《Frontiers in Human Neuroscience》：Intrinsic and extrinsic feedback generate similar propulsion but distinct biomechanical strategies during split-belt walking
引言
行走是一项需要肢体肌肉协调动作以逐步支撑和移动身体前行的复杂活动。向前行进主要通过踝关节和髋关节产生正机械功来实现。对于在平地上行走的年轻成年人，踝关节力矩和功率的产生是向前行进的主要来源。相比之下，老年人则表现出更大的髋关节功率产生。然而，在外部需求更高的任务中，例如上坡行走或上楼梯，髋关节会不成比例地增加其对向前推进的贡献。从运动学角度看，增大的后肢角（TLA），即垂直轴与从髋关节到足部的连线之间的角度，也能增强向前推进力。先前的研究已证明TLA与前向地面反作用力（AGRF）峰值之间存在强相关性。这些独立控制的关节力学共同产生了用于质心（COM）向前行进的水平地面反作用力。AGRF的重要性在于它是直接贡献于向前运动的力分量。我们之前的研究表明，在不同步行速度下，AGRF峰值的时间似乎受到神经系统的严格控制，但具有适应性。年轻成年人神经系统的适应能力，通过灵活地在肢体和关节之间转移功来满足外部需求，使其成为研究推进力的理想模型，而无需考虑衰老或神经损伤的混杂因素。
在社区环境中行走时，环境限制可能迫使个体改变推进力以维持步行速度。评估推进力的适应性及其所采用的策略对于理解调制推进力的作用机制可能非常重要。一种双侧修改推进力的方法是使用分带跑台行走，这涉及两个可以设置为不同速度的独立跑带。这种实验设计提供了一个机会来评估当每条腿经历不同机械需求时人类如何适应推进力。个体可以通过在较慢的腿上延长站立相和缩短摆动相来适应分带跑台。分带行走期间增加的接触时间为产生向前推进力提供了额外机会，尤其是在踝关节和髋关节贡献于力产生的站立相。最近涉及分带跑台的研究显示了腿内和腿间时机和协调的即时适应性。由于较慢跑带上的肢体有更多时间用于力生成，它成为检查个体如何修改动力学和运动学输出以满足外部任务需求（如响应反馈增加推进力）的理想目标。因此，本研究集中于较慢的肢体，以分离和分析不同反馈条件下的生物力学策略差异。
其他方法也可以改变推进力。实时反馈可以提供关于生理过程的信息，这些信息用户可能有意识也可能无意识地感知，取决于反馈的结构。内源性反馈是指内部产生的本体感觉和体感信息，来自肌梭、高尔基腱器官、关节感受器和皮肤传入神经。这些传入神经持续传递关于肢体位置、负荷和运动动态的信息，支持行走期间 mostly 自动的、反射性的调整。在行走机械扰动期间，例如应用于骨盆或肢体的后向阻力，增强了本体感觉负荷信息并引发补偿性调整以维持运动任务。相比之下，外源性反馈包括外部提供的线索，最常见的是视觉信息，明确告知个体其表现相对于目标的情况，并促进有意识的、随意的运动校正。在行走过程中，通过视觉反馈的外源性反馈通常用于通过实时显示前向地面反作用力或肢体轨迹来指导推进力或运动学目标的调制。尽管有兴趣使用反馈来改善推进力，但目前尚不清楚不同类型的反馈是否产生相似水平的推进力生成，也不确定在分带行走期间每种模式如何引发不同的生物力学策略。
本研究的目的是调查非受损个体使用不同类型的反馈（即内源性和外源性）来产生更大推进力的策略，以达到分带跑台行走期间慢速跑带上肢体的目标峰值推进力水平。首先在健康个体中研究这个重要问题以获得知识基础，随后可应用于针对步行受损人群（如脑卒中后个体）的靶向干预。这可以最好地通过运动冗余性原理来理解，该原理认为神经系统可以通过多种生物力学途径实现相同的功能结果。基于此框架，我们假设参与者将在不同反馈条件和目标水平下实现相似的峰值AGRF，但根据所接收的反馈类型和目标水平采用不同的生物力学策略。为了检验这一假设，健康成年人在分带跑台上各种反馈条件下参与了行走试验。
材料与方法
参与者
十五名年轻非受损成年人同意参与这项经机构批准的研究。参与者无神经、心血管或肌肉骨骼疾病，且能够独立行走。排除参与前6个月内有任何下肢损伤的个体。
仪器
我们使用了一个带有侧边扶手的双带、测力跑台（Motek, Amsterdam, BG）。一个十摄像头运动捕捉系统（Vicon, Oxford EN）跟踪被动反射标记点，我们在离线处理（Vicon Nexus）以创建12节段刚体生物力学模型。实时视觉反馈在Vicon Nexus中使用内置的Monitor工具生成，该工具逐步显示地面反作用力（GRFs）并将输出流式传输到图形显示器。反馈显示在位于参与者前方约1.5米处、与眼睛齐平的白色屏幕上。界面包括一条每步更新的垂直线，代表非主导肢体的GRFs，以及一条叠加有阴影区域的水平目标线，指示参与者特定的AGRF目标（5%或10%体重）。参与者被指示调节他们的力输出，使每个步态的条形图达到目标线。为了产生后向阻力，我们使用了一个定制的被动装置，通过佩戴在质心（COM）水平的腰带施加阻力。该定制装置使用通过绞盘穿过的橡胶管来改变力水平，力通过串联在管路上的称重传感器（RAS1-250S-S*C02, Loadstar Sensors Inc., Fremont, CA, USA）测量。为了安全，参与者穿着防坠落安全带，在跑台行走时不提供支撑，但在协议期间如果他们失去平衡则提供保护。
实验协议
在会议开始时记录参与者的人口统计学资料，包括体重和主导腿。肢体优势由参与者自我报告确定。舒适步行速度（CWS）首先在铺有Zeno步态垫（5.5米 × 0.91米）的地面上测量，并使用ProtoKinetics运动分析软件（ProtoKinetics, Havertown, PA）进行分析。参与者以他们的CWS完成两次直线行走通过步态垫。提供的指示是：“以您感觉最舒适的速度行走。”为了确保在垫子捕获区域内达到稳态步态，参与者在垫子前2米开始行走，并在垫子后2米继续行走。完成第一次通过后，他们停止、重置，并使用相同的指示重复第二次通过的程序。随后，通过标准化协议确定每个参与者在跑台上的CWS。最初，跑台速度设置为比参与者地面速度慢约0.3米/秒，然后以0.1米/秒的增量逐渐增加，直到参与者报告“这感觉像我的正常步行速度”。记录该速度，并重复该程序，从比先前确定的速度更快的速度开始，逐渐减少0.1米/秒，直到参与者再次指示其正常步行速度。计算这两个跑台速度的平均值，并将其定义为参与者跑台条件的CWS。
接下来，参与者在跑台上以其CWS行走1分钟以获得基线测量值。然后确定视觉反馈的目标前向地面反作用力（AGRFs）。参与者在跑台上以其一半CWS行走30秒，数据从Vicon Nexus软件导出。然后使用MATLAB（MathWorks Inc., Natick, MA）中的自定义脚本分析该数据，以计算非主导腿的平均峰值AGRFs。5%视觉反馈目标AGRF通过将参与者体重的5%加到非主导腿的平均峰值AGRF来确定。遵循相同的程序来建立10%视觉反馈目标AGRF。
在确定目标AGRFs后，参与者在分带跑台上完成适应试验。非主导腿放在慢速跑带上（设置为参与者CWS的一半），主导腿放在快速跑带上（设置为参与者的CWS）。适应试验持续3到6分钟。最初，所有参与者完成标准化的3分钟适应期。之后，询问参与者是否感觉稳定和舒适，研究团队通过视觉评估步态是否有不稳定或缺乏平滑度的迹象。对于少数报告持续不适或表现出可观察不稳定的参与者，适应时间以一分钟为增量延长。每分钟后重新评估，一旦观察到稳定的行走模式，适应期结束。没有参与者需要超过6分钟。这种个体化方法确保在实验测试前充分适应分带条件。
适应试验后，参与者完成一个实验协议，包括6次试验，分为两种反馈条件（通过后向阻力的内源性反馈和通过视觉反馈的外源性反馈）。反馈条件的顺序是随机的，以尽量减少适应并保持参与度，而目标水平在每个反馈类型内以固定的升序呈现。此外，在试验之间提供休息时间。
在数据收集之前，参与者在跑台行走时熟悉视觉界面。在此定向期间，向他们展示了GRFs线高度如何随着他们的推离力和肢体位置变化，并练习达到目标线以确保他们理解任务。参与者被指示将非主导腿放在臀部后面（增加后肢角），并使用他们的跖屈肌更用力地推跑台，而不握住扶手。在后向阻力（BRF）条件之前提供了类似的熟悉过程，在此期间参与者体验施加的阻力负荷，并被指示如何在不使用扶手的情况下保持其在跑台中心的位置，但使用他们的腿来克服力。
内源性反馈：参与者在分带跑台上行走，主导腿在快速跑带上以CWS速度，非主导腿在慢速跑带上以一半CWS速度，同时在COM处施加0%、5%和10%体重的后向阻力。
外源性反馈：参与者在分带跑台上行走，主导腿在快速跑带上以CWS速度，非主导腿在慢速跑带上以一半CWS速度，同时接收0%（无目标）、5%和10%体重的实时AGRF视觉反馈。
数据采集
运动学数据使用捕捉运动系统以100赫兹收集，而动力学数据（地面反作用力）通过跑台的测力台以1000赫兹收集。地面反作用力和节段运动学数据在Vicon Nexus软件（版本2.15, Vicon Motion Systems, Oxford, UK）中使用6赫兹和12赫兹截止频率分别对运动学和动力学进行滤波。滤波后的数据然后导出到Visual 3D（C-motion, Germantown, MD）和MATLAB（MathWorks Inc., Natick, MA）进行后处理。
对于非主导肢体（在慢速跑带上），每个步态的峰值AGRF被确定为站立相（从脚跟触地到脚趾离地，阈值为10牛顿）期间前向力分量（Fy）的最大值。然后通过平均每次试验中所有步态的峰值推进力来计算该肢体的平均峰值AGRF。在计算每次试验的峰值前向地面反作用力（AGRF）后，我们通过从预定义的目标值中减去慢速跑带上腿的平均峰值AGRF来计算与目标AGRF的差异。该差异代表了参与者在每次反馈条件下达到目标推进力的误差。
后肢角（TLA）计算为在脚趾离地时矢状面中垂直轴与连接大转子和外踝（踝关节标记点）的向量之间的角度。脚趾离地基于垂直地面反作用力降至10牛顿时确定，表示站立相结束和摆动相开始。
使用逆动力学程序来量化矢状面关节力矩和髋关节及踝关节的正功率，利用商业软件（Visual 3D, C-Motion Inc., Germantown, MD）。对于每个步态，在站立相（从脚跟触地到脚趾离地）期间计算力矩和正功率，并归一化到个体的体重。
统计分析
所有统计分析均使用RStudio（版本2024.12.0 + 467）进行。为了检验我们的假设，使用双因素重复测量方差分析来评估研究的主要结局变量，平均推进误差，比较两种反馈类型跨越两个目标水平。该分析的显著性水平设定为p < 0.05。由于对此主要指标仅进行了单一检验，未应用多重比较校正。
进行了关于我们主要结局的解释变量的次要分析。我们进行了五个单独的双因素重复测量方差分析，以检验反馈类型（内源性 vs. 外源性）、目标水平（0%、5%和10%体重）及其交互作用对以下因变量的影响：后肢角（TLA）、踝关节力矩、髋关节力矩、踝关节功率和髋关节功率。为了解释这五个解释性结局的多重比较，应用了Bonferroni校正，导致显著性水平为p < 0.01。我们使用此方法来降低I类错误的风险，因为我们正在评估多个相关检验。当Mauchly检验违反球形假设时，使用Greenhouse-Geisser校正。对于任何显著的主效应或交互作用，进行了事后配对比较，并列出了调整后的p值。
结果
平均推进误差（与目标的差异）
内源性和外源性反馈条件产生了相似的推进力输出。平均误差与目标的差异总结为每个两个目标水平的平均值±标准差。反馈对平均推进误差没有显著的主效应（F (1, 14) = 0.20, p = 0.66），效应量较小（ηp2 = 0.014），表明参与者在视觉和后向阻力（BRF）条件下达到目标推进力水平的准确性相似。在5%目标水平，视觉反馈的平均误差为0.14 ± 0.18 牛顿/千克，BRF为0.18 ± 0.17 牛顿/千克。在10%目标水平，视觉反馈的平均值为0.00 ± 0.24 牛顿/千克，BRF为0.03 ± 0.22 牛顿/千克。这些发现表明参与者能够在两种反馈条件下相似地匹配目标推进力水平。
后肢角（TLA）
后肢角受反馈类型和力大小的调节。我们发现显著的反馈×目标交互作用（F (2, 28) = 15.76, p = 0.0002），表明目标水平对TLA的影响取决于反馈类型。事后比较与Bonferroni校正显示，在每个目标水平，视觉反馈产生的TLA显著大于BRF。在5%目标，视觉反馈的TLA为22.42 ± 2.61°，BRF为20.51 ± 3.14°（t (80, 35) = -3.39, p = 0.0011），效应量为中等（η2 = 0.12）。在10%目标，视觉反馈的TLA为25.30 ± 3.23°，BRF为21.82 ± 2.97°（t (80, 35) = -6.18, p < 0.0001），效应量为大（η2 = 0.21）。此外，观察到目标水平的显著主效应（F (2, 28) = 72.88, p < 0.0001），TLA在0%、5%和10%目标间递增增加。反馈的主效应也存在（F (1, 14) = 22.04, p = 0.0003），视觉反馈总体上比BRF产生更大的TLA。
踝关节力矩
踝关节力矩受反馈类型和力大小的调节。观察到显著的反馈×目标交互作用（F (2, 28) = 5.65, p = 0.0087），表明目标水平对踝关节力矩的影响因反馈类型而异。此外，观察到目标水平的显著主效应（F (2, 28) = 27.19, p < 0.0001），踝关节力矩随着推进目标的增加而递增增加。反馈的主效应也存在（F (1, 14) = 16.64, p = 0.0011），视觉反馈总体上比BRF产生更大的踝关节力矩。事后比较与Bonferroni校正显示，视觉反馈在5%和10%目标水平均比BRF引发显著更大的踝关节力矩。在5%目标，视觉反馈的平均踝关节力矩为1.29 ± 0.21 牛顿米/千克，BRF为1.16 ± 0.29 牛顿米/千克（t (80, 35) = -3.63, p = 0.0005），效应量为中到大（η2 = 0.14）。在10%目标，视觉反馈的踝关节力矩为1.36 ± 0.15 牛顿米/千克，BRF为1.20 ± 0.25 牛顿米/千克（t (80, 35) = -4.69, p < 0.0001），效应量大（η2 = 0.21）。这些结果表明参与者在视觉反馈下使用了更多的踝关节力矩。
髋关节力矩
髋关节力矩受反馈类型和力大小的调节。观察到显著的反馈×目标交互作用（F (2, 28) = 14.76, p = 0.0004），表明髋关节力矩随目标水平变化的方式取决于反馈类型。此外，观察到目标水平的显著主效应（F (2, 28) = 17.22, p < 0.0001），髋关节力矩随着推进目标的增加而增加。反馈的主效应也存在（F (1, 14) = 11.88, p = 0.0039），BRF总体上比视觉反馈产生更大的髋关节力矩。事后比较与Bonferroni校正显示，BRF在5%和10%目标水平均比视觉反馈引发显著更大的髋关节力矩。在5%目标，BRF的髋关节力矩为0.64 ± 0.13 牛顿米/千克，视觉反馈为0.56 ± 0.15 牛顿米/千克（t (80, 35) = 3.23, p = 0.0018），效应量为中等（η2 = 0.11）。在10%目标，BRF下的髋关节力矩增加至0.70 ± 0.12 牛顿米/千克，视觉反馈下为0.55 ± 0.14 牛顿米/千克（t (80, 35) = 6.47, p < 0.0001），效应量大（η2 = 0.34）。
踝关节功率
踝关节功率受反馈类型和力大小的调节。存在显著的反馈×目标交互作用（F (2, 28) = 7.94, p = 0.0019），表明反馈对踝关节功率的影响因推进目标水平而异。此外，观察到目标水平的显著主效应（F (2, 28) = 8.34, p = 0.0050），踝关节功率随着推进目标的增加而增加。没有显著的反馈主效应（F (1, 14) = 5.19, p = 0.0389）。事后比较与Bonferroni校正显示，在5%时，反馈类型之间没有显著差异（t (80, 35) = -0.31, p = 0.0754）。视觉反馈下的平均踝关节功率为1.29 ± 0.59 瓦特/千克，BRF下为1.26 ± 0.42 瓦特/千克。然而，在10%时，视觉反馈下的平均踝关节功率为1.20 ± 0.39 瓦特/千克，BRF下为1.55 ± 0.53 瓦特/千克。踝关节功率在BRF下显著大于视觉反馈（t (80, 35) = 4.73, p < 0.0001），效应量大（η2 = 0.21）。这些结果表明BRF特别在推进需求高时增强了踝关节功率生成。
髋关节功率
髋关节功率受反馈类型和力大小的调节。存在显著的反馈×目标交互作用（F (2, 28) = 27.11, p < 0.0001），表明反馈对髋关节功率的影响因推进目标水平而异。此外，观察到目标水平的显著主效应（F (2, 28) = 61.51, p < 0.0001），髋关节功率随着推进目标的增加而递增增加。反馈的主效应也存在（F (1, 14) = 45.43, p < 0.0001），BRF总体上比视觉反馈产生更大的髋关节功率。事后比较与Bonferroni校正显示，在5%目标，BRF下的髋关节功率为0.50 ± 0.13 瓦特/千克，视觉反馈下为0.28 ± 0.11 瓦特/千克。该差异具有统计学显著性（t (80, 35) = 6.45, p < 0.0001），效应量大（η2 = 0.34）。在10%目标，本体感觉反馈下的髋关节功率进一步增加至0.64 ± 0.13 瓦特/千克，而视觉反馈下仍较低，为0.34 ± 0.17 瓦特/千克。该差异也显著（t (80, 35) = 9.02, p < 0.0001），效应量大（η2 = 0.50）。
讨论
我们研究的目的是调查非受损个体使用不同反馈（即内源性和外源性）在分带跑台行走期间为慢速跑带产生更大推进力的策略，以达到目标峰值推进力水平。我们假设参与者将在不同反馈条件下使用不同的生物力学策略实现相似的峰值AGRF，具体取决于接收的反馈类型和目标水平。支持我们的假设，参与者能够在两种反馈条件下相似地匹配目标推进力水平，使用不同的策略达到不同的目标水平。为清晰起见，我们将外源性反馈称为视觉反馈，内源性反馈称为后向阻力（BRF）。在视觉反馈下，个体增加了TLA和踝关节力矩，而在后向阻力下，个体增加了髋关节力矩和髋关节功率，并且在更高的推进目标下，峰值踝关节功率产生。据我们所知，这是第一项在分
