杜夢(mèng)詩(shī)

摘 要：智能手機(jī)給人們生活帶來(lái)便捷的同時(shí)，也帶來(lái)了新的安全隱患。本研究選取40名女大學(xué)生為研究對(duì)象，分別接受正常步行測(cè)試與使用手機(jī)時(shí)步行測(cè)試，對(duì)比各組步態(tài)時(shí)空參數(shù)的差異性。研究發(fā)現(xiàn)，女大學(xué)生在步行時(shí)使用手機(jī)的步長(zhǎng)變短，步頻、變異系數(shù)以及身體重心移動(dòng)指數(shù)變大；是否因使用手機(jī)有過(guò)跌倒經(jīng)歷對(duì)女大學(xué)生正常步行的步態(tài)時(shí)空參數(shù)不產(chǎn)生影響；步頻越大，發(fā)生跌倒的風(fēng)險(xiǎn)越高。

關(guān)鍵詞：步態(tài) 使用手機(jī) 跌倒 女大學(xué)生

中圖分類(lèi)號(hào)：G80 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-2813（2018）11（b）-0212-03

步態(tài)是人體肌肉骨骼系統(tǒng)、神經(jīng)系統(tǒng)、本體感覺(jué)、視覺(jué)和心血管系統(tǒng)等多系統(tǒng)相互作用的結(jié)果[1]。正常的步態(tài)具有步長(zhǎng)適當(dāng)、身體平穩(wěn)、耗能最少等特點(diǎn)[2]。步態(tài)分析是人類(lèi)步態(tài)常用的檢查技術(shù)，通過(guò)精密的儀器測(cè)量，提供一系列運(yùn)動(dòng)學(xué)、動(dòng)力學(xué)參數(shù)，從而能客觀的測(cè)量人體步態(tài)特征[3]。本研究借鑒國(guó)內(nèi)外近幾年步態(tài)分析的研究，利用步態(tài)分析跑臺(tái)測(cè)試女大學(xué)生在步行時(shí)使用手機(jī)的步態(tài)特征，旨在分析步行時(shí)使用手機(jī)對(duì)步態(tài)特征的影響，以及步態(tài)變化與跌倒之間的關(guān)系，以期警示行人規(guī)范交通安全行為。

1 研究對(duì)象和方法

1.1 研究對(duì)象

招募健康女大學(xué)生受試者40人，基本情況見(jiàn)表1。納入標(biāo)準(zhǔn)：年齡18～24歲；身體健康；無(wú)肌肉疲勞癥狀，測(cè)試期間踝關(guān)節(jié)活動(dòng)正常。排除標(biāo)準(zhǔn)：體型異常、下肢畸形、步態(tài)異常和近半年有嚴(yán)重下肢外傷史；測(cè)試前24h內(nèi)參加過(guò)劇烈運(yùn)動(dòng)。再根據(jù)過(guò)去一年內(nèi)是否因使用手機(jī)而發(fā)生跌倒分為跌倒組與對(duì)照組。實(shí)驗(yàn)分組已經(jīng)通過(guò)統(tǒng)計(jì)學(xué)分析，兩組在年齡、身高、體重上均無(wú)顯著性差異（P>0.05），見(jiàn)表2。

1.2 研究方法

采用國(guó)際通用的6min步行標(biāo)準(zhǔn)測(cè)試方法。每位測(cè)試者接受兩組速度為1.2m/s、時(shí)間為6min的步態(tài)測(cè)試。第一組測(cè)試為正常步行測(cè)試；第二組測(cè)試為使用手機(jī)時(shí)步行測(cè)試，要求測(cè)試者自然行走的同時(shí)，使用手機(jī)打字，打字的內(nèi)容和篇幅由實(shí)驗(yàn)者統(tǒng)一給定。

1.2.1 主要觀察指標(biāo)

采用設(shè)備為美國(guó)Biodex公司生產(chǎn)的gait trainer2步態(tài)分析跑臺(tái)，所得參數(shù)為步態(tài)的時(shí)空參數(shù)[4]，指標(biāo)有：步頻、左/右腳步長(zhǎng)、左/右腳變異系數(shù)、身體重心移動(dòng)指數(shù)。

1.2.2 統(tǒng)計(jì)方法

采集數(shù)據(jù)應(yīng)用SPSS 21分析軟件進(jìn)行分析：第一次使用配對(duì)樣本t檢驗(yàn)；第二次使用獨(dú)立樣本t檢驗(yàn)。P<0.05表示有顯著性差異，P<0.01表示有非常顯著性差異。

2 結(jié)果

2.1 正常組和手機(jī)組步態(tài)時(shí)空參數(shù)對(duì)比情況

由圖1可知，與正常組相比，手機(jī)組的步頻、左/右腳變異系數(shù)、身體重心移動(dòng)指數(shù)均增大，左/右腳步長(zhǎng)降低，均有顯著性差異（P<0.05）。提示女大學(xué)生在步行使用手機(jī)時(shí)，步長(zhǎng)變短，步頻、變異系數(shù)以及身體重心移動(dòng)指數(shù)變大。

2.2 跌倒組與對(duì)照組步態(tài)時(shí)空參數(shù)對(duì)比情況

由圖2可知，正常步行時(shí)，跌倒組的步長(zhǎng)更小，步頻、左/右腳變異系數(shù)、身體重心移動(dòng)指數(shù)更大，但均無(wú)顯著性差異。提示是否因使用手機(jī)有過(guò)跌倒經(jīng)歷對(duì)女大學(xué)生正常步行的步態(tài)特征不產(chǎn)生影響。

使用手機(jī)時(shí)步行，跌倒組的步長(zhǎng)更小，步頻、左/右腳變異系數(shù)、身體重心移動(dòng)指數(shù)更大，僅平均步頻有顯著性差異（P<0.05），其他參數(shù)未呈現(xiàn)顯著性差異。提示因使用手機(jī)有過(guò)跌倒經(jīng)歷的女大學(xué)生在步行使用手機(jī)時(shí)步頻增大。

3 討論

步態(tài)分析跑臺(tái)能將步態(tài)進(jìn)行量化評(píng)定，可測(cè)量步頻、步長(zhǎng)、變異系數(shù)、重心移動(dòng)指數(shù)等參數(shù)，并進(jìn)行組間對(duì)比，以確定哪些參數(shù)與跌倒具有相關(guān)性。

步頻，是指行走時(shí)兩腿在單位時(shí)間內(nèi)交替的次數(shù)。在步速恒定的情況下，步頻與步長(zhǎng)成反比，步頻越大，步長(zhǎng)越小。研究表明：在步速一定的情況下，人體可以通過(guò)降低步頻、加大步長(zhǎng)，來(lái)提高步態(tài)穩(wěn)定性[5]。

步長(zhǎng)，是指行走時(shí)兩腳相鄰著地點(diǎn)之間的距離。Senden等[6]的研究結(jié)果發(fā)現(xiàn)：步長(zhǎng)與Tinetti跌倒風(fēng)險(xiǎn)有較強(qiáng)的關(guān)聯(lián)。Ayers等[7]的隨訪結(jié)果也顯示，步長(zhǎng)是執(zhí)行雙重任務(wù)行走測(cè)試中唯一能夠獨(dú)立預(yù)測(cè)跌倒的因子。本研究結(jié)果顯示，女大學(xué)生在使用手機(jī)時(shí)的步長(zhǎng)顯著性降低、步頻顯著性增大，說(shuō)明此時(shí)的步態(tài)穩(wěn)定性降低，跌倒風(fēng)險(xiǎn)增大；并且因使用手機(jī)有過(guò)跌倒經(jīng)歷的女大學(xué)生在使用手機(jī)時(shí)的步頻顯著性大于無(wú)跌倒經(jīng)歷的，說(shuō)明步頻越大發(fā)生跌倒的風(fēng)險(xiǎn)越高。

變異系數(shù)，是指左右腳在步態(tài)測(cè)試中的變化情況，變異系數(shù)越小、步行越穩(wěn)定。Mignardot等[8]通過(guò)測(cè)量259例從未跌倒過(guò)的老年人的步態(tài)特征，并隨訪了2年內(nèi)的首次跌倒情況，發(fā)現(xiàn)變異系數(shù)能夠預(yù)測(cè)未來(lái)6個(gè)月后的首次跌倒事件。Verghese等[9]研究結(jié)果也顯示，變異系數(shù)和擺動(dòng)時(shí)間變異性是預(yù)測(cè)跌倒風(fēng)險(xiǎn)最有力的因子，提示變異系數(shù)比步長(zhǎng)等參數(shù)預(yù)測(cè)跌倒風(fēng)險(xiǎn)的敏感性更強(qiáng)。

身體重心移動(dòng)指數(shù)，是指在步行過(guò)程中身體重心的移動(dòng)情況，平衡能力越強(qiáng)、步行越穩(wěn)定，身體重心移動(dòng)指數(shù)越低。本研究結(jié)果顯示，女大學(xué)生在使用手機(jī)時(shí)的變異系數(shù)和身體重心移動(dòng)指數(shù)顯著性增大，同樣說(shuō)明此時(shí)的步態(tài)穩(wěn)定性降低，跌倒風(fēng)險(xiǎn)增大。

女大學(xué)生在步行使用手機(jī)時(shí)，步長(zhǎng)變短，步頻、變異系數(shù)以及身體重心移動(dòng)指數(shù)變大；是否因使用手機(jī)有過(guò)跌倒經(jīng)歷對(duì)女大學(xué)生正常步行的步態(tài)時(shí)空參數(shù)不產(chǎn)生影響；步頻越大，發(fā)生跌倒的風(fēng)險(xiǎn)越高。

參考文獻(xiàn)

[1] Snijders AH，Van De Warrenburg BP，Giladi N，et al. Neuro-logical gait disorders in elderly people：clinical approach and classification[J].Lancet Neurol，2007，6 （1）：63-74.

[2] 向靜，胥方元.步態(tài)分析在臨床康復(fù)應(yīng)用中的研究進(jìn)展[J].現(xiàn)代醫(yī)藥衛(wèi)生，2014，30（22）：3411-3413.

[3] Tao W， Liu T，Zheng RC，et al.Gait Analysis Using Wearable Sensors[J].Sensors （Basel），2012，12（2）：2255-2283.

[4] 李香平，舒彬，顧小紅，等.中國(guó)正常成人步行時(shí)空參數(shù)分析[J].中國(guó)康復(fù)醫(yī)學(xué)雜志，2012，27（3）：227-230.

[5] 張彩芳，周軍，史清釗，等.太極拳運(yùn)動(dòng)對(duì)老年人步態(tài)穩(wěn)定性的影響[J].現(xiàn)代生物醫(yī)學(xué)進(jìn)展，2011，9（5）：918-921.

[6] Senden R，Savelberg HH，Grimm B，et al.Accelerometry-based gait analysis，an additional objective approach to screen subjects at risk for falling[J].Gait.Posture，2012，36：296-300.

[7] Ayers EI，Tow AC，Holtzer R，et al.Walking While Talking and Falls in Aging[J].Gerontology，2014，60（2）：108-113.

[8] Mignardot JB，Deschamps T，Barrey E，et al.Gait disturbances as specific predictive markers of the first fall onset in elderly people：a two-year prospective observational study[J].Front Aging Neurosci，2014（6）：22.

[9] Verghese J，Holtzer R，Lipton RB，et al.Quantitative Gait Markers and Incident Fall Risk in Older Adults[J].J Gerontol A Biol Sci Med Sci，2009，64（8）：896-901.