High-density electromyography investigated by linear mixed-effects models

Detalhes bibliográficos
Autor(a) principal: Andreis, Felipe Rettore
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/205319
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2018.
id UFSC_3edae255f237df71e6fb0f5cd0f8dd72
oai_identifier_str oai:repositorio.ufsc.br:123456789/205319
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling High-density electromyography investigated by linear mixed-effects modelsEngenharia elétricaModelos lineares (Estatística)EletromiografiaDiabetes MellitusDissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2018.O sinal eletromiográfico é o registro da atividade elétrica nas fibras musculares ativas durante o processo de contração muscular. A Eletromiografia de Alta Densidade (HD-sEMG) utiliza uma matriz (e.g., 8x4) de eletrodos com distância inter-eletrodos que varia de 4 a 10 mm. Dentre as inúmeras aplicações do HD-sEMG, está a utilização na investigação das alterações neuromusculares ocasionadas pelo Diabetes Mellitus (DM) e Neuropatia Diabética Periférica (NDP). Neste contexto, o sinal de HD-sEMG é registrado durante a Contração Isométrica Voluntária Máxima (CIVM) de dorsiflexão do tornozelo. A característica dos sinais de HD-sEMG implica em medidas repetidas, ocasionando em uma análise de dados que não permite assumir independência entre observações, que é uma suposição necessária para a utilização de métodos estatísticos convencionais. Assim, os Modelos Lineares Mistos (MLM) surgem como uma ferramenta apropriada para tratar adequadamente a dependência entre as observações. O objetivo deste trabalho é utilizar os MLM para avaliar as principais variáveis de HD-sEMG e também avaliar a repetibilidade das medições de CIVM em um estudo de NDP. O sinal de HD-sEMG foi coletado em 50% da CIVM por 25s. Os indivíduos foram divididos em três grupos: Controle (n=6), DM (n=6) e DM com NDP (n=5). Foram analisadas as seguintes variáveis, em épocas de 0,5s: Valor Médio Quadrático (RMS), Valor Retificado Médio (ARV), Frequência Média (MNF), Frequência Mediana (MDF), Entropia Modificada (ME) e Coeficiente de Variação (COV). Para a repetibilidade da CIVM, dez indivíduos saudáveis realizaram a CIVM duas vezes ao dia por três dias consecutivos. A construção dos modelos foi feita pela metodologia top-down e as comparações dos modelos por testes da razão de verossimilhança. Para cada uma das variáveis de HD-sEMG, o modelo incluiu estruturas de dependência com termos aleatórios resultando em um melhor ajuste dos modelos quando comparado a um modelo tradicional com apenas efeitos fixos (p<0.05). Quanto a repetibilidade da CIVM, o coeficiente de correlação intraclasse resultou em um valor de 86,6% o que é considerado um excelente nível de repetibilidade. Os resultados obtidos neste trabalho demonstram que as variáveis de HD-sEMG avaliadas com MLM são melhores representadas quando as estruturas de dependência são levadas em consideração, em comparação com métodos tradicionais utilizando apenas efeitos fixos. Além disso, os resultados também demonstram que a CIVM da dorsiflexão do tornozelo é uma medida altamente repetível.Abstract : The Electromyographic (EMG) signal is the recording of electrical activity in active muscle fibres during a contraction process. The High-Density Electromyography (HD-sEMG) uses a matrix (e.g., 8x4) of electrodes with inter-electrode distances ranging from 4 up to 10 mm. Among the large number of applications using HD-sEMG, is the investigation of neuromuscular alterations caused by Diabetes Mellitus (DM) and Diabetic Peripheral Neuropathy (DPN). In this scenario, the HD-sEMG signal is usually obtained during Maximum Voluntary Isometric Contraction (MVIC) of ankle dorsiflexion. The characteristic of the HD-sEMG signal implies in repeated measures, resulting in an analysis that cannot assume independence between observations, which is a basic assumption required by traditional statistical methods. In this way, Linear Mixed Effects (LME) models provide an adequate tool to handle the dependency between observations. The objective of this work is to apply LME models to assess the main variables used in HD-sEMG and also to evaluate the reliability of the MVIC in an application regarding DPN. The HD-sEMG signal was obtained from 50% of the MVIC for 25s. The individuals were divided into three groups: Control (n=6), DM (n=6) and DM with DPN (n=5). The following variables were analysed with epochs of 0.5s: The following variables were analysed with epochs of 0.5s: Root Mean Square (RMS), Average Rectified Value (ARV), Mean Frequency (MNF), Median Frequency (MDF), Modified Entropy (ME) and Coefficient of Variation (COV). For the reliability of the MVIC, ten healthy subjects performed the MVIC twice a day for three consecutive days. The top-down strategy for model selection process was implemented and the model comparison was performed through a likelihood ratio test. For each variable, the model included structures of dependency with random effects resulting in a better model adequacy when compared to a model with only fixed effects (p<0.05). For the reliability of the MVIC, the intraclass correlation coefficient resulted in a value of 86.6%, which is considered an excellent level of reliability. The results obtained in this work show that the HD-sEMG variables evaluated with LME models are better represented when dependency structures are taken into account, in comparison to traditional models using only fixed effects. Moreover, the results also demonstrate that MVIC of the ankle dorsiflexion is a highly repeatable measure.Marques, Jefferson Luiz BrumBarbetta, Pedro AlbertoUniversidade Federal de Santa CatarinaAndreis, Felipe Rettore2020-03-31T13:35:43Z2020-03-31T13:35:43Z2018info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis190 p.| il., gráfs., tabs.application/pdf358741https://repositorio.ufsc.br/handle/123456789/205319engreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2020-03-31T13:35:43Zoai:repositorio.ufsc.br:123456789/205319Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732020-03-31T13:35:43Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv High-density electromyography investigated by linear mixed-effects models
title High-density electromyography investigated by linear mixed-effects models
spellingShingle High-density electromyography investigated by linear mixed-effects models
Andreis, Felipe Rettore
Engenharia elétrica
Modelos lineares (Estatística)
Eletromiografia
Diabetes Mellitus
title_short High-density electromyography investigated by linear mixed-effects models
title_full High-density electromyography investigated by linear mixed-effects models
title_fullStr High-density electromyography investigated by linear mixed-effects models
title_full_unstemmed High-density electromyography investigated by linear mixed-effects models
title_sort High-density electromyography investigated by linear mixed-effects models
author Andreis, Felipe Rettore
author_facet Andreis, Felipe Rettore
author_role author
dc.contributor.none.fl_str_mv Marques, Jefferson Luiz Brum
Barbetta, Pedro Alberto
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Andreis, Felipe Rettore
dc.subject.por.fl_str_mv Engenharia elétrica
Modelos lineares (Estatística)
Eletromiografia
Diabetes Mellitus
topic Engenharia elétrica
Modelos lineares (Estatística)
Eletromiografia
Diabetes Mellitus
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2018.
publishDate 2018
dc.date.none.fl_str_mv 2018
2020-03-31T13:35:43Z
2020-03-31T13:35:43Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv 358741
https://repositorio.ufsc.br/handle/123456789/205319
identifier_str_mv 358741
url https://repositorio.ufsc.br/handle/123456789/205319
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 190 p.| il., gráfs., tabs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652121745129472

Registros relacionados