《Frontiers in Aging Neuroscience》：Associations between declines in uneven terrain walking speed and visuospatial working memory in older adults
1 引言
目前，超过三分之一的65岁及以上老年人存在行动受限，如行走或爬楼梯困难。保持行动功能对于老年人进行日常活动和维持功能独立性至关重要。常见的与年龄相关的行动受限，包括步速减慢和平衡缺陷，与运动质量下降和全因死亡风险增加相关。新兴证据表明，老年人行动功能和认知功能的衰退密切相关。这种关系可能因个体的身体功能水平而异，但在不同行动和认知任务难度水平下，高体能和低体能老年人之间的差异仍未得到充分探索。
步速下降是行动功能的一个关键方面，已成为与老年人轻度认知障碍和痴呆相关的重要因素。多项系统综述和荟萃分析一致强调老年人步速与认知功能之间存在正相关关系。这些研究通常评估自定步速的步速，通常是在平坦表面上，同时评估认知指标，如整体认知、执行功能和处理速度。虽然总体研究结果表明步速与认知功能之间存在适度的正相关关系，但一些研究报告步速与整体认知、执行功能或记忆之间的关联较弱或不显著。这些差异可能部分源于评估行走或认知表现的方法不同。
不平坦地形行走速度与视觉空间工作记忆的关系是本研究关注的核心。视觉空间工作记忆对于行走的认知控制至关重要，尤其是在不平坦地形等复杂环境中，需要增加谨慎性和精确的足部放置以在高度变化的表面上保持平衡。它能够实时处理和更新地形的形状、位置和高度，使个体能够监测表面变化并调整足部放置以在不平坦地面上行走时保持稳定性。n-back任务是评估视觉空间工作记忆的常用方法，通过系统增加认知需求来评估工作记忆表现。在该任务中，参与者确定刺激的空间位置是否在特定位置（0-back）或匹配一个、两个或三个试验前的位置（1-back、2-back或3-back）。更高的n-back水平通过增加工作记忆的需求来提高任务难度。工作记忆在很大程度上依赖于前额叶皮层的完整性，前额叶皮层在整个成年寿命中特别容易受到年龄相关衰退的影响，即使在健康个体中也是如此。与年龄相关的前额叶皮层结构和功能变化也会损害复杂行走任务中的运动控制。
评估不同任务难度下的大脑活动是表征认知和行动任务中年龄相关神经控制差异的有效且广泛使用的方法，揭示了老年人代偿性和能力有限的神经反应。神经影像学研究显示，额顶网络，尤其是前额叶皮层，在n-back工作记忆表现中起核心作用，并支持行走的执行控制。由于前额叶皮层经历与年龄相关的神经病理变化，削弱了这些共享的执行控制网络，认知功能和行动功能的衰退经常同时出现。该网络中的大脑活动随着任务难度的增加（例如，更高的n-back水平）而加剧，反映了认知需求的增加。然而，其他神经影像学研究报告在更高的任务难度水平下，前额叶皮层活动没有增加甚至减少，可能反映了任务参与度降低、表现较差或认知努力减少。认知老化文献通常表明，在相同任务中，与年轻人相比，老年人在较低任务负荷下会招募额外的认知资源。然而，随着任务难度的增加，老年人更早达到资源上限，表明神经资源可用性和效率存在与年龄相关的限制。
本研究旨在比较三组参与者（年轻人、高体能老年人、低体能老年人）在不平坦地形行走速度和n-back表现中负荷依赖的变化。同时检查每组内不平坦地形行走速度变化与n-back表现之间的关系。使用短期身体表现电池（SPPB）评估身体功能状态，该电池评估平衡、步速和下肢力量，得分低于10表示更大的行动受限。此外，使用功能近红外光谱（fNIRS）研究n-back任务表现与前额叶皮层活动之间的联系。
2 材料与方法
2.1 研究设计
本研究是更大的“运动中的心智”（Mind in Motion）研究的一部分，该研究侧重于理解老年人行动功能的神经控制。对于此处包含的数据集，参与者在30天或更短时间内参加了两次单独的访问。在第一次访问期间，参与者进行了人体测量、认知筛查和行动功能评估。他们还完成了一项地形行走速度任务，包括四个难度级别：平坦、低、中、高地形不平坦度。在第二次访问中，参与者执行了n-back任务，该任务有四个难度级别：0-back、1-back、2-back和3-back。此外，使用fNIRS评估n-back任务期间大脑活动的变化。
2.2 参与者纳入和排除标准
分析了68名参与者的数据：24名健康年轻人（13名女性，11名男性；平均年龄±标准差=22.8±3.3岁）和44名社区居住的老年人（27名女性，17名男性；平均年龄±标准差=74.0±5.6岁）。简要来说，纳入标准包括年轻人年龄范围20-40岁，老年人年龄≥65岁。排除标准涉及存在轻度认知障碍（即蒙特利尔认知评估（MoCA）得分<26）、行走障碍（即在无辅助情况下400米步行测试≥15分钟）、严重肥胖（体重指数（BMI）≥35）或存在严重或不稳定的医疗状况或历史健康问题，这些情况会阻止参与者充分参与认知和行走评估。
2.3 参与者分组
根据SPPB得分将老年人分为相应的身体功能组，SPPB得分≥10表示高身体功能（n=29），得分<10表示低身体功能（n=15）。SPPB测试是对整体身体功能的评估，包括平衡、力量和步速测量。
2.4 不平坦地形行走期间行走速度的评估
设计了四种行走表面条件（平坦、低、中、高），每种条件呈现不同水平的不平坦地形。不平坦地形是使用不同高度的刚性泡沫圆盘（不可压缩，每个直径12.7厘米）创建的，这些圆盘附着在3.5米长的垫子上。低不平坦地形完全由1.3厘米高的黄色圆盘组成。中不平坦地形由50%的1.3厘米高和50%的2.5厘米高的橙色圆盘组成。高不平坦地形包括三种不同高度的红色圆盘：50%为3.8厘米，20%为2.5厘米，30%为1.3厘米。对于平坦地形，行走表面上没有圆盘，但垫子上绘有绿色圆圈，以确保平坦条件的视觉方面与其他地形条件相似。参与者在测试前为每种地形条件完成了多次练习试验，然后被指示以自然、舒适的速度在每种地形条件下行走三次，条件顺序随机化。用秒表测量垫子中间3米部分的完成时间。
2.5 使用n-back任务评估认知功能
为了评估视觉空间工作记忆表现，我们采用了空间n-back任务。参与者舒适地坐在电脑显示器前。在n-back任务期间，一个蓝色方块出现在电脑屏幕上九个可能位置之一。方块的位置每500毫秒（短ISI试验）或1500毫秒（长ISI试验）刷新一次。每次方块重新出现时，参与者被指示通过按下指定键来指示当前位置是否匹配n次前出现的位置。对于每个n-back测试，方块的位置刷新16次。对于0-back测试，参与者被指示仅当方块出现在中心位置时才按键。对于1-back测试，参与者被指示仅当方块在连续两次出现中出现在相同位置时才按键。对于2-back测试，参与者被指示仅当方块出现在与两次前出现相同的位置时才按键（无论最近一次出现的位置如何）。同样，3-back测试要求参与者在方块出现在与三次前出现相同的位置时按键（无论最近两次出现的位置如何）。如果位置不匹配，参与者被指示不作响应。参与者完成了两轮n-back任务。
对于数据分析，我们对每个n-back水平平均了第一轮中的一个任务和第二轮中的相应任务。使用自定义R脚本专门读取和分析n-back任务数据。主要结果指标d-prime（d′）通过考虑成功和失败提供了n-back表现的净汇总分数。用于计算d′的公式为d′ = ZH– ZFA，其中H和FA代表“命中”（正确）和“虚惊”（假阳性）率，Z表示Z转换。命中率表示信号存在时命中的比例（命中数/（命中数+漏报数）），虚惊率表示信号不存在时虚惊的比例（虚惊数/（虚惊数+正确否定数））。当参与者擅长最大化命中（最小化漏报）和最小化虚惊（最大化正确否定）时，他们在任务中区分目标和非目标刺激的敏感性增加。因此，高d-prime分数表示信号/目标检测的辨别能力更强，反映了n-back任务上更好的整体表现。此外，反应时间（以毫秒为单位）仅针对正确响应记录，反映了参与者在任务期间对每个刺激作出反应所需的时间。
2.6 使用fNIRS评估前额叶皮层活动
2.6.1 fNIRS设置
参与者佩戴商用的多通道连续波fNIRS单元（OctaMon）以测量n-back任务期间的前额叶皮层活动。头带包含发射760和850纳米连续波长的近红外光的光源，以及两个近红外光探测器。通过时分复用区分不同的记录通道。头带放置在眉毛正上方，其中线与面部中线对齐。头带上光源-探测器光极的位置固定为3.5厘米。每个通道的解剖记录位置通过测量每个光源-探测器对之间的中点位置来估计，参照国际10-10系统进行报告。
2.6.2 fNIRS数据采集
在n-back任务期间记录fNIRS数据。采用区块设计，我们将八个测试活动区块与八个休息参考区块交替进行。参与者在活动区块执行n-back任务，而在参考区块保持静止和沉默。参与者 across two run conditions 总共完成了32对参考/活动区块，每个运行条件完成16对。使用无线远程设备（PortaSync）手动标记每个区块的开始和结束点，该设备在与fNIRS信号时间同步的单独记录通道中放置事件标记。数据以10赫兹采样并导出到计算机进行分析。
2.6.3 fNIRS数据处理
在fNIRS数据分析中使用了差分路径因子值6。遵循修正的比尔-朗伯定律计算前额叶氧合血红蛋白（O2Hb）浓度，并使用自定义MATLAB程序进行分析。原始fNIRS信号经过预处理，包括去趋势和应用截止频率为0.14赫兹的低通滤波器以最小化生理噪声。采用小波滤波器来减轻运动的影响。随后，由训练有素的团队成员目视检查数据，排除任何具有明显信号质量问题的通道（例如，与生理活动不一致的高幅度伪影或无明显信号变化）。O2Hb浓度被用作主要结果指标，因为与脱氧血红蛋白值相比，其可靠性和敏感性更高。为每个参与者和任务计算了任务相关的前额叶皮层O2Hb变化（ΔO2Hb）。该过程包括分别对长ISI 1500毫秒任务和短ISI 500毫秒n-back任务，平均两个活动O2Hb区块（测试期间）和两个对应于每个n-back水平的休息O2Hb区块，然后使用公式计算任务相关变化：ΔO2Hb = 活动O2Hb – 休息O2Hb。在后续分析之前，对每个参与者和每个任务平均所有通道的ΔO2Hb数据。
2.7 统计分析
对基线特征（包括年龄、性别、MoCA和400米评估）进行连续数据的单因素方差分析和分类数据的卡方检验。为了研究衰老和行动功能对行走速度和n-back表现的影响，使用具有受试者特定随机截距的线性混合模型来分析组别（年轻人、高身体功能老年人、低身体功能老年人）作为受试者间因子、地形条件（平坦、低、中、高）或n-back水平（0-back、1-back、2-back、3-back）作为重复受试者内因子、以及组别与地形或n-back水平的交互作用对行走速度（米/秒）和工作记忆表现（d-prime分数和反应时间）的影响。此外，使用线性混合模型检查各组间n-back水平上前额叶ΔO2Hb（微摩尔）作为因变量的情况。在进行统计推断之前，通过Q-Q图和直方图检查线性，并使用Shapiro-Wilk检验确认残差数据的正态性。
进行多变量相关性分析以评估每组内每个n-back任务按ISI条件，从0-back到3-back的d-prime或反应时间的百分比变化与从平坦到高地形的行走速度百分比变化之间的关系。将n-back表现（包括d-prime分数和反应时间）以及行走速度转换为百分比变化（%），以考虑测量尺度的差异，标准化参与者的数据，并允许相对于基线进行比较。这种方法使得跨模态的变化可以在一个共同的尺度上解释，而不是使用不可比较的原始分数。相关系数（r）用于量化n-back表现变化（d-prime和反应时间）与不平坦地形行走速度变化之间关系的强度。使用错误发现率（FDR）校正方法调整P值。
3 结果
3.1 组间比较
如表1所示，高身体功能组的SPPB得分显著高于低身体功能组（P < 0.001），这是基于该得分进行分组预期的。两个身体功能组之间的年龄没有差异，所有三组之间的MoCA得分也没有差异。此外，低身体功能组的BMI显著更高，完成400米步行测试所需时间比高身体功能组（BMI：P = 0.015，400米步行测试：P = 0.049）和年轻人组（BMI：P < 0.001，400米步行测试：P = 0.005）更长。然而，低身体功能组的BMI和400米步行时间仍保持在既定的纳入标准内。性别分布在组间没有显著差异（χ2 = 3.59, P = 0.166），因此，在后续分析中未将性别作为协变量纳入。
3.2 地面不平坦地形行走速度
组别×任务交互作用不显著（F6, 264= 0.11, P = 0.995, ηp2= 0.01），表明地形不平坦度对行走速度的影响在所有三组中相似。地形的主效应（所有合并组的数据）产生了显著结果（F3, 264= 10.58, P < 0.001, ηp2= 0.11），表明与平坦地形相比，低（FDRadj. P = 0.014）、中（FDRadj. P < 0.001）和高（FDRadj. P < 0.001）地形行走速度显著下降，并且高地形与低地形相比也显著下降（FDRadj. P = 0.015）。此外，组别的主效应（所有合并地形的数据）产生了显著结果（F2, 264= 56.37, P < 0.001, ηp2= 0.31），表明低身体功能组（FDRadj. P < 0.001）和高身体功能组（FDRadj. P < 0.001）的整体行走速度显著慢于年轻人组。此外，低身体功能组的行走速度显著慢于高身体功能组（FDRadj. P < 0.001）。
3.3 N-back表现
3.3.1 长ISI（1500毫秒）n-back d-prime
观察到d-prime分数存在显著的组别×水平交互效应（F6, 247= 3.14, P = 0.006, ηp2= 0.06），表明任务难度对不同组的影响不同，较低的d-prime分数反映了整体工作记忆表现下降。在年轻组中，与0-back相比，2-back（FDRadj. P = 0.044）和3-back（FDRadj. P < 0.001）的d-prime分数显著下降，并且与1-back相比，2-back（FDRadj. P = 0.028）和3-back（FDRadj. P < 0.001）也显著下降。高身体功能组在2-back（FDRadj. P < 0.001）和3-back（FDRadj. P < 0.001）与0-back相比表现出类似的下降，并且在2-back（FDRadj. P < 0.001）和3-back（FDRadj. P < 0.001）与1-back相比也显著下降。低身体功能组从1-back开始下降（FDRadj. P = 0.038），并持续到2-back（FDRadj. P < 0.001）和3-back（FDRadj. P < 0.001）与0-back相比，并且在2-back（FDRadj. P = 0.004）和3-back（FDRadj. P < 0.001）与1-back相比也显著下降。组间比较表明，在1-back（FDRadj. P = 0.040 和 P = 0.001）、2-back（FDRadj. P < 0.001 和 P < 0.001）和3-back（FDRadj. P < 0.001 和 P < 0.001），低身体功能组和高身体功能组相对于年轻组有更大的下降，两个老年组在任何n-back水平上没有显著差异。然而，组别的主效应（F2, 247= 32.99, P < 0.001, ηp2= 0.22）显示，在所有合并的n-back水平上，低功能老年组的d-prime分数低于高功能老年组（FDRadj. P = 0.047）。
3.3.2 短ISI（500毫秒）n-back d-prime
组别×n-back水平交互作用不显著（F6, 247= 1.54, P = 0.166, ηp2= 0.04），表明任务难度对各组的影响相似。n-back水平的主效应显著（F3, 247= 44.51, P < 0.001, ηp2= 0.36），与0-back相比，1-back（FDRadj. P < 0.001）、2-back（FDRadj. P < 0.001）和3-back（FDRadj. P < 0.001）的d-prime分数下降，并且3-back与1-back（P < 0.001）和2-back（P < 0.001）相比也下降，合并所有组。此外，组别的主效应（F2, 247= 40.13, P < 0.001, ηp2= 0.25）显示，在所有合并的n-back水平上，低身体功能组（FDRadj. P < 0.001）和高身体功能组（FDRadj. P < 0.001）的d-prime分数低于年轻组，两个老年组之间没有显著差异（FDRadj. P = 0.424）。
3.3.3 长ISI（1500毫秒）n-back反应时间
组别×n-back水平交互作用不显著（F6, 247= 0.49, P = 0.815, ηp2= 0.01），表明任务难度对反应时间的影响在各组间相似。观察到n-back水平的显著主效应（F3, 247= 19.19, P < 0.001, ηp2= 0.20），与0-back相比，1-back（FDRadj. P < 0.001）、2-back（FDRadj. P < 0.001）和3-back（FDRadj. P < 0.001）的反应时间增加，并且3-back与1-back相比（FDRadj. P = 0.014）也增加，合并所有组。组别的主效应显著（F2, 248= 24.17, P < 0.001, ηp2= 0.17），显示高身体功能组（FDRadj. P < 0.001）和低身体功能组（FDRadj. P < 0.001）的整体反应时间长于年轻组。此外，低身体功能组在所有n-back水平上表现出比高身体功能组更长的整体反应时间（FDRadj. P = 0.031）。
3.3.4 短ISI（500毫秒）n-back反应时间
组别×n-back水平交互作用不显著（F6, 247= 1.88, P = 0.085, ηp2= 0.05），表明任务难度的影响在各组间相似。观察到n-back水平的显著主效应（F3, 247= 30.63, P < 0.001, ηp2= 0.28），与0-back相比，1-back（FDRadj. P = 0.002）、2-back（FDRadj. P < 0.001）和3-back（FDRadj. P < 0.001）的反应时间更长，并且3-back与1-back（FDRadj. P < 0.001）和2-back（FDRadj. P < 0.001）相比也更长，合并所有组。组别的主效应也显著（F2, 247= 5.34, P = 0.008, ηp2= 0.04），两个老年组显示出比年轻组更长的整体反应时间（低功能：FDRadj. P = 0.007；高功能：FDRadj. P = 0.021）。两个老年
