步態(tài)分析在神經(jīng)病學中的臨床應用進展

黃祎晨?卞躍峰?劉明媛?韓燕

【摘要】步態(tài)分析在神經(jīng)病學領域有著迫切的應用現(xiàn)實需求，也面臨著推廣應用的巨大挑戰(zhàn)與機遇。近年來隨著步態(tài)分析系統(tǒng)硬件和軟件技術的進步，技術節(jié)點上的難關被一一突破，神經(jīng)病學定量步態(tài)分析系統(tǒng)也隨之建立，有助于明確步態(tài)分析潛在機制與疾病進展之間的聯(lián)系，以提高步態(tài)測量方法在臨床及試驗中的實用性和精確性。為進一步成功實現(xiàn)步態(tài)分析技術的臨床轉化，為其在神經(jīng)病學領域的應用打下基礎，該文對步態(tài)分析在神經(jīng)病學中的臨床研究新進展進行綜述。

【關鍵詞】步態(tài)分析;神經(jīng)病學;臨床應用;定量分析

Research progress on clinical application of gait analysis in neurology Huang Yichen△， Bian Yuefeng， Liu Mingyuan， Han Yan. △Institute of science， Technology and humanities， Shanghai University of Traditional Chinese Medicine， Shanghai 201203， China

Corresponding author， Han Yan， E-mail： hanyan.2006@aliyun.com

【Abstract】Gait analysis has urgent practical needs in neurology， and it is also faced with great challenges and opportunities for popularization and application. In recent years， technical difficulties have been properly resolved with the progress of hardware and software technologies of gait analysis system. The establishment of quantitative gait analysis system for neurology contributes to elucidating the relationship between its underlying mechanism and disease progression， thereby enhancing the practicability and accuracy of gait measurement in clinical practice and trials. It lays a foundation for further successful clinical transformation of gait analysis and its application in the field of neurology. In this article， the research progress on clinical studies related to gait analysis in? neurology was reviewed.

【Key words】Gait analysis; Neurology; Clinical application; Quantitative analysis

步態(tài)評價是神經(jīng)病學臨床實踐的重要方面。目前臨床對患者的診斷和處理常規(guī)依賴于專科醫(yī)師對患者步態(tài)臨床表征的判斷，缺乏更敏感的、能作出客觀評價的、能對診斷和治療預后評級的指標。但由于步態(tài)潛在機制與疾病進展之間的研究尚待完善，個體差異較大等因素，目前神經(jīng)病學臨床定量步態(tài)測量方法的研究面臨很多困境，這是亟需突破的難點與重點。本文就步態(tài)分析在神經(jīng)病學中的臨床應用進展做一綜述。

一、步態(tài)分析的基本概念及分析方法

步態(tài)是人在行走時姿態(tài)的統(tǒng)稱，能從側面反應出機體的健康程度及軀體某部位存在的問題。步態(tài)分析是通過運用力學原理、人體解剖學及生理學等知識對人類行走狀態(tài)進行對比分析的一種研究方法。一個步態(tài)周期由支撐相和擺動相組成，其中支撐相包括最初的雙支撐相、單支撐相及結束時的雙支撐相。步態(tài)可以反映骨骼肌肉系統(tǒng)、神經(jīng)系統(tǒng)等的功能狀況。

三維步態(tài)分析（3DGA）系統(tǒng)通過三維空間能定量分析患者的步行規(guī)律：關節(jié)活動度、中心轉移、速度、位移等;然后對行走時軀體關鍵部位的肌肉所承受的生物力學（力和力矩）以及涉及步行時每塊肌肉的活動進行高精確度、定量客觀的測量和分析比較[1]。步態(tài)相關的基礎參數(shù)有：步長、步速、步頻、步行周期、支撐相力矩及下肢關節(jié)活動度等。步長為行走時一側足跟落地到對側足跟落地所行進的距離。步速、腿長、肌力、髖關節(jié)活動度等因素均會影響步長。步速可作為評價患者行走能力的客觀指標[2]。步態(tài)的對稱被認為是一種理想的狀態(tài)，臨床上常用與正常值對比的方式來進行步態(tài)分析。但目前步態(tài)常以籠統(tǒng)的方式描述，無法量化其變化與疾病進展的關聯(lián)。

二、步態(tài)分析在神經(jīng)病學中的臨床應用

1. 腦血管病

腦卒中偏癱步態(tài)主要表現(xiàn)為患側足下垂、內(nèi)翻、膝反張，呈現(xiàn)拖曳步態(tài)或劃圈步態(tài)，平衡穩(wěn)定性下降[3-4]。Merkel等[5]建議使用3DGA來指導腦損傷后足下垂患者動力義肢的選擇。可穿戴技術（可穿戴設備）數(shù)據(jù)處理平臺的開發(fā)便于臨床量化步態(tài)的時空特征[6]。Moore等[7]證實了低成本的可穿戴設備Axivity AX3可同時捕獲步態(tài)的時空參數(shù)和身體活動，有望作為可靠的工具來量化腦卒中后步態(tài)。Microsoft Kinect是一種虛擬現(xiàn)實系統(tǒng)，可幫助醫(yī)師了解人體姿勢和受試者運動功能之間的聯(lián)系，在計算機輔助醫(yī)療領域被廣泛應用。?upa等[8]的研究顯示用Microsoft Kinect統(tǒng)一化步幅長度和步態(tài)速度識別腦卒中的精確度高達97.2%。Cao等[9]認為該系統(tǒng)有可能成為一種低成本的家用工具用于識別腦卒中和帕金森病患者，還可幫助社區(qū)醫(yī)師進行初步診斷。腦小血管病變是引起步態(tài)紊亂的重要血管原因之一，Li等[10]通過在社區(qū)居住人群中使用臨床評定量表和定量步態(tài)分析發(fā)現(xiàn)腦小血管病總負荷與3 m步行延長、步幅縮短、“起立-行走”測試表現(xiàn)較差相關，并且不同的腦小血管病變可能通過不同的途徑引起步態(tài)紊亂。

2. 神經(jīng)系統(tǒng)變性疾病

肌萎縮側索硬化（ALS）是一種持續(xù)進行性神經(jīng)退行性疾病，目前尚無有效的治療方法。早期ALS可有跌倒、姿勢反射減弱、后沖、運動遲緩和手臂擺動減少等步態(tài)障礙，另外認知缺陷會增加跌倒和骨折的風險。目前步態(tài)節(jié)奏變化和步幅波動在ALS患者中已被描述，評估預期姿勢調(diào)整的方法開始被應用[11-12]。Feron等[13]使用多模式方法評估ALS步態(tài)障礙，包括標準化的臨床評估、步態(tài)啟動的運動學記錄和腦成像，對無步態(tài)障礙的ALS患者和具有姿勢不穩(wěn)的ALS患者作出區(qū)分，呼吁重視ALS的錐體外系特征，在診斷和隨訪中加入運動障礙評估。

3. 中樞神經(jīng)系統(tǒng)脫髓鞘疾病

多發(fā)性硬化（MS）患者最普遍的癥狀之一即行走障礙和頻繁跌倒[14]。研究顯示MS患者步態(tài)障礙可能是由于肌肉無力、感覺喪失、平衡功能障礙、踝關節(jié)的背屈運動范圍不足等引起的[15]。步速被用于評估MS患者的臨床能力。Yang等[16]評估了6個可能減慢MS患者步速的因素，包括：膝關節(jié)力量、功能活動性、身體平衡性、踝關節(jié)背屈運動范圍、雙側足部皮膚感覺水平以及對跌倒的恐懼心理。其發(fā)現(xiàn)膝關節(jié)力量可能是決定輕度至中度MS患者步速的最主要因素，可以為改善MS患者步態(tài)提供臨床指導。

4. 運動障礙性疾病

帕金森病是神經(jīng)系統(tǒng)常見的進行性疾病之一，可引起步態(tài)凍結、轉向困難、姿勢轉換障礙、姿勢不穩(wěn)和本體感覺障礙。帕金森病患者步態(tài)最明顯的特征為短步幅，伴有步速的下降[17]。國內(nèi)外研究者對步態(tài)時空參數(shù)、動力學參數(shù)、運動學參數(shù)以及下肢表面肌電信號等進行分析，為帕金森病患者的康復評估提供了量化支撐。Prateek等[18]開發(fā)了使用慣性傳感器實時自動檢測帕金森病患者步態(tài)凍結的開始和持續(xù)時間的新方法，比僅使用加速度計的數(shù)據(jù)準確率更高。此舉為臨床提供可靠、動態(tài)的步態(tài)凍結識別打下基礎。Marxreiter等[19]發(fā)現(xiàn)基于傳感器的移動式步態(tài)分析有助于在帕金森病橫斷面研究中客觀地測量步態(tài)參數(shù)。Pham等[20]設計了張量分解模型，這是帕金森病多傳感器時間序列建模和分析的一種有用方法，可以作為帕金森病潛在的生理指標，以提供疾病進展的早期預測。

5. 正常壓力腦積水（NPH）和特發(fā)性正常壓力腦積水（iNPH）

iNPH是腦積水的一種可逆形式，表現(xiàn)為失禁、步態(tài)共濟失調(diào)和認知缺陷。近幾年對其癥狀的認識擴展到平衡和上肢功能障礙。Gallagher等[21]發(fā)現(xiàn)步態(tài)評估量表Tinetti量表、Berg平衡量表和起立行走試驗可以識別iNPH患者接受腦脊液腰椎穿刺放液試驗前后的步態(tài)變化和平衡癥狀，可量化評估患者治療前后的變化。NPH可采用腦室腹膜分流手術治療。Chen等[22]在觀察NPH患者術后步態(tài)分析發(fā)現(xiàn)其有更慢的節(jié)奏、更少的雙肢支撐、更長的步長和更大的單肢支撐，表明其行走平衡更加穩(wěn)定。

三、現(xiàn)實需求和挑戰(zhàn)

為了獲得臨床應用，明確特定步態(tài)障礙潛在機制與疾病進展之間的清晰聯(lián)系，提高定量步態(tài)測量方法在未來疾病改良臨床試驗中的可接受性和實用性十分關鍵，中樞神經(jīng)系統(tǒng)損傷后的異常步態(tài)常與肌肉異常的肌力輸出有關，周圍神經(jīng)損傷患者則常出現(xiàn)肌無力步態(tài)。腦卒中步態(tài)的研究集中在測量身體活動或步態(tài)的時空參數(shù)方面，而并非將兩者結合。ALS疾病早期患者體征不明顯，其與MS、帕金森病患者均存在跌倒和行走障礙。這些特異性的步態(tài)損害特征可為臨床上藥物或非藥物干預手段的選擇提供參考。Morris等[23]使用降維工具離子分析，通過將步態(tài)參數(shù)分組為與參與者的人口統(tǒng)計學和臨床特征相關的域來總結步態(tài)參數(shù)。初步對步態(tài)相關參數(shù)進行分組的嘗試有可能完善步態(tài)評估的臨床解釋，增強對潛在機制的理解。

另外，可穿戴技術有望降低量化步態(tài)的成本，并且可以減少人工記錄的偏差[24]。盡管可穿戴技術應用前景廣闊，但仍需要考慮許多潛在問題，例如慣性測量單元的電池壽命太短;可穿戴設備太多會加重研究人員和參與者負擔;用工程術語描述步態(tài)措施降低了臨床應用率;挑戰(zhàn)精確算法的開發(fā)。

缺乏足夠的運動分析技術以及評估步態(tài)特征的專業(yè)知識使步態(tài)受損和功能降低之間的評估受限。要實現(xiàn)定量步態(tài)分析在神經(jīng)病學領域的有效轉化，需要加強各個相關疾病領域研究者之間的交流與合作，特別是臨床、基礎與技術設備研發(fā)企業(yè)之間的溝通與交流。

四、小 結

通過步態(tài)分析技術對患者異常步態(tài)進行全面分析，并且結合表面肌電圖技術，量化神經(jīng)肌肉的狀態(tài)，客觀、動態(tài)評估患者的病理性步態(tài)特點，可為神經(jīng)病學臨床診斷、康復治療提供相應的策略支撐。一些定量參數(shù)的早期改變可能只引起亞臨床變化，而定量步態(tài)分析的使用可以幫助檢測這些細小差異。盡管步態(tài)分析的研究和應用面臨諸多困難與挑戰(zhàn)，但只要選對方向，協(xié)力建立完善的異常步態(tài)特點數(shù)據(jù)庫，緊跟基礎前沿研究步伐定會有所突破。

參 考 文 獻

[1] 王茂斌，高謙.腦卒中的康復醫(yī)療.北京：中國科技出版社，2006：64.

[2] Sung Y H， Kim C J， Yu B K， et al. A hippotherapy simulator is effective to shift weight bearing toward the affected side during gait in patients with stroke. Neurorehabilitation， 2013，33（3）：407-412.

[3] 張志強.腦卒中康復治療.中國實用內(nèi)科雜志，2012，32（9）：660-662.

[4] 李文立，何小英.社區(qū)康復中運用漸進式核心肌群訓練對腦卒中患者步行穩(wěn)定性的影響.新醫(yī)學，2014，45（4）：262-265.

[5] Merkel C， Hausmann J， Hopf J， et al. Active prosthesis dependent functional cortical reorganization following stroke. Sci Rep， 2017，7（1）：8680.

[6] Byun S， Han J W， Kim T H， et al. Test-retest reliability and concurrent validity of a single tri-axial accelerometer-based gait analysis in older adults with normal cognition. PLoS One，2016，11（7）：e0158956.

[7] Moore S A， Hickey A， Lord S， et al. Comprehensive measurement of stroke gait characteristics with a single accelerometer in the laboratory and community： a feasibility， validity and reliability study. J Neuroeng Rehabil， 2017，14（1）：130.

[8] ?upa O， Procházka A， Vy?ata O， et al. Motion tracking and gait feature estimation for recognising Parkinsons disease using MS Kinect. Biomed Eng Online，2015，14：97.

[9] Cao Y， Li B Z， Li Q N， et al. Kinect-based gait analyses of patients with Parkinsons disease， patients with stroke with hemiplegia， and healthy adults. CNS Neurosci Ther， 2017，23（5）： 447-449.

[10] Li P， Wang Y， Jiang Y， et al. Cerebral small vessel disease is associated with gait disturbance among community-dwelling elderly individuals： the Taizhou imaging study. Aging （Albany NY）， 2020，12（3）： 2814-2824.

[11] Majmudar S， Wu J， Paganoni S. Rehabilitation in amyotrophic lateral sclerosis： why it matters. Muscle Nerve， 2014，50（1）：4-13.

[12] Anand M， Seipel J， Rietdyk S. A modelling approach to the dynamics of gait initiation. J R Soc Interface， 2017，14（128）：20170043.

[13] Feron M， Couillandre A， Mseddi E， et al. Extrapyramidal deficits in ALS： a combined biomechanical and neuroimaging study. J Neurol， 2018，265（9）：2125-2136.

[14] Zwibel H L. Contribution of impaired mobility and general symptoms to the burden of multiple sclerosis. Adv Ther， 2009，26（12）：1043-1057.

[15] Fjeldstad C， Suarez G， Klingler M， et al. Dalfampridine effects beyond walking speed in multiple sclerosis. Int J MS Care， 2015，17（6）：275-283..

[16] Yang F， Qiao M， Su X， et al. Relative importance of physical and psychological factors to slowness in people with mild to moderate multiple sclerosis. Mult Scler Relat Disord，2019，27：81-90.

[17] Wu Z， Jiang X， Zhong M， et al. Wearable sensors measure ankle joint changes of patients with Parkinsons disease before and after acute levodopa challenge. Parkinsons Dis， 2020， 2020：2976535.

[18] Prateek G V， Skog I， McNeely M E， et al. Modeling， detecting， and tracking freezing of gait in Parkinson disease using inertial sensors. IEEE Trans Biomed Eng，2018，65（10）： 2152-2161.

[19] Marxreiter F， Ga?ner H， Borozdina O， et al. Sensor-based gait analysis of individualized improvement during apomorphine titration in Parkinsons disease. J Neurol，2018，265（11）：2656-2665.

[20] Pham T D， Yan H. Tensor decomposition of gait dynamics in Parkinsons disease. EEE Trans Biomed Eng，2018，65（8）：1820-1827.

[21] Gallagher R， Marquez J， Osmotherly P. Gait and balance measures can identify change from a cerebrospinal fluid tap test in idiopathic normal pressure hydrocephalus. Arch Phys Med Rehabil，2018，99（11）：2244-2250.

[22] Chen C P C， Huang Y C， Chang C N， et al. Changes of cerebrospinal fluid protein concentrations and gait patterns in geriatric normal pressure hydrocephalus patients after ventriculoperitoneal shunting surgery. Exp Gerontol， 2018，106：109-115.

[23] Morris R， Hickey A， Del D S， et al. A model of free-living gait： a factor analysis in Parkinsons disease. Gait Posture， 2017，52：68-71.

[24] Godfrey A， Lara J， Del D S， et al. iCap： instrumented assessment of physical capability. Maturitas，2015，82（1）：116-122.

（收稿日期：2021-05-27）

（本文編輯：洪悅民）