Movement is an essential part of our lives. Throughout our lifetime, we acquire many different motor skills that are necessary to take care of ourselves (e.g., eating, dressing), to work (e.g., typing, using tools, care for others) and to pursue our hobbies (e.g., running, dancing, painting). However, as a consequence of aging, trauma or chronic disease, motor skills may deteriorate or become “lost”. Learning, relearning, and improving motor skills may then be essential to maintain or regain independence. There are many different ways in which the process of learning a motor skill can be shaped in practice. The conceptual basis for this thesis was the broad distinction between implicit and explicit forms of motor learning. Physiotherapists and occupational therapists are specialized to provide therapy that is tailored to facilitate the process of motor learning of patients with a wide range of pathologies. In addition to motor impairments, patients suffering from neurological disorders often also experience problems with cognition and communication. These problems may hinder the process of learning at a didactic level, and make motor learning especially challenging for those with neurological disorders. This thesis focused on the theory and application of motor learning during rehabilitation of patients with neurological disorders. The overall aim of this thesis was to provide therapists in neurological rehabilitation with knowledge and tools to support the justified and tailored use of motor learning in daily clinical practice. The thesis is divided into two parts. The aim of the first part (Chapters 2‐5) was to develop a theoretical basis to apply motor learning in clinical practice, using the implicit‐explicit distinction as a conceptual basis. Results of this first part were used to develop a framework for the application of motor learning within neurological rehabilitation (Chapter 6). Afterwards, in the second part, strategies identified in first part were tested for feasibility and potential effects in people with stroke (Chapters 7 and 8). Chapters 5-8 are non-final versions of an article published in final form in: Chapter 5: Kleynen M, Moser A, Haarsma FA, Beurskens AJ, Braun SM. Physiotherapists use a great variety of motor learning options in neurological rehabilitation, from which they choose through an iterative process: a retrospective think-aloud study. Disabil Rehabil. 2017 Aug;39(17):1729-1737. doi: 10.1080/09638288.2016.1207111. Chapter 6: Kleynen M, Beurskens A, Olijve H, Kamphuis J, Braun S. Application of motor learning in neurorehabilitation: a framework for health-care professionals. Physiother Theory Pract. 2018 Jun 19:1-20. doi: 10.1080/09593985.2018.1483987 Chapter 7: Kleynen M, Wilson MR, Jie LJ, te Lintel Hekkert F, Goodwin VA, Braun SM. Exploring the utility of analogies in motor learning after stroke: a feasibility study. Int J Rehabil Res. 2014 Sep;37(3):277-80. doi: 10.1097/MRR.0000000000000058. Chapter 8: Kleynen M, Jie LJ, Theunissen K, Rasquin SM, Masters RS, Meijer K, Beurskens AJ, Braun SM. The immediate influence of implicit motor learning strategies on spatiotemporal gait parameters in stroke patients: a randomized within-subjects design. Clin Rehabil. 2019 Apr;33(4):619-630. doi: 10.1177/0269215518816359.
Objective. Clinicians may use implicit or explicit motor learning approaches to facilitatemotor learning of patients with stroke. Implicit motor learning approaches have shown promising results in healthy populations. The purpose of this study was to assess whether an implicit motor learning walking intervention is more effective compared with an explicit motor learning walking intervention delivered at home regarding walking speed in people after stroke in the chronic phase of recovery. Methods. This randomized, controlled, single-blind trial was conducted in the home environment. The 79 participants, who were in the chronic phase after stroke (age = 66.4 [SD = 11.0] years; time poststroke = 70.1 [SD = 64.3] months; walking speed = 0.7 [SD = 0.3] m/s; Berg Balance Scale score = 44.5 [SD = 9.5]), were randomly assigned to an implicit (n = 38) or explicit (n = 41) group. Analogy learning was used as the implicit motor learning walking intervention, whereas the explicit motor learning walking intervention consisted of detailed verbal instructions. Both groups received 9 training sessions (30 minutes each), for a period of 3 weeks, targeted at improving quality of walking. The primary outcome was walking speed measured by the 10-MeterWalk Test at a comfortable walking pace. Outcomes were assessed at baseline, immediately after intervention, and 1 month postintervention. Results. No statistically or clinically relevant differences between groups were obtained postintervention (between-group difference was estimated at 0.02 m/s [95% CI = −0.04 to 0.08] and at follow-up (between-group difference estimated at −0.02 m/s [95% CI = −0.09 to 0.05]). Conclusion. Implicit motor learning was not superior to explicit motor learning to improve walking speed in people after stroke in the chronic phase of recovery. Impact. To our knowledge, this is the first study to examine the effects of implicit compared with explicit motor learning on a functional task in people after stroke. Results indicate that physical therapists can use (tailored) implicit and explicit motor learning strategies to improve walking speed in people after stroke who are in the chronic phase of recovery.
BACKGROUND: Approximately 5%-10% of elementary school children show delayed development of fine motor skills. To address these problems, detection is required. Current assessment tools are time-consuming, require a trained supervisor, and are not motivating for children. Sensor-augmented toys and machine learning have been presented as possible solutions to address this problem.OBJECTIVE: This study examines whether sensor-augmented toys can be used to assess children's fine motor skills. The objectives were to (1) predict the outcome of the fine motor skill part of the Movement Assessment Battery for Children Second Edition (fine MABC-2) and (2) study the influence of the classification model, game, type of data, and level of difficulty of the game on the prediction.METHODS: Children in elementary school (n=95, age 7.8 [SD 0.7] years) performed the fine MABC-2 and played 2 games with a sensor-augmented toy called "Futuro Cube." The game "roadrunner" focused on speed while the game "maze" focused on precision. Each game had several levels of difficulty. While playing, both sensor and game data were collected. Four supervised machine learning classifiers were trained with these data to predict the fine MABC-2 outcome: k-nearest neighbor (KNN), logistic regression (LR), decision tree (DT), and support vector machine (SVM). First, we compared the performances of the games and classifiers. Subsequently, we compared the levels of difficulty and types of data for the classifier and game that performed best on accuracy and F1 score. For all statistical tests, we used α=.05.RESULTS: The highest achieved mean accuracy (0.76) was achieved with the DT classifier that was trained on both sensor and game data obtained from playing the easiest and the hardest level of the roadrunner game. Significant differences in performance were found in the accuracy scores between data obtained from the roadrunner and maze games (DT, P=.03; KNN, P=.01; LR, P=.02; SVM, P=.04). No significant differences in performance were found in the accuracy scores between the best performing classifier and the other 3 classifiers for both the roadrunner game (DT vs KNN, P=.42; DT vs LR, P=.35; DT vs SVM, P=.08) and the maze game (DT vs KNN, P=.15; DT vs LR, P=.62; DT vs SVM, P=.26). The accuracy of only the best performing level of difficulty (combination of the easiest and hardest level) achieved with the DT classifier trained with sensor and game data obtained from the roadrunner game was significantly better than the combination of the easiest and middle level (P=.046).CONCLUSIONS: The results of our study show that sensor-augmented toys can efficiently predict the fine MABC-2 scores for children in elementary school. Selecting the game type (focusing on speed or precision) and data type (sensor or game data) is more important for determining the performance than selecting the machine learning classifier or level of difficulty.
Het aanleren en verbeteren van bewegingen is essentieel voor mensen in de revalidatie. Mensen met een verworven neurologische aandoening (bijvoorbeeld volwassenen na een beroerte), moeten bewegingen vaak opnieuw leren en verbeteren om weer zelfstandig te kunnen functioneren. Dit motorisch leren is een complex en multifactorieel proces. Zorgprofessionals zoals fysio- en ergotherapeuten willen graag een meer inzicht hebben in deze complexiteit zodat zij interventies (nog) meer op maat kunnen aanbieden. Dit maatwerk is nodig voor het duurzaam aanleren en verbeteren van bewegingen. Op het moment is onvoldoende duidelijk welke factoren (mogelijk) van invloed zijn. Docenten, studenten en praktijkbegeleiders (zoals Paramedisch Centrum Zuid) van de zorgopleidingen van Zuyd Hogeschool hebben samen met onderzoekers sterk behoefte aan een beter en vollediger overzicht van deze potentieel beïnvloedende factoren, dat zij in dit project samen met experts vanuit verschillende onderzoekdisciplines (Radboud Universiteit, VU Amsterdam, Universiteit Hasselt, Brunel University) willen ontwikkelen. Doelstelling van dit project is een inventarisatie van factoren die het leren van bewegingen bij mensen na beroerte in de praktijk kunnen beïnvloeden. Hiervoor zal een expertpanel een overzicht van factoren samenstellen op basis van theorie en onderzoeksresultaten. Vervolgens worden de geïdentificeerde factoren door zorgprofessionals (binnen het Kennisnetwerk CVA Nederland) beoordeeld op herkenbaarheid (praktische relevantie) en haalbaarheid (praktisch meetbaar) voor de dagelijkse praktijk. Het resultaat van dit project is een overzicht van factoren die (in theorie en praktijk) het aanleren en verbeteren van bewegingen na een beroerte kunnen beïnvloeden. Deze inventarisatie is een eerste stap om de haalbaarheid van een dynamisch model voor motorisch leren na een beroerte voor de praktijk te verkennen. Zowel zorgprofessionals als ook de betrokkenen kennisinstellingen zullen dan ook belangrijke gebruikers van het resultaat zijn.
De technische en economische levensduur van auto’s verschilt. Een goed onderhouden auto met dieselmotor uit het bouwjaar 2000 kan technisch perfect functioneren. De economische levensduur van diezelfde auto is echter beperkt bij introductie van strenge milieuzones. Bij de introductie en verplichtstelling van geavanceerde rijtaakondersteunende systemen (ADAS) zien we iets soortgelijks. Hoewel de auto technisch gezien goed functioneert kunnen verouderde software, algorithmes en sensoren leiden tot een beperkte levensduur van de gehele auto. Voorbeelden: - Jeep gehackt: verouderde veiligheidsprotocollen in de software en hardware beperkten de economische levensduur. - Actieve Cruise Control: sensoren/radars van verouderde systemen leiden tot beperkte functionaliteit en gebruikersacceptatie. - Tesla: bij bestaande auto’s worden verouderde sensoren uitgeschakeld waardoor functies uitvallen. In 2019 heeft de EU een verplichting opgelegd aan automobielfabrikanten om 20 nieuwe ADAS in te bouwen in nieuw te ontwikkelen auto’s, ongeacht prijsklasse. De mate waarin deze ADAS de economische levensduur van de auto beperkt is echter nog onvoldoende onderzocht. In deze KIEM wordt dit onderzocht en wordt tevens de parallel getrokken met de mobiele telefonie; beide maken gebruik van moderne sensoren en software. We vergelijken ontwerpeisen van telefoons (levensduur van gemiddeld 2,5 jaar) met de eisen aan moderne ADAS met dezelfde sensoren (levensduur tot 20 jaar). De centrale vraag luidt daarom: Wat is de mogelijke impact van veroudering van ADAS op de economische levensduur van voertuigen en welke lessen kunnen we leren uit de onderliggende ontwerpprincipes van ADAS en Smartphones? De vraag wordt beantwoord door (i) literatuuronderzoek naar de veroudering van ADAS (ii) Interviews met ontwerpers van ADAS, leveranciers van retro-fit systemen en ontwerpers van mobiele telefoons en (iii) vergelijkend rij-onderzoek naar het functioneren van ADAS in auto’s van verschillende leeftijd en prijsklassen.
De COVID-19-pandemie heeft het belang duidelijk gemaakt van continuïteit van zorgverlening binnen de GGZ. Online behandeling is een veelbelovende oplossing daarvoor. Vaktherapie is een vaak ingezette behandeling voor psychiatrische aandoeningen. Vaktherapie is ervaringsgericht en bestaat uit beeldende, dans-, drama-, muziek-, psychomotorische en/of speltherapie. Vaktherapie wordt tot dusverre nog niet online aangeboden. Virtual Reality (VR) is een innovatieve manier om vaktherapie online aan te bieden. Eerder is een innovatieve online vaktherapieruimte ontwikkeld, de VR Health Experience (VRhExp). Hierdoor konden cliënten online vanuit huis aan vaktherapie deelnemen. De VRhExp werd door vaktherapeuten als veelbelovend beschouwd. Tegelijkertijd gaven vaktherapeuten aan specifieke interventies te missen. Het ´ARts and psychomotoR Interventions for Virtual rEality (ARRIVE)´ project stelt zich ten doel om vaktherapeutische VR-interventies te ontwikkelen en te bouwen voor de VRhExp. Vervolgens worden de VR-interventies in pilots onderzocht. Dit wordt gedaan door IT-technici, vaktherapeuten en onderzoekers met behulp van de Design Thinking methode. De VR-interventies worden Open Access beschikbaar gesteld. Door het opnemen van VR-interventies in de VRhExp wordt deze daadwerkelijk bruikbaar voor het aanbieden van online vaktherapie. Dit praktijkonderzoek wordt uitgevoerd door de lectoraten ‘Vaktherapie bij Persoonlijkheidsstoornissen’ en ‘Innovatie in de Care’ van de Hogeschool van Arnhem en Nijmegen in samenwerking met twee vaktherapeutische praktijken (MKB) en GGNet (Centrum voor Geestelijke Gezondheid). De onderzoeksresultaten worden geïmplementeerd in het onderwijs en het werkveld.
