실험 절차

그림 10. 실험 절차 도식

연구참여자들은 전신에 광학 마커를 부착한 후, 가슴에 회복 모니터링을 위한 심박계(Garmin inc., USA)를 부착한 채로 트레드밀 위에서 3-4 분동안 2.5 m/s의 속도로 웜업 및 트레드밀과 마커 세팅 적응 시간을 가졌다. 웜업 후 연구참여자들은 웨어러블 메타볼릭 시스템과 실험 조건의 신발을 착용한 후 일정 시간 동안 가만히 서 있을 때의(static) 마커 셋 정보를 기록한 후 각 신발조건에서 10 분간의 주행을 실시하였다. 각 피험자별로 세 종류의 신발 조건의 순서는 무작위로 배정하였고, 10 분간의 주행 시간 중 초기 2 분을 신발 적응 시간으로 두어 각 1 분씩 2.5 m/s, 2.9 m/s의 속도로 주행하였고, 나머지 8 분의 시간은 3.3 m/s로 주행하였다. 주자들은 표면 강성에 매우 빠르게 본인의 생체 역학 지표들을 적응시키므로, 각 신발 조건에 적응하기에 충분한 기간을 두었다고 할 수 있다(Ferris et al., 1999). 3.3 m/s의 속도는 모든 연구 참여자가 10 분간의 주행 동안 산소 섭취량 수치가 항정 상태(steady state)에 도달하도록, Haverty et al의 연구에서 측정된 20대의 건강하고 러닝을 즐기는 성인 일반 남성의 환기 역치 이하의 속도를 기준으로 그 이하 수준으로 채택한 것이며 (Haverty et al., 1988) 측정 후 실제 실험 참여자들이 항정 상태에 도달함을 확인하였다(4.3 에너지 대사 변인 참조). 각 신발 조건 사이의 쉬는 시간은 20 분이었고, 착용한 심박계와 웨어러블 메타볼릭 시스템에서 나타나는 대사수치가 회복 기준(recovery criteria)을 만족하여 충분한 회복상태에 도달하였다고 판단될 때 다음 신발 조건 하에서 주행을 수행하도록 하였다[그림 10, recovery criteria].

4.

4.1 실험 데이터 처리

측정된 마커 궤적 데이터는 Motive 2.3.0 소프트웨어를 통해 라벨링을 실시한 후 동기화된 지면반력 데이터와 c3d 확장자 파일로 추출하였다. 분석에 사용된 범위는 메타볼릭 변인을 도출하는데 사용한 후기 2 분간의 항정 상태 구간을 동일하게 사용하였는데, AMS에서 2 분 길이의 데이터 전체를 한꺼번에 분석하기에 소프트웨어 상의 메모리가 부족하고 시뮬레이션 시간이 과도하게 길어지는 점을 고려하여 데이터를 스텝별로 일일이 나누고, 지면 반력 데이터가 올바르게 측정되지 않은 스텝은 분석에서 제외하는 작업을 수행했다.

C3d 형식은 coordinates of 3D points라는 뜻으로, 원 3차원 좌표 값(raw coordinates of 3D points), 지면 반력과 근전도와 같은 원 아날로그 값(raw analog data), 샘플링 속도나 오리진 정보와 같은 단일 측정 정보 등등 모든 동기화된 측정 정보들을 종합적으로 담고 있는 바이너리 형식(binary format)이다. Optitrack사의 Motive와 같은 생체 역학 분야 정보 수집 시스템(acquisition system)은 Motive에서는 tak 확장자를 쓰는 것 처럼 각 소프트웨어 회사마다 다른 확장자를 사용하지만, 수집 시스템에 상관없이 분석에는 범용적으로 투입될 수 있도록 AMS와 같은 분석 소프트웨어는 투입 파일(input data)로 c3d 형식을 대부분 취급한다. 따라서 수집 시스템에서 얻은 측정 정보를 c3d 확장자로 추출한 후 분석 시스템에 투입하게 되는데, 이 과정에서 c3d 데이터를 확인하고 조작하는 방식은 폐쇄적이고 까다롭다(Michaud & Begon, 2021). 예를 들어 Motive 2.3.0 소프트웨어에서는 마커 궤적 데이터의 라벨링 및 필터링 등은 처리할 수 있으나, 동기화되어 c3d 파일 내에 내장된 다른 아날로그 데이터는 수정, 확인이 불가하며, 한번 추출한 c3d 파일은 다시 프로그램 내로 투입할 수 없다. 따라서 수집

시스템과는 별개로 파일을 확인(visualizing)하고 처리(processing)할 수 있는 별도의 패키지가 필요한데, 해당되는 소프트웨어 패키지는 c3d 확장자를 처음 사용하기 시작한 Motion Lab Systems 사에서 만든 오픈소스 C3D Server나 C3D Server SDK(software development kit)를 기반으로 하는 툴박스 MTK(biomechanical Tool Kit), GaitExtract Toolbox 등이 있다. 그러나 이는 모두 c3d 파일 내의 마커 궤적 데이터에는 접근이 가능하나 아날로그 데이터들은 VICON 사의 수집 시스템에서 동기화되어 추출된 정보만 접근 가능하다. EZC3D는 2019년에 새로 나온 오픈소스로 Optitrack. VICON, Qualisys 등 수집 시스템 종류와 python, MATLAB, C++ 등 사용하는 프로그래밍 언어에 상관없이 c3d 파일 형식에 자유롭게 접근이 가능하도록 해준다 (https://github.com/pyomeca/ezc3d).

따라서 본 연구에서는 python에 EZC3D를 투입하여 c3d 파일에 필요한 전처리 작업들을 수행할 수 있었다(Michaud &

Begon, 2021).

데이터는 먼저 cut-off frequency 12 Hz의 low-pass 4- order Butterworth 필터를 거쳤다. 각 스텝의 디딤기 구간을 정의하는 착지(touch-down, TD), 이지(take-off, TO) 시점을 식별하기 위해 수직 지면반력(vertical ground reaction force, VGRF) 데이터를 사용하였다. 40 N 의 한계점(threshold)을 기준으로 착지와 이지 시점을 식별 한 후, 앞뒤 50 ms (200 Hz로 측정된 마커 데이터 기준 10 frames)의 간격을 두고 한 스텝의 데이터 세트를 생성했다 (Shih et al., 2013). 지면반력 트레드밀은 두 개의 지면반력기로 나뉘어져 있는데, 주행시 발 간격이 좁은 주자가 많기 때문에 두 지면반력기를 동시에 디디거나 반대쪽 지면반력기를 디디는 등 주행 실험시 지면 반력 데이터를 잘못

반력기에 threshold 이상의 데이터가 동시에 찍히는 경우를 감별하는 알고리즘을 구성하여 올바르게 측정된 스텝수를 2 분 구간 내에서 최대한 많이 수집하였으며, 왼쪽보다 많은 스텝수가 확보된 오른쪽 발의 데이터를 분석 대상으로 한정하였다.

전처리가 끝난 각 스텝수의 파일들을 하나씩 AMS 시뮬레이션으로 분석하는데에는 수 시간이 소요되기 때문에, AnyPyTools이라는 toolkit를 python에 투입하여 AnyScript에 Macros, Batch processing을 실행하여 결과 데이터를 수집하였다(Morten Enemark Lund, 2019).

시뮬레이션 결과로 추출된 변인들과 그외 모든 변수들을 MATLAB software (R2020b Update 5.; The MathWorks Inc., Natick, MA, USA)에서 종합하여 분석하였다.

4.2 스트라이크 패턴 측정

스트라이크 패턴을 판별하기 위해 선행연구에서는 여러가지 다른 방법을 이용했다. 그 중 참여자에게 본인의 패턴에 관하여 인터뷰를 하는 방법과 비디오 촬영물을 보고 관찰자가 패턴을 판단하는 방법(Hoogkamer et al., 2018)은 주관적 견해가 들어갈 수 있으며 실시간 추적이 불가능하다. 실시간 추적이 가능한 다른 방법들로는 발 착지 시의 압력분포 위치를 보는 방법(Cavanagh & Lafortune, 1980), 뒤꿈치와 발 앞 중 먼저 닿는 부분을 가속도 피크의 발생 시점으로 보는 방법(Giandolini et al., 2014), 시상면(sagittal plane)에서의 지면과 발의 각도를 보는 방법(Allison R. Altman & Irene S.

Davis, 2012) 등이 있다. 압력 분포의 경우 지면에 단단하게 앵커링 된 지면 반력기가 아닌 지면 반력 트레드밀에서는 큰 노이즈가 발생하여 착지 시의 압력 중심점 위치 계산이 다소 부정확한 경우가 있었고(Allison R. Altman & Irene S. Davis, 2012), 가속도 피크의 경우 정밀한 움직임을 다루기에는 마커 데이터의 피부 아티팩트가 존재하며 가속도 값 도출이 가능한

광학 마커 데이터의 샘플링 속도가 다소 낮아서(200 Hz) 순간적인 피크값을 감지하는데에 무리가 있었다. 따라서 측정된 마커 정보를 가지고 착지 시의 발과 지면 사이의 각도를 구하는 방법(Allison R. Altman & Irene S. Davis, 2012)을 채택하였다. 굽 높이 등의 신발 구조가 각도에 주는 영향을 최대한 배제하고 신발 별 발의 굽힘 정도를 비교하기 위하여 발의 스트라이크 각(Foot Strike Angle, FSA)은 오른쪽 전족부(RTOE), 후족부(RHEE) 마커 궤적 데이터들로 주행시에 실시간 착지 시 각도를 구한 값에서 매 신발 조건마다 주행 전 측정한 static 데이터에서의 standing 각도 평균값을 뺀 것으로 계산하였다[그림 11].

4.3 에너지 대사 변인

분당 산소 소비량은 에너지 대사 소모량을 대표하는 주요 변수이다. COSMED K5의 BxB 모드(breath by breath mode)를 사용하여 VO2, VCO2, RER, 에너지 소모량(energy expenditure) 변인을 추출하였고, 10 분 간의 주행시간에서 마지막 2 분간의 데이터가 항정상태(steady state)에 도달하였는지 판단한 후 호흡가스 데이터의 평균값을 사용하였다. 이 때 항정상태는 분당 산소 소비량의 마지막 1분 동안의 평균값이 그 이전 1분 동안의 평균값과 100 ml/min 이하의 차이를 보이는 상태로 정의하였다(Kipp et al., 2018).

모든 메타볼릭 변인은 데이터의 동적인 변화는 유지하면서 노이즈를 적절하게 제거하기 위하여 Robergs et al, 의 논문에서 높은 타당성을 인정 받은 15 window size의 moving average 필터링을 실시하여 분석에 사용하였다(Robergs et al., 2010).