiranje nove vježbe

Sistem nudi povezanost fizioterapeuta koji pruža pomoć u kreiranju vježbi, korak po korak. Vježbe se mogu kreirati ispočetka ili se ponovo upotrijebiti ako su već zabilježene u bazi podataka. Fizioterapeut pokazuje pozicije ispred sistema koji ih bilježi. Pokreti imaju oznaku za njihovo identifikovanje i definisanje s dva položaja (početnim i konačnim) i sa bilježenjem prelaza između tih položaja. Odgovarajući zglobovi koji najbolje predstavljaju prelaz sa početnog položaja na konačni položaj biraju se, bilježe i čuvaju. Podaci koji se tiču naziva, početnih i konačnih položaja, vrste pokreta  zgloba i obim pokreta zgloba, kako bi se omogućilo saznanje o pravilnosti izvođenja pokretima. Jednostavne vježbe mogu se sastojati od osnovnog pokreta, a složene vježbe su kombinacija osnovnih pokreta koji čine slijed. Susret sa pacijentom za stvaranje vježbi omogućava fizioterapeutu da definiše sastav vježbe. Prikazuje obrazac za popunjavanje svih podataka o vježbi i dva popisa, jedan sa pokretima koji su dodijeljeni toj vježbi, a drugi s pokretima koji su dostupni za dodavanje. Nakon čuvanja u sistem, vježba će biti dostupna da se uključi u terapijski program.

Kreiranje testova

Potrebno je napraviti evaluaciju testovnih performansi kao važan faktor u terapijskom programu. U specijalizovanoj literaturi mogu se pronaći mnogi testovi orijentisani prema korisnicima. Ova vrsta testova dizajnirana je tako da pacijenti daju odgovore nakon terapijskog programa.

Odgovori pacijenta pružaju kvalitativne i kvantitativne informacije o njihovom stanju. Odgovori na pitanja o svakodnevnom životu ili pretrpljenoj boli mogu pružiti korisne povratne informacije fizioterapeutu kao dodatak objektivnim informacijama koje se automatski pronalaze u toku izvođenja vježbe. Iz razloga što se ovi testovi široko koriste u sesijama fizioterapije, u sistem je ugrađena funkcionalnost, kako bi bili jednostavni i kako bi podržavali sistem.

Automatsko testiranje orijentisano je za stvaranje, upravljanje i procjenu auto testova. Automatski testovi uključuju pitanja o različitim aspektima svakodnevnog života korisnika, a mogući odgovori vrednuju se različito zavisno o njihovoj ozbiljnosti. Prema zadanim postavkama testovi se vrednuju dodavanjem rezultata dobijenih odgovora i konačnim rezultatom, a omogućava fizioterapeutu da odredi vrstu funkcije koja će se primjeniti u odnosu na rezultate. Sistem može brojati odgovore s određenom ocjenom ili dati rezultat u postotku, u zavisnosti o dodijeljenoj vrijednosti. Nakon što se utvrdi test, fizioterapeut određuje terapiju.

Drugi alat za evaluaciju koji se koristi u fizioterapiji koji je ugrađen je vizuelna analogna skala. VAS je tehnika koja se koristi za mjerenje subjektivnih pojava boli. Korisnik označi tačku na liniji između oznake “bez bola” i oznake “najveći bol ikad”. Ovaj podatak je inkorporiran s ontologijom i može mu pristupiti fizioterapeut radi njegove analize.

Dodjela vježbe

Tokom prve posjete fizioterapeuta, pacijenti se fizički procjenjuju i stvara se njihov zapis o stanju.

Evidencija pacijenta sastoji se od saznanja o:

  1. ličnim i porodičnim podacima,
  2. simptomima,
  3. rezultatima fizičkog pregleda (pokreta zgloba),
  4. dijagnozama,
  5. prijavljenoj vrijednosti bola i postojećim ciljevima, a koji pokrivaju nekoliko relevantnih aspekata terapije.

Vremenom će se mijenjati kako pacijent napreduje u terapiji. Informacije će se ažurirati nakon svake sesije podacima prikupljenim od Kinect-a kako bi se zabilježio razvoj rezultata terapije. Podaci sadržani u evidenciji o pacijentu uključeni su u ontologiju.

Ontološko obrazloženje igra presudnu ulogu u tim zadacima. Ontologija se zasniva na osnovnom ontološkom modelu anatomije i sastoji se od četiri međusobno povezana tipa:

  1. lični podaci pacijenata,
  2. anatomija,
  3. pokreti i vježbe i
  4. stručna domena.

Komponente ontologije su dizajnirane od fizioterapeuta za izradu alata s najrelevantnijim konceptima za planiranje fizioterapije. Funkcionalnost za upravljanje ontologijom pruža modul za dobijanje znanja sistemskog kvaliteta lokmotornog aparata.

Uvođenjem aplikacije ontologije (baza podataka o pokretima, vježbama i protokolima liječenja) kao i dodatnih znanja koja se odnose na fizioterapiju, pomaže se fizioterapeutima u upravljanju evolucijom pacijenata putem rezonovanja podržanih ovom tehnologijom. Telerehabilitaciona ontologija ima za cilj da pomogne fizioterapeutima u sljedećim svakodnevnim zadacima:

  1. Snimanje i pretraživanje podataka koji čine zapis o fizioterapiji pacijenta

Na strukturiran način prikazivanja podataka o:

  1. starosti,
  2. simptomima,
  3. ličnoj i porodičnoj anamnezi,
  4. ciljevima oporavka i
  5. rezultatima istraživanja itd.
  1. Definisanje protokola liječenja određenog poremećaja odabirom vježbi koje se mogu izvoditi u svakoj fazi protokola

Protokol liječenja sastoji se obično od različitih faza kroz koje pacijent mora proći dok se njegov oporavak ne završi.

Svaka od faza sadrži vježbe čiji je nivo težine u skladu s onom koju pojedina faza zahtijeva. Predstavljanje protokola, faza i vježbi u ontologiji omogućuje odabir utemeljenih vježbi za svaku fazu na osnovu rasuđivanja.

  1. Utvrđivanje u kojoj se fazi protokola liječenja pacijent nalazi u određenom trenutku

Važno u procesu donošenja odluka koje se odnose na evaluaciju pacijenta. Zahvaljujući ontološkom opisu stanja, pacijent se može svrstati u jednu od faza protokola liječenja. Ova klasifikacija nije konačna, i ona se razvija uporedo s rezultatima pacijenta u programu terapije.

  1. Utvrđivanje koje vježbe su u određenom trenutku najprikladnije za pacijenta

S obzirom na sve informacije koje su poznate o pacijentu (njegovo trenutno stanje, njegova lična istorija, njegova dob, itd.), ontologija pruža mogućnost da se identifikuje koja od vježbi se preporučuje ili kontraindikuje za njih u tom određenom trenutku. Kao rezultat toga, mogu se otkriti i predložiti najprikladnije vježbe za pacijenta.

Terapije za rehabilitaciju slijede protokole koji sadrže preporučene vježbe za patologiju klasificirane u faze. Svaka faza sadrži vježbe koje je potrebno izvesti, kao i uslove koji ukazuju kada je pacijent u toj fazi. Ti su uslovi npr. naznačeni u obimu pokreta (ROM) koji pacijenti postižu i o boli koja se javlja upotrebom VAS.

Metoda evaluacije terapije

Da bi se sprovele aktivnosti povezane s postupkom evaluacije terapije, potrebne su dvije metode:

  1. praćenje izvođenja vježbi i
  2. analiza podataka.

Praćenje vježbi

Međunarodni i komunikacijski moduli pružaju imerzivno iskustvo poput igrica koje motiviše i terapiju čini ugodnijom.

 

 

Prikaz predstavlja dva 3D avatara za vođenje pacijenta.

Avatar s lijeve strane vodi se prikazom položaja koje pacijent treba da dostigne ili pokreta koji pacijent treba da učini.

Avatar s desne strane u stvarnom vremenu pokazuje kretanje koje pacijent obavlja.

Prikaz pomoću avatara i kučica daje pacijentu informacije u stvarnom vremenu, te tako sistem omogućava i održava pacijente svjesnim njihove terapije.

Modul za prepoznavanje i procjenu sistema odgovoran je za nadgledanje izvođenja vježbi uključenih u terapiju koja je dodijeljena pacijentima.

 

Ove pokrete karakterišu:

 

  1. početno držanje,
  2. konačno držanje i
  3. ugao zglobova koji su uključeni u pokret između početnog i konačnog položaja.

 

Za identifikaciju svakog početnog i konačnog položaja, postoji opis držanja od 30 obilježja (18 binarnih karakteristika koji daju podatke o relativnom položaju 3D zglobova i 12 obilježja koja predstavljaju uglove različitih dijelova tijela).

 

Algoritam analizira rezultate izvođenja vježbe, uzimajući u obzir vrijednosti sličnosti dobijene u prethodnom koraku. Tačnost algoritma je oko 94%.

 

Analiza podataka

 

Kada pacijenti izvode vježbe, sistem pruža korisne  informacije fizioterapeutima i pacijentima kroz dva podmodula:

  1. podmodul upravljanje ontologijom i
  2. podmodul obrazloženja i analitike podataka.

 

U okviru prvog podmodula pomaže se fizioterapeutima u njihovim svakodnevnim zadacima.

 

Sistem omogućava poređenje rezultata jednog pacijenta s rezultatima dobijenih od ostalih pacijenata koji ispunjavaju zadane uslove.

 

Metoda daljinskog upravljanja terapijom

 

Metoda koja je potrebna za daljinsko upravljanje terapijama je teleimmerzija, koja je implementirana u podmodul susreta i komunikacije, a omogućava dvosmjernu multimedijsku komunikaciju u stvarnom vremenu i interakciju između dva korisnika (fizioterapeuta i pacijenta) unutar virtualnog okruženja.

 

Web komunikacija u stvarnom vremenu (WebRTC) je API (aplikacijski programski susret) kojim se omogućava stvarna razmjena audio, video i podataka između fizioterapeuta i korisnika u stvarnom vremenu, široko je prihvaćena za rješenja video konferencije.

 

Jedan od dostupnih alata na tržištu su i bežični inercijalni senzori pričvršćeni na tijelu pacijenta, koji emituju signale koji se snimaju, analiziraju i obrađuju posebnim mobilnim aplikacijama. Lakoća upotrebe ovih senzora može uticati na vodeće rješenje u telerehabilitaciji.

 

AISENS Sensors with Orthyo app – Smart Orthosis

 

Početak terapije pacijenta Orthyo senzorom je jednostavan. Pacijent prvo preuzme Orthyo aplikaciju na svoj pametni telefon ili tablet.

 

Dijagnoza

 

Potrebno je napraviti profil pacijenta, a potom ispitati pacijenta s Orthyoom, a senzori će obaviti sva potrebna mjerenja.

 

Analiza

Otvori se Orthyo web aplikacija. Svi podaci trebaju biti prisutni, koji se prenose na analizu rezultata ispitivanja. Izabere se plan liječenja za svakog pacijenta. Napravi se izvještaj i preda pacijentu zajedno sa njegovim Orthyo senzorima. Može početi s terapijom.

 

Personalizacija

Senzori se postave na dio tijela kojem je potrebna terapija. Pacijent se uputi kako da izvede vježbe, koje će jednostavno i pravilno izvoditi u kućnoj sredini.

 

Telerehabilitacija

Pacijent samostalno vježba na bilo kojem mjestu i u bilo koje vrijeme. Može se provjeriti tačnost performansi, učestalost vježbanja i nadzirati sigurnost pacijenta bilo gdje i u bilo koje vrijeme. Može se kontaktirati pacijent i konsultovati njegove rezultate s drugim profesionalcima putem Orthyo aplikacije.

 

Prednosti:

  1. brz oporavak,
  2. mogućnost za rad sa više pacijenata,
  3. daljinski nadzor vježbanja,
  4. personalizacija vježbi,
  5. manje troškova i vremena

 

Video:

 

Diskusija

Interesovanje za razvoj telerehabilitacijskih sistema orijentisanih prema tretmanu različitih patologija, fizičkih i kognitivnih, značajno raste. Sistem telerehabilitacije omogućava izvođenje fizičke seanse telerehabilitacije u bilo kojem indiferentnom okruženju.

 

Ograničenja

 

U ovom trenutku treba postaviti pitanje o popularnosti Android verzije koja se koristi u studiji, kao i potencijalno uključenje starijih generacija koje će koristiti stariju generaciju mobilnih telefona. Druga ograničenja su digitalne vještine ljudi koji će koristiti ovu aplikaciju kod kuće. Međutim, ne pokazuju svi iste digitalne vještine (čak i jednostavne kao što su prijava u aplikaciju i unošenje podataka poput starost, težina itd. mogu predstavljati izazov). To često može biti problem bez obzira na starosnu dob.

 

Reference:

  1. Rieckmann, P.; Boyko, A.; Centonze, D.; Elovaara, I.; Giovannoni, G.; Havrdová, E.; Hommes, O.; Kesselring, J.; Kobelt, G.; Langdon, D.; et al. Acchieving patient engagement in multiple sclerosis: A perspective from the multiple sclerosis in the 21st Century Steering Group. Mult. Scler. Relat. Disord. 2015, 4, 202–218. [CrossRef]
  2. Habets, B.; van Cingel, R.E. Eccentric exercise training in chronic mid-portion Achilles tendinopathy: A systematic review on different protocols. Scand. J. Med. Sci. Sports 2015, 25, 3–15. [CrossRef] [PubMed]
  3. Baillet, A.; Vaillant, M.; Guinot, M.; Juvin, R.; Gaudin, P. Efficacy of resistance exercises in rheumatoid arthritis: Meta-analysis of randomized controlled trials. Rheumatology 2012, 51, 519–527. [CrossRef] [PubMed]
  4. Oliveira, A.S.; Silva, P.B.; Lund, M.E.; Farina, D.; Kersting, U.G. Balance Training Enhances Motor Coordination During a Perturbed Sidestep Cutting Task. J. Orthop. Sports Phys. Ther. 2017, 47, 853–862. [PubMed]
  5. Anton, D.; Berges, I.; Bermúdez, J.; Goñi, A.; Illarramendi, A. A Telerehabilitation System for the Selection, Evaluation and Remote Management of Therapies. Sensors 2018, 18, 1459. [CrossRef]
  6. Oliver, M.; Teruel, M.A.; Molina, J.P.; Romero-Ayuso, D.; González, P. Ambient Intelligence Environment for Home Cognitive Telerehabilitation. Sensors 2018, 18, 3671. [CrossRef]
  7. Anton, D.; Berges, I.; Bermúdez, J.; Goñi, A.; Illarramendi, A. A Telerehabilitation System for the Selection, Evaluation and Remote Management of Therapies. Sensors 2018, 18, 1459. [CrossRef]
  8. Qiu, S.; Liu, L.; Zhao, H.; Wang, Z.; Jiang, Y. MEMS Inertial Sensors Based Gait Analysis for Rehabilitation Assessment via Multi-Sensor Fusion. Micromachines 2018, 9, 442. [CrossRef]
  9. Anton, D.; Berges, I.; Bermúdez, J.; Goñi, A.; Illarramendi, A. A Telerehabilitation System for the Selection, Evaluation and Remote Management of Therapies. Sensors 2018, 18, 1459.
  10. Dávalos, M.E.; French, M.T.; Burdick, A.E.; Simmons, S.C. Economic evaluation of telemedicine: Review of the literature and research guidelines for benefit–cost analysis. Telemed. e-Health,15, 933–948.
  11. Botsis, T.; Demiris, G.; Pedersen, S.; Hartvigsen, G. Home telecare technologies for the elderly. J. Telemed. Telecare 2008,14, 333–337.
  12. Tousignant, M.; Moffet, H.; Boissy, P.; Corriveau, H.; Cabana, F.; Marquis, F. A randomized controlled trial of home telerehabilitation for post-knee arthroplasty. J. Telemed. Telecare,17, 195–198.
  13. Cason, J. A pilot telerehabilitation program: Delivering early intervention services to rural families. Int. J. Telerehabil. 2009,1, 29–38.
  14. Weiss, P.L.; Sveistrup, H.; Rand, D.; Kizony, R. Video capture virtual reality: A decade of rehabilitation assessment and intervention. Phys. Ther. Rev. 2009,14, 307–321.
  15. Frederix, I.; Hansen, D.; Coninx, K.; Vandervoort, P.; Vandijck, D.; Hens, N.; Craenenbroeck, E.V.; Driessche, N.V.; Dendale, P. Effect of comprehensive cardiac telerehabilitation on one-year cardiovascular rehospitalization rate, medical costs and quality of life: A cost-effectiveness analysis. Eur. J. Prev. Cardiol.
  16. Rizzo, A.S.; Kim, G.J. A SWOT analysis of the field of virtual reality rehabilitation and therapy. Presence Teleoper. Virtual Environ. 2005,14, 119–146.
  17. Lewis, G.N.; Woods, C.; Rosie, J.A.; Mcpherson, K.M. Virtual reality games for rehabilitation of people with stroke: Perspectives from the users. Disabil. Rehabil. Assist. Technol. 2011,6, 453–463.
  18. Cikajlo, I.; Rudolf, M.; Goljar, N.; Burger, H.; Matjaˇci´c, Z. Telerehabilitation using virtual reality task can improve balance in patients with stroke. Disabil. Rehabil. 2012,34, 13–18.
  19. Bidargaddi, N.; Sarela, A. Activity and heart rate-based measures for outpatient cardiac rehabilitation. Methods Inf. Med. 2008,47, 208–216.
  20. Fan, Y.J.; Yin, Y.H.; Xu, L.D.; Zeng, Y.; Wu, F. IoT-Based Smart Rehabilitation System. IEEE Trans. Ind. Inform.
  21. Hamida, S.T.B.; Hamida, E.B.; Ahmed, B. A new mHealth communication framework for use in wearable WBANs and mobile technologies. Sensors 2015,15, 3379–3408.
  22. Rolim, C.O.; Koch, F.L.; Westphall, C.B.; Werner, J.; Fracalossi, A.; Salvador, G.S. A Cloud Computing Solution for Patient’s Data Collection in Health Care Institutions. In Proceedings of the 2010 Second International Conference on eHealth, Telemedicine, and Social Medicine, Sint Maarten, The Netherlands, 10–16 February 2010; pp. 95–99.
  23. Benharref, A.; Serhani, M.A. Novel Cloud and SOA-Based Framework for E-Health Monitoring Using Wireless Biosensors. IEEE J. Biomed. Health Inform. 2014,18, 46–55.
  24. Koh, G.; Ho, W.; Koh, Y.Q.; Lim, D.; Tay, A.; Yen, S.C.; Kumar, Y.; Wong, S.M.; Cai, V.; Cheong, A.; et al. A Time Motion Analysis of Outpatient, Home and Telerehabilitation Sessions From Patient and Therapist Perspectives. Arch. Phys. Med. Rehabil. 2017,98, e28.
  25. Llorens, R.; Gil-Gomez, J.A.; Mesa-Gresa, P.; Alcaniz, M.; Colomer, C.; Noe, E. BioTrak: A comprehensive overview. In Proceedings of the 2011 International Conference on Virtual Rehabilitation (ICVR), Zurich, Switzerland, 27–29 June 2011; pp. 1–6.
  26. Spina, G.; Huang, G.; Vaes, A.; Spruit, M.; Amft, O. COPDTrainer: A smartphone-based motion rehabilitation training system with real-time acoustic feedback. In Proceedings of the 2013 ACM International Joint Conference on Pervasive and Ubiquitous Computing, Zurich, Switzerland, 9–12 September 2013; pp. 597–606.
  27. Giorgino, T.; Tormene, P.; Maggioni, G.; Pistarini, C.; Quaglini, S. Wireless Support to Poststroke Rehabilitation: MyHeart’s Neurological Rehabilitation Concept. IEEE Trans. Inf. Tech. Biomed.,13, 1012–1018.
  28. Holden, M.K.; Dyar, T.A.; Dayan-Cimadoro, L. Telerehabilitation using a virtual environment improves upper extremity function in patients with stroke. IEEE Trans. Neural Syst. Rehabil. Eng.,15, 36–42.
  29. Spina, G.; Huang, G.; Vaes, A.; Spruit, M.; Amft, O. COPDTrainer: A smartphone-based motion rehabilitation training system with real-time acoustic feedback. In Proceedings of the 2013 ACM International Joint Conference on Pervasive and Ubiquitous Computing, Zurich, Switzerland, 9–12 September 2013; pp. 597–606.
  30. Giorgino, T.; Tormene, P.; Maggioni, G.; Pistarini, C.; Quaglini, S. Wireless Support to Poststroke Rehabilitation: MyHeart’s Neurological Rehabilitation Concept. IEEE Trans. Inf. Tech. Biomed.,13, 1012–1018.
  31. Holden, M.K.; Dyar, T.A.; Dayan-Cimadoro, L. Telerehabilitation using a virtual environment improves upper extremity function in patients with stroke. IEEE Trans. Neural Syst. Rehabil. Eng.,15, 36–42.
  32. Lockery, D.; Peters, J.F.; Ramanna, S.; Shay, B.L.; Szturm, T. Store-and-Feedforward Adaptive Gaming System for Hand-Finger Motion Tracking in Telerehabilitation. IEEE Trans. Inf. Tech. Biomed.,15, 467–473.
  33. Iosa, M.; Morone, G.; Fusco, A.; Castagnoli, M.; Fusco, F.R.; Pratesi, L.; Paolucci, S. Leap motion controlled video game-based therapy for rehabilitation of elderly patients with subacute stroke: A feasibility pilot study. Top. Stroke Rehabil. 2015,22, 306–316.
  34. Blumrosen, G.; Miron, Y.; Intrator, N.; Plotnik, M. A Real-Time Kinect Signature-Based Patient Home Monitoring System. Sensors 2016,16, 1965.
  35. Colombo, R.; Sanguineti, V. Rehabilitation Robotics: Technology and Applications. In Rehabilitation Robotics; Colombo, R., Sanguineti, V., Eds.; Academic Press: London, UK, 2018; pp. xix–xxvi.
  36. Miller, M.D.; Ferris, D.G. Measurement of subjective phenomena in primary care research: The Visual Analogue Scale. Fam. Pract. Res. J. 1993,13, 15–24.
  37. Golbreich, C.; Grosjean, J.; Darmoni, S.J. The Foundational Model of Anatomy in OWL 2 and its use. Artif. Intell. Med. 2013,57, 119–132.
  38. Anton, D.; Goñi, A.; Illarramendi, A. Exercise Recognition for Kinect-based Telerehabilitation. Methods Inf. Med. 2015,54, 145–155.
  39. Harbert, S.D.; Jaiswal, T.; Harley, L.R.; Vaughn, T.W.; Baranak, A.S. Mobile Motion Capture–MiMiC. In Proceedings of the 2013 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, Osaka, Japan, 3–7 July 2013; pp. 3435–3438.
  40. Lambrecht, J.M.; Kirsch, R.F. Miniature low-power inertial sensors: Promising technology for implantable motion capture systems. IEEE Trans. Neural Syst. Rehabil. Eng. 2014, 22, 1138–1147. [CrossRef]

 

 

Exit mobile version