TWI381831B

TWI381831B - Fall risk assessment and the promotion of balance and stability

Info

Publication number: TWI381831B
Application number: TW99101438A
Authority: TW
Inventors: Jiann Shing Shieh; Bernard C Jiang; Kai Hung Wang; Wen Hung Yang
Original assignee: Univ Yuan Ze
Priority date: 2010-01-20
Filing date: 2010-01-20
Publication date: 2013-01-11
Also published as: TW201125554A

Description

跌倒風險評估與促進平衡穩定之方法

本發明是關於使用於跌倒之風險評估與促進平衡穩定以及非侵入式的生理訊號量測的儀器。

跌倒是老年人口中主要的公共衛生關注議題[1]。成人人口中增長的族群，如65歲或65歲以上，醫療照護的支出逐漸增加。在1998年，在家中發生的意外傷害佔了美國社會至少2170億美金支出[2]。其中，跌倒的醫療支出為905億美金，約為家中意外傷害支出的42%。根據台灣內政部統計處調查，65歲及以上人口數於1990年為127萬而2006年增為226萬[3]。而依據中華民國(台灣)行政院衛生署統計，由於意外傷害導致2383老年人死亡[4]，而跌倒是意外伤害造成的重要原因之一。因此，防止老年人跌倒是我們所關注的一件重要議題。

老年人會因平衡的生理改變而增加跌倒的風險[5]。導致老年人跌倒有許多特性[6]，將之列舉如下：

靜態特性包括病史、服藥以及痴呆導致之行為等是無法改變與避免。任何有一或多項靜態特性的年長者應小心防範。動態特性可能每天都不同而引發意外跌倒。為降低這些特性對老年人所導致傷害，健康照護系統應發展一套可評估並治療身體平衡感知功能。

進一步的研究描述如下：首先，跌倒是一種常見於老年人的意外，且常常導致傷害。它常發生於行走時，且常與神經肌肉或感知系統的慢性退化、踝關節肌肉無力、以及疲勞導致這些肌肉低耐力有關[7]。在美國，跌倒是主要導致行動不便與死亡的主因。幾個因素會導致行動時絆倒、滑倒、或跌倒，如地面狀況、轉換過程以及路面的平整程度[8]。因此預防跌倒的療程發展是必須的。最近，生物力學分析被應用於許多骨科與神經方面輕度損傷的療程發展[9]。其主要利用感知回饋而造成姿勢調整和藉由擾動姿勢而引起補償性踏步的控制[15-17]以及利用皮膚連接部分與肌肉的機械性刺激感受器提供必須的本體感知訊號輸入[18]的原理來達到療程。機械式刺激足部的外力受器可用於擾亂本體感受性回饋，並可用以評估巴金森氏步態的產生。足部的壓力會活化腳底的機械性刺激感受器，此機械性刺激感受器於站立時校正姿勢[17]。數個研究探討以機械式刺激於靜態平衡時作為本體感受性回饋調控方法的效果。這個效果被歸因於促進的本體感受性回饋。這個超過閥限刺激的效果是複雜且取決於刺激的頻率、強弱與位置[19、20]。足部末端區域之振動刺激有相近之效果但造成身體往反方向偏斜。同時活化足部前端與末端區域對於身體偏斜無影響，但卻會造成壓力中心的動搖。這些結果暗示姿勢反應可能對位置與刺激特性有專一性。而已有數種相關的專利申請案利用上述原理降低意外跌倒對老年人所導致傷害，相關的專利申請案列舉如下：

1.美國專利申請4,814,661號，人體運動時力量運用之量測與分析系統

該系統包含數個壓電的感測元件，這些感測元件被架置於數種支持的硬塑膠或其他物理性質類似的材質間。這些感測元件可進一步藉由備用的平板結構支持。某些備用的平板可涵蓋整個鞋子，有些則涵蓋部份鞋底。由物理性整合零件所組成的可分離之架置可插入變換器(transducer)，可以以模組型式製造而應用於製造不同的感應鞋或鞋底感應墊。該專利亦公開一種充電式的訊號整合電路。

2.美國專利申請5,836,899號，鞋類之振動訊號系統

該訊號系統包含一個由電池運作之電源供應器，該電源供應器架置於鞋舌內的空間中。該電源供應器連結至設於鞋底所形成之環狀基座上的振動器。該電源供應器與振動器係藉由隱藏於鞋子上緣中的電線連結。鞋舌中電源供應器的位置維持了鞋身的正常平衡並且令使用者於站立、坐姿、行走或跑步時都能由振動訊號維持平衡。

3.美國專利申請6,237,256號，鞋類之平衡增進鞋墊

該專利提供之鞋類與鞋墊具有刺激腳底表面的皮膚壓力感知的裝置。對於穿著此款鞋類者，增進其腳底表面的皮膚壓力感知，於身體重心移動至腳的邊緣時，可使這些人的中樞神經系統較易察覺與反應；上述狀況若放任不管，容易導致失去平衡或跌倒。該專利亦公開一種具有延伸的或一系列突出的鞋底，該延伸的或一系列突出形成一相當靠近鞋底邊緣的狹窄隆起，且此鞋底邊緣被作成往上突出，逆著足底表面，至少涵蓋部份腳的邊緣。

4.美國專利申請6,273,863號，用於下肢損傷復健之適重的支撐監測系統

該專利是一種可攜式、可自學的用於下肢損傷復健之適重的支撐監測系統。該系統包含一有彈性的鞋內墊。該鞋內墊含有用於量測地面反作用力的壓力或力量感知器，這些感知器安裝於足下或病患下肢其他部位的主要支撐點。這些感知器依序藉由一個類比數位轉換器與一個中央處理器連結，此連結可驅動一個刺激而傳遞封閉迴路感知刺激(電的、機械式的，以及/或聽覺的)作為回饋，而促使病患增加適當的肢端之標的重量，而測量該重量之支撐力道。該專利亦提供生理復健時，支撐重量的正確即時監控，以及透過該封閉迴路感知刺激，持續提供病患改善復健的回饋。

5.美國專利申請6,507,757號，以電流刺激身體之裝置

該刺激器是用以刺激腿與身體其他部分，如垂足病患的腿。該刺激器由一腳踏開關控制，而該腳踏開關由使用者控制。該腳踏開關需與環境狀況反向作用，且是可隨時重複使用以致特性是隨時間而變。該發明提供一具適應特性的功能式電刺激可貼附於腿上。該發明包含可貼附於腿上可施以電刺激的第一與第二電極，一個腳踏開關量測腳舉起或腳踏下，一個針對該腳踏開關反映而產生刺激脈衝的迴路，以及形成該迴路零件的方法，該迴路會針對該腳踏開關工具阻力特性改變而反應，此反應是藉由調校該迴路的相關反應閥值而達成。本發明亦提供一個雙管道刺激器，使其可以控制由不同的肌肉群產生訊號。例如，該工具可藉由界定一個第一與第二管道間訊號路徑，以使該第一與該第二管道中之一提供的刺激脈衝，可由連結至所謂第一與該第二管道的另一個的開關工具狀態所控制。進一步的實施例中，安排界定一個第一與第二管道間訊號路徑，以致該第一與該第二管道其中之一刺激脈衝提供可由所謂第一與該第二管道的另一個的活化狀態所控制。另一個進一步的實施例中，第一管道被安排於一定時間後導致刺激脈衝暫停，而第二管道無計時或計時器被停用以致無間斷提供刺激脈衝予連結於該管道之先決定的肢端位置開關工具。該雙管道刺激器可用以治療兩側垂足病患。

6.美國專利申請7,163,517號，以電刺激足部之針灸穴道的物理治療鞋

該電刺激足部之針灸穴道的物理治療鞋包含一雙物理治療鞋，以及伴隨之物理治療裝置。具傳導性的金屬線沿著鞋身的內緣直接包埋於其中。每只鞋身尾端表面有個小洞。一環繞鞋身的邊緣被佈置於鞋底周圍，沿著鞋背有舒緩性可提供電傳導之內建繞線圈立體指壓點突出與按摩突出。該生理治療使該物理治療鞋變成具正極與負極傳導性，而導致低與中頻率的電波沿著腳底產生，這類電波對於反射區具有物理治療與保健效果。

7.美國專利申請7,243,446號，可提供增強感知刺激的鞋類內墊的方法與該方法之鞋內墊套組

該方法提供一可增強感知刺激的鞋類內墊。該方法包含挑選的足部位置，並刺激該足部位置神經，且提供於該足步行時刺激該鞋內墊於前述足部位置提升的方法。

8.美國專利申請7,301,546號，製備具治療功能之鞋內墊方法

該專利是關於製備具治療功能之鞋內墊方法，包含一具有掃描器以用於掃描病人足部底面之平台、一個可傳遞掃描影像至電腦的的資料處理連結、一套可將傳遞的資料轉換成可行指令以控制銑床的軟體、而該銑床可根據前述可行指令製造一只具治療功能之鞋內墊，根據病患的身體狀況，藉由將神經導引(neurological preceptor)置放於掃描器上-病患足下，該神經導引為一組有各種標準化尺寸的神經導引中的零件，並於該神經導引下方作標記以利辨識，而該掃描影像包含該可供辨識之標記以及該神經導引的方位。

習知技術所提供之平衡穩定系統，具有下列之缺點：

1.某些備用的平板可涵蓋整個鞋子，有些則涵蓋部份鞋底。無法配合病患的鞋子進行調整。

2.刺激器是用以刺激腿與身體其他部分，如垂足病患的腿。該刺激器由一腳踏開關控制，而該腳踏開關由使用者控制，使用上非常複雜。

3.利用掃描器掃描病人足部底面之平台、一個可傳遞掃描影像至電腦的的資料處理連結、一套可將傳遞的資料轉換成可行指令以控制銑床的軟體、而該銑床可根據前述可行指令製造一只具治療功能之鞋內墊，製造方法困難而且費時費力。

由此可見，上述習用方式仍有諸多不足，實非一良善之設計，而亟待加以改良。

本案發明人鑑於上述習用方式所衍生的各項缺點，乃亟思加以改良創新，並經多年苦心孤詣潛心研究後，終於成功研發完成本件跌倒風險評估與促進平衡穩定之方法。

本發明之目的即在於提供一種為了降低老年者因上述特性而受傷，健康照護系統建議發展一套可以評估並治療身體平衡的系統。因此，本發明聚焦於量測壓力中心(Center Of Pressure,COP)資料，藉由非侵入式生理訊號裝置評估跌倒風險，並以刺激足部的物理治療方式改善身體的平衡與穩定系統。本發明之振動鞋可產生生理刺激以正向治療患有平衡感知匱乏的病人，以達成降低跌倒風險的目標。

本發明之另一目的在於提供一種使用壓力量測儀器收集一定數量不同年齡的人之統計資料。此外，我們應用一些數學分析方法，如多尺度熵(Multi-scale Entropy,MSE)，藉由經驗模態分解法(Empirical Mode Decomposition,EMD)評估這些人的平衡與穩定系統。這些人藉由穿著本發明之振動鞋，而受到其中的生理刺激治療而改善其平衡與穩定系統。

可達成上述目的之一種其中包含一個鞋內墊、複數振動馬達模組和控制模組。鞋內墊大小可視鞋子種類不同而調整。該鞋內墊將插入鞋子中，該振動馬達模組與控制模組連結。針對足部的生理治療刺激改善病患的身體平衡與穩定系統，該設置有鞋內墊之振動鞋可利用振動馬達模組產生生理刺激並對平衡匱乏的病患產生正向療效，而達到降低跌倒風險的目標。

跌倒風險評估與增強平衡穩定系統可區分為兩部分：治療與評估系統。

1.治療系統

參見圖一、一A、二、三與三A，該跌倒風險評估與增強平衡穩定系統包含一鞋內墊(1)，其插入鞋子(5)中，鞋內墊(1)內設計具有隨機共振(SR)功能，能針對不同病患的舒適度調整共振頻率，進而促進老年人的行動穩定度。一複數振動馬達模組(2)裝置於鞋內墊(1)中，其用於產生隨機共振(SR)，以及一控制模組(3)，該控制模組(3)可進一步包含裝置於鞋子(5)上的一個振動阻抗器(4)。

首先，在設計該鞋內墊(1)時，需輸入對人觸覺感知有影響的雜訊。藉由一個特別的非零級雜訊，一個人可察覺到的一個次閥值的觸覺刺激的能力可明顯地促進。根據相關的科學研究[39]，研究人員發現「隨機共振，是一種現象，該現象中雜訊會促進一個非線性系統對一微弱訊號的反應，該現象被證明於各種生理系統中有重要功能」。而「這些結果暗示一個以雜訊為基礎可用於改善人體觸覺感知的技術。該技術可以併入一個遙控機器人或虛擬環境的觸覺表面的設計」。由臨床觀點，一種應用於個體的以隨機共振為基礎的技術可已提高同時的感覺閥值，例如老年人、周邊神經病變患者或中風病人。另外，於自然(Nature)的一短篇文章中[40]也提到「我們的實驗非常明確顯示出微弱訊號可藉由一種施於一單一感知神經之適當的外界雜訊而增強。最近，一個涵蓋人於外界雜訊存在時對模糊之圖像的感知心理生理實驗與模型就如此提出如此的建議。」為提高同時的感覺閥值，次感知之機械性雜訊將藉由振動鞋內墊(1)而施用於足底。該振動鞋(5)是可以讓病患穿著之任何鞋款，例如跑步鞋、拖鞋或任何形式之運動的、正式的、休閒的或整形外科的鞋款。

我們將帶偏心輪的馬達裝置至於振動鞋內墊(1)中。該帶偏心輪的馬達可以如圖三與圖三A所示安裝於鞋內墊(1)中。如圖二、圖三與圖三A所示，此種帶偏心輪的馬達(2)與控制模組(3)連結以控制帶偏心輪的馬達(2)振動程度。如圖四所示，受試者在治療的時段中穿著振動模式啟動之含振動鞋內墊(1)的鞋子(5)。控制模組(3)中可安裝一個可變的阻抗器(4)以調整振動的強度，以使受試者可舒適的進行療程。

2.評估系統

參見圖五，在系統開始前，該受試者登錄他們的基本資料。首先，受測者均會穿戴震動鞋進行實驗，過程會由實驗人員隨時臨場解說以及瞭解實驗器材是否對受測者造成不舒服感。受測者穿戴震動鞋(但未開啟震動裝置，以一般的鞋子視之)。受測者坐在椅子上，聽到實驗人員的指令後則起身往前直線行走3公尺，而後轉身再直線走回座位，並且坐下，則為完成起身和行動測試(up and go test)。

完成起身和行動測試(up and go test)後，請受測者休息1分鐘，再進行COP量測(6)。首先請受測者將震動鞋脫下，並靜止站立於非侵入式生理訊號量測儀器上，聽到實驗人員的指令後則進行靜止站立65秒的實驗，再次聽到實驗人員的指令後則完成COP量測，請受測者再次穿上震動鞋。過程中，醫護人員與實驗人員均會小心保護受測者，避免平衡不佳而跌倒。

完成COP量測且穿好震動鞋後，由實驗人員啟動鞋底震動裝置。目前共有6段震動程度可供提整(0,10,20,30,40,50)，0表示震動程度最大，50表示震動程度最小。由實驗人員隨機調整震動大小程度，並詢問受測者是否會感到不舒服或是刺痛感，直到受測者認為可以接受的震動程度為止，並紀錄該受測者使用的電阻值。調整鞋墊震動後，請醫護人員陪同受測者步行約10分鐘，過程中若有任何不適均可隨時調整震動程度。步行約10鐘後，請實驗人員關閉鞋底震動裝置(7)。

完成步行後，請受測者休息1分鐘。接著受測者穿戴震動鞋(但未開啟震動裝置，以一般的鞋子視之)進行起身和行動測試(up and go test)。

完成起身和行動測試(up and go test)後，請受測者休息1分鐘，再進行COP量測(8)。我們由非侵入式生理訊號量測儀器取得壓力中心資料並將該資料輸入電腦(9)。如圖五所示，我們使用Matlab電腦軟體撰寫一個多尺度熵程式以分析壓力中心資料與比較生理刺激前後身體之壓力中心的差異。該生理刺激能改善受試者平衡的生理感知並能促進老年人的跌倒傾向預測，而能使其獲得較多的醫療照護並改善其身體平衡與穩定(9)。

本發明使用的非侵入式生理訊號量測儀器收集一定數量不同年齡的人之統計資料。此外，非侵入式生理訊號量測儀器設定有一些數學分析方法，如多尺度熵(Multi-scale Entropy,MSE)，藉由經驗模態分解法(Empirical Mode Decomposition,EMD)評估這些人的平衡與穩定系統。這些人藉由穿著本發明之振動鞋，而受到其中的生理刺激治療而改善其平衡與穩定系統。

量測壓力中心的第一步方法為藉由經驗模態分解法(empirical mode decomposition,EMD)將資料作基線的修正。經過經驗模態分解處理後，我們使用多尺度熵(multi-scale entropy,MSE)評估壓力中心。

經驗模態分解法

為了進行經驗模態分解法(empirical mode decomposition,EMD)，需先了解經驗模態分解是反覆的訊號處理演算法，可以藉由反覆移位(shifting)過程而分解訊號之內在組成。

經驗模態分解法是由以下的假設發展而得-任何時間序資料含有不同的簡單內部振動模式。該方法的基礎是在經驗上依振動模式時間尺度特點確認內部振動模式，而分解該資料。如圖六所示，這步驟是藉由”位移”(shifting)資料產生內在組成(內建模態函數)而達成。由經驗模態分解法所得之內建模態函數是一組通用的內在模式，這些函數並且滿足以下狀況：對於局部零均值來說這些函數是對稱的，而且具有相同數目的跨零點及極值。

此分解方法可簡單地利用分別由區域極大值與極小值所定義的包絡線。一旦極值被確認後，所有局部最大值遂由當作上包絡線的立方樣條線所連結。針對局部極小值重複此步驟而產生下包絡線。該上、下上包絡線應該包含所有介於其間的資料。他們的平均值以m₁ 表示，這些資料與m₁ 的差異是第一部分稱為h₁ 。圖六說明位移步驟：(a)原始資料；(b)原始資料以細實線表示，虛線代表上、下包絡線，平均值以粗實線表示；(c)該資料與m₁ 的差異。因為有負的局部最大值與正的最小值的載波，這還不算是一種本質模態函數。

X(t)-m ₁ =h ₁ . (1)

若滿足以下狀況，則所產生之該資料與m₁ 的差異h₁ 是一種內建模態函數(intrinsic mode function,IMFs)：(I)h₁ 不含載波；(II)相對於零值，其上、下上包絡線是對稱的；(III)其跨零點及極值的數目是一樣或僅差1。除此之外，另一個狀況是在考量生理狀況下，基於周期性(亦即每個週期不同的資料點數目)可強加於此，以移除在某個週期範圍內的波形。若h₁ 非內建模態函數，則此位移步驟需重複進行多次以降低訊號而得到內建模態函數。

接下來的位移步驟中，h₁ 被視為資料重複上述的處理。

h ₁ -m ₁₁ =h ₁₁ . (2)

若函數h₁₁ 不滿足標準，則進行位移步驟k次直到可接受的程度。

h _1(k
-1) -m _1k =h _1k (3)

若所得的時間序是一階內建模態函數(first IMF)，將之標明為c₁ =h_1k 。隨後將原始資料減去該一階內建模態函數，其差r₁ 闡示如下 X(t)-c ₁ =r ₁ (4)

因為該差r₁ ，仍然含有較長時間部分的資料，它可被視為是新資料而以前述位移步驟處理。這個步驟可重複於所有接下來的r_j ，其結果如下：r ₁ -c ₂ =r ₂ ,...,r _n
-1 -c _n =r _n . (5)

此位移處理可因下述任一事先預設的標準而停止：若是該部份(c_n )或差(r_n )小於重要結果的事先預設值，亦或是當差(r_n )形成單調函數而無法再萃取出內建模態函數，即便是零均值(data with zero mean)的資料，其最後的剩餘可能不是0，若有趨勢的資料，其殘差結果應該是該趨勢。圖七顯示經驗模態分解法處理的典型結果，與這由典型時間序資料經過經驗模態分解法處理的結果成分。由計算方程式(4)與(5)，我們得到方程式(6)。

熵(Entropy)

在生物科學與生物工程中，經常是用生物訊號的熵估算。熵是一種重要的量測，它不僅使用於資訊理論，也用於廣泛的科學領域涵蓋生物訊號處理[22]、[23]、[24]。計算一組連續階(consecutive order)的熵值統計是較單一階的熵值統計更為複雜。一組資料的的熵值統計是一種量測其所內含的資料。古典的熵(classical entropy)與複雜生理觀點並無直接關聯。熵與時間序的亂度有關，且它因完全無關的隨機訊號變大，複雜度與與時間序下的結構以及資訊內容有關，一個時間序的熵增加，通常但並不總是，相對應於其下系統複雜度的增加。

當一個不健全的系統與更多正常行為出現連結時，相較於自由跑步的動態正常系統顯示出較低的熵值[25]。當與顯示相關特性(1/f型式)的健康的動態比較，傳統的演算法會因這類雜訊或病理性訊號而產出一個熵值的增加，即使健康的動態代表更多生理複雜度、適合的狀態。該不一致性可能與目前普遍使用的熵值量測是以單尺度分析為基礎，且不考慮健康的生理控制系統之複雜、短暫的波動。

該單一不連續隨機變數X的熵值H(X)是量測其不確定感的平均。熵值是以以下等式計算：

其中X代表一隨機變數，該變數有一組值T以及機率質量函數p(x_i )。

代表隨機處理的結果的一個時間序，也就是一組n個任意變數的索引順序{X_i }={X_i ,....,X_n }，此組變數依序有一組值T₁ ,....T_n ，其聯合熵定義如下：

其中，p(x₁ ,...,x_n )是這n個變數X₁ ,...,X_n 的聯合機率。

數字上，僅能計算有限階的n之熵值。一旦n隨著所給予的時間序增大，該熵值H_n 被低估且衰變趨近0。因此，該實際(“real world”)有限時間序的Kolmogorov-Sinai(KS)熵值通常無法被合理地精確估算。

為了分析這種典型的短、有雜訊的時間序，Pincus[26]引介此近似熵值(approximate entropy,ApEn)家族的參數，該參數廣泛應用於生理學與醫學。最近，一個修正的演算法被提出-樣本熵值(Sample entropy,SampEn)[27]，此演算法的優點在於它較少取決於時間序的長度。然而此演算法於某個的病理時間序指定一個較高熵值。該病理時間序相對於由健康者所取得之時間序，被認為是較不複雜之動態[25]。取得這類結果的一個可能原因可能是這類量測是以單一尺度為基礎。KS熵值與其相關之ApEn熵值參數兩者均取決於一個函數的一階微分(a function’s one step different)(例如H_n+1 -H_n )，若我們握有該時間序的過去歷史這兩個熵值會反應下一個新點的不確定性。

多尺度熵(Multi-scale Entropy,MSE)

用以測量生理時間序複雜度的以熵值為基礎之演算法已被廣泛應用。對於區分健康者與病患，這類演算法已被證明是有效的，雖然有些結果可能產生誤導的結論。例如，應用的這類演算法計算心房纖維顫動的心室反應的時間序所得的熵值，是比同樣演算法計算之健康者靜脈竇節律時間序的熵值為高。然而，健康系統比病理系統產生更多較複雜的輸出。傳統演算法是單尺度的，因此無法用以說明生理系統的多時間尺度。

Zhang[28,29]提出一個納入生理系統多時間尺度的通用方法。其量測基於視熵值而定的尺度權重，對於相關雜訊的確比不相干的雜訊產生較高的值。然而，因為是以Shannon的熵值(Shannon’s definition of entropy)定義為基礎，Zhang的方法需要大量且幾乎無雜訊的資料，才能以具有足夠統計準確度地比對一訊號至明確的符號序列。因此，當使用於持續變化且有限長度之典型生理訊號，它有著明顯的限制。

一個一次之明確時間序(one-dimensional discrete time series)是{X_i ,....,X_n }。根據以下等式，該時間序構築一個取決於尺度因子t之連續的粗粒化時間序{y ^(τ
) }：

於尺度一時，該時間序{y ⁽¹⁾ }即是原始時間序。每個粗粒化時間序長度等於原始時間序長度除以尺度因子t。計算每個粗粒化時間序熵值量測(SampEn)描繪為一尺度因子t[30]的函數。這就是多尺度熵(MSE)分析的步驟[31]。

資料分析

如圖八所示，在本研究中受試者的壓力中心訊號資料由CATSYS2000所紀錄。如圖九所示，我們首先使用經驗模態分解法(EMD)對壓力中心訊號資料作基線修正與分解。其次，我們使用多尺度熵(MSE)分析經驗模態分解法(EMD)處理後的資料。圖十顯示一受試者多尺度熵(MSE)值且其尺度因子為從1到7。

結果

跌倒風險評估與增強平衡穩定系統及其方法的評估與治療結果結果如下。

請參閱圖十一與十二分別顯示受試者於完成多尺度熵(MSE)分析後與紀錄所有受試者的資料。如圖十一，於每個尺度因子，老年人群組的多尺度熵(MSE)值是最低的。這顯示老年人的複雜度是較低的，且他們在水平方位上的平衡感較差。然而，兒童群組的多尺度熵(MSE)值是最高的。此群組的複雜度最高且他們在水平方位上的平衡感佳。圖十一是5組不同年齡壓力中心多尺度熵(MSE)的分析結果，分析水平(X軸)方位資料。將受試者(分析對象)分為兒童(小於20歲)、青年(20-40歲)、壯年(40-50歲)、中年(50-60歲)以及老年(超過60歲)。圖十二中，為分析垂直值(Y軸)方位資料，於每個尺度因子老年人群組的多尺度熵(MSE)值是最低的。這顯示老年人的複雜度是較低的，且他們在垂直方位上的平衡感較差。然而，兒童群組的多尺度熵(MSE)值是最高的。此群組的複雜度最高且他們在垂直方位上的平衡感佳。

取多尺度熵值(MSE)之X軸與Y軸的平均面積以及計算下表每一組之標準差(Standard Deviation)，顯示年輕群組不管在X軸或Y軸其尺度熵值(MSE)的平均面積較高。此外，老年群組其尺度熵值(MSE)的平均面積較低。

使用多尺度熵值(MSE)分析結果顯示老年組有最低值而青年組得到較高值。這完全解釋此分析結果與一般的概念符合，一般認為年輕族群的平衡感較老年族群為佳，因老年人隨年齡增加而平衡感漸减低。我們觀察到該多尺度熵值(MSE)也有此趨勢。因此，我們推斷出該多尺度熵值(MSE)分析方法可透過壓力中心訊號而有效評估人體平衡感知能力。

(1)治療系統

在一次收集8位老年受試者的尺度熵值(MSE)資料並分析其壓力中心訊號中，我們在多尺度熵值(MSE)面積作索引，並觀察該面積於穿著振動鞋前後的改變。在跌倒的主要因素下，多數跌倒行為是向前倒或向後倒(垂直軸)，向左側或右側跌倒的相當少見。在我們分析的跌倒，我們聚焦於垂直軸(Y軸)，而以水平軸(X軸)作為補充。在以多尺度熵方法量測壓力中心訊號中的一位受試者結果，其X軸、Y軸資料如圖十三A、十三B所示。前述提之多尺度熵值(MSE)面積計算可以了解其複雜程度。

該8位老年受試者以多尺度熵方法量測壓力中心訊號結果可見於X軸的、內外向的(mediolateral,ML)以及Y軸前後的(anteroposterior,AP)，與舒適的阻抗設定顯示於下表。

若計算圖十三A、十三B中圖下方面積，第一塊面積是刺激前的多尺度熵面積，第二塊面積是刺激後的多尺度熵面積。觀察多尺度熵面積改變而討論複雜度改變顯示於下表。

由上表，若第二塊面積值是大於第一塊面積值，這代表第二級(second degree)複雜度高於第一級的複雜度，並且平衡感知暫時變得較好。在測試過8位老年受試者中，有三位受試者的複雜程度變得較好，有兩位變得較差，有三位於X軸(水平的、內外向的)無明顯差異。在Y軸(垂直的、前後方位的)，8位老年受試者全變得較佳，沒有受試者變得較差或無改變。

該實驗結果詳列如下表：

因此，振動鞋的振動程度會影響複雜程度。

此壓力中心評估系統可以了解受試者的平衡感知狀況。藉由收集更多受試者的壓力中心訊號，我們可得到每一群組平均值，作為此評估系統的索引(index)。藉著比較受試者之壓力中心訊號與各群組之壓力中心訊號索引，我們也可了解受試者身體平衡是否有任何問題。

我們於振動鞋裝置不同的阻抗器，且可調節其刺激強度以於每位受試者可接受的程度下進行實驗，讓受試者於實驗過程中感到舒適。受試者可於安全與輕鬆愉快的的狀況下進行壓力中心治療的實驗。

隨機振動是一種雜訊促進非線性系統對微弱訊號反應的現象[32-33]，已被確認在不同的生理狀況下是重要功能[34-38]。於生理系統中加入適當的雜訊是有用的。我們認為振動是一種雜訊，並我們藉由不同的阻抗器控制振動強弱，並決定振動鞋的電力為雜訊(N)。根據雜訊不同程度分為5群如下表所示：

我們取得一位受試者的5個雜訊之多尺度熵面積值，圖示於圖十四、圖十五。

於X軸(水平)，N2(40Ω)、N3(20Ω)與N4(2Ω)之多尺度熵面積值無顯著差異，但均較N1與N5為佳。於Y軸(垂直)，N4(2Ω)之多尺度熵面積值最大，N2(40Ω)與N3(20Ω)無顯著差異，但均較N1與N5為佳。N1是刺激前雜訊，N5是無鞋內墊的雜訊。若受試者穿著無鞋內墊的振動鞋行走，他們感到非常不舒適甚至再也不願穿振動鞋了。

這結果顯示適當的振動刺激對於身體平衡系統是有益的，但過度的振動刺激導致身體平衡系統的衰退。這個推論與先前提出的結果一致。當受試者穿著振動鞋且進行實驗，首先應該藉由不同的阻抗器調整振動強弱使受試者不會感到不舒適，因而該振動鞋可以有效治療平衡系統之生理感知。

雖然根據本發明已經有此動力學系統的較佳實施例，然必須了解的是凡未脫離本發明技藝精神所為之等效實施或變更，均應包含於本案之專利範圍中。

【參考資料】

[1]B. S. Roudsari,B. E. Ebel,P.S. Corso,N. M. Molinari,T. D. Koepsell,The acute medical care costs of fall-related injuries among the U.S older adults,J. Care Injured(2005)36,1316-1322.

[2]E. Zaloshnja,T. R. Miller,B .A. Lawrence,E Romano,The costs of unintentional home injuries. J. of Preventive Medicine,2005,28(1).

[3]Survey of population in Taiwan,report of department of statistics,ministry of the interior Taiwan,http://www.moi.gov.tw/stat/index.asp.

[4]Statistical report of top ten causes of death in Taiwan,report of department of health,Excusive Yuan,R.O.C.(Taiwan),http://www.doh.gov.tw/statistic/.

[5]C. A. Laughton,M. Slavin,K. Katdare,L. Nolan,J. F. Bean,D. C. Kerrigan,E. Phillips,L. A. Lipsitz,K. J. Collins,Aging,muscle activity,and balance control:physiological changes associated with balance impairment,Gait and Posture 18(2003),101-108.

[6]D. G. Miceli,Falls associated with Dementia:How can you tell? Geriatric Nursing,Vol. 26,Number 2. 2005;26:106-10.

[7]A. Gefen,”Simulations of Foot Stability During Gait Characteristic of Ankle Dorsiflexor Weakness in the Elderly”,S 1534-4320(01)11421-X.

[8]D. A. Schieb,”Walkway Surface Heights and Ground Reaction Forces”,0-7803-:2083-2/95 1995 IEEE

[9]R. A. Cooper,D. P. VanSickle,R. N. Robertson,M. L. Boninger and G.. J. Ensminger,“A Method for Analyzing Center of Pressure During Manual Wheelchair Propulsion”,IEEE,vol. 3,no. 4,December 1995

[10]P. R. cavanagh,“L technique for averaging center of pressure paths from a force platform”,J. Biomechanics,vol. 11,pp. 487491,1978.

[11]B. J. Benda,P. O. Riley and D. E. Krebs,“Biomechanical Relationship Between Center of Gravity and Center of Pressure During Standing”,IEEE,vol. 2,no. 1,March 1994

[12]O. Sezer and M. Ferdjallah,“Adaptive Autoregressive Model for the Analysis of Center of Pressure in Healthy Subjects during Quiet Standing”,0-7803-9197-7/05/2005 IEEE.

[13]H. Snoussi,H. Amoud,M. Doussot,D. Hewson and J. Duch^{^} ene,”Reconstructed Phase Spaces of Intrinsic Mode Functions. Application to Postural Stability Analysis”,1-4244-0033-3/06/2006 IEEE.

[14]S. W. Yip and T. E. Prieto,“A system for force distribution measurement beneath the feet”,0-7803-3 13 1-1/96 1996 IEEE

[15]S. Park,F. B. Horak,A. D. Kuo,”Postural feedback responses scale with biomechanical constraints in human standing”,Exp Brain Res 2004,154:417-427.

[16]E. P. Zehr,J. Duysens,“Regulation of arm and leg movement during human locomotion”,Neuroscientist 2004,10:347-361.

[17]B. E. Maki,W. E. McIlroy,“Postural control in the older adult”,Clin Geriatr Med 1996,12:635-658.

[18]H. Tropp,Commentary:Functional ankle instability revisited. J Athl Train 2002,37:512-515.

[19]A. Kavounoudias,R Roll,J. P. Roll:Specific whole-body shifts induced by frequency-modulated vibrations of human plantar soles. Neurosci Lett 1999,266:181-184.

[20]A. Kavounoudias,R. Roll,J. P. Roll,“Foot sole and ankle muscle inputs contribute jointly to human erect posture regulation”. J Physiol 2001,532:869-878.

[21]P. Novak and V. Novak,“Effect of step-synchronized vibration stimulation of soles on gait in Parkinson's disease:a pilot study”,Journal of NeuroEngineering and Rehabilitation 2006,3:9

[22]R. R. de R. van Steveninck,G. D. Lewen,S. P. Strong,R. Koberle,and W. Bialek,“Reproducibility and variability in neural spike trans,”Science,vol. 275,no. 21,pp. 1805-1808,1997.

[23]S. P. Strong,R. Koberle,R. R. de R. van Steveninck,and W. Bialek,“Entropy and information in neural spike trains,”Phys. Rev. Lett.,vol.80,no. 1,pp. 197-200,1998.

[24]S. R. Schultz and S. Panzeri,“Temporal Correlations and Neural Spike Train Entropy,”Phys. Rev. Lett.,vol. 86,no. 25,pp. 5823-5826,June 2001.

[25]A. L. Goldberger,C.-K Peng,and L. A. Lipsitz,What is physiologic complexity and how does it change with aging and disease?,Neurobiol. Aging,January 2002(Vol. 23,Issue 1,Pages 23-26).

[26]S. M. Pincus,Approximate entropy as a measure of system complexity. Proc Natl Acad Sci U S A. 1991 March 15;88(6):2297-2301.

[27]J. S. Richman and J. R. Moorman,Physiological time-series analysis using approximate entropy and sample entropy,Am. J. Physiol. Vol. 278,Issue 6,H2039-H2049,June 2000.

[28]Y.-C. Zhang. Complexity and 1/f noise. A phase space approach. Journal de Physique I,Volume 1,Issue 7,July 1991,pp.971-977

[29]H. C. Fogedby. On the phase space approch to complexity. Journal of Statistical Physics,Volume 69,Issue 1-2,pp. 411-425

[30]A. L. Goldberger and C.-K. Peng,Multi-scale Entropy Analysis of Complex Physiologic Time Series,Physical Review Letters,DOI:10.1103/PhysRevLett.89.068102

[31]J. L. Starck,F. Murtagh,and A. Bijaoui,Image Processing and Data Analysis Cambridge University Press,Cambridge,(1998).

[32]K. Wilesenfeld and F. Moss,“Stochastic resonance and the benefits of noise:from ice ages to crayfish and SQUIDs”,Nature 373,33-36(1995)

[33]J. J. Collins,C. C. Chow and T. T. Imhoff,”Stochastic Resonance Without Tuning'”,Nature 376,236-238(1995)

[34]J. K. Douglass,L. Wilkens,E. Pantazelou and F. Moss,”Noise enhancement of information transfer in crayfish mechanoreceptors by stochastic resonance”,Nature 365,337-340(1993)

[35]J. E. Levin and J. P. Miller,”Broadband Neural Encoding in the Cricket Cercal Sensory System Enhanced by Stochastic Resonance.”,Nature 380,165-168(1996)

[36]J. J. Collins,T. T. Imhoff and P. J. Grigg,“Noise-enhanced information transmission in rat SA1 cutaneous mechanoreceptors via aperiodic stochastic resonance”,Neurophysiol .76,642-645(1996)

[37]P. J. Cordo,“Noise in human muscle spindles”,Nature 383,769-770(1996)

[38]J. T. Inglis,S. Verschueren,J. J. Collins,D. M. Merfeld,S. Rosenblum,S. Buckley and F. Moss,“Noise-enhanced tactile sensation”,Nature Vol. 383(1996)

[39]Paul Cordo,Nature 383,770,31 October 1996

[40]John K. Douglass,Lon Wilkens,Elenl Pantazelou & Frank Moss,Nature,365 337-339,23 September 1993

1‧‧‧鞋內墊

2‧‧‧振動馬達模組

3‧‧‧控制模組

4‧‧‧振動阻抗器

5‧‧‧鞋子

6-9‧‧‧評估流程的圖示

有關本發明的詳細技術，請參酌以下圖示。

圖一為鞋內墊和振動鞋示意圖；圖一A為鞋內墊放置於振動鞋內的示意圖；圖二為本發明之鞋內墊內馬達模組連接示意圖；圖三為鞋內墊內馬達模組示意圖；圖三A為鞋內墊內馬達模組放大圖；圖四為治療中鞋內墊內馬達模組震動圖；圖五為評估流程的圖示；圖六為圖示說明分析過程圖：(a)原始資料；(b)原始資料以細實線表示，虛線代表上、下包絡線，平均值以粗實線表示；(c)該資料與m₁ 的差異。因為有負的局部最大值與正的最小值的載波，這還不算是一種內建模態函數；圖七為典型的時間序資料分析所產生的經驗模態分解法(EMD)組成圖；圖八為壓力中心資料(X軸，Y軸)圖；圖九為使用經驗模態分解法(EMD)對壓力中心訊號作基線的修正圖；圖十為多尺度熵值圖：紅線代表多尺度熵值於X軸(水平)；綠線代表多尺度熵值於Y軸(垂直)；圖十一為五組不同年齡的人其壓力中心的多尺度熵分析圖，分析該水平的資料(X軸)。將分析對象分為兒童(小於20歲)、青年(20-40歲)、壯年(40-50歲)、中年(50-60歲)以及老年(超過60歲)；圖十二為五組不同年齡的人其壓力中心的多尺度熵分析圖，分析該垂直的資料(Y軸)。將分析對象分為兒童(小於20歲)、青年(20-40歲)、壯年(40-50歲)、中年(50-60歲)以及老年(超過60歲)；圖十三A為分析對象中的一位於穿著本發明之振動鞋水平(X軸)的多尺度熵值圖(紅線代表穿著本發明之振動鞋前，綠線代表穿著本發明之振動鞋後)；圖十三B為分析對象中的一位於穿著本發明之振動鞋垂直(Y軸)的多尺度熵值圖(紅線代表穿著本發明之振動鞋前，綠線代表穿著本發明之振動鞋後)；圖十四為分析對象中的一位其多尺度熵於X軸的曲線面積圖；以及圖十五為分析對象中的一位其多尺度熵於Y軸的曲線面積圖。

1‧‧‧鞋內墊

2‧‧‧振動馬達模組

3‧‧‧控制模組

4‧‧‧振動阻抗器

5‧‧‧鞋子

Claims

一種跌倒風險評估與增強平衡穩定之方法，其包含以下步驟：(a)病患穿著振動鞋，站立於一非侵入性量測生理訊號裝置上以收集壓力中心資料；(b)振動鞋提供生理刺激，且刺激病患的足部神經，且病患在一個無障礙的地方正常來回走動；(c)在生理刺激後，病患再度站立於非侵入性量測生理訊號裝置上；(d)由非侵入性量測生理訊號裝置取得壓力中心資料，並將資料輸入電腦，且比較生理刺激前後的壓力中心的不同。
如申請專利範圍第1項所述之跌倒風險評估與增強平衡穩定之方法，其中該非侵入性量測生理訊號裝置利用經驗模態分解法(empirical mode decomposition,EMD)將資料作基線的修正，經過經驗模態分解處理後，我們使用多尺度熵(multi-scale entropy,MSE)評估壓力中心。