| Home | E-Submission | Sitemap | Contact us |  
top_img
Wearable Monitoring

초록

With the improvements in health care, the life span of people has become longer. The presentation of the illness is changing from acute and simple to chronic, multiple, and complex. As a necessary corollary, the pattern of medical service will be more focused on the prediction and prevention of certain medical events based on chronic conditions than on diagnosis and treatment. For the effective prediction and prevention of events, continuous monitoring of the elderly or chronically ill patients is positively necessary by using wearable sensors and systems. Recent developments have transpired in the field of wearable technologies (i.e., sensor technology, communication technology, and data analysis techniques), and in the field of clinical applications to health and wellness, safety, home rehabilitation, assessment of treatment efficacy, and early detection of disorders. The current development of technologies and clinical applications are discussed.

서론

의학의 발전으로 인간의 수명이 길어짐에 따라 현재의 질병 형태는 과거의 질병 형태와는 다르고, 미래의 질병 형태 또한 현재의 질병 형태에서 바뀔 것이다. 하지만 우리가 예측할 수 있는 의료는 급성 질환에서 만성 질환으로, 진단에서 예측으로, 그리고 치료에서 예방의 형태로 바뀔 것이라 예상하고 있다. 이러한 형태를 감안하면 일정한 시간에 한 번의 진단보다는 일상에서 지속적으로 건강의 상태를 살피고 진단하며 또한 일어날 일들을 예측할 수 있게 될 것이다.
최근 일상에서 건강을 측정할 수 있는 기술적인 진보가 있었고, 의료에 적용된 사례를 볼 수 있었다. 예를 들면 센서 기술, 통신 기술, 그리고 데이터 분석 기술들이 발전하면서 건강 증진, 신체 안전, 가정에서 재활, 치료 효과의 판정, 그리고 질병의 조기 진단에 적용되고 있다.
현재 기술적인 측면이나 법적인 측면, 그리고 윤리적인 측면이 이를 전적으로 수용할 수 있는 상황은 아니나 현재까지 이루어진 기술적인 측면을 간단히 살펴보고자 한다.

기술적인 측면

MEMS (microelectromechanical system)의 기술로 인해 센서의 크기가 작아지고, 착용하기가 쉬워졌으며, 또한 e-textile과 같은 전도성 및 기능성 섬유들이 나오면서 착용형 센서가 개발되고 있다. Flexible wireless ECG (electrocardiography) sensor, 그리고 e-textile을 이용한 심전도와 근전도, 그리고 그 외 생체신호를 측정할 수 있는 wearable unit 등이 소개되고 있다. 이러한 센서 기술의 발전은 착용형 시스템의 발전을 가속화시키고 있다.
착용형 시스템을 이용한 건강 모니터링(health monitoring)의 중요한 요건 중 하나는 무선 통신 기술이다. 장기간 건강 모니터링을 하기 위해서는 “무선”이 중요한 부분이며, 지난 10여 년간 저전력 무선 통신의 기술이 발전하면서 현재는 무선 통신 기술을 안정적으로 일상에 적용하고 있다. 또한 무선 통신의 표준이 형성되었고, 대부분의 표준에서 요구하는 조건은 저비용, 소형 송수신 장치, 그리고 저전력 소모 등이며, 과거에 많이 사용되었고 현재도 사용되는 ZigBee나 bluetooth에서 UWB (ultra-wide band)로 이동 중이다. 또한 4G와 같은 mobile 통신 규격의 발전은 개인의 지속적인 건강 모니터링을 가능하게 하고 있다.
환경 센서(주변 센서)와 몸에 착용하는 센서를 결합하여 홈 모니터링에 적용하고 있다. 착용형 센서와 환경 센서의 결합을 통해 환자의 움직임과 생체신호를 동시에 추적할 수 있어 재활 분야에 적용된 사례들이 있으며, 신호 분석 과정을 통해 움직임과 생체신호를 이용하여 낙상을 감지하고, 센서들을 함께 사용함으로써 낙상 감지의 정확도를 향상시키고 있다.
착용형 센서는 일상에서 무구속적, 무자각적으로 건강 상태를 모니터링할 수 있는 경우는 아니며, 환자나 건강 모니터링을 하고자 하는 사람들은 의식적으로 착용형 감시 장치를 몸에 부착시켜야 하는 번거로움이 있다. 무구속적이며 무자각적인 착용형 센서인 wearable sensor를 사용할 경우 이러한 번거로움을 없앨 수 있다. 무구속, 무자각, 착용형 센서들의 발전으로 심박동수, 호흡수, 혈압, 산소포화도와 같은 의미 있는 생리학적 특징들에 대한 신호를 실시간으로 지속적이고 정확하게 측정할 수 있게 되었다. 착용형 센서에서 효율적으로 신호를 얻기 위해서는 기발한 디자인과 적절한 센서 위치 선정이 중요하며, 현재 개발된 센서들은 여러 가지가 있다. Ring sensor [1]는 산소포화도 측정용으로 손가락에 착용하여 운동 잡음을 감소시키고, 측정의 정확도를 향상시키며, 측정 범위는 고혈압에서 심정지까지 감시할 수 있게 되어 있다. Self-contained wearable cuff-less photoplethysmographic (PPG) [2]는 두 개의 MEMS 가속도계를 기반으로 한 높이 센서(height sensor)를 이용하여 평균 동맥혈압을 계산할 수 있으며, miniaturized wearable acoustic sensor [3]는 목 뒤에 위치한 마이크로폰을 이용하여 호흡 시의 음향신호를 측정하고, 주변 잡음신호를 필터링하여 호흡수를 측정한다. Ear-worn, flexible, low-power PPG sensor [4]는 심박수를 측정하며 장기간 비관혈적 측정 시에 적절하게 사용할 수 있도록 개발되어 있다.
착용형 센서 개발에 필수적인 요소는 운동 잡음을 최소화하는 것이며, 신체에 밀착되는 의상에 센서를 집적함으로써 운동 잡음을 최소화할 수 있다.
착용형 기술의 최근 이슈 중 하나는 생화학 센서인데 생화학적 센서는 생화학뿐만 아니라 대기 중의 화학적 화합물의 수준을 측정하는 데도 사용이 가능하다. 생화학 센서는 체액을 이용해야 하기 때문에 생화학 센서의 디자인은 어려움이 따르며, 생화학 센서 분야는 발전 속도가 느리긴 하지만 최근 micro, nano 공정 기술의 발전과 더불어 발전 속도가 빨라지고 있다. 생화학 센서를 이용하는 예로 minimally-invasive wearable closed-loop quasicontinuous drug infusion system [5]은 포도당 측정과 인슐린 분비를 자동화한 것으로 실리콘 센서를 통해 혈당 수치를 지속적으로 측정하고, 인슐린 펌프를 통해 인슐린을 분비하도록 되어 있다. 또한 bluetooth 통신을 통해 모니터링 수치를 PDA나 스마트폰으로 전송할 수 있다.
BIOTEX project (bio-chemical sensor array) [6]는 체액 모니터링을 위해 직물에 화학 센서를 집적하여 직물 기반의 fluid collecting system과 땀의 pH, 소금, 전도성 등을 측정할 수 있는 센서가 포함되어 있다.

적용 사례

Wearable monitoring은 여러 환경에 적용되고 있다. 이러한 적용 환경을 살펴보면 다음과 같다. 첫째는 건강 관리나 건강 증진에, 둘째는 안전 관리에, 셋째는 집에서 하는 재활에, 넷째는 치료 효과의 판정에, 다섯째는 질병의 조기 발견에 적용될 수 있다.

건강 관리와 건강 증진

전 세계적으로 평균 수명 연장에 따라 의료 비용이 증가하고 있어 건강 증진이나 wellness 감시에 wearable monitoring이 많이 이용되고 있다. “Aging in place” 프로그램은 만성 질환 환자들을 대상으로 가정에서 무구속으로 환자의 상태를 모니터링하였고, 이와 유사한 연구들이 많이 진행되었다. 가정에서 가속계를 이용한 고령자 모니터링, 압력 센서와 가속 센서가 내장된 신발을 이용한 환자의 운동 상태 분류, 가속도계를 이용한 파킨슨병 환자들의 걸음 수 산출 장비, 착용형 센서를 이용한 복부 수술 환자들의 회복 상태 모니터링 등의 다양한 연구 결과들은 wellness를 위한 활동 모니터링으로 고위험군 환자의 운동 이행을 향상시키는 데 있어 크게 기여할 가능성을 보여주었다. 또한 생리학적 데이터를 장기간 모니터링하는 것은 진단과 치료법의 향상으로 이어질 수 있다.
임상에서는 착용형 센서 기반의 시스템을 통해 장기간 환자의 생리학적 정보를 모니터링하는 것이 환자의 임상적 관리 향상에 효과적임을 입증하기 위한 연구를 수행 중이며, LiveNet [7]은 MIT Media Laboratory에서 파킨슨병의 증상 모니터링과 간질성 발작 검출을 위해 3D 가속, ECG, EMG(electromyograph), 그리고 skin conductance 등을 측정하였으며, LifeGuard [8]는 극한 환경에서 개인의 건강 상태를 모니터링하는 상용 데이터 이력 기록 장치를 개발하였고, AMON project [9]는 유럽 위원회 FP5 program으로 혈압, 체온, 산소포화도 그리고 ECG를 모니터링할 수 있는 손목 착용형 장비를 개발하였다. MyHeart [10], WEALTHY [11], MagIC project [12] 등의 유럽 위원회는 일상생활에서 일반적인 건강 상태 모니터링을 위해 의상 착용형 센서를 개발하였다.

환자 안전 관리

환자의 안전 모니터링은 주로 wearable sensor를 착용하고, 사건이 발생하였을 때 버튼을 누르면 콜센터의 담당자에게 알람 메시지를 무선으로 전송하는 장비로 Life Alert® Classic (Life Alert Emergency Response Inc.) [13]과 AlertOne medical alert system [14] 등이 있다. 다른 형태는 몸에 착용하는 형태의 시스템에 센서가 집적되어 있는 장비로 Wellcore system [15], myHalo™ [16], BrickHouse system [17], ITTM EasyWorld [18], fall detection sensor system (CSEM)[19] 등이 있다.

집에서 하는 재활

착용형 기술 및 각종 센서 기술들을 집적하여 체감형 게임이나 가상 환경에 적용하고 재활 운동을 유도할 수 있다. Rehabilitation Engineering Research Center (University of Southern California)는 가상 현실 게임을 개발하였으며, 가상 현실 기술을 통해 목표물에 도달, 손기능, 걸음걸이 등 기능적 문제를 재활하기 위한 운동 능력을 향상시키고[20], Valedo® system (Hocoma AG)은 등훈련 장비와 무선 센서를 이용하여 몸통의 움직임을 게임에 반영하였다. GE healthcare는 무선 의학 모니터링 시스템을 개발하여 가정 환경에 맞는 재활 조절을 위한 움직임과 생리학적 신호를 저장하는 시스템을 개발하였다.
Stroke Rehabilitation Exerciser (Philips Research) [21]는 물리 치료사들에 의해 처방된 훈련법을 지도하고, 환자들이 사용하는 장치의 무선 센서 시스템으로 환자의 움직임을 기록하고 분석하여 환자와 치료사에게 피드백하는 시스템을 개발하였다. Europe myHeart initiative project [22]에서는 착용형 기술 기반의 가정 재활 시스템을 개발하였고, 센서화된 의복 기반의 시스템으로 환자의 운동량을 증가시키고, 상지와 몸통 부분의 의복에 장착된 착용형 센서들을 이용하여 실시간으로 피드백하는 시스템을 개발하였다.

치료 효과 판정

임상적으로 질병을 관리하기 위해서는 치료 효과를 정량적으로 측정할 필요가 있다. 예를 들면 파킨슨병의 경우 증상에 대한 정확한 정보를 기반으로 세심한 처방이 필요하기 때문에 센서 기반의 시스템을 통해 환자의 증상을 모니터링함으로써 환자의 임상 관리를 질적으로 향상시킬 수 있다. Manson 등[23]은 어깨에 위치한 휴대형 3축 가속도계를 이용하여 파킨슨병 환자의 이상 운동 정도를 모니터링하였다. 일상생활 중에 기록된 센서 신호 처리를 통해 이상증상의 정도를 측정하였으며, Thielgen 등[24]은 파킨슨병 환자의 홈 모니터링에서 24시간 보행의 떨림 정도를 자동으로 정량화하였다. 또한 Paquet 등[25]은 파킨슨병 환자의 보행 지표와 운동성 사이의 관계를 연구하였으며, 파킨슨병 환자의 보행 장애를 판별하기 위해 계측 실험을 진행하였다.
뇌졸중 후 장시간 재활에 있어 운동 기능 회복이 가장 중요하며, 운동 기능 변화의 추적과 피드백은 재활 과정 지도를 위해 사용될 수 있다. Uswatte 등[26]은 뇌졸중에서 회복 중인 환자의 양 팔목에 가속도계를 착용시키고, 장애를 입은 팔과 입지 않은 팔의 운동 능력 비율을 기록하여 임상적으로 의미 있는 정보를 획득하였다. Prajapati 등[27]은 무선 가속도계를 양쪽 다리에 착용시키고, 보행의 양, 대칭, 생체역학적 특징을 모니터링하였으며, Pael 등[28]은 가속도계를 팔에 착용시켜 상지의 기능적 역량을 정확히 산출하는 연구를 수행하였다.

질병의 조기 발견

착용형 기술을 이용하여 환자의 상태 변화를 감지하고 치료하기 위한 연구가 진행되었는데, 만성 폐쇄성 폐질환 환자의 증상 악화를 나타내는 일반적인 증상인 호흡곤란, 기침, 가래의 변화 등을 조기 발견하기 위한 임상 연구들이 있었다.
Atallah 등[29]은 환자의 활동 정도를 모니터링할 수 있는 귀 착용형 센서를 개발하고, machine learning 알고리즘을 이용하여 움직임을 분류하였다. Steele 등[30]은 사람의 움직임을 세 방향에서 측정하여 가속 벡터의 크기와 환자의 상태와의 연관성을 연구하였다.
센서를 통해 움직임의 형태를 파악할 뿐 아니라 강도에 대한 모니터링도 가능하다. Furlanetto 등[31]은 멀티 센서 시스템을 이용해 환자의 움직임뿐 아니라 전기 활동 반응, 열 유동, 그리고 체온 등을 측정하여 정확한 걸음 수, 에너지 소비를 계산하였다.
치매 환자 모니터링 분야에서도 활발한 연구가 진행 중이다. 세계적으로 치매 인구는 3천만 명 이상이고, 의료비는 약 3천억 불 이상으로 추정되며, 소요되는 의료비의 대부분이 전문 요양 시설에 소요되는 비용이다. 착용형 기술은 환자의 일상 활동을 기억하고 행동을 모니터링할 수 있도록 하여, 증상의 악화를 조기 발견하고 집에 오래 머물 수 있도록 했기 때문에 전문 요양 시설에 소요되는 의료비를 절감할 수 있었다. Haiying 등[32]은 초기 치매 환자의 수면 패턴을 분석하기 위한 원격 모니터링 시스템을 개발하였으며, Jimison 등[33]은 치매의 조기 발견을 위해 일반적인 컴퓨터 게임을 변형한 간단한 모니터링 시스템을 개발하였다. Hayes 등[34]은 적외선 동작 센서를 이용한 14가지 행동 패턴을 정의하여 무구속 상태에서 환자를 모니터링할 수 있는 시스템을 개발하였다.

결론

이러한 모니터링 시스템은 착용형 센서를 이용하여 원거리의 환자들의 생체 정보를 취득하고, 건강 증진, 안전 관리, 집에서 하는 재활, 치료 효과의 검증, 그리고 질환의 조기 감지 등을 할 수 있다는 점에서 긍정적인 측면이 있다. 반면에 원거리에서 측정된 신호가 중개기를 통하여 전달되므로 중개기의 변조나 변경이 일어날 경우 전달되어온 원거리 생체신호의 신원 확인에 어려운 문제가 발생하고, 이에 따른 사회적인 혹은 법적인 문제가 발생할 소지가 있으므로 임상 적용 시에는 신중히 적용해야 할 것이다.

References

1. Asada HH, Shaltis P, Reisner A, Rhee S, Hutchinson RC. Mobile monitoring with wearable photoplethysmographic biosensors. IEEE Eng Med Biol Mag 2003; 22: 28-40.
crossref
2. Shaltis PA, Reisner A, Asada HH. Wearable, cuff-less PPG-based blood pressure monitor with novel height sensor. Conf Proc IEEE Eng Med Biol Soc 2006; 1: 908-911.
crossref pmid
3. Corbishley P, Rodriguez-Villegas E. Breathing detection: towards a miniaturized, wearable, battery-operated monitoring system. IEEE Trans Biomed Eng 2008; 55: 196-204.
crossref pmid
4. Patterson JAC, McIlwraith DG, Guang-Zhong Y. A Flexible, Low Noise Reflective PPG Sensor Platform for Ear-Worn Heart Rate Monitoring. 6th BSN International Workshop. 2009. 286-291.
crossref
5. Dudde R, Thomas V, Piechotta G, Hintsche R. Computer-aided continuous drug infusion: setup and test of a mobile closed-loop system for the continuous automated infusion of insulin. IEEE Trans Inf Technol Biomed 2006; 10: 395-402.
crossref pmid
6. Coyle S, Lau KT, Moyna N, O'Gorman D, Diamond D, Di Francesco F, Costanzo D, Salvo P, Trivella MG, De Rossi DE, Taccini N, Paradiso R, Porchet JA, Ridolfi A, Luprano J, Chuzel C, Lanier T, Revol-Cavalier F, Schoumacker S, Mourier V, Chartier I, Convert R, De-Moncuit H, Bini C. BIOTEX-biosensing textiles for personalised healthcare management. IEEE Trans Inf Technol Biomed 2010; 14: 364-370.
crossref pmid
7. Sung M, Marci C, Pentland A. Wearable feedback systems for rehabilitation. J Neuroeng Rehabil 2005; 2: 17.
crossref pmid pmc
8. Mundt CW, Montgomery KN, Udoh UE, Barker VN, Thonier GC, Tellier AM, Ricks RD, Darling RB, Cagle YD, Cabrol NA, Ruoss SJ, Swain JL, Hines JW, Kovacs GT. A multiparameter wearable physiologic monitoring system for space and terrestrial applications. IEEE Trans Inf Technol Biomed 2005; 9: 382-391.
crossref pmid
9. Anliker U, Ward JA, Lukowicz P, Troster G, Dolveck F, Baer M, Keita F, Schenker EB, Catarsi F, Coluccini L, Belardinelli A, Shklarski D, Alon M, Hirt E, Schmid R, Vuskovic M. AMON: a wearable multiparameter medical monitoring and alert system. IEEE Trans Inf Technol Biomed 2004; 8: 415-427.
crossref pmid
10. Habetha J. The MyHeart project--fighting cardiovascular diseases by prevention and early diagnosis. Conf Proc IEEE Eng Med Biol Soc 2006; Suppl: 6746-6749.
crossref
11. Paradiso R, Loriga G, Taccini N. Wearable system for vital signs monitoring. Stud Health Technol Inform 2004; 108: 253-259.
pmid
12. Di Rienzo M, Rizzo F, Parati G, Brambilla G, Ferratini M, Castiglioni P. MagIC system: a new textile-based wearable device for biological signal monitoring. applicability in daily life and clinical setting. Conf Proc IEEE Eng Med Biol Soc 2005; 7: 7167-7169.
crossref pmid
13. Life Alert Classic [Internet]. UL Certified Monitoring Centers. c1987-2015 [cited 2015 Jan]. Available from: http://www.lifealert.com/classic.aspx.

14. AlertOne medical alert system [Internet]. AlertOne Services LLC.. c1998-2015 [cited 2015 Jan]. Available from: http://www.alert-1.com.

15. Automatic Fall Detection [Internet]. Wellcore Corporation. c2007 [cited 2015 Jan]. Available from: http://www.wellcore.com/learn/automatic-falldetection.

16. myHalo [Internet]. MobileHelp. [cited 2015 Jan]. Available from: http://www.halomonitoring.com.

17. BrickHouse [Internet]. BrickHouse Alert. [cited 2015 Jan]. Available from: http://www.brickhousealert.com/personal-emergency-medicalalarm.html.

18. 18. Easy World [Internet]. Headway Trading Limited. [cited 2015 Jan]. Available from: http://www.headwaytl.com/en/default.htm.

19. Fall Detection Sensor System [Internet]. Centre Suisse d’electronique Et de Microtechnique. c1980s [cited 2015 Jan]. Available from: http://www.csem.ch/docs/Show.aspx?id=6026.

20. Rizzo A, Requejo P, Winstein CJ, Lange B, Ragusa G, Merians A, Patton J, Banerjee P, Aisen M. Virtual reality applications for addressing the needs of those aging with disability. Stud Health Technol Inform 2011; 163: 510-516.
pmid
21. Lanfermann G, te Vrugt J, Timmermans A, Bongers E, Lambert N, van Acht V. Philips stroke rehabilitation exerciser. Technical Aids for Rehabilitation-TAR 2007. January 25-26, 2007 2007.

22. Giorgino T, Tormene P, Lorussi F, De Rossi D, Quaglini S. Sensor evaluation for wearable strain gauges in neurological rehabilitation. IEEE Trans Neural Syst Rehabil Eng 2009; 17: 409-415.
crossref pmid
23. Manson AJ, Brown P, O’'Sullivan JD, Asselman P, Buckwell D, Lees AJ. An ambulatory dyskinesia monitor. J Neurol Neurosurg Psychiatry 2000; 68: 196-201.
crossref pmid pmc
24. Thielgen T, Foerster F, Fuchs G, Hornig A, Fahrenberg J. Tremor in Parkinson’'s disease: 24-hr monitoring with calibrated accelerometry. Electromyogr Clin Neurophysiol 2004; 44: 137-146.
pmid
25. Paquet JM, Auvinet B, Chaleil D, Barrey E. Analysis of gait disorders in Parkinson's disease assessed with an accelerometer. Rev Neurol (Paris) 2003; 159: 786-789.
pmid
26. Uswatte G, Foo WL, Olmstead H, Lopez K, Holand A, Simms LB. Ambulatory monitoring of arm movement using accelerometry: an objective measure of upper-extremity rehabilitation in persons with chronic stroke. Arch Phys Med Rehabil 2005; 86: 1498-1501.
crossref pmid
27. Prajapati SK, Gage WH, Brooks D, Black SE, McIlroy WE. A novel approach to ambulatory monitoring: investigation into the quantity and control of everyday walking in patients with subacute stroke. Neurorehabil Neural Repair 2011; 25: 6-14.
crossref pmid
28. Patel S, Hughes R, Hester T, Stein J, Akay M, Dy JG, Bonato P. A novel approach to monitor rehabilitation outcomes in stroke survivors using wearable technology. Proc IEEE Inst Electr Electron Eng 2010; 98: 450-461.
crossref
29. Atallah L, Zhang J, Lo BPL, Shrikrishna D, Kelly JL, Jackson A, Polkey MI, Yang G, Hopkinson NS. Validation of an ear worn sensor for activity monitoring in COPD. Am J Respir Crit Care Med 2010; 181: A1211.
crossref
30. Steele BG, Holt L, Belza B, Ferris S, Lakshminaryan S, Buchner DM. Quantitating physical activity in COPD using a triaxial accelerometer. Chest 2000; 117: 1359-1367.
crossref pmid
31. Furlanetto KC, Bisca GW, Oldemberg N, Sant'anna TJ, Morakami FK, Camillo CA, Cavalheri V, Hernandes NA, Probst VS, Ramos EM, Brunetto AF, Pitta F. Step counting and energy expenditure estimation in patients with chronic obstructive pulmonary disease and healthy elderly: accuracy of 2 motion sensors. Arch Phys Med Rehabil 2010; 91: 261-267.
crossref pmid
32. Haiying W, Huiru Z, Augusto JC, Martin S, Mulvenna M, Carswell W, Wallace J, Jeffers P, Taylor B, McSorley K. Monitoring and analysis of sleep pattern for people with early dementia. Bioinformatics and Biomedicine Workshops (BIBMW), 2010 IEEE International Conference on. 18-18 Dec; 2010. 405-410.

33. Jimison JB, Pavel M, Pavel J, McKanna J. Home monitoring of computer interactions for the early detection of dementia. Engineering in Medicine and Biology Society, 2004 IEMBS '04. 26th Annual International Conference of the IEEE. 1-5 Sept; 2014. 4533-4536.

34. Hayes TL, Abendroth F, Adami A, Pavel M, Zitzelberger TA, Kaye JA. Unobtrusive assessment of activity patterns associated with mild cognitive impairment. Alzheimers Dement 2008; 4: 395-405.
crossref pmid pmc
TOOLS
PDF Links  PDF Links
PubReader  PubReader
ePub Link  ePub Link
Full text via DOI  Full text via DOI
Download Citation  Download Citation
  Print
Share:      
METRICS
1
Crossref
9,448
View
253
Download