Design: 本研究は、ヘミネグレクト患者の連続したコンビニエンスサンプルを対象としたプレポスト介入研究である。

対象者。

被験者：9名（男性4名、女性5名、年齢65～85歳）。 対象者は9名（男性4名、女性5名、年齢は65歳から85歳）で、右ヘミネグレクトの女性1名を除き、全員が手指を含む左ヘミネグレクトであった。 対象者は，研究開始の6カ月以上前に，大脳皮質を損傷した対側の脳卒中（右脳8，左脳1）で，ブルゴス（スペイン）の「Hospital Universitario」の神経科に連続して入院していた。 簡略化のため、右腕無視の患者1名は、残りの左腕無視の患者全員と一緒に分析した。 完全な神経学的検査の後、触覚と視覚の同時刺激の消失と、以下のテストにおける無視のデータがある場合に、腕の軽視が定義された：線の取り消し、線の中間点でのマーキング、気の散る図形の中での星の取り消し。 血球無視はCatherine-Bergegoスケールで定量化した。 その他の参加基準は、手の力が正常またはほぼ正常（Medical Research Councilスケールで4+）で、視力と聴力が保たれていることでした。 除外基準は、認知障害や言語障害、腕の麻酔、研究者が考える研究への参加やフォローアップのための身体的、心理的、社会的制限でした。 これらの除外基準や参加拒否により、スクリーニングされた他の11人の患者は研究に参加できませんでした。 この研究は、ブルゴス大学病院の臨床試験・倫理委員会によって承認され、患者は参加前にインフォームド・コンセントに署名することで参加に同意しました。

デバイス モーションセンサーは両手首のライトブレスレットに埋め込まれ、左腕には視覚（点滅）と聴覚（ビープ）のアラームが搭載され、左腕の動きがないために右腕の動きとの間に特定の非対称性が生じたときにトリガーされて光と音を発した。 センサーには、マイクロエレクトロニック・システム・テクノロジー社製のシリコン製3軸静電容量型加速度センサーを採用した。 サンプリング周波数は16Hzで、45分間メモリにデータを保存でき、メモリがいっぱいになるとコンピュータにデータを転送することができる。 一対のセンサーは、433MHzのアドホック無線リンクで同期しており、ほぼ同時にサンプルを収集することができました。 各センサーからのデータは，1秒の長さで重なりのないスライディングウィンドウを使って処理され，移動量の変換が計算された。 最終的には，サイズ10で重なりのない2つ目のスライディングウィンドウを用いて，移動量の平均値と最大値を求めた。 2つのMamdani Fuzzy Rule Based Classifiers (FRBC)を用いて、両手の動きの非類似性の度合いを決定した。1つのFRBCは両手の平均移動量を入力とし、もう1つは最大移動量を入力とした。 各入力ファジィ変数に対して、粒度3、ガウス型ファジィメンバーシップ関数のファジィパーティションを提案しました。 両方のFRBCの出力も同様に粒度3のファジィ変数ですが、三角形状のメンバーシップ関数を使用しています。 値の範囲は0〜100で、値が大きいほど右左の手の動きの非類似性が高いことを示します。 パラメータの設定は、実数値のベクトルを用いた個別表現、αを0.3に設定したblend-αクロスオーバー演算子、確率0.02の突然変異演算子を用いた遺伝的アルゴリズムで行った。 このモデルの未発表の使用例では、非類似度の閾値を健常者では40、無脳症患者では60とし、これを超えるとアラームが鳴るようにした。 日常生活動作のリハビリテーションに経験のある作業療法士（R-M、V）の指示に従い、無脳患者は1日目から7日目まで、以下の5つの両手を使った作業を1時間かけて繰り返した。 患者は、5つの両手課題において、右腕だけでなく左腕も使うように促され、両手の動きの違和感がアラームを作動させないようにした。 アラームを鳴らすために分析された間隔は10秒で、患者が動きを修正するか、修正せずに10秒が経過すると、オーディオ・ビジュアル・アラームは停止した。

変数：5つの日常生活の両手作業が、前述のモーションセンサーで評価されました。両手が全体として使用される作業を代表するように意図された2つの作業（歩行中の手の揺れ、両手で顔を洗うシミュレーション）と、視覚的な制御と作業中の動きの調整を必要とする、より変化に富んだ3つの作業（トレイを運ぶ、ボタンを留める、ナイフとフォークで食べ物を切る）です。

以下の2つの有効変数は、これらの課題のそれぞれにおいて、対照となる右手をコントロールとして使用した左片麻痺の手のパフォーマンスを測定しました。 1つ目の変数は、手の動きの非類似性を表すもので、モーションセンサーによって登録された左手の動きのデータから右手の動きのデータを差し引くことで算出され、「手の動きの非対称性」と名付けられました。

もう1つは「機能的改善」の代理変数で、前述の5つのタスクを実行しているときに、初期の60の閾値レベルからアラームのトリガーをより厳しくすることができた改善回数で構成されています。 実際のセッション終了時にアラームが作動した回数が前日の半分以下であった場合は、次の運動日に2ポイント、アラームが全く作動しなかった場合は4ポイントが減点されます。 測定中、前述の両手を使った5つのタスクは、毎日同じ順番、同じ時間で行われました。 センサーは毎日動きのデータを登録しますが、ある日、視覚と聴覚のアラームを止めました。0日目にはベースラインデータを登録し、8日目と30日目には撮影したデータを0日目のものと比較しました。 これは、視覚-聴覚アラームのアクティブなフィードバックに基づいて、1日目から7日目までの間に活動を行うことで、アラームがない状態でも持続的に動きが改善されるかどうかを評価するために行われました。

統計的分析。 すべての分析は、0日目、1日目、7日目、8日目、30日目の上述の5つのタスクのそれぞれについて行われました。 データの記述に続いて、有効性の変数である「動きの非対称性」と「機能改善」の両変数の統計分析を行いました。 すべての変数の非正規分布とサンプルサイズを考慮して、ノンパラメトリック検定を選択した。 繰り返し測定の場合はWilcoxon順位符号検定、有効性変数の評価が2回以上行われたかどうかによってはFriedman検定、変数の評価が繰り返されなかった場合はKruskal-Wallis検定を選択した。 95 %信頼区間またはP < 0.05で統計的有意性を定義した。 SPSS v.19を使用しました。