張子華，龐博，趙盼超，紀仲秋

1.北京師范大學(xué)體育與運動學(xué)院，北京市 100875；2.銅仁學(xué)院大健康學(xué)院，貴州銅仁市 554300

三維步態(tài)分析設(shè)備(Three‐dimensional instrumented gait analysis,3D‐GA)由紅外運動捕捉系統(tǒng)、三維測力臺和表面肌電測試系統(tǒng)組成，能測得人體正常和病理步態(tài)的綜合數(shù)據(jù)，如時空參數(shù)(軌跡、時間‐距離變量等)、運動學(xué)參數(shù)(步行速度、加速度、角度等)、動力學(xué)參數(shù)(力、關(guān)節(jié)力矩、關(guān)節(jié)力量等)和肌肉活動定量評估(肌電圖)，在臨床實踐和科學(xué)研究中起重要作用[1]。3D‐GA 是一種重要的研究手段，通過獲得關(guān)鍵信息確定引起功能限制水平的病理學(xué)原因及其隨時間變化的康復(fù)干預(yù)評估方案[2]。但是，由3D‐GA 測試得出大量客觀數(shù)據(jù)在實際評價時復(fù)雜且難以解釋，可能成為臨床應(yīng)用的障礙，嚴重影響評估效果[3]。當前對3D‐GA 測得數(shù)據(jù)的科學(xué)處理及分析運用是研究人員亟待解決的問題。鑒于3D‐GA 對評估運動障礙人群的重要性，臨床決策通常需從大量復(fù)雜的3D‐GA 信息數(shù)據(jù)中得出正確解釋，因此需研究人員對3D‐GA 數(shù)據(jù)進一步挖掘。這種臨床實踐反饋使得研究人員認為需要開發(fā)簡明的指數(shù)，以唯一的標準衡量特定步態(tài)模式“質(zhì)量”[4]。基于此，國外學(xué)者已經(jīng)提出了幾種步態(tài)測量評價指數(shù)，對步態(tài)進行客觀定量化評價，得出各種病理步態(tài)與正常步態(tài)的偏差程度，由此可對病理嚴重程度分級，記錄步態(tài)隨時間的變化趨勢并提出干預(yù)措施[5]。

首次嘗試定義步態(tài)評價措施的研究于1979 年由Tibarewala等[6]提出并完成，在健康成年男性中，選取定義為“正常”的步態(tài)曲線，運用“步態(tài)異常指數(shù)”定量測量病理狀態(tài)下的運動表現(xiàn)。隨著計算機技術(shù)的應(yīng)用，開始出現(xiàn)多種算法計算健康個體在自由速度步態(tài)周期內(nèi)的比目魚肌肌電圖譜組[7]。有學(xué)者基于步態(tài)軀干模式提出兩個測試指標：以步態(tài)周期骶骨的垂直位移作為對行走時整體生物力學(xué)性能的估計；以行走時軀干垂直位移和站立時骶骨高度計算步態(tài)生物力學(xué)效率商(biomechani‐cal efficiency quotient,BEQ)[8‐9]。但是，上述研究并沒有從本質(zhì)上解決參數(shù)解釋性差的問題。關(guān)于3D‐GA 在臨床中的應(yīng)用研究始于2000 年，有學(xué)者提出吉萊特步態(tài)指數(shù)(Gillette Gait In‐dex,GGI)，也稱標準指數(shù)(Normalcy Index,NI)，屈髖指數(shù)(Hip Flexor Index,HFI)，步態(tài)偏差指數(shù)(Gait Deviation Index,GDI)，步態(tài)外形分數(shù)(Gait Profile Score,GPS)，運動外形分析(Move‐ment Analysis Profile,MAP)和步態(tài)偏差動力學(xué)指數(shù)(Gait Deva‐tion Index Kinetic,GDI‐Kinetic)等對步態(tài)進行綜合評價[10‐12]。反觀國內(nèi)對步態(tài)指數(shù)的研究，雖然提出量化指數(shù)但計算相對簡易，不具推廣價值，可見國內(nèi)對步態(tài)指數(shù)的應(yīng)用關(guān)注不足。

本研究試圖總結(jié)當前國內(nèi)外研究中應(yīng)用最廣泛的步態(tài)指數(shù)評估方法，介紹其計算原理，討論優(yōu)點、局限性和應(yīng)用前景，為提高步態(tài)評價的量化研究提供理論支撐。

1 相關(guān)步態(tài)指數(shù)計算原理

納入本研究的各指數(shù)計算參數(shù)選取方式見表1。

GGI計算原理以多元統(tǒng)計法量化患者步態(tài)偏離正常步態(tài)指標的程度，具體采用主成分分析，對3D‐GA 測得數(shù)據(jù)中的16個參數(shù)處理后得出GGI，16個參數(shù)差的平方和代表受試者步態(tài)與正常步態(tài)偏差程度[13‐14]。

HFI 是定量評估髖關(guān)節(jié)功能的方法，用主成分分析對3 個運動學(xué)參數(shù)和1 個動力學(xué)參數(shù)進行計算，選取最大骨盆傾斜度(maximum pelvic tilt,MPT)、骨盆傾斜范圍(pelvic tilt range,PTR)、支撐期最大伸髖角度(maximum hip extension in stance,HEST)、支撐期屈髖肌力矩曲線(peak terminal stance hip flex‐ion power,H3)，得出HFI=0.15×MPT+0.31×PTR+0.11×HEST?1.10×H3，HFI 有助于研究人員對復(fù)雜的步態(tài)變量進行統(tǒng)計和結(jié)果分析[15]。

GDI基于人面部識別技術(shù)，通過3D‐GA 測得9 個步態(tài)參數(shù)進行奇異值分解，再經(jīng)過最大方差處理，轉(zhuǎn)置后得出15 個步態(tài)特征量(gait features)，采用歐式距離的標準進行對數(shù)轉(zhuǎn)換和Z分數(shù)處理后，計算得出GDI。以步態(tài)特征量為正常步態(tài)標準，再計算出病理步態(tài)受試者與正常步態(tài)的絕對距離，可度量步態(tài)病理程度。GDI ≥100，表明受試者為正常健康步態(tài)；GDI <100，說明步態(tài)存在病理狀態(tài)。例如，GDI=75 表示受試者步態(tài)與對照相比，平均值的偏差為正常健康步態(tài)的2.5 倍。GDI與GGI 中度相關(guān)(r=0.56,P<0.05)，說明這兩個參數(shù)基礎(chǔ)測量值相似[16]。GDI 在步態(tài)評價中有諸多優(yōu)勢：第一，使用完整步態(tài)周期中可變性的運動學(xué)參數(shù)而非少量離散變量，以消除參數(shù)選擇的主觀性問題；第二，GGI的參數(shù)選擇對腦癱患者有特異性，而GDI為病理步態(tài)的一般測量，使得在計算GGI時需要大樣本量組成參考數(shù)據(jù)集，同時不同參考數(shù)據(jù)集之間的結(jié)果有顯著性差異，而GDI對參考數(shù)據(jù)集的差異不顯著，故GDI的計算結(jié)果更具科學(xué)性；第三，GDI從步態(tài)特征的本源分析入手，提供大量的壓縮數(shù)據(jù)格式，可與其他分析技術(shù)結(jié)合形成完善的步態(tài)評估工具，有助于后續(xù)應(yīng)用程序的開發(fā)和使用[17]。

GPS與GDI類似，體現(xiàn)受試者的步態(tài)與正常步態(tài)的偏差程度。GPS ≤7 即為正常或優(yōu)秀步態(tài)。該指數(shù)表示受試者步態(tài)運動學(xué)參數(shù)的整體質(zhì)量，是在GDI 基礎(chǔ)上對距離測量的簡單解釋，可獨立于特征分析計算。同時還可對其分解，提供9 個步態(tài)變量得分(Gait Variable Scores,GVS)。GPS 通常以9 個GVSs條形圖表示，從而生成運動外形分析(Movement Analysis Pro‐file,MAP)。GDI 和GPS 之間的結(jié)果差異源于計算方法的不同。GDI根據(jù)健全數(shù)據(jù)進行矩陣運算，而GPS根據(jù)健全數(shù)據(jù)生成的GVSs得分計算，比較而言GDI的變異性更大[18]。

在GDI 算法的基礎(chǔ)上，Rozumalski 等[19]提出GDI‐Kinetic，它是基于GDI產(chǎn)生的聯(lián)合動力學(xué)分析而非GDI的直接類比，該方法同樣使用奇異值分解計算原始步態(tài)數(shù)據(jù)的9 個動力學(xué)特征參數(shù)，研究結(jié)果表明使用GDI‐Kinetic 的動力學(xué)特征參數(shù)可解釋所有步態(tài)數(shù)據(jù)中91%的變量。

2 步態(tài)相關(guān)指數(shù)應(yīng)用

2.1 GGI

GGI是經(jīng)過廣泛驗證并應(yīng)用的步態(tài)評價指數(shù)，可用于步態(tài)實踐與研究，評價效果好[20]。Gorton 等[21]在腦癱患兒群體中進行GGI 的信效度檢驗，結(jié)果表明GGI 信度和效度較高。Mc‐Mulkin 等[22]和Kainz 等[23]將受試者的步態(tài)與具有相同診斷的其他患者步態(tài)進行比較，跟蹤受試者病理步態(tài)隨時間變化的趨勢，用以評估干預(yù)效果。此外，GGI在其他病理步態(tài)評價中也大量應(yīng)用，例如有腫瘤的兒童和青少年[24]，診斷為中樞神經(jīng)系統(tǒng)病變的成年患者等[25]，結(jié)果表明GGI的步態(tài)評價效果好。

2.2 GDI

目前大量研究對GDI 在病理步態(tài)評價的信效度進行討論。在腦癱患兒及成人痙攣型腦癱患者的研究中進行表面效度和結(jié)構(gòu)效度檢驗，結(jié)果表明GDI 效度較高[26‐28]。與GGI 相比，GDI除在腦癱患者中應(yīng)用外，還在兒童肌肉萎縮[29]和帕金森病患者[17]中應(yīng)用。

表1 相關(guān)指數(shù)選取計算參數(shù)方法

盡管GDI在臨床病理步態(tài)評價方面效果較好，但隨著GDI應(yīng)用范圍逐漸擴大，有學(xué)者質(zhì)疑其對特定患者步態(tài)評價的有效性。Carolina等[30]對30例腦卒中后慢性偏癱患者與87例健康受試者的GDI進行對比，得出偏癱患者的偏癱側(cè)與正常側(cè)的GDI無顯著性差異；偏癱患者的GDI明顯低于對照組；表明GDI可量化腦卒中后慢性偏癱患者步態(tài)變化。Correa等[31]對比20例腦卒中患者間隔7 d 重測GDI 結(jié)果，兩次偏癱側(cè)與正常側(cè)GDI 均無顯著性差異，只有GDI變化幅度較大時，才能觀察到步態(tài)的改善程度。

2.3 GPS和MAP

目前GPS 的應(yīng)用情況呈上升趨勢。Rasmussen 等[32]對18 例5～12 歲腦癱患兒間隔7 d 進行兩次步態(tài)測試，結(jié)果表明GPS 信度高，可用于研究和臨床實踐，如果患兒的GVSs 變異性大，則需要結(jié)合動力學(xué)參數(shù)綜合評定。Fukuchi 等[33]對16 例60～74歲腦卒中患者進行步態(tài)測試，量化速度對GPS的影響，并將患者正常步速下的GPS與給定速度下的GPS進行比較，結(jié)果表明腦卒中患者兩次GPS值差距很小，但顯著負相關(guān)，說明步速對GPS有影響；但對腦卒中患者的指定步速下的步態(tài)模式進行預(yù)測，步態(tài)評價有效性高。Sims等[34]對10例19～24歲軟骨發(fā)育不全男性患者與17 例年齡相當健康男性的GPS 進行對比，結(jié)果表明軟骨發(fā)育不全組比對照組的GPS 均值高64%，MAP 顯示兩組之間的差異主要體現(xiàn)在髖關(guān)節(jié)內(nèi)外旋角度、膝關(guān)節(jié)屈伸角度和踝關(guān)節(jié)跖屈背屈角度。Morel 等[35]研究顯示，GPS 與MAP評分之間顯著正相關(guān)，GPS 步態(tài)評價有效性高。MAP 提供運動學(xué)分析，醫(yī)生可使用MAP 作為輔助手段，衡量干預(yù)后隨時間變化的結(jié)果，對臨床診斷和評估意義重大。GPS 可以得到MAP、GVSs 結(jié)果，此為GPS 相對于其他指數(shù)的潛在優(yōu)勢[14]。對組內(nèi)變異性的分析表明GPS是一種可靠的測量方法[36]。

2.4 HFI和GDI‐Kinetic

HFI 和GDI‐Kinetic 使用動力學(xué)參數(shù)計算，與GGI、GDI 和GPS 的參數(shù)選取方式不同[37]。HFI 是一種有效的評估工具，客觀評價髖關(guān)節(jié)功能變化的臨床表現(xiàn)，從而幫助研究人員對復(fù)雜的步態(tài)數(shù)據(jù)進行統(tǒng)計和結(jié)果分析，主要應(yīng)用于腦癱患兒的步態(tài)評價和康復(fù)評定[15,38]。HFI 是臨床醫(yī)生簡單、可靠、客觀和定量的步態(tài)評估工具，但它僅適用于評估骨盆和髖關(guān)節(jié)特異性手術(shù)的治療效果[38‐39]。HFI 能準確描述步態(tài)周期內(nèi)整體髖關(guān)節(jié)功能水平，雖然從算法上優(yōu)于GGI，但只對髖關(guān)節(jié)進行評價，應(yīng)用不如GGI[39]。

目前，僅有1篇文獻對GDI‐Kinetic的算法、效度以及應(yīng)用情況進行研究。Rozumalski 等[19]通過對2292 例4～87 歲腦癱患者診斷并進行病理程度分級，與GDI 比較，GDI‐Kinetic 具有較高的結(jié)構(gòu)和表面效度；GDI‐Kinetic 與GDI 弱相關(guān)，此結(jié)果顯示對給定的GDI‐Kinetic 水平，可能存在多種運動模式，反之亦然，相同病理程度的患者可得出多個GDI‐Kinetic 值。GDI‐Kinetic 可根據(jù)臨床參與腦癱診斷的Ⅰ～Ⅳ級進行擴展，可以較好地對腦癱患兒再分類，制定后續(xù)的康復(fù)治療及評定方案。

3 步態(tài)相關(guān)指數(shù)局限性分析

由于步態(tài)的個性化特點，使步態(tài)指數(shù)在評價方面存在局限。GGI的局限體現(xiàn)在三個方面。第一，構(gòu)成指數(shù)的16個參數(shù)選取的隨意性、不平衡性和不完整性，參數(shù)選擇很大程度上取決于腦癱患者的步態(tài)經(jīng)驗，同時考慮測試及計算的方便。當對同一受試對象測試時，使用不同的控制數(shù)據(jù)集評估和計算GGI值的變化，結(jié)果發(fā)現(xiàn)GGI變異大，說明基礎(chǔ)控制數(shù)據(jù)的差異導(dǎo)致健全和病理受試者GGI結(jié)果存在差異。第二，缺乏動力學(xué)參數(shù)，學(xué)者們普遍認為，動力學(xué)參數(shù)對完整的步態(tài)模式評估是有意義的。第三，步態(tài)參數(shù)曲線不完整，僅含部分特征點[14]，這些局限說明GGI 只在部分病理情況下有較好應(yīng)用。而GDI 和GPS 的使用，克服了GGI 的局限性，近年來應(yīng)用呈上升趨勢。但這三個指數(shù)都與受試者病理特征有關(guān)，或僅限于對髖關(guān)節(jié)的評價，而無全局性及動力學(xué)計算。此外，由于GPS 與步速相關(guān)，建議除用于臨床應(yīng)用之外，在其他研究中還應(yīng)在報告中體現(xiàn)出受試者的步速[40]。

3D‐GA 數(shù)據(jù)能與動力學(xué)參數(shù)結(jié)合，可全面反映關(guān)節(jié)角度、力矩和力量。因此，基于運動學(xué)和動力學(xué)評估控制，研究人員可分析產(chǎn)生運動的機制，全面理解步態(tài)模式，此評估不僅可提供運動學(xué)分析，而且還能進行動力學(xué)分析[14]。但GGI、GDI 和GPS 3 個指數(shù)涵蓋的范圍不全面。雖然HFI和GDI‐Kinetic 采用動力學(xué)參數(shù)，但HFI 指數(shù)主要局限于特定的關(guān)節(jié)功能指向性，即屈髖肌功能向“正?！敝档淖兓?，難以說明患者步態(tài)的改善程度，HFI 評分的變化與患者功能變化之間無相關(guān)性。此外，目前暫無與HFI 相關(guān)聯(lián)的應(yīng)用程序開發(fā)，因此近年來對HFI 的應(yīng)用較少[39]。GDI‐Kinetic的主要局限為參數(shù)選取的科學(xué)性，在評價痙攣型腦癱患者步態(tài)時，得出正常側(cè)肢體比患側(cè)肢體低的結(jié)果，說明GDI‐Kinetic 在結(jié)合動力學(xué)指標評價時誤差較大，雖然GDI‐kinetic能在動力學(xué)方面通過更全面的步態(tài)病理測量補充GDI，但目前依然缺乏該指數(shù)的應(yīng)用研究[19]。

4 小結(jié)

步態(tài)指數(shù)是評價步態(tài)的簡單易行指標，對量化病理步態(tài)程度起到關(guān)鍵作用。GDI 和GPS 是目前應(yīng)用最多的兩個指數(shù)，GGI 其次，HFI 和GDI‐kinetic 使用較少。國外關(guān)于步態(tài)指數(shù)研究也有需要改進之處。由于步態(tài)數(shù)據(jù)均源于3D‐GA，易受臨床3D‐GA固有誤差源的影響，因此需要討論誤差源；GGI參數(shù)選取的客觀性差，應(yīng)用范圍單一，其計算原理限制了該指數(shù)應(yīng)用擴展的可能性；GDI是運算最復(fù)雜的指數(shù)，但缺乏理論基礎(chǔ)解釋；MAP 變化對GPS 值的影響需要進一步討論；HFI 和GDI‐Kinetic使用動力學(xué)參數(shù)，但計算方法還需進一步改進；所有指數(shù)未計算肌電數(shù)據(jù)，這與肌電數(shù)據(jù)的獨立性有關(guān)，肌電數(shù)據(jù)在步態(tài)模式的完整評估中至關(guān)重要；除GGI外，其他指數(shù)的研究都未討論步速，步速是影響步態(tài)的基本要素，導(dǎo)致指數(shù)計算結(jié)果誤差大?？偟膩碚f，對于臨床應(yīng)用，指數(shù)計算結(jié)果應(yīng)始終與3D‐GA 報告中表示的所有信息(時空參數(shù)、運動學(xué)、動力學(xué)和肌電數(shù)據(jù))結(jié)合使用，量化受試者的步態(tài)模式或治療效果。

我國對步態(tài)指數(shù)的開發(fā)和應(yīng)用還較少。建議在今后的研究中，首先完善我國健康人群的步態(tài)數(shù)據(jù)，建立步態(tài)模型，完善評估體系；其次使用指數(shù)對患者步態(tài)的病理程度分級，建立病理數(shù)據(jù)庫，這也有助于對病理狀況的診斷提前，如在未出現(xiàn)其他身體癥狀之前，某一步態(tài)指數(shù)的變化可能預(yù)示著某些疾病的發(fā)生，可及時采取預(yù)防措施，這將有效提高對風(fēng)險的預(yù)判，提高居民的健康水平，但這項工作需要大量的研究工作，目前尚處探索階段；再次需要多學(xué)科交叉促進運動學(xué)數(shù)據(jù)、動力學(xué)數(shù)據(jù)和肌電數(shù)據(jù)融合計算，才能提高指數(shù)計算的科學(xué)性。由此可見步態(tài)指數(shù)的開發(fā)及研究是有意義且十分必要的。