MIRA University of Twente
Department of Biomechanical Engineering

Selective support of gait subtasks during robotic gait training (B. Koopman)

Name:

B. Koopman

Study:

Biomedical Engineering

Location:

Laboratory of Biomechanical Engineering

 

 

Project:

LOPES

Supervisors:

Prof.dr.ir. Koopman, H.F.J.M.

dr.ir. Van der Kooij, H. (contact)

dr. Van Asseldonk, E.H.F.

ir. Stegenga, J.

 

 

Graduation:

01-08-2008

Presentations:

01-08-2008 Graduation (Final presentation)

Selective support of gait subtasks during robotic gait training ‘a feasibility study using Virtual Model Control’

Summary

Dat bij het verbeteren van de loopfunctie van CVA patiënten intensieve en taak specifieke training een doorslaggevende rol speelt is algemeen aanvaard. Het leveren van dit soort training is echter erg arbeidsintensief. De introductie van de “robotic gait trainers” kan een groot deel van dit soort arbeidsintensieve revalidatie op zich nemen. De commercieel verkrijgbare gait trainers leggen echter het looppatroon actief op. Op deze manier ondersteunen ze de aangedane loop functies (stap hoogte/grootte etc), maar ook de niet aangedane loop functies, terwijl er is gebleken dat eigen initiatief tijdens loop training essentieel is.

Nieuwe inzichten het gebied van het motorisch leren suggereren dan ook de “assist as needed approach”, waar de ondersteuning alleen plaatsvindt als het looppatroon niet voldoet aan de eisen van de fysiotherapeut, terwijl de niet aangedane taken door de patiënt zelf worden uitgevoerd. In dit perspectief kan het selectief ondersteunen van subtaken ook worden gezien als assist as needed therapie. In deze thesis is gekeken naar de mogelijkheden van Virtual Model Control om dit soort training mogelijk te maken. Om dit te onderzoeken is gebruik gemaakt van LOPES, de revalidatie gait trainer van de Universiteit Twente. Deze trainer is in staat om passief met de patiënt mee te bewegen maar ook om ondersteunende krachten uit te oefenen, en is daarom erg geschrikt voor selectieve ondersteuning.

Tijdens het onderzoek is gebleken dat Virtual Model Control geschikt is om subtaken selectief te ondersteunen en dat de mate van ondersteuning makkelijk kan worden aangepast aan de mogelijkheden van de patiënt. Verder is gebleken dat subtaken kunnen worden ondersteund zonder dat dit invloed heeft op de uitvoering van de andere subtaken.