ISSN: 2329-9096
Aleksandar Vakanski, Jake M. Ferguson e Stephen Lee
Objetivo: O artigo propõe um conjunto de métricas para avaliação do desempenho do paciente em exercícios de fisioterapia. Métodos: A taxonomia é empregada para classificar as métricas em categorias quantitativas e qualitativas, com base no nível de abstração das sequências de movimento capturadas. Além disso, as métricas quantitativas são classificadas em métricas sem modelo e baseadas em modelo, em referência a se a avaliação emprega as medições brutas dos movimentos realizados pelo paciente ou se a avaliação é baseada em um modelo matemático dos movimentos. As métricas revisadas incluem distância quadrática média, divergência de Kullback Leibler, log-verossimilhança, consistência heurística, Avaliação de Fugl-Meyer e similares. Resultados: As métricas são avaliadas para um conjunto de cinco movimentos humanos capturados com um sensor Kinect. Conclusão: As métricas podem ser potencialmente integradas em um sistema que emprega aprendizado de máquina para modelagem e avaliação da consistência do desempenho do paciente em ambiente de terapia domiciliar. A avaliação automatizada de desempenho pode superar a subjetividade inerente na avaliação de terapia realizada por humanos e pode aumentar a adesão aos planos de terapia prescritos e reduzir os custos de saúde.