Metadata

• Title: } EAG OBJ2
• Type: }
• Formation Date: 2025-03-22

Progress

1. 📊 Gantt

Evaluation Error: SyntaxError: Invalid or unexpected token
    at DataviewInlineApi.eval (plugin:dataview:19027:21)
    at evalInContext (plugin:dataview:19028:7)
    at asyncEvalInContext (plugin:dataview:19038:32)
    at DataviewJSRenderer.render (plugin:dataview:19064:19)
    at DataviewJSRenderer.onload (plugin:dataview:18606:14)
    at DataviewJSRenderer.load (app://obsidian.md/app.js:1:1182416)
    at DataviewApi.executeJs (plugin:dataview:19607:18)
    at DataviewCompiler.eval (plugin:digitalgarden:10763:23)
    at Generator.next (<anonymous>)
    at eval (plugin:digitalgarden:90:61)

- Todo
	- [ ] coding for all graphs

---
## 2. Lab meetings
- 2025-09-10
	- [ ] 동일 부위 부착 후 측정 회차 별 데이터 상이한 부분 : 바로바로 이동해서 그래프를 보는 프로토콜을 문서화, 및 시각화
	- [ ] 킨벤트 간혹 데이터 저장이 되지 않는 문제 업체 확인
		- [ ] 수동 저장은 필요, offset 동기화 장비 - 확인
	- [ ]  킨벤트 최고 등급인 Excellence 구독 시에만 CSV 출력 가능 비용은 \169,000원/월 -> 연구비 카드 결제로 바꾸기
		- [ ] 결제 연구비 카드 변경
	- [ ] 측정 방법 50%에서 시작?
		- [ ] 연구대상연력, 교통비 조정 -> 60명으로 바꾸기. xray 무릎, 공인주 연구원이 irb에서, 관찰연구 첫번째는 교통비, 두번째는 기프티콘으로 준 케이스 있다. 스타벅스 2.5천원 정도 주었었다.
	- [ ] 노션 구독 (게스트전환), 데이터 git 등으로 이관 고려
	- [ ] 충전시간 - 50케이스 이상 해도 유지 중

- 부경대 
	- 2025-03-08 % 0308 PRML lab meeting
	- 후속연구 및 졸업논문 회의


---

## 1. 전체 연구설계(Study Design)

1. **연구 대상자 모집**
    - 건강 성인 60명
    - 성별 층화 모집
    - 대상자 특성(키, 체중, 나이, 성별)을 사전에 균질화

2. **동작별 시행 순서**
	- 대상자 편의 등을 위하여 유지시간과 횟수(7초/5회→5초/3회) 조정
    1. 보조기 적용 X ( side to side / front to rear)
        1. 0→20→50→80→100→80→50→20→0(단위 : %, 반복적 체중지지, 총 45초 / 3회 측정)
        2. 구간별 변화 값 상이할 것으로 예상
    2. 보조기 적용 (axilla crutch / wrist crutch)
        1. 건측과 환측 모두 측정
        2. 0→20→50→80(총 20초 / 3회 측정)적용, 보조기 착용 시 반복하지 않음
        3. 구간별 변화 값 상이할 것으로 예상

    - 각 동작마다 7초씩 **유지**, 동작 전환을 1초로 설정, 이를 **5회 반복**
    - **동작 순서를 무작위화**(randomization)하거나, 적어도 동작1→2→3… 식의 고정 순서가 근피로 등에 영향을 주지 않는지 고려
    - 만약 7가지 동작 모두를 쉬는 시간 없이 연속으로 하면 피로 누적이 일어날 수 있으니, 동작 사이에 짧게 휴식(예: 30초~1분) 부여



3. **체중부하(Weight-Bearing) 확인**
    
    - 20%, 50%, 80% PWB 시 **실제 체중계** 등으로 대상자가 감각을 맞출 수 있도록 사전 안내
    - 실험 중에도 발 밑(또는 측면)에 간이 체중계(또는 압력센서)를 두어 실시간 확인하거나, 최소한 랜덤 체크를 통해 잘 유지되고 있는지 모니터링 가능


4. **EMG 측정 세팅**
    
    - 측정 근육 선정: 예) 하지 근육(대퇴사두근, 햄스트링, 종아리 근육), 둔부 근육(둔근), 필요 시 상지 보행보조 시 견관절 주변 근육(삼각근, 상완이두근 등) 포함
    - 표면 근전도(sEMG) 전극 부착 위치 표준화, 피부 준비(제모·소독), 전극 간 거리를 동일하게
    - EMG 샘플링 레이트(예: 1kHz 이상), 필터 설정(대역통과 필터 20~450 Hz 등), 노이즈 제거 절차 확인


5. **동작별 측정 구간**
    
    - 각 동작을 7초간 유지한다고 할 때, **분석 구간**은 보통 **가장 안정된 중간 3~5초**를 선택
    - 동작 전환 과정(1초)이나 처음/마지막 1초는 자세가 흔들리거나 자리를 잡는 구간일 수 있으므로 제외
    - 5회 반복한 후, **평균값** 또는 **최고값(RMS peak 등)**을 산출

---

## 2. 통계분석(Statistical Analysis) 개요

### 2.1 주요 변수(Outcome Measures)

1. **EMG 크기 지표**
    - 예: RMS (Root Mean Square), 평균 근활성도(Mean amplitude), 혹은 통합 EMG(IEMG)
    - 필요하다면 **정규화(normalization)**: 최대 수의적 등척성 수축(MVC) 대비 %EMG로 환산
2. **각 동작 시 체중부하 정확도**
    - 실제 측정된 체중계 값(예: 얼마나 20%에 근접했나)을 % 오차 등으로 계산할 수도 있음
3. **동작/자세 안정성 지표**
    - 만약 동작 시 신체 흔들림(CoP 변위 등)을 측정한다면, 그 데이터를 함께 사용

### 2.2 분석 설계

#### A. 7가지 동작을 “단일 요인(조건)”으로 간주하는 방법

- **반복측정 일원분산분석(Repeated-measures ANOVA)**
    - 요인(factor): 동작(7수준)
    - 종속변수: 각 근육의 EMG (RMS 등)
    - 사후분석(Post-hoc): Bonferroni, Tukey 등으로 동작 간 pairwise 비교
    - 전제 충족(정규성, 구형성 등) 확인 후 필요시 그린하우스-가이저(Greenhouse-Geisser) 보정

이 경우 ‘PWB 20% vs 50% vs 80%’, ‘크러치 유무’, ‘Weight shift’ 등을 하나의 범주로 묶어 7레벨(동작1~7)로 분석.

- **장점**: 간단하게 하나의 ANOVA로 처리 가능
- **단점**: 어떤 요인이 EMG에 영향을 많이 미쳤는지(예: PWB 수준 vs 크러치 vs 단발서기)는 구체적으로 해석하기가 다소 모호

#### B. 2요인 반복측정(factorial) + 1가지 별도 동작으로 구분하는 방법

1. **메인 요인**
    - PWB 수준(3단계: 20%, 50%, 80%)
    - 보조기구 유무(2단계: 없음 vs forearm crutch)
    - 따라서 **3x2 = 6수준**
2. **별도 동작(Weight shift)**
    - 아예 다른 메커니즘(한발서기→두발서기→반대쪽 한발서기)이므로, 상기 6수준과 분석을 같이 묶으면 해석이 복잡
    - 별도로 한 번 더 **반복측정 ANOVA**(또는 평균 ± 표준편차 비교)로 “좌/우/양발 지지 시 EMG 차이”를 볼 수도 있음

- **2요인 반복측정 ANOVA**로 6가지 조건(3x2)에 대한 근전도 비교 → 사후분석 시 “PWB 수준 차이”와 “크러치 유무 차이” 파악
- **동작7(Weight shift)**는 **다른 동작**으로 separate ANOVA를 진행하거나, 한발서기(A), 두발서기(B) 각 7초씩 측정된 EMG의 차이(예: A vs B vs 다시 A’)도 **반복측정 ANOVA**로 확인 가능

이 구조가 **연구 가설**(예: “PWB 수준과 보조기 사용이 근전도에 유의미한 상호작용을 보이는가?”)을 명확히 테스트하기엔 더 체계적입니다.

#### C. 정규성 충족이 어려운 경우

- 표본 크기가 작거나, EMG 데이터 분포가 심하게 비정규분포라면
- **Friedman test**(비모수적 반복측정 대체) 또는 **선형혼합모형(Linear Mixed Model)**으로 분석
- Post-hoc 비교 시 Wilcoxon 부호순위 검정 등을 사용하되, 다중비교 보정(Bonferroni 등) 필수

---

## 3. 반복 측정 횟수와 데이터 처리 요령

1. **각 동작 5회 반복 → 평균값**
    
    - 예: 5번 중 중간 3회 평균을 사용하거나, 5회 평균 사용
    - 신뢰도가 높다면 5회 모두의 RMS를 구해서 평균 ± 표준편차를 구하고, **개인별 ‘대표값’을 한 값**으로 만들어 통계에 넣음
    - 만약 5회 반복 간 변동성이 궁금하면, **ICC(시험-재시험 신뢰도)**를 산출할 수도 있음
2. **근전도 신호의 안정구간 설정**
    
    - 7초 중 초반/후반 1초는 제외하고, **중간 5초 데이터**로 EMG RMS, IEMG 등을 추출
    - 전환(Transition) 1초는 별도 분석 제외

---

## 4. 결과 보고 시 핵심 포인트

1. **단순 비교**:
    - “20%, 50%, 80% PWB에서 특정 근육의 EMG가 어떻게 달랐는지”
    - “크러치 사용 vs 미사용 시 EMG 차이”
    - “Weight shift 중 한발/두발 지지 시 근활성도 차이”
2. **통계 유의성**:
    - 반복측정 ANOVA 결과(주효과 main effect, 상호작용 effect)
    - Post-hoc 검정 시 p값, 효과크기(effect size, 예: partial eta²)
3. **신뢰구간**:
    - 평균 ± 표준편차, 혹은 평균 ± 95% CI
4. **그래프 작성**:
    - 조건별 막대그래프(에러바 포함)
    - PWB 수준 변화나 동작 간 근전도 변화를 한눈에 확인 가능하도록 시각화

---

## 5. 정리

1. **연구설계**:
    - 각 피험자가 7가지 동작(조건)을 모두 수행하는 **반복측정(Within-subject) 디자인**
    - 각 동작은 7초 유지, 동작 간 1초 전환, 5회 반복 → EMG 측정
2. **통계분석**:
    - **(간단히) 일원 반복측정 ANOVA**: 동작(7수준)을 한꺼번에 비교
    - **(정교하게) 2요인 반복측정 ANOVA**(PWB 수준 x 크러치), + 별도의 Weight shift 분석
    - 정규성 어려우면 **Friedman test** 등 비모수 기법 적용
3. **반복 시도 처리**:
    - 5회 중 안정 구간 EMG를 RMS 등으로 뽑아 평균
    - 필요하다면 시험-재시험 신뢰도(ICC) 함께 보고
4. **결과 해석**:
    - “PWB 수준별, 보조기구 사용별, 혹은 한발서기/양발서기 시 근육활성도 차이가 유의미한지”
    - 실제로는 근활성도, 관절 각도, 체중지지 편차 등 여러 지표를 종합적으로 해석

이러한 구조로 진행하면, **체중부하 수준·보조기 사용이 근전도에 미치는 영향** 및 **한발서기와 양발서기의 근활성도 차이**를 일관되게 설명할 수 있습니다.  
또한 **동작 간 피로도 누적**, **자세 잡는 숙련도 차이**를 최소화하기 위해 **충분한 휴식**, **무작위 순서**(동작 수행 순서 랜덤화) 등을 고려하는 것이 바람직합니다.


---
# Stage 0. Env, Data Source
- Env 
	- Jupyter lab & R
- Data source
	- file path : C:\\Users\\Jaehyun\\OneDrive - 고신대학교\\project\\EAG
	- Coding file : drawplot2.ipynb, stat.ipynb, EAGstat.R
	- Shared data : AWS(ID: sense0906@gmail.com / PW: )
- equipments
	- [겨드랑이 목발](https://smartstore.naver.com/medihs/products/9216778646)
	- [손목 목발](https://smartstore.naver.com/sodak/products/10285837541?n_media=643599&n_rank=5&n_ad_group=grp-a001-02-000000046084739&n_ad=nad-a001-02-000000329856990&n_campaign_type=2&n_mall_id=ncp_1ol90t_01&n_mall_pid=10285837541&n_ad_group_type=2&n_match=3&NaPm=ct%3Dm8xtqb60%7Cci%3D0Ay0001jeIHBTAWL%2Df1L%7Ctr%3Dplas%7Chk%3D1e8d923f68294238556662bbfee97b32407c7bbf%7Cnacn%3DQOI3BcAeFZf4A)
	- [힘판](https://smartstore.naver.com/snsi/products/8246319568?NaPm=ct%3Dm8y2uew8%7Cci%3Dc812b14443bf4d60095b00728f9a55df0890d1b3%7Ctr%3Dslsl%7Csn%3D460819%7Chk%3Da937cbcb31d86f7897e2c8dcf210e36bd84abeb9&nl-au=5325aff18265438fb1b0234b79d8cb63&nl-query=k+force+plate)
- Kinvents setting
- 프로토콜
	- 다이나믹리포트1 - 좌우 방향 체중 이동
		- 준비 5초
		- 1세트
		- 지속시간 50초
			- 두발서기 7
			- 한발서기 7
			- 두발서기 7
			- 반댓발 한발서기 7
		- 다음동작 전환 - 자동(7초 카운트 다운)
	- 다이나믹리포트2 - 전후 방향 체중 이동
		- 준비 5초
		- 1세트
		- 지속시간 50초
			- 두발서기 7
			- 한발서기 7
			- 두발서기 7
			- 뒷발 한발서기 7
		- 다음동작 전환 - 수동
	- 다이나믹리포트3 - 겨드랑이 목발을 이용한 부분 체중 부하
		- 준비 5초
		- 3세트
			- 세트간 휴식 10초
		- 지속시간 40(35)초
			- 반댓발 한발서기 7
			- 한발(20%) + 반대측 상지 목발 (80%) 7
			- 한발(50%) + 반대측 상지 목발 (50%) 7
			- 한발(80%) + 반대측 상지 목발 (20%) 7
			- 한발서기(100%) 7
		- 다음동작 전환 - 수동
	- 다이나믹리포트4 - 손목 목발을 이용한 부분 체중 부하
		- 준비 5초
		- 3세트
			- 세트간 휴식 10초
		- 지속시간 40(35)초
			- 반댓발 한발서기 7
			- 한발(20%) + 반대측 상지 목발 (80%) 7
			- 한발(50%) + 반대측 상지 목발 (50%) 7
			- 한발(80%) + 반대측 상지 목발 (20%) 7
			- 한발서기(100%) 7
		- 중지
# Stage 1 Define variables & statistics
## stage 1.1. Descriptive definitions

1.1.1. Definitions of background knowledge

- Joint movement : distal or/and proximal part of joint were moved and relative position is change. active and passive are possible and usually joint has its own movement axis according to its anatomy
- Joint load : loading applied on cartilage contact surface within joint, mainly by gravity or muscle contraction
- PA(Physical activity) : joint movement + joint load, usually has the purpose to strengthen the muscle
    - Q-setting : chair sitting(90 degree flexion), knee extension to end range(0 degree) and holding with maximal effort and return to initial position
    - Squat : bipedal stance(0 degree) with shoulder width, squat till 90 degree knee flexion and stand-up
    - Passive knee extension : side lying 90 degree flexion, passive knee extension to end range(0 degree) by examiner without any muscle contraction and return to initial position
- Surface EAG : detect cartilage generated potentials on skin surface which pre-determined electrode position

1.1.2. Definitions of EAG parameters

- IEP(initial electric potential): baseline EAG potentials before movement or PA
- EEP(end electric potential): final EAG potentials after movement or PA
- MIP: amount of joint movement-induced potential changes between IEP and EEP
    - MIP amplitude = EEP - IEP (by only passive movement)
- PIP: amount of PA-induced potential changes between IEP and EEP
    - PIP amplitude = EEP - IEP (by PA)
- LIP: amount of generated potentials from only cartilage load
    - LIP amplitude = PIP - MIP (by only joint load)
- Potentials from other than cartilage
    - Drift
    - Confounding factors affecting surface EAG : mostly unspecified to date.

## stage 1.2. Quantification

1.2.1. Qualitative analysis of the EAG potential

- 개요 : PIP는 관절이 움직이는 동안 발생하는 비교적 큰 크기의(때때로 매우 큼) 하강 혹은 상승, 이어서 움직임 직후 변화된 각도가 유지되는 동안안 점진적으로 천천히 하강(기울기 감소)하여 flat 해 지는 변화로 다시 나뉨. (예시1: subject 4 (김병준) - channel 5)
    
    - 즉 PIP 의 2가지 component가 있고, 이를 아래 두 가지로 decomposition 할 수 있다.
        1. PIP_D(potential during PA)
        2. PIP_A(potential after PA)
    
    1. PIP_D : baseline shifting, randomly
        
        - ==그 동안 의문이었던 signal reversal의 원인. 어느 방향으로 움직일지 예측불가==
        - 무릎이 원래 자세로 돌아가는 과정 (returning to baseline position)에서 potential도 원래로 돌아가나 예외도있음.
        
        1. PIP_A와 반대방향(전위 상승)으로 발생
            - amplitude of PIP_D > PIP_A : PIP is negative value
            - amplitude of PIP_D < PIP_A : PIP is positive value (or amplitude is very small)
        2. PIP_A와 같은 방향(전위 하강, 가장 높은 빈도로 관찰)으로 발생
            - PIP amplitude is always negative value (sometimes very large)
            - 같은 방향으로 발생하면, 기울기가 달라지는 변곡점을 찾아야 함.
                - 변곡점을 찾기 어려운 경우가 있음
                    - 변곡점이 명확한 채널을 기준으로 PA 가 멈춘 지점을 다른 채널에 적용할 수 있음.
    2. PIP_A: gradual flattening, consistently
        - 점진적으로 기울기가 줄어들어 flat 해지는(혹은 drift를 반영하는) potential graph를 보여줌
        - 무릎이 원래 자세로 돌아가는 과정 (returning to baseline position)에서 potential도 대칭적인 모습으로 발생
            - 예시 : decrease with gradual flattening VS increase with gradual flattening
    3. PIP_D vs PIP_A between PA
        - PIP_D는 3가지 PA(Q-setting / Squat / Passive knee extension)간의 모양 및 크기 variability 가 PIP_A에 비해 훨씬 크다.
        - PIP_A는 Q-setting과 Passive knee extension 간에 모양이 비교적 잘 유지된다. 크기는 비슷하지만 Qsetting이 더 큰 경향

1.2.2. decomposition & labeling

- 예전 분석방법 : phase decomposition by second
    - **큰 오차로 인해 5개의 point를 manual labeling 하는 현재 방법으로 변경.**
- 현재 분석방법 : Graph decomposition into phases by manual labeling
    - 5 points between 6 phases
        - P1 : initial point of PA, IEP
        - P2 : end point of PA, EEP
        - P3 : initial point of return PA
        - P4 : end point of return PA
        - P5 : initial point of flat potential
    - 6 phases decomposed by 5 point
        - Pre-phase : before PA : flat potential
        - phase 1 : During PA : PIP_D
        - phase 2 : During 6sec after PA : PIP_A
        - phase 3 : During return PA : return PIP_D
        - phase 4 : During 6sec after return PA : return PIP_A
        - End-phase : from initial point of flatten potential to end

# Stage 2. 가설 & 실험설계

## Stage 2.1. Hypothesis to investigate

- 무릎의 움직임동안 유의한 surface EAG potential의 차이를 관찰할 수 있다.
    - H1: 각 PA에서 knee angle에 따른 전위차가 있다.
    - 각 knee angle에서 체위에 따른 전위차가 있다.(애매한 부분)
	 - 아래 두번째, 각 PA간의 전위차 비교 통계로 대체
	 - but pre-phase의 potential이 다르다면 0으로 보정해줄 필요는 있겠다.
    - H2: 각 체위별 knee angle에서 전극위치에 따른 전위차가 있다.
- H3: LIP detection according to electrode position
    - 능동운동으로 유발된 전위와 수동운동시 유발된 전위의 유의한 차이가 있다.
    - 능동운동 간의 전위 차이가 있다.
        - PIP_D
        - PIP_A
        - PIP_D + PIP_A
    - H4 : 전극 위치에 따른 전위 차이가 있다.

## Stage 2.2 Experiments & statistical analysis
- Subjects enroll
	  - 20 subjects with 8 channel
    - perform 3 repetition of each 3 PA
 - Statistical analysis
	- H1 : each PA
		- PIP ; mean potential of pre-phase vs end potential of phase 2
		- PIP_D ; mean potential of pre-phase vs P2 potential
		- PIP_A ; P2 potential vs P4 potential - 중요
			- subgoup analysis for channel in each PA (차이를 보이는 채널에서만 H2 으로 진행? 혹은 전부 H2을 시행하지만 고찰에서 강조..?)
	- H2 : delta value of above parameters between PAs (q vs p, q vs s)
		- delta value subgroup comparison according to channel. (PA간 유의한 채널이 다르다면..H1 subgroup analysis에서도 차이를 잘 보이면서 여기서도 차이를 잘보이는 채널을 추천하겠다. 혹은 두가지를 같이 보여주는 하나의 통계를 돌리고 고찰에서 두 가지를 설명하는 것..?)
	- H3 : potential amplitue of PA vs returning PA
		- eccentric or upward movements가 concentric or downward movement 와비교하여, 즉 loading 과 unloading 사이에서 유발전위의 차이가 있는가

- for compensating subject variability
	 - PA를 할 때 대상자 간의 EAG amplitude의 크기는 큰 표준편차를 보임
	 - 이전 논문에서 static weight shift에서 20명의 대상자간 (관절면 측면위치에서) 비슷한 크기의 전위 관찰.
		- 가설 1 : 전극 위치의 불일치 : 신뢰도가 높은 전극 위치만 을 사용(사전연구에서는 내측 관절면) or 표면해부학 사용 및 숙련도
		- 가설 2 : Weight shift 보다 90도-0도 움직임이 개인별 해부학적 차이가 큼 (patellar tracking 차이가 있는 등..)
    - Proportional value 로 대체 혹은 다른 방법 사용
    - 대상자간 인구학적요소 차이(키, 몸무게, BMI, knee circumference, knee arrangement)의 보정: multivariable analysis or ANCOVA
- potential comparison: ==paired-T==    
    - if compare 3 group : use RM ANOVA
- 필요한 부분    
    - test-retest reliability of EAG

---
# Stage 3. Documentation


## 3.1. Target journal
- JOR - reject at 2025.02.
- 이 후 후보들

1. BMC Musculoskeletal Disorders (Springer Nature) - IF: 2.2
	- 분야: 근골격계 질환, 정형외과, 물리치료, 재활
	- 특징: 파일럿 스터디 등 임상·연구 협업 예비 데이터도 게재 사례 있음

2. Journal of Experimental Orthopaedics (Springer) - IF: 2.0
	 - 분야: 정형외과 분야 전임상·임상 연구
	 - 특징: 혁신적 장치·측정기법, 예비 연구도 게재 사례가 있으며 임상 확장성 강조 필요

3. Acta of Bioengineering and Biomechanics (Polish Academy of Sciences) - IF: 0.8
	- 분야: 생체역학, 생체재료, 재활공학 등 광범위
	- 특징: 무릎 관절 역학 및 측정기법 연구, 소규모 예비연구도 비슷한 게재 사례가 있음. 정형외과-공학 융합 연구를 적극적으로 수용.

4. Muscles, Ligaments and Tendons Journal (MLTJ) - IF: 0.5
    - 분야: 근육, 인대, 건(tendon) 관련 기초·임상 연구
    - 특징: 정형외과, 스포츠의학, 재활의학을 모두 아우르며 무릎 관절과 주변 조직(연골 포함)에 대한 새로운 평가 방법이나 파일럿 연구도 수용 가능성이 큼.


5. Cartilage (SAGE) - IF: 2.7
	 - 분야: 연골(기초·임상·재생·생체역학 등) 특화
	 - 특징: 연골 관련 새로운 평가·진단 기법 연구에 유리, **소규모 샘플**에 대한 통계적 파워 지적이 있을 수 있으므로, 파일럿 연구임을 명확히 강조하고 향후 확장 가능성을 잘 서술해야 함.



### 정리

6. **Sensors**
7. **Gait & Posture**
8. **BMC Musculoskeletal Disorders**
9. **Medical & Biological Engineering & Computing**
10. **Cartilage**
11. **Journal of Experimental Orthopaedics**

위 순서는 최근년도의 **추정 Impact Factor**에 기반한 **대략적**인 높은 순에서 낮은 순 배열입니다. 투고 전, 각 저널의 최신 IF와 **Aim & Scope**, 투고 규정(Author Guidelines)을 꼭 확인하시고, 연구의 ‘파일럿 스터디’ 특성, 연구 혁신성(비침습 측정법), 임상 적용 가능성을 잘 강조하여 투고 전략을 세우면 도움이 될 것입니다.



## 3.2. Results & Discussion point(Important only, 추 후 해당 draft에 작성)
- 결측 채널

|   |  stretch |p-stretch   |
|---|---|---|
|subject1|||
|subject2|||
|subject3||N|
|subject4|||
|subject5|||
|subject6|||
|subject7|||
|subject8|||
|subject9||N|
|subject10|||
|subject11|||
|subject12|N|N|
|subject13||N|
|subject14|||
|subject15|N||
|subject16|||
|subject17|||
|subject18|||
|subject19|||
|subject20|N||
- 의미
	- 동작의 구분
	- 연골전도의 검출
		- 다이나믹 로딩이므로 pip-a 를 연골에 가해진 힘이라고 가정하고(참고문헌), 능동 수동간의 통계적 차이를 보여주는 채널을 다이나믹로딩을 검출하는데 유의한 채널위치로 하겠다.
		- 1, 4번
- 채널별 신뢰도
	- 대부분의 사람에서 비슷하게 부착된 위치가 비슷한 양상을 보이면.. 채널간 크기차이를 평균내거나.. CH1을 기준으로 보정해볼수 있겠다..(아니면 전체 크기를 보고 보정..?)
		- 보정방법
			- 채널간 크기차이 표준화
			- 제일큰 채널기준 보정
- 능동과 수동에서 PIP_A 차이(SGP, O1H2)
- ![Pasted image 20231121125445.png](/img/user/Attachments/Pasted%20image%2020231121125445.png)
![Pasted image 20231121140021.png](/img/user/Attachments/Pasted%20image%2020231121140021.png)
![Pasted image 20231101042259.png](/img/user/Attachments/Pasted%20image%2020231101042259.png)

- 능동과 수동에서 PIP_D 일치도
	 ![Pasted image 20231101055657.png](/img/user/Attachments/Pasted%20image%2020231101055657.png)
- 채널별 PIP_D 일치도
	 ![Pasted image 20231101061142.png](/img/user/Attachments/Pasted%20image%2020231101061142.png)
- 채널별 특징
	- ch1
		- EAG가 제일 크고 운동에 따른 변별력있음(ch4도).
	- ch8
		- PIP-D: stretch에서 전부 하강(pstretch에서는 대부분)
		- PIP-A: pstretch에서 전부 상승drift (stretch도 종종)
- Subject별 특징
	- sb14
		- stretch에서 EAG값이 제일 큰 경향, pstretch는 작음(상승drift영향..)
	- sb4
		- pstretch에서 EAG값이 제일 큰 경향(ch7에서는 2번째)
		- PIP-D의 모양 유사성..
	- sb19
		- str vs pst 모양 유사성 + squat 1번째 시도에서의 안정적인 그래프 모양. -> 가장 secured 된 subject로 생각됨.
- 비선형적 모양의 유사성은 parallel paper에서 군집분류 모델로 검증해보겠다
-