This study proposes a methodology for conducting computational simulations of pathological gait. The literature shows a consensus that biomechanical models for gait analysis should be formulated as control problems. To achieve this, it is common practice to guide the solution using kinematic or kinetic data to prevent temporal instability. The aim of this study is to implement a biomechanical model of the Charcot–Marie–Tooth disease in OpenSim software that enables more comprehensive simulations, which may in future involve the musculoskeletal system of patient and predictive studies. In this way, it will be possible to design specific active assistive devices tailored to each patient. Experimental gait data from six Charcot–Marie–Tooth patients were used. The dataset comprises three-dimensional trajectories of reflective markers placed according to the Davis-Heel protocol. The acquired data allowed a patient-specific adjustment of the biomechanical model. The inverse kinematic was solved, and the results were validated by comparing them with those obtained using the commercial BTS Bioengineering^® software. The results show a strong alignment in ankle kinematics between the OpenSim model and the data generated by BTS Bioengineering^®. Additionally, the kinematic results have been compared with normative curves, allowing the identification of potential areas for intervention using active assistive devices aimed at improving movement patterns of patients.

Para analizar la funcionalidad del miembro superior (MS) en pacientes tras sufrir un accidente cerebro-vascular (ACV) se han analizado cinemática y cinéticamente capturas de movimiento de tareas de la vida diaria como, por ejemplo, llevarse la mano a la boca. Cada movimiento se ha dividido en tres fases principales: fase de ida (fase de transporte hacia el objetivo), fase de ajuste (fase del movimiento dedicada a localizar con precisión el objetivo) y fase de retorno (fase de transporte hacia la posición original de reposo).La normalización temporal es necesaria para alinear las curvas de mediciones repetidas de un sujeto. De este modo se minimizan o eliminan las variaciones temporales antes del cálculo de la curva que representa el desempeño promedio del sujeto. El método de normalización temporal lineal que define el inicio de una tarea como 0 % y el final de la tarea como 100 % es el empleado habitualmente. Sin embargo, esto no es generalmente aplicable a las tareas del MS, ya que sus movimientos no son periódicos, por lo que se corre el riesgo de alinear los ensayos de manera inapropiada además de obtener un nivel inexacto de varianza entre ensayos.La utilización de un procedimiento de normalización temporal no lineal basado en la técnica de registro de curvas de referencia reduce la varianza temporal intra-sujeto de las curvas de ángulos y momentos articulares. El registro de puntos de referencia es ampliamente aceptado como la técnica de registro de curvas más eficaz. Este procedimiento consta de dos pasos principales: (i) identificación de los puntos de referencia y (ii) construcción de la función de deformación. Su principal ventaja radica en no utilizar una curva media de conjunto no registrada como curva de plantilla. Además, todas las funciones de deformación se construyen en base a puntos de referencia que se identifican directamente a partir de las curvas individuales.En este trabajo se propone la utilización de los tiempos de (i) inicio del movimiento, (ii) ocurrencia del máximo del módulo de la velocidad del marcador situado en el dedo y (iii) fin del movimiento, tanto para la fase de ida como para la de retorno, como los seis puntos de referencia básicos para realizar el registro de puntos de referencia no lineal para normalizar el dominio del tiempo. Para profundizar en el entendimiento del efecto de la normalización temporal no lineal, los resultados obtenidos para las varianzas de las trayectorias experimentales de algunos marcadores se han comparado con las varianzas que se obtienen usando una parametrización de las trayectorias basada, no en el tiempo, sino en la longitud de arco recorrido, es decir, en una parametrización independiente del tiempo. Así, se discuten los resultados obtenidos mediante ambos procedimientos.Este enfoque permite la obtención de curvas medias más realistas de las fuerzas y movimientos del MS en pacientes tras un ACV, lo cual es fundamental para mejorar los programas de rehabilitación y evaluar la evolución funcional de los pacientes.

Purpose : Quantitative assessment of upper limb function in individuals who have had a stroke requires analysis of kinematic and kinetic data collected during the execution of daily living tasks. In clinical practice, representative average curves of joint angles and moments are essential for accurately evaluating individual performance and monitoring functional recovery. However, the inherently non-periodic nature of these functional tasks, combined with variable execution speeds both within and across repeated trials, poses a significant challenge for generating such curves. Conventional approaches often fail to properly align the different phases of movement, resulting in inaccurate or misleading average profiles. Methods : To overcome these limitations, two distinct techniques are proposed. The first involves curve registration through landmark-based alignment, a widely accepted nonlinear method for reducing intra-subject variance. However, this procedure involves temporal warping, which can alter the original timing of movement phases and may impact the interpretability of the results. The second method relies on a time-independent parameterization using the arc-length of the hand trajectory, which naturally aligns signals by reparameterizing each movement according to the distance traveled by the hand. Results : Both methodologies are applied to the hand-to-mouth task in individuals with a stroke. Although conceptually different, the two approaches yield similar average curves when reference points are defined as equidistant points along the temporal evolution of the hand trajectory arc length. Conclusions : By applying these methods, realistic average curves of joint angles and moments are obtained, which are essential for improving rehabilitation protocols and assessing functional recovery in post-stroke individuals.