Efeitos de realimentação de aceleração e dinâmica preditiva de proprioceptores em modelo matemático de controle postural.

• Autor(a) principal: Nogueira, Matheus Guimarães
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: https://www.teses.usp.br/teses/disponiveis/3/3154/tde-16082022-075929/
• topic: Bioengenharia; Biomedical engineering; Controle motor; Controle postural; Feedback sensório-motor; Postural control; Sensorimotor feedback

Toda pessoa mantém uma postura ereta quieta graças a um sistema de controle postural apropriado, havendo, como subproduto, oscilações posturais. Em diversos trabalhos sobre as estratégias que o sistema nervoso central utiliza para manter uma estabilidade postural adequada, utilizam-se modelos biomecânicos e neuromusculares para estudar dinâmicas em simulações que interpretam as oscilações do centro de massa do corpo como a de um modelo de pêndulo invertido. Nesse contexto, para simulações de controle postural, emprega-se na literatura, com certa frequência, um controlador proporcional-derivativo para representar a atividade corretiva na articulação do tornozelo dada pelo controle motor durante a manutenção da postura. Por outro lado, alguns trabalhos descrevem a importância da atividade de uma realimentação da aceleração muscular e de mecanismos preditivos no controle motor e em controle postural dado pelos fusos musculares, em geral com base em hipóteses autoriais. No presente trabalho, estudou-se os efeitos que a introdução de aceleração e do controle preditivo em um sistema computacional de controle postural comumente usado na literatura e com base em achados fisiológicos dos sinais aferentes dos fusos. Usou-se como parâmetros a estabilidade do pêndulo, o desvio padrão da projeção do centro de pressão e as mudanças nos valores dos ganhos do modelo para estudar os efeitos que o acréscimo de realimentação de aceleração e controle postural causavam no sistema. Assim, os resultados de simulações Monte Carlo das saídas dos modelos mostraram que a adição de cada uma das novas informações proprioceptivas tornaram o sistema mais robusto, de forma que a melhoria mais eficiente está no acréscimo das duas novas informações.