Machine Translated by Google

J. Fisik. Ada. Sci. 33: 580–584, 2021

Jurnal Ilmu Terapi Fisik

Artikel asli

Keandalan sistem akuisisi waktu

gerak inframerah untuk setiap segmen
gerak dalam uji up-and-go waktunya

Bin Zhou, PT1–3)*, Shuangyan Shao, RPT, PhD4), Huilin Liu, PT1–3), Rong Jing, PT5),
Ting Yu, PT6), Ko Onoda, PT, MS1), Hitoshi Maruyama, PT, PhD1)

1) Departemen Terapi Fisik, Universitas Kesehatan dan Kesejahteraan Internasional: 2600-1

Kitakanemaru, Ohtawara, Tochigi 324-8501, Jepang
2) Rumah Sakit Bo'ai Beijing, Pusat Penelitian Rehabilitasi Tiongkok, Tiongkok
3) Fakultas Kedokteran Rehabilitasi Universitas Kedokteran Modal, Cina
4) Pusat Rehabilitasi Rumah Sakit Shiobara Onsen Asosiasi Medis Tochigi, Jepang
5) Rumah Sakit Afiliasi Universitas Yan'an, Tiongkok
6) Universitas Shandong Xiehe, Cina

Abstrak. [Tujuan] Penelitian ini bertujuan untuk mengetahui keandalan sistem akuisisi waktu gerak inframerah dengan
mengukur waktu yang dibutuhkan untuk lima segmen gerak (duduk-berdiri, maju-mundur, mid-turn, return-gait, dan turn
stand-to- duduk) dalam tes up-and-go waktunya. [Peserta dan Metode] Secara total, 30 orang dewasa yang sehat (25,1 ±
4,6 tahun, 19 laki-laki dan 11 perempuan) dilibatkan dalam penelitian ini. Penguji A dan Penguji B mengukur waktu yang
dibutuhkan dalam uji waktu habis dan pergi dan lima segmen geraknya dengan sistem akuisisi waktu gerak inframerah,
dan dua pengukuran dilakukan oleh Penguji A dan satu oleh Penguji B. [Hasil] Korelasi intrakelas koefisien waktu yang
dibutuhkan untuk lima segmen gerak dalam tes up-and-go waktunya dan koefisien korelasi intra- dan antar-penilai intrakelas
lebih besar dari 0,9. [Kesimpulan] Sistem akuisisi waktu gerak inframerah dan lima segmen geraknya dapat diandalkan
dan memberikan pengukuran yang akurat selama pengujian waktu yang terus berjalan.
Kata kunci: Uji waktu dan penggunaan, Akuisisi waktu gerak, Inframerah

(Artikel ini dikirimkan pada 23 Maret 2021, dan diterima pada 13 Mei 2021)

PENGANTAR

Timed up-and-go test (TUG) adalah metode umum untuk memprediksi jatuh1, 2) . Sementara total waktu TUG telah dianalisis, pengaruh
masing-masing segmen gerak (duduk-berdiri, gaya berjalan maju, mid-turn, return gait, dan turn-stand-to-sit)3) terhadap risiko jatuh pada
posisi yang berbeda. kali tidak dipertimbangkan. Oleh karena itu, risiko jatuh mungkin salah diprediksi jika waktu setiap segmen TUG
berbeda di antara orang-orang, tetapi total waktu tetap sama4) . Diasumsikan bahwa akurasi TUG dalam memprediksi jatuh
dapat ditingkatkan dengan membaginya menjadi lima segmen gerakan, dan kemudian melakukan analisis rinci tentang hubungan antara
setiap segmen gerakan dan jatuh. Untuk tujuan ini, perlu untuk secara objektif mengukur waktu semua gerakan di TUG.

Studi terbaru mengandalkan sistem sensor inersia miniatur yang dapat dipakai dan sistem analisis gaya berjalan tiga dimensi (3D) untuk
mengukur dan menganalisis gerakan. Lim dkk. dan Reinfelder dkk. menggunakan sensor ini untuk mempelajari setiap segmen gerak di
TUG pada kelompok pasien jatuh dan tidak jatuh dengan apoplexy serebral kronis3) dan penyakit Parkinson, masing-masing4) . Namun,
sebelum pengukuran, perlu untuk mengatur posisi menggunakan perangkat lunak profesional, dan oleh karena itu, peserta harus memakai
perangkat tambahan. Karena perangkat dapat bergeser dan jatuh selama proses dan juga dapat terpengaruh oleh gangguan

*Penulis yang sesuai. Bin Zhou (Email: zhoubin1026@sohu.com)

© 2021 Masyarakat Ilmu Terapi Fisik. Diterbitkan oleh IPEC Inc.
Ini adalah artikel akses terbuka yang didistribusikan di bawah persyaratan Lisensi Creative Commons Attribution Non-Commercial No Deriv
tives (by-nc-nd). (CC-BY-NC-ND 4.0: https://creativecommons.org/licenses/by-nc-nd/4.0/)

580
Machine Translated by Google

dari sinyal peralatan elektronik lainnya, perlu untuk mendedikasikan banyak waktu untuk debugging5, 6) . Ini
secara langsung dapat mempengaruhi efisiensi pengujian. Meskipun waktu gerak juga dapat diukur dengan sistem analisis gaya
berjalan 3D7-10 , teknik ini mahal dan umumnya hanya ditemukan di universitas dan lembaga penelitian. Selain itu, debugging dan
pengoperasian peralatan jenis ini relatif rumit, mengharuskan peserta untuk memakai lebih banyak perangkat tambahan11) .
Oleh karena itu, tidak dapat diterapkan secara luas.
Perangkat penginderaan inframerah dapat mendeteksi posisi objek bergerak dengan sensitivitas dan akurasi yang tinggi. Mereka
telah banyak digunakan dalam pengaturan waktu kompetisi olahraga, biofeedback robot, pengukuran bentuk objek, perawatan medis,
dan pemantauan keperawatan12-15) . Tujuan dari penelitian ini adalah untuk mengeksplorasi tipe baru dari sistem akuisisi waktu
gerak dengan penginderaan inframerah yang dapat digunakan untuk pengukuran objektif dari waktu setiap segmen gerak di TUG.
Keandalan metode ini juga dipelajari.

PESERTA DAN METODE

Partisipan dalam penelitian ini adalah 30 orang dewasa sehat (25,1 ± 4,6 tahun, 19 laki-laki dan 11 perempuan). Tak satu pun dari
mereka melaporkan penurunan pada tahun lalu. Tabel 1 menunjukkan atribut dasar rinci dari kelompok sampel. Studi ini ditinjau dan
disetujui oleh Komite Peninjau Etika Medis dari Universitas Kesehatan dan Kesejahteraan Internasional di Jepang (No. Persetujuan:
18-Io-134). Tujuan dan isi penelitian ini dijelaskan kepada para peserta, dan mereka semua memberikan persetujuan mereka untuk
berpartisipasi dalam penelitian ini.
Seperti ditunjukkan pada Gambar. 1, sakelar tekanan elastis dengan sensitivitas tinggi dipasang di bagian belakang kursi sebagai
alat penginderaan untuk titik awal (a=0 s) dan titik akhir (f) pengujian. Saklar diatur untuk dimatikan dengan tekanan dan dihidupkan
ketika tidak ditekan. Perangkat emisi dan penerimaan inframerah (SK-ABT, Fujian Shike Intelligent Technology Co. Ltd., Quanzhou,

Tabel 1. Atribut Peserta (n=30)

Usia (tahun) 25.1 ± 4.6

tinggi (cm) 169.1 ± 8.1
Berat (kg) 65.1 ± 12.6
Rata-rata ± SD.

Gbr. 1. Diagram waktu untuk setiap segmen dari uji waktu yang berjalan dengan perangkat inframerah.

581
Machine Translated by Google

China) ditempatkan di kedua sisi titik awal berjalan dan penanda pertengahan belokan, dengan jarak alat 3 m dan tinggi 20 cm dari
tanah. Kedua perangkat tersebut digunakan untuk memantau titik waktu dari titik awal berjalan (b), titik masuk tikungan (c), titik keluar
tikungan (d), dan titik akhir berjalan (e). Perangkat terhubung secara paralel dengan pengatur waktu elektronik otomatis multi-saluran
(PLC8, Zhejiang Yongtai Electric Appliance Co. Ltd., Jinhua, China; sensitivitas 0,01 detik) untuk merekam data setiap node waktu
secara otomatis.
Untuk memulai tes, para peserta diminta untuk duduk di kursi dengan punggung bersandar lembut ke sandaran kursi, tangan di
paha, dan kaki menyentuh tanah. Para peserta dapat secara mandiri menentukan waktu mulainya. Mereka diminta untuk berdiri dan
berjalan lurus ke depan, melewati titik tengah belok, lalu kembali ke kursi untuk duduk kembali.
Begitu tubuh mereka bersandar di sandaran kursi, TUG selesai16) . Sistem akuisisi waktu gerak inframerah secara otomatis merekam
setiap simpul waktu di TUG. Data terperinci diperoleh melalui pengatur waktu elektronik, dan total waktu TUG (f-a) dan setiap segmen
gerak (duduk-berdiri [b-a], gaya berjalan maju [c-b], putaran tengah [d-c] ], kembali gait [e–d], dan turn-to-sit [f–e]) dihitung dengan
pengurangan.
Seperti ditunjukkan pada Gambar. 2, untuk melakukan uji reliabilitas intra-penilai, 30 peserta diuji menggunakan penguji yang sama
(A). Pengujian dilakukan 3 kali sehari dengan sistem akuisisi waktu gerak inframerah selama 2 hari dan diambil rerata sebagai hasil
akhir. Untuk menilai reliabilitas antar penilai, 30 peserta diuji oleh penguji A dan penguji B 3 kali sehari dengan sistem akuisisi waktu
gerak inframerah dalam 2 hari, dan diambil rata-rata sebagai hasil akhir. Koefisien korelasi intraclass (ICCs) digunakan untuk
menganalisis data yang diperoleh dan memverifikasi keandalan metode intra- dan antar-penilai. Analisis dilakukan dengan
menggunakan SPSS (Versi 22.0; IBM, Armonk, NY, USA) yang berjalan di Windows.

HASIL

Tabel 2 menunjukkan hasil untuk penguji yang sama (Penguji A) pada dua hari terpisah, dengan ICC intra-penilai lebih besar dari
0,9. Tabel 3 menunjukkan hasil untuk setiap penguji, dengan ICC antar-penilai lebih besar dari 0,9. Data dipastikan berdistribusi normal
menggunakan uji Kolmogorov-Smirnov.

Gambar 2. Diagram alir pendaftaran peserta.

J. Fisik. Ada. Sci. Jil. 33, No. 8, 2021 582

Machine Translated by Google

Tabel 2. Keandalan intra-penilai untuk Penguji A (n=30)

Rata-rata hari pertama (A1) Rata-rata hari kedua (A2) ICC (1.1)

TUG 6,59 ± 0,82 6,49 ± 0,87 0,973**

Duduk-berdiri 1,06 ± 0,16 1,11 ± 0,23 0,916**

Gaya berjalan ke depan 1,38 ± 0,20 1,35 ± 0,24 0,945**

Putaran tengah 1,53 ± 0,16 1,49 ± 0,18 0,913**

Gaya berjalan kembali 1,46 ± 0,20 1,43 ± 0,18 0,936**

Putar-berdiri-untuk-duduk (s) 1,16 ± 0,18 1.11 ± 0.17 0,920**

TUG: tes up-and-go berjangka waktu; ICC: koefisien korelasi intrakelas. Rata-rata ± SD. **p<0,01.

Tabel 3. Reliabilitas antar penilai untuk Penguji A dan B (n=30)

Rata-rata hari pertama (A1) Rata-rata hari ketiga (B) ICC (2.1)

TUG 6,59 ± 0,82 6,51 ± 0,81 0,974**

Duduk-berdiri 1,06 ± 0,16 1,13 ± 0,21 0,908**

Gaya berjalan ke depan 1,38 ± 0,20 1,31 ± 0,18 0,924**

Putaran tengah 1,53 ± 0,16 1,57 ± 0,17 0,915**

Gaya berjalan kembali 1,46 ± 0,20 1,40 ± 0,16 0,918**

Putar-berdiri-untuk-duduk (s) 1,16 ± 0,18 1,10 ± 0,22 0,915**

TUG: tes up-and-go berjangka waktu; ICC: koefisien korelasi intrakelas. Rata-rata ± SD, **p<0,01.

DISKUSI

Menurut temuan penelitian ini, ICC intra dan antar penilai dari waktu yang diukur dalam TUG dan lima segmen gerakannya yang diukur dengan sistem
akuisisi waktu gerak inframerah lebih besar dari 0,917) . Ini menunjukkan bahwa sistem dan metode pengukurannya sangat andal.

Mengingat bahwa waktu yang dihabiskan selama masing-masing dari lima segmen gerak di TUG singkat (umumnya kurang dari 2 detik), mengumpulkan data
dengan perekaman stopwatch manual dapat menjadi tantangan. Peneliti sebelumnya telah mencoba mengumpulkan data menggunakan kamera, tetapi metode
ini membutuhkan analisis data video yang memakan waktu, dan keandalan hasilnya tidak dapat dipastikan.
Komponen sistem akuisisi waktu gerak inframerah murah dan mudah dipasang, dan tidak mengharuskan peserta untuk beradaptasi dengan perangkat
tambahan apa pun. Proses tes tidak invasif, dan peserta tidak terkena sinyal atau cahaya elektronik. Proses pengumpulan data nyaman dan tidak memerlukan
komputer atau perangkat lunak yang rumit.
Oleh karena itu, perangkat jenis ini lebih praktis daripada yang lain dalam mengatur waktu tugas-tugas sederhana.
Ada beberapa keterbatasan dalam penelitian ini. Penelitian ini merupakan eksplorasi awal keandalan sistem akuisisi waktu gerak inframerah, sehingga hanya
orang dewasa yang sehat yang dipilih sebagai subjek eksperimen. Namun, sebagai metode evaluasi fungsi berjalan manusia, TUG lebih banyak digunakan untuk
memprediksi jatuh pada lansia dan pasien stroke. Oleh karena itu, pada penelitian-penelitian selanjutnya, perlu mengambil orang tua dan pasien stroke dan
populasi lain yang berbeda sebagai objek untuk memverifikasi keandalan sistem akuisisi waktu ini, sehingga dapat diterapkan lebih luas.

Dalam penelitian ini, dikembangkan sistem akuisisi waktu gerak sederhana dengan menggunakan perangkat penginderaan inframerah dan peralatan lainnya.
Keandalan intra dan antar penilai diverifikasi untuk pengukuran waktu keseluruhan yang diambil di TUG dan untuk masing-masing dari lima segmen gerakannya.
Oleh karena itu, sistem ini dapat diterapkan pada pengujian terkait dan penelitian selanjutnya.

Pendanaan
Pendanaan untuk penelitian ini disediakan oleh penulis.

Konflik kepentingan
Penulis tidak memiliki konflik kepentingan yang relevan dengan artikel ini.

REFERENSI

1) Shumway-Cook A, Brauer S, Woollacott M: Memprediksi kemungkinan jatuh pada lansia yang tinggal di komunitas menggunakan Tes Timed Up & Go. Phys Ada,
2000, 80: 896–903. [Medline] [CrossRef]
2) Kojima G, Masud T, Kendrick D, dkk.: Apakah tes waktunya dan pergi memprediksi masa depan jatuh di antara orang tua yang tinggal di komunitas Inggris? Kohort prospektif
studi bersarang dalam uji coba terkontrol secara acak. BMC Geriatr, 2015, 15: 38. [Medline] [CrossRef]

583
Machine Translated by Google

3) Lim SY, Lee BJ, Lee WH: Analisis kurva karakteristik pengoperasian receiver dari tes timed up and go sebagai alat prediksi untuk risiko jatuh pada orang dengan stroke:
sebuah studi retrospektif. Phys There Rehabil Sci, 2018, 7: 54–60. [CrossRef]
4) Reinfelder S, Hauer R, Barth J, et al.: Segmentasi fase Berjangka Waktu pada pasien penyakit Parkinson menggunakan sensor inersia yang tidak mencolok. Annu Int Conf
IEEE Eng Med Biol Soc, 2015, 2015: 5171–5174. [Garis Tengah]
5) Bertuletti S, Cereatti A, Comotti D, dkk.: Akurasi statis dan dinamis dari platform dpt dipakai miniatur yang inovatif untuk pengukuran jarak jarak pendek
untuk aplikasi pergerakan manusia. Sensor (Basel), 2017, 17: 1492. [Medline] [CrossRef]
6) Muro-de-la-Herran A, Garcia-Zapirain B, Mendez-Zorrilla A: Metode analisis gaya berjalan: ikhtisar sistem yang dapat dipakai dan tidak dapat dipakai, menyoroti klinis
aplikasi. Sensor (Basel), 2014, 14: 3362–3394. [Medline] [CrossRef]
7) Mukaino M, Ohtsuka K, Tanikawa H, et al.: Metode analisis gaya berjalan tiga dimensi berorientasi klinis untuk mengevaluasi gangguan gaya berjalan. J Vis Exp, 2018, 133: 57063.
[Garis Tengah]

8) Mukaino M, Ohtsuka K, Tsuchiyama K, et al.: Kelayakan sistem analisis gaya berjalan tiga dimensi yang disederhanakan, berorientasi klinis untuk evaluasi gaya berjalan
pasien stroke. Prog Rehabil Med, 2016, 1: 20160001. [Medline]
9) Tanikawa H, Ohtsuka K, Mukaino M, et al.: Penilaian kuantitatif retropulsi pinggul, rotasi eksternal pinggul yang berlebihan, dan pergeseran lateral yang berlebihan dari pinggul.
batang tubuh di sisi yang tidak terpengaruh pada hemiplegia menggunakan analisis kiprah treadmill tiga dimensi. Rehabilitasi Stroke Teratas, 2016, 23: 311–317. [Medline] [CrossRef]
10) Wikström J, Georgoulas G, Moutsopoulos T, et al.: Analisis data cerdas dari data kiprah terinstrumentasi pada pasien stroke - tinjauan sistematis. Komputasi Biol Med,
2014, 51: 61–72. [Medline] [CrossRef]
11) Cimolin V, Galli M: Ringkasan langkah-langkah untuk analisis kiprah klinis: tinjauan literatur. Postur Kiprah, 2014, 39: 1005–1010. [Medline] [CrossRef]
12) Arbula D, Ljubic S: Lokalisasi dalam ruangan berdasarkan sudut inframerah jaringan sensor kedatangan. Sensor (Basel), 2020, 20: 6278. [Medline] [CrossRef]
13) Daud SA, Mohd Sobani SS, Ramiee MH, dkk.: Aplikasi Sensor Inframerah untuk Deteksi Bentuk. Konferensi Internasional ke-4 IEEE 2013 tentang Photonics (ICP),
Melaka, Malaysia, 2013: 145–147.
14) Mastorakis G, Makris D: Sistem deteksi jatuh menggunakan sensor inframerah Kinect. J Proses Gambar Waktu Nyata, 2014, 9: 635–646. [CrossRef]
15) Mazo M, Rodríguez FJ, Lázaro JL, dkk.: Kursi roda untuk penyandang disabilitas fisik dengan kontrol sensor suara, ultrasonik dan inframerah. Robot Auton, 1995, 2:
203–224. [CrossRef]
16) Podsiadlo D, Richardson S: Waktu "Up & Go": tes mobilitas fungsional dasar untuk orang tua yang lemah. J Am Geriatr Soc, 1991, 39: 142-148. [Garis Tengah]
[CrossRef]
17) Fleiss JL, Cohen J: Kesetaraan kappa tertimbang dan koefisien korelasi intrakelas sebagai ukuran keandalan. Pendidikan Psikol Meas, 1973, 33:
613–619. [CrossRef]

J. Fisik. Ada. Sci. Jil. 33, No. 8, 2021 584