Journal international de médecine physique et de réadaptation
Libre accès
ISSN: 2329-9096
ISSN: 2329-9096
Aleksandar Vakanski, Jake M. Ferguson et Stephen Lee
Objectif : L'article propose un ensemble de mesures pour l'évaluation des performances des patients dans les exercices de physiothérapie. Méthodes : Une taxonomie est utilisée qui classe les mesures en catégories quantitatives et qualitatives, en fonction du niveau d'abstraction des séquences de mouvements capturées. De plus, les mesures quantitatives sont classées en mesures sans modèle et basées sur un modèle, en référence au fait que l'évaluation utilise les mesures brutes des mouvements effectués par le patient ou que l'évaluation est basée sur un modèle mathématique des mouvements. Les mesures examinées comprennent la distance quadratique moyenne, la divergence de Kullback Leibler, la vraisemblance logarithmique, la cohérence heuristique, l'évaluation de Fugl-Meyer et autres. Résultats : Les mesures sont évaluées pour un ensemble de cinq mouvements humains capturés avec un capteur Kinect. Conclusion : Les mesures peuvent potentiellement être intégrées dans un système qui utilise l'apprentissage automatique pour la modélisation et l'évaluation de la cohérence des performances des patients dans le cadre d'une thérapie à domicile. L’évaluation automatisée des performances peut surmonter la subjectivité inhérente à l’évaluation thérapeutique effectuée par l’homme, et elle peut augmenter l’adhésion aux plans thérapeutiques prescrits et réduire les coûts des soins de santé.