Por isso, propomos a utilização de sete grupos de manchas para caracterizar a actividade muscular do antebraço durante o ADL simulado, de forma a reduzir substancialmente o número de manchas a registar e manter a coerência musculo-anatómica. Os sinais destas sete manchas estariam relacionados com sete movimentos diferentes: (grupo 1) flexão do punho e desvio ulnar; (grupo 2) flexão do punho e desvio radial; (grupo 3) flexão dos dígitos; (grupo 4) extensão do polegar e abdução/adução; (grupo 5) extensão dos dedos; (grupo 6) extensão do punho e desvio ulnar; e (grupo 7) extensão do punho e desvio radial.
Na avaliação da função muscular em reabilitação, alguns pontos podem não estar disponíveis devido ao uso simultâneo de outros equipamentos, como sensores para medição cinemática. Ao escolher os pontos representativos de cada grupo a serem registrados dentre os disponíveis, deve-se levar em consideração a porcentagem de atividade muscular medida (Fig. 7). Selecionar os pontos com maior percentual de atividade muscular pode ser mais confiável, pois, nesses pontos, os músculos registrados poderiam ser mais superficiais ou a área muscular registrada poderia ser mais centralizada. Em particular, as manchas com um nível muito baixo de atividade muscular devem ser evitadas, como as manchas 18 e 28. A maior atividade muscular foi observada na parte mais distal do antebraço (Fig. 7). No entanto, podem ser escolhidas manchas mais proximais, dependendo da disponibilidade, excepto para o grupo 4, que é composto por duas manchas colocadas na parte mais distal do antebraço.
FPCA é uma das técnicas mais populares de análise multivariada para extrair informação dos dados funcionais, reduzindo as dimensões de um conjunto de dados em que existe um grande número de variáveis inter-relacionadas, mantendo o máximo de variação total possível . Enquanto a FPCA resulta em redução de dimensões, as pontuações vetoriais da FPCA podem ser usadas para agrupamento de diferentes funções/componentes usando métodos de agrupamento padrão. O agrupamento é uma das técnicas mais frequentemente utilizadas para dividir um conjunto de dados em subgrupos que contêm instâncias que são semelhantes umas às outras e que são claramente diferentes das dos outros grupos. Em um contexto funcional, o agrupamento ajuda a identificar padrões de curvas representativas e indivíduos que estão muito provavelmente envolvidos no mesmo processo ou em processos similares. Outros métodos relatados na literatura usados para identificação de tarefas no controle de próteses são baseados na segmentação dos sinais EMG em uma série de janelas, nas quais alguns conjuntos de características de domínio temporal comumente usados (como o Valor Médio Absoluto ou Cruzamentos de Zero) são extraídos e usados para classificação de movimento. Nosso método é semelhante, mas aplicado a todo o sinal para todas as tarefas e assuntos, e extraindo da FPCA as características do sinal que detém o máximo da variação total possível e utilizando-as para a classificação muscular.
As gravações EMG foram realizadas com um dispositivo sEMG de 8 canais, o que exigiu a repetição das mesmas atividades para cada assunto em cinco sessões diferentes para permitir a medição do alto número de pontos escolhidos. Embora o erro de reprodutibilidade tenha sido verificado para ser pequeno para o spot 30 entre sessões, o uso do EMG de superfície de alta densidade pode ser considerado em trabalhos futuros.
O estudo atual foi limitado a seis sujeitos saudáveis e capazes, e os resultados poderiam ser verificados em estudos futuros com um número maior de sujeitos e incluindo sujeitos deficientes. Entretanto, os agrupamentos musculares obtidos neste estudo podem ser usados como uma primeira aproximação, e podem ser usados como guia para validação futura para indivíduos com deficiências nas mãos ou amputados.
Como trabalho futuro, estudos poderiam ser conduzidos para relacionar EMG com cinemática durante o desempenho do ADL, usando estes sete pontos como representativos da atividade muscular do antebraço no ADL. Um passo adicional seria avaliar cinemática e sinergias musculares durante tarefas funcionais específicas.