探索脊髓损伤后患者重心运动学特征与现有步态测量指标之间的关联

《Frontiers in Rehabilitation Sciences》：Exploration of the center of mass kinematics correlation with established gait measures in post-spinal cord injury

　　摘要
引言：脊髓损伤（SCI）后，行走能力对健康和生活质量非常重要。监测康复进展的结果指标通常关注步态速度、辅助技术和肌肉力量，但并未用单一指标来涵盖所有步态决定因素，这限制了对步态偏差和代偿策略的理解。重心（CoM）是一个反映全身运动和运动控制的整体参数。我们假设CoM的运动学特性可以定量区分临床上认可的行走类别，并与临床步态表现指标相关联。

方法：我们在四个时间段内，从五名患有不完全性SCI的行走者那里收集了CoM数据以及六种已建立的临床步态评估结果。通过非线性梯度优化器优化傅里叶级数模型的单 sine 系数，以计算 CoM 在内外侧、前后和上下方向的对称性指数。我们使用斯皮尔曼相关分析（α = 0.05）来计算这些指数与临床评估结果之间的相关性。

结果：CoM 在不同损伤程度之间存在差异，并能独特地捕捉到与神经典型步态的偏差。根据 CoM 的方向，对称性指数与 10 米步行测试、2 分钟步行测试、下肢运动评分和 SCI-功能性行走量表有强或中等程度的相关性（|ρ|>0.5）。有两种临床测量结果在所有方向上的相关性较弱：脊髓损伤 II 型行走指数和迷你平衡评估系统测试。CoM 的内外侧和前后方向与更多的测量结果相关（三个），而上下方向的相关性较低（一个）。

结论：CoM 似乎能够反映步态的多维性，并揭示了一些临床常用测量方法的不足。这些发现表明，CoM 分析在临床上是相关的，并支持进一步探索对称性指数作为步态表现的评价指标，以及为 SCI 后的康复干预提供信息。

1 引言
行走一直被脊髓损伤患者视为首要的改善目标（1–3），它影响独立性并极大地提升整体健康状况（4）。神经典型（NT）步态涉及整个身体，上下肢共同参与推进和维持姿势稳定（5）。SCI 通常会损害平衡、力量、协调性和感觉（6），从而对步态的稳定性、质量和速度产生负面影响（7）。各种代偿策略和辅助技术（AT）可以部分缓解这些缺陷，但需要严格的测量来记录它们的效果（6）。已建立的临床评估方法（表 1）可以归类为连续型和分类型测量（8）。10 米步行测试（10MWT）和 6 分钟步行测试（6MWT）是连续型测量，记录在特定时间内行走的距离或速度。虽然这些方法是有效的（8），但它们并未涉及潜在的代偿策略（9），也不针对导致步态偏离的具体原因（即，不同的行走机制可能导致相似的速度）。功能性行走类别（FAC）、脊髓损伤 II 型行走指数（WISCI-II）、迷你平衡评估系统测试（Mini-BESTest）和下肢运动评分（LEMS）是分类型测量，用于评估整体行走能力、辅助技术的使用情况（例如支具、前臂拐杖等）、平衡能力和肌肉力量（8）。FAC 根据自我报告和观察（11）或步态速度（12）将行走者分为几个大类：无法行走、生理能力者、能够在家庭环境中行走和能够在社区环境中行走。SCI-功能性行走指数（SCI-FAI）既是连续型也是分类型测量，通过评估时空参数来识别步态偏差（8），但不考虑代偿策略。Mini-BESTest 测量平衡能力，并通过扣分来评估辅助技术的使用情况（10）。虽然这些指标在其各自的应用场景中是有效和可靠的，但需要多次评估来全面理解和量化所有步态决定因素，并全面评估/筛查患者的步态表现和记录康复进展。这些评估分别测量不同方面的进展，但无法检测步态偏差或代偿策略。此外，某些评估的改善可能不会在其他评估中体现，也不一定意味着患者正逐渐恢复到神经典型的行走模式。对于脊髓损伤患者来说，无需辅助设备即可恢复正常行走功能是首要目标（2, 3）。因此，需要一个全局参数来进行初步的总体分析，作为进一步详细和具体分析的基础。这个参数可以通过单一测量捕捉步态的多个方面，从而补充和整合现有的个别指标。

表 1
结果指标 | 连续型/分类型 | 简单描述 | 优点 | 缺点
|---------|---------|-----------------|---------|-------|例如，SCI05是行走速度最快的受试者（1.07米/秒），SCI-FAI得分也最高（30分），但其LEMS（9分）和WISCI-II（10分）得分较低。SCI02则是行走速度最慢的受试者之一（0.31米/秒），但其LEMS得分最高（31分）。图2中蜘蛛图（阴影区域）内包含的面积被计算为所有临床评估中受试者行走表现的单一评价指标，并根据其最大允许值进行了标准化。SCI01到SCI05的阴影区域计算面积分别为0.43、0.74、0.75、0.95和1.16，最大值为2.60，这与FAC的递增顺序一致。图2A的蜘蛛图从上到下顺时针显示了六个临床结果指标：10米行走测试、2分钟行走测试、SCI II行走指数、SCI功能性行走评估量表、迷你平衡评估系统测试。10MWT以速度表示，2MWT以米为单位。图2A中的各项指标分别对应不同含义。

3.2 质量中心剖面图
每位受试者（NT01、SCI01-05）的标准化质量中心（CoM）剖面图如图3所示。通过视觉观察可以发现，不同行走能力类别的受试者其CoM剖面存在差异，其中受损伤最轻的受试者（SCI05）的CoM剖面最接近正常值（NT），而损伤最严重的受试者（SCI01）的偏差最大。NT01和SCI05（社区独立行走者）的CoM剖面在视觉上最为对称，其次是SCI03/SCI04（有限社区和家庭行走者），最后是SCI01（生理行走者），这反映了损伤程度的递增顺序。不同受试者的侧向摇摆幅度也有所不同。NT01和SCI02-04的CoM向支撑腿方向偏移（ML方向CoM初始下降），而SCI01和SCI05的CoM向摆动腿方向偏移。

3.3 质量中心参数化
通过对所有受试者的交叉验证，R2值在所有CoM方向上均超过0.70的标准（补充表S1），且使用了三个谐波或项。只有SCI01的IS方向R2值在添加第四个谐波后才未达到标准。当添加第五个谐波时，R2值开始下降，表明过拟合现象。因此，我们在应用模型并计算每位受试者的对称性指数时选择了三个谐波。补充图S1A展示了谐波对SCI03模型估计精度的影响。表3列出了CoM对称性指数与临床评估指标之间的Spearman相关系数。CoM对称性指数与三分之二的临床指标（10MWT、2MWT、SCI-FAI和LEMS）相关，每个CoM方向与特定的指标组合相关。例如，SMLSML与速度（10MWT和2MWT）有强烈的正相关，与步态质量（SCI-FAI）有中等到强的相关；而SAPSAP和SISIS与肌肉力量指标（LEMS）有强烈的负相关。CoM对称性与前臂拐杖、支具和/或手杖的使用（WISCI-II）以及平衡能力（Mini-BESTest）无相关性。SMLSML与2MWT之间的相关性在统计学上显著不为零（p=0.017）。

4. 讨论
4.1 临床结果指标
没有任何一种常规应用的临床步态评估能够全面反映我们这个小样本中的iSCI（脊髓损伤）患者的全部损伤情况。这些临床指标在损伤严重程度方面存在差异，可能是因为每种评估方法对步态的不同方面敏感度不同。LEMS仅评估肌肉力量，而Mini-BESTest旨在总结平衡、协调性和感觉/本体感觉方面的信息。SCI-FAI设计用于评估协调性、运动功能和步态质量，但对其他因素不敏感。10MWT和2MWT通过步态速度和距离等指标反映运动功能和有氧能力的信息。由于每位受试者的情况不同，他们在某些指标上的得分较高，但在所有临床指标上的综合行走功能并不一致。
这些差异也可能源于其他潜在因素。SCI05佩戴了踝足矫形器（AFOs），因为他缺乏自主的背屈能力且足底屈曲能力较弱。这导致他的Mini-BESTest得分较低，因为踝关节控制增强了稳定性；LEMS得分也较低，因为AFOs减少了脚趾的拖拽；SCI-FAI得分较高，因为AFOs防止了脚趾拖地。由于每种临床指标都掩盖了这些潜在问题，因此需要多种测试来全面描述iSCI患者的步态特征，尽管仍可能无法完全捕捉到这一多维度现象。然而，CoM对称性与四个临床评估指标有较好的相关性，表明它能够在一个客观测量中整合来自这些指标的关键信息。

4.2 质量中心剖面图
通过视觉观察，不同行走能力类别的受试者其CoM剖面有所不同。SCI04作为有限社区行走者，其CoM模式与SCI03和SCI02最为相似，他们被归类为家庭行走者。这是合理的，因为SCI04的步态速度（0.41米/秒）接近家庭行走者的上限（<0.4米/秒），同时也在有限社区行走者的下限（0.4–0.8米/秒）范围内。此外，对CoM剖面形状的观察（图3）显示，那些步态最接近正常值（NT）的受试者与图2中总结所有临床指标的多边形区域顺序一致。这表明整体CoM的特征可以通过单一指标反映步态损伤，并结合多个评估的信息。这些CoM形态变化与特定步态损伤、辅助器具的使用以及康复过程中的进步之间的关系仍有待进一步研究。

4.3 质量中心参数化
我们的分析重点关注对称性指数，目的是1. 将模型的三个谐波简化为一个综合得分；2. 认识并利用步态对称性与代谢能量之间的已知关联（20），因为代谢能量决定了步态效率（33）。研究发现SMLSML和SAPSAP都与步态速度相关。这是预期之中的，因为已知CoM会随速度变化（无论是NT还是iSCI患者的步态）。然而，Bergamini等人发现步态速度显著影响SAPSAP和SISIS，但对SMLSML影响不大（30）。我们的部分发现支持了这一点，因为我们发现SMLSML与SAPSAP有中等程度的相关性，而与SISIS和SMLSML有强相关性。这可能是因为我们的受试者在地面行走而非跑步机上行走（30），这两种情况下的运动学、运动学和肌电图活动不同，影响了CoM（34）。此外，跑步机可能会导致不平衡，因此受试者采取了更为谨慎的步态方式，这可能影响SMLSML的结果。另一种差异原因可能是我们的研究关注的是iSCI患者的步态与NT患者的步态（30）。CoM在AP和IS方向上的变化反映了补偿策略的影响，例如SCI01和SCI05为保持平衡而向摆动腿方向偏移。SCI01可能采用这种策略来帮助脚趾离地，而SCI05则因为踝关节活动受限而采取这种策略。补充图S2展示了SCI05在没有拐杖和使用双侧前壳AFOs时进行的额外二十次试验结果。没有拐杖时，他向支撑腿方向偏移，但侧向摇摆幅度较大以保持稳定；在正面平面上，SCI02在站立时右膝弯曲，导致CoM轮廓不对称且扁平。SCI04的右腿站立时间比左腿短，这可能是由于右髋关节和膝关节伸肌较弱，他采取了“跛行”策略以减少对较弱肢体的依赖。图中NT01的步态相对对称（32），因此受试者之间的不对称性可能是由于SCI后肌肉功能不对称造成的。

补偿策略和步态缺陷对CoM的影响，以及这些因素对步态的影响，为临床评估提供了新的信息。CoM可能有助于临床医生了解应针对哪些肌肉和/或步态阶段来最大化康复效果，并找到最佳的步态调整方法。例如，图3显示SCI02和SCI04的膝关节伸肌较弱，这对他们的步态模式产生了不同影响。因此，临床医生可以根据这些分析调整干预措施和/或锻炼计划，使SCI02的步态曲线更圆润，SCI04的步态更对称。CoM能够揭示通过视觉观察不易察觉的步态行为，有助于临床决策。例如，临床医生可以利用这些信息鼓励SCI05在摆动时用前臂拐杖支撑站立脚，从而使CoM更接近正常值，减少无拐杖行走时的跌倒风险。

4.3 质量中心参数化
我们专注于对称性指数的分析，目的是1. 将模型的三个谐波简化为一个综合得分；2. 认识并利用步态对称性与代谢能量之间的关联（20），因为代谢能量决定了步态效率（33）。研究发现SMLSML和SAPSAP都与步态速度相关。这是预期的结果，因为已知CoM会随速度变化（无论是NT患者还是iSCI患者）。然而，Bergamini等人发现步态速度显著影响SAPSAP和SISIS，但对SMLSML影响不大（30）。我们的发现部分支持这一观点，因为我们发现SMLSML与SAPSAP有中等程度的相关性，而与SISIS和SMLSML有强相关性。这可能是因为我们的受试者在地面行走而非跑步机上行走（30），这两种情况下的运动学、运动学和肌电图活动不同，影响了CoM（34）。此外，跑步机可能导致不平衡，因此受试者采取更为谨慎的步态，这可能影响SMLSML的结果。另一种差异原因可能是我们的研究关注的是iSCI患者的步态与NT患者的步态（30）。CoM在AP和IS方向上的变化体现了减少代谢能量消耗的策略（19），这决定了NT患者的理想步态速度（35）。然而，iSCI患者在运动功能上的不对称性程度不同，肌肉收缩速度也有所不同（36）。这些问题会影响SCI患者行走所需的肌肉力量，从而解释了步态速度对SISIS的显著影响（30）以及我们研究中观察到的弱相关性。Dusane等人的研究显示，SCI患者在较高步速下表现出更好的侧向控制（17），我们的研究也证实了这一点。此外，基于Dusane等人的显著结果，我们对SMLSML和2MWT相关性的可靠性更有信心。

4.4 质量中心对称性指数与临床评估指标之间的相关性
表3列出了CoM对称性指数与临床评估指标之间的Spearman相关系数。CoM对称性指数与三分之二的临床指标相关，每个CoM方向都与特定的指标组合相关。例如，SMLSML与速度（10MWT和2MWT）有强正相关，与步态质量（SCI-FAI）有中等程度的相关；SAPSAP和SISIS与肌力量指标（LEMS）有强负相关。CoM对称性与前臂拐杖、支具和/或手杖的使用（WISCI-II）以及平衡能力（Mini-BESTest）无关。SMLSML与2MWT之间的相关性在统计学上显著不为零（p=0.017）。未来的研究应包括所有下肢肌肉的运动，并计算强度对称性指数（如对称比率（40）或分别报告左右侧的得分。不出所料，WISCI-II与CoM指数之间的相关性较弱，因为它主要评估的是辅助技术的类型。由于辅助技术导致的过度补偿以及完成步行动作所需力量的减少，可能解释了这种负相关性（6）。例如，SCI05的WISCI-II得分较低，但CoM指数较高。他的双截距踝足装置（AFOs）帮助平衡了双踝，可能有助于改善步态的对称性。助行器或平行杠（即WISCI-II得分较低）也可能因为其双侧设计的特性而对CoM对称性产生类似的影响。

令人惊讶的是，Mini-BESTest与CoM指数之间的相关性也较弱，尽管CoM与正常（NT）步态（41, 42）和病理步态（17, 43）的动态稳定性有关。SMLSML与CoM指数的相关性最为接近中等水平，这是可以预期的，因为ML CoM更注重平衡（17）。对辅助技术的依赖可能影响了这种相关性，因为辅助技术会影响支撑的基础（44），从而影响CoM，进而影响静态和动态稳定性（42），从而减少可能的不对称性。这些弱相关性需要进一步研究，我们建议纳入不需要辅助技术的参与者，以更深入地了解这一现象。如果样本量更大，并且不包括使用辅助技术的情况，我们预计SMLSML与CoM指数之间的相关性会更强，因为CoM与平衡相关（17）。我们可以部分接受我们的假设，因为我们观察到CoM对称性指数与10米步行测试（10MWT）、2米步行测试（2MWT）和下肢肌电图（LEMS）之间存在中等到强的相关性。

4.4 未来方向和临床应用
进一步的研究可以探讨特定步态障碍的模型参数是否在特征空间中聚类成可识别的组，以帮助诊断或通过后续聚类的变化来监测进展，从而判断是否接近正常步态。同样，CoM模型中的功能相位角度也没有包含在我们的分析中，这些相位角度反映了相对时间顺序，可以表明病理步态的某个特征是领先还是落后于正常步态，需要相对于其他步态事件进行延迟或提前。因此，探索CoM模型参数所捕获的CoM信息内容应该是未来工作的重点，以便将其更好地应用于临床决策中。

尽管这项研究的结果 ainda s?o preliminares（初步的），但它们表明了利用CoM位置作为初步筛查工具的潜力，因为这可以为步态评估提供临床医生不易观察到的信息，并确定需要针对的肌肉群进行准备性训练或其他康复和步态训练的重点。然而，在将CoM谱方法转化为临床应用之前，还有很多工作需要完成。CoM谱需要实时从一组方便且不显眼的无线可穿戴惯性测量单元（IMUs）或单个传感器中估计得出。可以开发基于平板电脑或笔记本电脑的临床软件来接收来自传感器的无线数据，生成综合CoM谱并计算对称性指数或其他感兴趣的参数。这将使临床医生能够直观地识别和量化步态缺陷，并指导干预措施的选择。由于可穿戴无线IMUs和处理算法正在快速普及到消费电子设备和健康监测设备中，如Fitbits、智能手表、手机等，因此利用现有技术实现这些功能是可行的。

4.5 当前研究的局限性
这项探索性研究的一个局限性是样本量较小。虽然我们的结果表明存在中等到强的相关性，但需要更大规模的试验来更好地代表截瘫（iSCI）患者的总体情况，以全面确定CoM方法的实用性。另一个局限性是参与者年龄范围较广。研究表明，不同年龄组的CoM加速度和功存在差异，这可能与肌肉激活变化有关（31）。由于截瘫后肌肉骨骼控制功能受损，年龄对截瘫患者CoM的确切影响尚不清楚。另一个局限性是本研究中只有一名女性参与者。膝关节角度和骨盆倾斜度会影响CoM的运动学变化（47），并且在正常男性与女性之间存在显著差异（48）。需要严格检查潜在的混杂因素，如性别等因素，以充分验证该方法，并解释截瘫患者之间的高度个体差异。尽管SCI01是我们队列中的唯一女性，但她的数据可能更多地受到其病史的影响，而不仅仅是性别或其他因素。她之前的双侧铰接膝关节置换可能对她特有的CoM谱和对称性指数产生了影响。另一个局限性是我们为了计算效率和跨受试者的一致性，仅使用了CoM模型的前三个谐波。需要进一步研究，以确定在针对特定受试者的模型中应包含的最小谐波数量，以便捕捉所有与临床特征（如损伤程度和其他基线步态能力障碍）相关的CoM显著特征。

5 结论
这项探索性研究对少数能够行走的截瘫患者的CoM位置进行了表征，并提出了一种新的全面方法，该方法能够客观和定量地评估步态表现，将几种临床公认的步态评估的宝贵特征整合到单一的全球变量中。现有的临床步态评估指标对力量、协调性、平衡能力、有氧能力和运动功能等方面都很敏感，但似乎无法全面捕捉截瘫步态的多维度特征。CoM谱可能整合了许多通过临床评估的变量，从而提供对步态表现的全面、定量和客观的见解。从CoM谱的数学表示中得出的对称性指数似乎与许多临床认可的步态质量、速度和肌肉力量的主观评估相关。例如，SMLSML可能与步态速度和质量相关，而SAPSAP与步态速度、质量和肌肉力量相关，SISSIS仅与肌肉力量相关。这些独特的组合强调了CoM三个组成部分在理解步态质量和运动控制中的重要性，并表明CoM位置可能捕获与四种单独应用的临床评估相似的信息。3D CoM谱描述了整个身体的运动，并似乎反映了随着截瘫损伤程度和严重性的增加，步态表现的显著变化，以及相关的代偿策略和辅助技术的使用。参数化的3D CoM谱的独特特征及其与临床评估的相关性可能表明其在临床应用中的临床相关性，并有可能补充当前的步态评估方法。为了实现这一潜力并确立普遍性，需要更大规模的试验，涵盖更广泛的截瘫患者群体，并开发出在临床环境中无需专用设备或计算资源的有效CoM分析方法。