Efecte d’ un programa d’ exercicis dirigits a minimitzar els moviments compensatoris, a nivell proximal, de l’ extremitat superior afecta de nens amb Paràlisi Cerebral Unilateral durant l’ execució d’ activitats bimanuals, valorat amb Intel·ligència Artificial. Assaig Clínic Aleatori
La paràlisi cerebral unilateral espàstica (PCUE) produeix una alteració de l’hemicòs contralateral, sent major l’afectació de l’extremitat superior (ES) i presentant dèficits motors i de control postural que dificulten les seves activitats de la vida diària. Aquest darrer dèficit s’origina per les dificultats d’ acompliment bimanual i desencadenen en el desenvolupament compensacions corporals. L’evidència científica indica que el treball en la part proximal d’ aquesta ES més afecta millora la funcionalitat bimanual de l’ infant.
Activitats Previstes
FASE I
Per al registre de les dades s’ obtindran 2 vídeos d’ ambdós subjectes en els quals s’ extraurà les trajectòries dels marcadors dels moviments.
Característiques del registre de vídeo:
- Model Cambra del projecte
- Resolució de la cambra
- Posició de la càmera: Col·locada en un trípode a 30 cm de distància cap a posterior on el pacient està assegut.
- Emmarcar i centrar el vídeo a la zona de totes dues espatlles fins a la base dels glútens
- Fons blanc i llis
- Posició del subjecte: En sedestació en un tamboret sense suport i els peus han de tocar plans a terra.
- S’ ha escollit el plànol posterior atès que és on es poden observar millor les compensacions.
Les activitats de la vida diària bimanuals (AVD) a desenvolupar seran les següents:
- Desenroscar el tap d’una ampolla.
- Posar pegament de barra a un paper.
- Apujar-se la cremallera d’una jaqueta.
- Treure’s aquesta jaqueta.
- Portar una safata.
- Pentinar-se la part posterior del cap.
- Tocar-se la part lumbar de l’esquena.
Les 5 primeres formen part del test Childrens Hand-use Experience Questionaire 2.0 (CHEQ 2.0). Aquestes són activitats de la vida diària que accentuen les descompensacions a més que abasten tots els moviments que realitza l’escàpula.
La fiabilitat inter avaluador serà avaluada mitjançant el programari DeepLabCut, que utilitza un etiquetatge semi-automàtic amb una xarxa neuronal convolucional (CNN).
L’entrenament de la xarxa neuronal el realitzaran l’ investigador 1 i 2, a partir de l’ etiquetatge manual de n = 20 fotogrames significatius, obtinguts a partir d’ un algoritme de clusterització k-means.
La fiabilitat intra avaluador serà avaluada de la mateixa manera després del pas d’una setmana.