Exploring Frequency, Variability and Propulsion Patterns in Manual Wheelchair Propulsion

Abstract

Teknologiske fremskritt i de siste årene har gjort det mulig å ta i bruk ulike sensorer for aktivitets- og treningsmåling. De fleste av disse enhetene er hovedsakelig beregnet for personer uten funksjonsnedsettelser, og er dermed ikke egnet for manuelle rullestolbrukere. Denne gruppen har høyere forekomst av fedme og hjerte- og karsykdommer, og det er derfor behov for enheter som er tilpasset deres behov.

Denne avhandlingen har som mål å bidra til utviklingen av teknologi som er tilpasset rullestolbrukere. Hovedfokuset er å undersøke sammenhengen mellom spesifikke egenskaper ved manuell rullestolfremdrift og fysiologiske verdier, med mål om å bruke disse egenskapene i en aktivitetsmåler som kan gi tilbakemelding til brukeren. Avhandlingen bestod av to hovedmål; for det første å undersøke egenskaper relatert til frekvens og variasjon i armbevegelser under manuell rullestolfremdrift, og deres forhold til energiforbruk og bruttoeffektivitet, og for det andre å demonstrere utvinning av disse egenskapene ved hjelp av utstyr som er tilgjengelig utenfor et laboratoriemiljø, spesifikt inertielle måleenheter.

Resultatene fremhever en sammenheng mellom bevegelsesfrekvens og energiforbruk. Spesifikt antyder de innsamlede og analyserte dataene at antallet hånd-sykluser innenfor et gitt tidsvindu har en positiv korrelasjon med energiforbruket. Denne egenskapen kan pålitelig ekstraheres fra inertielle måleenheter.

I tillegg presenterer denne avhandlingen nye metoder for å undersøke variasjon i fremdriftsmønstre ved hjelp av verktøy fra statistisk formanalyse og tidsrekkeanalyse. Resultatene tyder på at variasjonen i fremdriftsmønstre påvirkes av hastigheten og stigningen i bevegelsen. Det er imidlertid uklart om fremdriftsteknikker med lav eller høy variasjon bør anbefales for rullestolbrukere. Utvinning av variasjonsegenskaper er avhengig av bevegelsesbaner, som kunne gjenskapes med moderat suksess fra akselerasjonssignaler ved hjelp av et nevralt nettverk.

Fremtidig arbeid bør fokusere på å utforske konsekvensene av variasjonsbaserte egenskaper i forhold til fysiologiske verdier. Forbedringer i utvinnings- og analysemetodene kan gi innsikt i optimalisering av fremdriftsteknikker og utvikling av personlig tilpassede tiltak for manuelle rullestolbrukere.

Technological advances in recent years have facilitated the use of low-cost multi-sensor devices for activity and fitness tracking. However, most of these devices are primarily designed for people without disabilities and are thus not suitable for manual wheelchair users. This population has a higher prevalence of obesity and cardiovascular disease, highlighting the need for tools specifically adapted to their needs.

This thesis aims to contribute to the development of technologies tailored for wheelchair users. The primary focus is to investigate the correlation between specific features derived from manual wheelchair propulsion and physiological values, with the goal of utilizing these features in a biofeedback tool. Two main objectives were pursued; firstly, to investigate features related to the frequency and variability in manual wheelchair propulsion movements and their relation to energy expenditure and gross efficiency, and secondly, to demonstrate the extraction of these features using equipment that is available outside of a lab setting, specifically inertial measurement units.

The results highlight a correlation between the frequency of movement and energy expenditure. Specifically, the data collected and analyzed suggest that the number of cycles within a given time window is positively correlated with energy expenditure. This feature can be reliably extracted from inertial measurement units.

Additionally, this thesis presents novel methods for examining variability in propulsion patterns, utilizing tools from statistical shape analysis and time series analysis. The results suggest that variability in propulsion patterns is influenced by the speed and incline of the movement. However, it remains unclear whether propulsion techniques with low or high variability should be recommended to wheelchair users. Extraction of variability features relies on motion trajectories, which were able to reproduced with moderate success from acceleration signals using a long short-term memory neural network.

Future work should focus on exploring the implications of the variability-based features in relation to physiological values. Advancements in the extraction and analysis techniques may offer insights into optimizing wheelchair propulsion techniques and developing personalized interventions for manual wheelchair users.