Pubblicato il

Registrazione di dati provenienti da sensori inerziali di un dispositivo Android per l’esercizio back squat.

Reading Time: 3 minutes

Lo squat parallelo (Figura1B) è noto per essere un ottimo esercizio per migliorare la forza e la tonicità muscolare della parte inferiore del corpo; inoltre, è stato dimostrato un utile esercizio di riabilitazione per diverse lesioni delle ginocchia, come ad esempio carenze al legamento crociato anteriore e la sindrome femoro-rotulea [1], la quale è una patologia che coinvolge l’articolazione compresa tra l’epifisi distale del femore e la rotula. In questo articolo vogliamo esaminare i dati, provenienti da sensori inerziali, acquisiti tramite un telefono Android, durante l’esercizio di back squat. Per rilevare i dati è stato utilizzato un Samsung note 9 attraverso un’applicazione, utilizzabile su tutti i dispositivi Android. Con i dati inerziali ricevuti dal dispositivo si può ottenere una stima del tempo e dell’escursione in gradi di ogni ripetizione di un atleta, come visibile dalla Figura 2.

Metodo di svolgimento delle registrazioni

L’atleta è stato invitato a eseguire 10 ripetizioni del seguente esercizio:

  • back squat con 60 % del suo massimale, quindi con un carico esterno complessivo di 72 kg. (massimale dell’atleta è di 120kg).

Durante tutta l’esecuzione dell’esercizio è stato richiesto al soggetto di provare a mantenere lo stesso ritmo di esecuzione per ogni ripetizione.

Tabella 1: Parametri dell’atleta

L’atleta è stato equipaggiato con una fascia toracica prototipale, costruita con una cintura elastica, in modo da rendere possibile il posizionamento e la stabilizzazione del dispositivo Android sul torace (Figura 1B); al fine di poter effettuare delle registrazioni per valutare l’escursione e la durata in secondi di ogni ripetizione. È bene specificare che il telefono deve fare riferimento a due sistemi di coordinate, uno globale e uno locale, entrambi destrorsi. Il sistema di riferimento locale è solidale al telefono, mentre il sistema di riferimento globale è solidale al campo magnetico terrestre. Attraverso l’applicazione, è stato possibile registrare le rotazioni del dispositivo rispetto all’asse y di riferimento globale (nel caso specifico, l’asse y locale del telefono è parallelo all’asse trasversale anatomico (Figura1A). È stato inoltre chiesto all’atleta di attendere 5 secondi in posizione eretta prima di effettuare il numero di ripetizioni prestabilito. Al termine della prima ripetizione è stato poi richiesto all’atleta di attendere ulteriori 5 secondi, in modo da agevolare la lettura offline dei dati inerziali raccolti dal dispositivo. Durante tutta la prova lo smartphone veniva mantenuto saldo in posizione toracica dalla fascia elastica.

Figura 1: – A. Rappresentazione degli assi anatomici – B. Posizionamento del dispositivo Android durante la misurazione. È anche rappresentato il sistema di riferimento locale dello smartphone.

Risultati

Il grafico sottostante, (Figura 2) mostra le rotazioni rispetto all’asse y, secondo Eulero, del dispositivo rispetto al sistema di riferimento globale. Tali rotazioni sono state calcolate, tramite l’ambiente Matlab, dai quaternioni misurati dal dispositivo Android e sono associate alle variazioni angolari del tronco dell’atleta rispetto all’asse y del riferimento globale (Figura 1A Figura 1B). Il grafico rappresenta quindi una stima in funzione del tempo dell’angolatura assunta dall’atleta al livello del torace durante l’esecuzione.

Figura 2: Rappresentazione grafica dell’asse y del telefono parallelo all’asse trasversale anatomico.

Dal grafico, è possibile riscontrare che la differenza angolare tra angolo finale e iniziale, assunta al livello del torace, è di circa 27°. Nelle ultime ripetizioni, si può notare un leggero aumento dell’angolatura sull’asse y del 20% circa, questo probabilmente a causa di un lieve affaticamento dell’atleta nella parte finale dell’esecuzione, ipotesi sostenuta da un tempo maggiore di esecuzione delle ultime 3 ripetizioni.

Conclusioni

Non è ancora chiaro se i valori misurati siano univoci per ogni singolo atleta o possano essere considerati consistenti su un ampio campione. E‘ da valutare inoltre se, con un opportuno feedback sia possibile, per l’atleta, controllare le misurazioni rilevate.

Inoltre, tramite i sensori inerziali del telefono è possibile effettuare ulteriori misurazioni (accelerazione, velocità angolari), che saranno discusse in futuri articoli.

Nell’articolo successivo, verranno confrontati i dati inerziali del back squat con bilanciere, con quelli del back squat al multipower, così da stimare la variazione dell’angolatura rispetto all’asse trasversale del torace tra i due esercizi presi in esame.

Se quindi l’atleta risulta costretto dal macchinario a far scorrere il bilanciere sul solo asse longitudinale, cambierà qualcosa? Staremo a vedere.

Reference

[1] E. I. Fuglsang, A. S. Telling, and H. Sørensen, “Effect of Ankle Mobility and Segment Ratios on Trunk Lean in the Barbell Back Squat,” J. Strength Cond. Res., vol. 31, no. 11, pp. 3024–3033, Nov. 2017, doi: 10.1519/JSC.0000000000001872.

Pubblicato il

Come estrarre i dati sensibili da una radiografia in formato DICOM tramite Matlab

Reading Time: 2 minutes

1. Sintesi

In questo articolo, viene mostrato come estrapolare tramite MATLAB, i dati sensibili di un paziente sottoposto a una tomografia dell’arcata dentaria, registrati in un’immagine DICOM.

2.  Le immagini DICOM

I file DICOM (Digital Imaging and Communications in Medicine, immagini e comunicazione digitali in medicina), sono uno standard che permette di archiviare, visualizzare, scambiare e/o stampare immagini di tipo biomedico, indipendentemente dalla modalità con cui tali immagini sono stati acquisite ( per esempio radiografia, risonanza magnetica etc.). I file DICOM, contengono oltre che l’immagine, anche un’intestazione (header), in cui sono riportate importanti informazioni sulle modalità di acquisizione e sulle informazioni anagrafiche del paziente. In questo articolo, verrà riportato come estrapolare queste informazioni tramite Matlab.

3 . Come estrarre i dati sensibili

Nelle più recenti versioni dell’ “Image Processing Toolbox” (un tool di Matlab), sono presenti le funzioni dicomreader e dicominfo.

Troveremo quindi nel workspace, la matrice dell’immagine con dimensione nxm (dove nxm corrisponde al numero di pixel dell’immagine), e l’header in forma di dato strutturato.

Aprendo il file strutturato, possiamo vedere per esempio, alcune informazioni:

È possibile, estrapolare ogni campo contenuto nel dato strutturato, e salvarlo nel workspace (nota bene: i nomi dei campi dei file DICOM sono uguali per ogni file). Per esempio, volendo visualizzare Nome, Cognome, e Sesso del paziente, e tipo di esame:

Le informazioni, saranno conseguentemente visualizzate nel workspace:

Ricavati i dati di nostro interesse, si potranno salvare facilmente in file .txt .csv etc.

Pubblicato il

Ashworth score modificato, una valutazione operatore-dipendente

Reading Time: 4 minutes

Cosa è?

Quando un paziente con ictus viene valutato dal fisioterapista, quest’ultimo può giovarsi dell’aiuto di diverse scale numeriche per la valutazione delle abilità motorie del paziente. Una di queste scale è la scala di Ashworth, la quale serve a valutare il grado di spasticità del paziente.

In realtà la scala di Ashworth era stata ideata dallo studioso, da cui prende il nome il metodo, nel 1964, per quantificare il grado di spasticità in pazienti con sclerosi multipla. Tale scala era organizzata secondo cinque livelli, identificati con i numeri che vanno da 0 a 4. [1]

Nel 1987 Bohannon and Smith hanno modificato la scala aggiungendo un solo livello, portando quindi la nuova scala ad andare da 0 a 5 e non più da 0 a 4. [2] Questo movimento avrebbe aumentato la sensibilità del metodo, dove con sensibilità si intende la capacità di classificare con accuratezza i vari cluster di spasticità. Aumentando il numero della scala infatti aumenterebbe il numero di gruppi a cui il paziente può essere attribuito e, così facendo, aumenta la risoluzione di associazione alle varie casistiche di severità in termini di spasticità.

Spesso si utilizza la sigla AS per identificare la Ashworth Scale (scala di Ashworth) mentre si utilizza la sigla MAS per identificare la Modified Ashworth Scale (scala di Ashworth modificata).

Secondo la MAS, come detto, i livelli sono 5 e sono identificati come da tabella qui di seguito.

Valore di scalaValutazione clinica
0Nessun aumento di tono muscolare
1Leggero aumento del tono muscolare, con mantenimeto e rilascio o resistenza minima, alla fine del range di movimento, quando la parte interessata viene spostata in flessione o estensione
1+Leggero aumento del tono muscolare, manifestato come un mantenimeto, seguito da una resistenza minima per il resto (meno della metà) del range di movimento
2Un marcato aumento del tono muscolare per la maggior parte del range di movimento, ma le parti interessate sono ancora facilmente spostabili
3Considerable increase in muscle tone, passive movement difficult
4Parte interessata rigida in flessione o estensione
Tabella 1. Scala di Ashworth modificata. L’inserimento del cluster “1+” indica la classe che è stata aggiunta rispetto alla scala originaria

Per scelta la modifica alla AS è stata identificata con una numerazione particolare, in cui è evidente la modifica che è stata introdotta. L’inserimento del cluster “1+” indica la classe che è stata aggiunta rispetto alla scala originaria. Come si può notare l’aggiunta di tale classe risulta essere necessaria, in quanto rappresenta una casistica completamentamente diversa.

Quali problemi sono associati?

La parte più difficile da discriminare sono le soglie del tono muscolare, che comunque rimane un giudizio operatore-dipendente. Chi ha l’ultima parola sulla severità del tono muscolare è il medico e nessun altro. In tal senso il risultato soddisfacente diagnostico del metodo risulta molto agganciato al grado di severità o bontà del classificatore, ovvero il clinico.

Questo tipo di scala conferisce al clinico la possibilità di dare un giudizio quantitativo sul grado di spasticità del proprio paziente, sebbene questo giudizio sia troppo agganciato alle personali valutazioni del clinico. Infatti, nonostante il giudizio venga attribuito numericamente e sia quindi quantitativo, il modo in cui viene conseguita la valutazione non è nè matematica nè metodologicamente ricavata in modo scientifico. Ogni numero che viene attribuito al paziente sulla sua spasticità deriva dall’esperienza e dal criterio di valutazione del personale medico che lo valuta.

Aumentando il numero di personale specializzato, la valutazione del paziente risulterà meno dipendente dal criterio di valutazione del singolo e sarà così abbattuto (anche se non eliminato) l’effetto di errore che c’è quando una sola persona prende delle decisioni sulla valutazione del cluster di appartenenza del paziente rispetto alla scala di Ashworth modificata.

Un esempio di progresso verso la diagnosi analitica

La scienza sta tuttavia dandosi da fare per cercare vie matematiche, o comunque automatiche, per il riconoscimento e la classificazione dei pazienti sui vari gradi di spasticità. Per esempio nello studio [3] è stata sviluppata una tecnologia a intelligenza artificiale in grado di attribuire il grado di spasticità dei pazienti secondo la scala di Ashworth modificata (Figura 1).

Figura 1. Tratta dallo studio [3].


Nello studio [3] viene effettuata la valutazione della spasticità utilizzando il valutatore manuale della spasticità. Il valutatore estende l’articolazione del gomito del soggetto mentre tiene la maniglia del dispositivo. Il sensore di angolazione allineato all’articolazione del gomito del soggetto misura l’angolo dell’articolazione e il sensore di forza sotto la maniglia (area circondata da una linea tratteggiata) misura la forza applicata al soggetto. Il dispositivo è fissato alla parte superiore del braccio, all’avambraccio e alla mano del soggetto mediante cinghie di tessuto.

Anche in questo caso, tuttavia, nonostante ci sia un sistema a intelligenza artificiale per effettuare la valutazione, il coinvolgimento dell’operatore per la mobilitazione passiva dell’arto risulta essere necessaria.

Riflessioni

Sebbene sia assolutamente condivisibile che la bontà della valutazione del personale medico sia soddisfacente, risulta essere necessario spingersi verso criteri di classificazione diagnostica più analitica, non operatore-dipendente. La scienza sta effettuando diversi sforzi in tali direzioni e non solo per la MAS ma anche per tutta una serie di tecniche mediche valutative, le quali sembrano essere troppo empiriche, specialmente in ambito neuromotorio e riabilitativo.

Dei sistemi al supporto della diagnosi possono aumentare il grado di oggettività e ripetibilità della diagnosi, sebbene comunque, prima che raggiungano un livello di autonomia soddisfacente, le valutazioni del medico sono da considerarsi assolutamente insostituibili.

Referenze

[1] ASHWORTH B. PRELIMINARY TRIAL OF CARISOPRODOL IN MULTIPLE SCLEROSIS. Practitioner. 1964 Apr;192:540-2. [PubMed: 14143329]

[2] Bohannon RW, Smith MB. Interrater reliability of a modified Ashworth scale of muscle spasticity. Phys Ther. 1987 Feb;67(2):206-7. [PubMed: 3809245]

[3] Park, J. H., Kim, Y., Lee, K. J., Yoon, Y. S., Kang, S. H., Kim, H., & Park, H. S. (2019). Artificial Neural Network Learns Clinical Assessment of Spasticity in Modified Ashworth Scale. Archives of Physical Medicine and Rehabilitation, 100(10), 1907–1915. https://doi.org/10.1016/j.apmr.2019.03.016

Pubblicato il

Quale è la differenza tra percezione e sensazione?

Reading Time: 2 minutes

Il nostro corpo è un organismo capace di interagire con l’ambiente tramite i 5 sensi largamente noti a tutti: udito, olfatto, vista, gusto,tatto.

I nostri sensi si comportano da veri e propri trasduttori di fenomeni fisici, i quali hanno una natura molto varia (meccanica, luminosa etc).

Continua a leggere Quale è la differenza tra percezione e sensazione?
Pubblicato il

Misurazione delle accelerazioni in un esercizio di flessione ed estensione del gomito

Reading Time: 3 minutes

In questo documento si mostrano le misurazioni delle accelerazioni per un’esecuzione di flessione ed estensione del gomito.

Per la realizzazione della prova è stato utilizzato uno smartphone Android Samsung Note 9 ed è stata eseguita, in piedi, una serie di 15 ripetizioni di flessione ed estensione del gomito.

Tramite un’applicazione Android custom sono state registrate le accelerazioni rilevate dallo smartphone durante l’esecuzione del movimento, i dati sono stati registrati alla frequenza di 100Hz.

La prova è stata condotta in modo tale che il soggetto rimanesse inizialmente fermo per una decina di secondi, dopodiché esso era legittimato a cominciare a eseguire le ripetizioni. Le fasi le rilevazioni dei primi 3 secondi si considerano non significative, in quanto correlate all’avvio dell’applicazione e alla presa della posizione iniziale. La posizione iniziale richiesta era quella anatomica e cioè: postura eretta, gomiti accostati ai fianchi, palmi delle mani rivolti all’osservatore, piedi avvicinati e leggermente divaricati.

A close up of a womans face

Description automatically generated
Figura 1 Posizione anatomica con riferimenti anatomici

Lo smartphone veniva mantenuto saldo dalla mano destra durante la fase iniziale di riposo e durante tutta la prova, con la facciata dello schermo rivolta verso l’osservatore, come il palmo della mano destra. Era stato richiesto al soggetto di provare a mantenere lo stesso ritmo di esecuzione per ogni ripetizione. Veniva consentito all’esecutore di osservare un orologio analogico per darsi il ritmo.

Il sistema di riferimento dello smartphone è rappresentato nella figura seguente.

Figura 2 Sistema di riferimento dello smartphone.

Il sistema di riferimento è fissato in modo tale che l’asse z sia perpendicolare allo schermo e l’asse y sia sull’asse maggiore di simmetria. L’asse x è invece perpendicolare agli altri due a formare un sistema destrorso.

Qui di seguito vengono riportati i dati registrati durante l’esecuzione, essi sono stati esportati e messi a grafico tramite l’ausilio dell’ambiente di calcolo Matlab.

Figura 3 Dati di accelerazione registrati per un esercizio di flessione ed estensione del gomito

Come è possibile evincere dai grafici ci sono 15 periodi di funzione, visibili su tutti e tre gli assi, corrispondenti alle 15 ripetizioni effettuate.

Sono state svolte 15 ripetizioni in circa 24 secondi per una media di circa 1.6 secondi a ripetizione.

I grafici mostrano una componente lungo x a riposo di circa 10 m/s^2, lasciando intendere come l’accelerazione gravitazionale abbia una componente significativa sull’asse x per la posizione di riposo.

Nonostante fosse ragionevole aspettarsi componenti di accelerazione molto significative sull’asse x è risultato che gli scostamenti sull’asse y hanno una significatività del 33% risetto a tale asse.

I dati suggeriscono che le componenti di accelerazione più significative giacciono sull’asse z.

Pubblicato il

Realtà virtuale immersiva e non immersiva per pazienti con ictus

Reading Time: 4 minutes

La teleriabilitazione è una branca della telemedicina ed è una tecnica riabilitativa che prevede l’utilizzo di tecnologie ingegneristiche a sostegno del recupero fisico e psichico a distanza.

Tale tipologia di servizio viene ampiamente studiato dalla comunità scientifica per applicazioni in ambito neuroriabilitativo per pazienti che hanno avuto esiti di ictus, senza però che ci siano ancora stati degli studi sistematici che ne abbiano dimostrato l’efficacia e/o il rapporto costo-benefici. Nonostante inoltre ci siano svariati studi a riguardo, rimane poco chiaro come la comunità scientifica giustificherebbe il concreto utilizzo di tali servizi. [1]

Continua a leggere Realtà virtuale immersiva e non immersiva per pazienti con ictus
Pubblicato il

Come stimare la posizione di un punto materiale in un moto qualunque conoscendone la funzione accelerazione

Reading Time: 3 minutes

Si supponga di conoscere la funzione vettoriale dell’accelerazione nel tempo \vec{a}(t) di un punto materiale. La posizione del punto materiale può essere ricavata tramite doppia integrazione successiva delle componenti della funzione vettoriale dell’accelerazione.
Si supponga dapprima che \vec{a}(t) sia costante e chiamiamo tale vettore costante semplicemente \vec{a}.
Si considerino le tre componenti del vettore accelerazione costante:

\vec{a}\left(a_{x}, a_{y}, a_{z}\right)

Per ricavare le velocità del punto materiale si considera che in fisica vale:

\vec{v}\left(\begin{array}{l} \int a_{x} d t \\ \int a_{y} d t \\ \int a_{z} d t \end{array}\right)

Ovvero:

\vec{v} \left( \begin{array}{c} a_{x}t+v_{0x} \\ a_{y}t+v_{0y} \\ a_{z}t+v_{0z} \end{array}\right)


In cui \vec{v}_{0} \left(v_{0x}, v_{0y}, v_{0z} \right) è il vettore dei termini costanti derivanti dall’integrazione delle componenti di \vec{v} e rappresenta il vettore velocità iniziale nelle tre direzioni dello spazio. Per poter ricavare la posizione si deve integrare ancora, questa volta la velocità. Così si ottiene:

\vec{s} \left(\begin{array}{c} \int a_{x} t+v_{0 x} d t \\ \int a_{y} t+v_{0 y} d t \\ \int a_{z} t+v_{0z} dt \end{array} \right)

E quindi:

\vec{s}\left(\begin{array}{l} \frac{1}{2} a_{x} t^{2}+v_{0 x} t+s_{0x} \\ \frac{1}{2} a_{y} t^{2}+v_{0 y} t+s_{0y} \\ \frac{1}{2} a_{z} t^{2}+v_{0 z} t+s_{0z} \end{array}\right)

Quest’ultimo rappresenta il vettore delle posizioni del punto materiale nello spazio con accelerazione costante. Le componenti di tale vettore posizione sono quelle che in fisica si chiamano legge oraria del moto rettilineo uniformemente accelerato. Risulta insensato pretendere che tale legge valga anche quando l’accelerazione è variabile, inoltre praticamente in nessuna applicazione dinamica reale l’accelerazione è sempre costante.

Tuttavia è anche vero che, per intervalli di tempo sufficientemente piccoli l’accelerazione può essere considerata costante. Per tale motivo, in applicazione di algoritmi software per il calcolo della posizione di un punto materiale note le sue accelerazioni, può risultare sensato l’utilizzo della legge oraria. Supponiamo di voler calcolare la posizione di un punto materiale via software e di rilevarne l’accelerazione digitalmente, tramite accelerometro.

Sia data, di tale misurazione, la frequenza di campionamento f_c.La distanza temporale tra un campione e l’altro è di:

T = \frac{1}{f_c}

Utilizzare la legge oraria per il calcolo della posizione del punto materiale ogni T secondi appare ragionevole solo se T è sufficientemente piccolo. Il periodo è sufficientemente piccolo se non ci si aspetta entro T secondi che ci siano variazioni significative di accelerazione lineare in nessuna delle tre direzioni spaziali. Questa assunzione è sicuramente approssimativa però abbastanza giustificata se si considera un intervallo di tempo sufficientemente piccolo.

Siano i campioni di accelerazione, provenienti dal sensore, nominati come segue:

\vec{a}_{1}, \vec{a}_{2}, \vec{a}_{3}, \vec{a}_{4}, \ldots, \vec{a}_{n-1}, \vec{a}_{n}

Siano gli istanti di tempo, relativi a quelle accelerazioni, nominati come segue:

t_{1}, t_{2}, t_{3}, t_{4}, \ldots, t_{n-1}, t_{n}

Le velocità, in ogni istante di tempo saranno:

\vec{v}_{1}=\left(t_{1}-t_{0}\right) \vec{a}_{0}+\vec{v}_{0}

\vec{v}_{2}=\left(t_{2}-t_{1}\right) \vec{a}_{1}+\vec{v}_{1}

\vec{v}_{i}=\left(t_{i}-t_{i-1}\right) \vec{a}_{i-1}+\vec{v}_{i-1}

\vec{v}_{n}=\left(t_{n}-t_{n-1}\right) \vec{a}_{n-1}+\vec{v}_{n-1}

Siccome non è nota la velocità \vec{v}_{1} e non può esserlo a causa della mancanza di dati allora, per comodità, si può imporre uguale a zero e considerare significativi i valori di velocità a partire da \vec{v}_{2}. Per questo tipo di algoritmo è necessario che \vec{v}_{0} = 0.

Quando invece si calcola la posizione si considera che, per ogni intervallo, vale quanto segue:

\vec{s}_{i}=\vec{s}_{i-1}+\vec{v}_{i-1} t+\frac{1}{2} \vec{a}_{i-1} t^{2}

Per migliorare il modo di calcolare la velocità e la posizione del punto materiale si potrebbe pensare di fare la media delle due accelerazioni \vec{a}_{i-1} e \vec{a}_{i}.

\vec{a}_{AVG} \left( \frac{a_{i, x}+a_{i-1, x}}{2}, \frac{a_{i, y}+a_{i-1, y}}{2}, \frac{a_{i, z}+a_{i-1, z}}{2} \right)

Quindi il moto del punto materiale sarebbe meglio definito da:

\left \{ \begin{matrix} \vec{v}_{i}=\left(t_{i}-t_{i-1}\right) \vec{a}_{AVG}+\vec{v}_{i-1} \\ \vec{s}_{i}=\vec{s}_{i-1}+\vec{v}_{i-1}(t_{i}-t_{i-1})+\frac{1}{2} \vec{a}_{AVG}\left(t_{i}-t_{i-1} \right)^{2} \end{matrix} \right.

Anche questa soluzione risulta incompleta per motivi di rumore. Infatti non è proprio vero che le varie accelerazioni misurate sono nella forma:

\vec{a}_{1}, \vec{a}_{2}, \vec{a}_{3}, \vec{a}_{4}, \ldots, \vec{a}_{n-1}, \vec{a}_{n}

Piuttosto è vero che esse sono nella forma:

\vec{a}_{i} + \vec {\varepsilon}_{i} per i = 1, 2,..., n-1, n

In cui i vari termini \vec {\varepsilon}_{i} sono gli errori di misurazione che la sensoristica inevitabilmente commette. Nei prossimi post quali sono i problemi che possono nascere da questi errori e una delle tecniche possibili che si utilizzano per contenerli.

Qui di seguito puoi scaricare il documento relativo a questo post:

Pubblicato il

L’aspetto psicologico e la riabilitazione post-ictus

Reading Time: 4 minutes

Le due domande che più frequentemente sono state fatte su Google riguardo la riabilitazione da evento di ictus sono:

  1. Quanto è lunga la riabilitazione dopo l’evento di ictus?
  2. Quante persone, dopo che hanno avuto un evento di ictus, riescono a recuperare completamente?
Continua a leggere L’aspetto psicologico e la riabilitazione post-ictus
Pubblicato il

Analisi di letteratura scientifica per il corretto posizionamento della regione lombare nell’esercizio di back squat: giorno primo

Reading Time: 2 minutesIn questo post viene analizzata la letteratura per il rintracciamento delle teorie scientifiche riguardo al corretto posizionamento della regione lombare della schiena durante l’esercizio di back squat.

Più precisamente, in questa prima parte, verrà proposto come inizio di analisi del back squat uno studio in particolare, citato nei riferimenti bibliografici.

1         Discussione

La corretta esecuzione dell’esercizio di back squat è stata ampiamente discussa nello studio [1], il quale ha mostrato in modo molto approfondito l’esercizio di back squat in relazione a eventuali impedimenti motori dell’atleta esecutore.

Prendendo ispirazione da tale pubblicazione di seguito viene proposto il posizionamento corretto in flessione dell’esercizio di back squat da 3 angolazioni differenti.

back-squat
Figura 1. Corretto posizionamento in flessione per esercizio di back squat in visione (partendo da sinistra): anteriore, posteriore e laterale [1]
Nello studio [1] sono state identificate 10 caratteristiche fondamentali per la corretta esecuzione del back squat. Le 10 regole vengono elencate nel numerato qui di seguito:

    1. Posizionamento del capo:
      • La direzione del collo risulta perpendicolare al pavimento;
    2. Posizionamento del torace:
      • Scapole in posizione retratta
      • torace posizionato verso l’alto;
    3. Posizionamento del tronco:
      • Il tronco è parallelo alla tibia, pur mantenendo la colonna lombare leggermente lordotica
    4. Posizionamento dell’anca:
      • Sul piano frontale la congiungente delle anche è parallela al terreno
    5. Posizionamento frontale delle ginocchia:
      • In entrambi gli arti inferiori la parte laterale del ginocchio non supera il malleolo mediale al suo avvicinamento al piano sagittale.
    6. Angolo di progressione tibiale
      • Il ginocchio supera leggermente la punta del piede, se supera troppo il torace risulta sbilanciato in avanti
    7. Posizionamento del piede
      • La pianta del piede rimane completamente aderente al terreno
    8. Discesa:
      • L’atleta deve evitare di scaricare il peso sulle ginocchia. Per farlo sposta le anche indietro in discesa. Le anche non sono in linea coi talloni ma risultano spostate più indietro.
      • Il torace rimane alto
    9. Profondità di discesa:
      • Le cosce sono parallele al terreno
    10. Ascesa:
      • Spalle e fianchi si alzano alla stessa velocità costante per tornare alla posizione di partenza.
      • Il rapporto di temporizzazione della discesa è di almeno 2:1. Salita veloce, discesa lenta.

Osservazioni

Le 10 caratteristiche di un buon back squat sono quindi state discusse abbondantemente dallo studio, anche se purtroppo è assente una caratterizzazione biomeccanica del back squat.

Non sono stati evidenziati angoli alle articolazioni appropriati e non si è riuscti a evincere un range di angolo opportuno per la regione lombare rispetto al terreno.

Non è stato possibile vedere grafici e/o andamenti medi di funzioni di angoli articolari. Nel giorno due introdurremo altri dettagli relativi al back squat, per poi addentrarci nella caratterizzazione biomeccanica di tale esercizio.

[1]        G. D. Myer et al., “The back squat: A proposed assessment of functional deficits and technical factors that limit performance,” Strength Cond. J., vol. 36, no. 6, pp. 4–27, 2014, doi: 10.1519/SSC.0000000000000103.

Pubblicato il

Sensori indossabili e biopotenziali

Reading Time: 3 minutesIl movimento dell’essere umano è oggetto di interesse in campo sportivo, in campo clinico e nel campo della ricerca. Il motivo di tale interesse risiede nel desiderio di aumento di performance per lo sportivo, di diagnosi e cura delle patologie per il campo clinico e di studio e ricerca per il campo della scienza. Continua a leggere Sensori indossabili e biopotenziali