Interpretation of postural control may change due to data processing techniques

Abstract

Postural control is commonly assessed by quantifying center of pressure (CoP) variability during quiet stance. CoP data is traditionally filtered prior to analysis. However, some researchers suggest filtering may lead to undesirable consequences. Further, sampling frequency may also affect CoP analysis, as filtering CoP signals of different sampling frequencies may influence variability metrics. This study examined the influence of sampling frequency and filtering on metrics that index the magnitude and structure of variability in CoP displacement and velocity. Healthy adults (N=8, 27.4±2.6 years) balanced on their right foot for 60s on a force plate. CoP data recorded at 100Hz was then downsampled and/or filtered (2nd order dual-pass 10Hz low-pass Butterworth) to create six different CoP time series for each participant: (1) original, (2) filtered, (3) downsampled to 50Hz, (4) downsampled to 25Hz, (5) downsampled to 50Hz and filtered, and (6) down-sampled to 25Hz and filtered. Data were then analyzed using four common variability metrics (standard deviation [SD], root mean square [RMS], detrended fluctuation analysis α [DFA α], and sample entropy [SampEn]). Data processing techniques did not influence the magnitude of variability (SD and RMS), but did influence the structure of variability (DFA α and SampEn) in CoP displacement. All metrics were influenced by data processing techniques in CoP velocity. Thus, when interpreting changes in CoP variability, one must be careful to identify how much change is driven by the neuromotor system and how much is a function of data processing technique.

Postural Control Entropy Is Increased When Adopting an External Focus of Attention

“…Center of pressure displacement time series data were collected at 100 Hz (leading to 3,000 data points per trial) and filtered with a fifth-order low-pass Butterworth filter using a 5-Hz cutoff, congruent with previous research (Kuznetsov, Bonnette, Gao, & Riley, 2013;Rhea, Kiefer, Wright, Raisbeck, & Haran, 2015;Ruhe, Fejer, & Walker, 2010) and clinical stabilometry guidelines (Scoppa, Capra, Gallamini, & Shiffer, 2013). This paper focuses only on mediallateral (ML) data because ML postural control has been previously associated with fall risk in older adults (Maki, Holliday, & Topper, 1994).…”

Advantages and problems of nonlinear methods applied to analyze physiological time signals: human balance control as an example

“…The sensitivity of nonlinear dynamics analysis of postural control COP measurements on sampling frequency and signal filtering has been shown by Rhea et al . 30 . In the study presented here, minimum noise (SD: 0.05 mm) was obtained by setting the force plate measurement range to the lowest possible values for these measurements.…”

Análise Da Sensibilidade Dos Indicadores Clássicos Da Rqa

“…Além disso, em contraste com outras técnicas não-lineares que exigem series temporais de longa duração e/ou periodicidade rigorosa (como expoentes de Lyapunov e estabilidade orbital [11,12]), a RQA pode fornecer informações úteis sobre o padrão e a estrutura da dinâmica do sistema, mesmo para dados de curta duração e não estacionários. A vantagem da análise por RQA está na sua independência de pressupostos e restrições que afetam outras análises, além de não exigir pré-filtragem do sinal, eliminando o problema da descaracterização dos indicadores da RQA [7]. …”

“…Entre os principais indicadores de estabilidade e variabilidade estão a Raiz Quadrática Média (RMS), os expoentes de Lyapunov, a entropia amostral (SampEn), a dimensão de correlação, a dimensão de Higuche e a análise de quantificação de recorrência (RQA) [6][7][8]. Porém, como mostrado nos trabalhos [6][7][8], estes indicadores se mostram sensíveis a diversos parâmetros relacionados ao processo de aquisição, sendo estes o tamanho da amostra, a frequência de amostragem, o tipo do experimento, a variável analisada, o ruído.…”

“…Porém, como mostrado nos trabalhos [6][7][8], estes indicadores se mostram sensíveis a diversos parâmetros relacionados ao processo de aquisição, sendo estes o tamanho da amostra, a frequência de amostragem, o tipo do experimento, a variável analisada, o ruído. Isto ocorre devido à variabilidade do sinal com o decorrer do tempo (em função dos parâmetros supracitados), criando assim um sistema dinâmico variante no tempo, característica que influência diretamente os estimadores dinâmicos.…”