步態測量評價研究進展：步態指數的應用

張子華，龐博，趙盼超，紀仲秋

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

三維步態分析設備(Three‐dimensional instrumented gait analysis,3D‐GA)由紅外運動捕捉系統、三維測力臺和表面肌電測試系統組成，能測得人體正常和病理步態的綜合數據，如時空參數(軌跡、時間‐距離變量等)、運動學參數(步行速度、加速度、角度等)、動力學參數(力、關節力矩、關節力量等)和肌肉活動定量評估(肌電圖)，在臨床實踐和科學研究中起重要作用[1]。3D‐GA 是一種重要的研究手段，通過獲得關鍵信息確定引起功能限制水平的病理學原因及其隨時間變化的康復干預評估方案[2]。但是，由3D‐GA 測試得出大量客觀數據在實際評價時復雜且難以解釋，可能成為臨床應用的障礙，嚴重影響評估效果[3]。當前對3D‐GA 測得數據的科學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雜的3D‐GA 信息數據中得出正確解釋，因此需研究人員對3D‐GA 數據進一步挖掘。這種臨床實踐反饋使得研究人員認為需要開發簡明的指數，以唯一的標準衡量特定步態模式“質量”[4]。基于此，國外學者已經提出了幾種步態測量評價指數，對步態進行客觀定量化評價，得出各種病理步態與正常步態的偏差程度，由此可對病理嚴重程度分級，記錄步態隨時間的變化趨勢并提出干預措施[5]。

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

本研究試圖總結當前國內外研究中應用最廣泛的步態指數評估方法，介紹其計算原理，討論優點、局限性和應用前景，為提高步態評價的量化研究提供理論支撐。

1 相關步態指數計算原理

納入本研究的各指數計算參數選取方式見表1。

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

HFI 是定量評估髖關節功能的方法，用主成分分析對3 個運動學參數和1 個動力學參數進行計算，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雜的步態變量進行統計和結果分析[15]。

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

GPS與GDI類似，體現受試者的步態與正常步態的偏差程度。GPS ≤7 即為正常或優秀步態。該指數表示受試者步態運動學參數的整體質量，是在GDI 基礎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 之間的結果差異源于計算方法的不同。GDI根據健全數據進行矩陣運算，而GPS根據健全數據生成的GVSs得分計算，比較而言GDI的變異性更大[18]。

在GDI 算法的基礎上，Rozumalski 等[19]提出GDI‐Kinetic，它是基于GDI產生的聯合動力學分析而非GDI的直接類比，該方法同樣使用奇異值分解計算原始步態數據的9 個動力學特征參數，研究結果表明使用GDI‐Kinetic 的動力學特征參數可解釋所有步態數據中91%的變量。

2 步態相關指數應用

2.1 GGI

GGI是經過廣泛驗證并應用的步態評價指數，可用于步態實踐與研究，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]將受試者的步態與具有相同診斷的其他患者步態進行比較，跟蹤受試者病理步態隨時間變化的趨勢，用以評估干預效果。此外，GGI在其他病理步態評價中也大量應用，例如有腫瘤的兒童和青少年[24]，診斷為中樞神經系統病變的成年患者等[25]，結果表明GGI的步態評價效果好。

2.2 GDI

目前大量研究對GDI 在病理步態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構效度檢驗，結果表明GDI 效度較高[26‐28]。與GGI 相比，GDI除在腦癱患者中應用外，還在兒童肌肉萎縮[29]和帕金森病患者[17]中應用。

表1 相關指數選取計算參數方法

盡管GDI在臨床病理步態評價方面效果較好，但隨著GDI應用范圍逐漸擴大，有學者質疑其對特定患者步態評價的有效性。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與正常側的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變化。Correa等[31]對比20例腦卒中患者間隔7 d 重測GDI 結果，兩次偏癱側與正常側GDI 均無顯著性差異，只有GDI變化幅度較大時，才能觀察到步態的改善程度。

2.3 GPS和MAP

目前GPS 的應用情況呈上升趨勢。Rasmussen 等[32]對18 例5～12 歲腦癱患兒間隔7 d 進行兩次步態測試，結果表明GPS 信度高，可用于研究和臨床實踐，如果患兒的GVSs 變異性大，則需要結合動力學參數綜合評定。Fukuchi 等[33]對16 例60～74歲腦卒中患者進行步態測試，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，結果表明腦卒中患者兩次GPS值差距很小，但顯著負相關，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模式進行預測，步態評價有效性高。Sims等[34]對10例19～24歲軟骨發育不全男性患者與17 例年齡相當健康男性的GPS 進行對比，結果表明軟骨發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在髖關節內外旋角度、膝關節屈伸角度和踝關節跖屈背屈角度。Morel 等[35]研究顯示，GPS 與MAP評分之間顯著正相關，GPS 步態評價有效性高。MAP 提供運動學分析，醫生可使用MAP 作為輔助手段，衡量干預后隨時間變化的結果，對臨床診斷和評估意義重大。GPS 可以得到MAP、GVSs 結果，此為GPS 相對于其他指數的潛在優勢[14]。對組內變異性的分析表明GPS是一種可靠的測量方法[36]。

2.4 HFI和GDI‐Kinetic

HFI 和GDI‐Kinetic 使用動力學參數計算，與GGI、GDI 和GPS 的參數選取方式不同[37]。HFI 是一種有效的評估工具，客觀評價髖關節功能變化的臨床表現，從而幫助研究人員對復雜的步態數據進行統計和結果分析，主要應用于腦癱患兒的步態評價和康復評定[15,38]。HFI 是臨床醫生簡單、可靠、客觀和定量的步態評估工具，但它僅適用于評估骨盆和髖關節特異性手術的治療效果[38‐39]。HFI 能準確描述步態周期內整體髖關節功能水平，雖然從算法上優于GGI，但只對髖關節進行評價，應用不如GGI[39]。

目前，僅有1篇文獻對GDI‐Kinetic的算法、效度以及應用情況進行研究。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 具有較高的結構和表面效度；GDI‐Kinetic 與GDI 弱相關，此結果顯示對給定的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，制定后續的康復治療及評定方案。

3 步態相關指數局限性分析

由于步態的個性化特點，使步態指數在評價方面存在局限。GGI的局限體現在三個方面。第一，構成指數的16個參數選取的隨意性、不平衡性和不完整性，參數選擇很大程度上取決于腦癱患者的步態經驗，同時考慮測試及計算的方便。當對同一受試對象測試時，使用不同的控制數據集評估和計算GGI值的變化，結果發現GGI變異大，說明基礎控制數據的差異導致健全和病理受試者GGI結果存在差異。第二，缺乏動力學參數，學者們普遍認為，動力學參數對完整的步態模式評估是有意義的。第三，步態參數曲線不完整，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用。而GDI 和GPS 的使用，克服了GGI 的局限性，近年來應用呈上升趨勢。但這三個指數都與受試者病理特征有關，或僅限于對髖關節的評價，而無全局性及動力學計算。此外，由于GPS 與步速相關，建議除用于臨床應用之外，在其他研究中還應在報告中體現出受試者的步速[40]。

3D‐GA 數據能與動力學參數結合，可全面反映關節角度、力矩和力量。因此，基于運動學和動力學評估控制，研究人員可分析產生運動的機制，全面理解步態模式，此評估不僅可提供運動學分析，而且還能進行動力學分析[14]。但GGI、GDI 和GPS 3 個指數涵蓋的范圍不全面。雖然HFI和GDI‐Kinetic 采用動力學參數，但HFI 指數主要局限于特定的關節功能指向性，即屈髖肌功能向“正常”值的變化，難以說明患者步態的改善程度，HFI 評分的變化與患者功能變化之間無相關性。此外，目前暫無與HFI 相關聯的應用程序開發，因此近年來對HFI 的應用較少[39]。GDI‐Kinetic的主要局限為參數選取的科學性，在評價痙攣型腦癱患者步態時，得出正常側肢體比患側肢體低的結果，說明GDI‐Kinetic 在結合動力學指標評價時誤差較大，雖然GDI‐kinetic能在動力學方面通過更全面的步態病理測量補充GDI，但目前依然缺乏該指數的應用研究[19]。

4 小結

步態指數是評價步態的簡單易行指標，對量化病理步態程度起到關鍵作用。GDI 和GPS 是目前應用最多的兩個指數，GGI 其次，HFI 和GDI‐kinetic 使用較少。國外關于步態指數研究也有需要改進之處。由于步態數據均源于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參數選取的客觀性差，應用范圍單一，其計算原理限制了該指數應用擴展的可能性；GDI是運算最復雜的指數，但缺乏理論基礎解釋；MAP 變化對GPS 值的影響需要進一步討論；HFI 和GDI‐Kinetic使用動力學參數，但計算方法還需進一步改進；所有指數未計算肌電數據，這與肌電數據的獨立性有關，肌電數據在步態模式的完整評估中至關重要；除GGI外，其他指數的研究都未討論步速，步速是影響步態的基本要素，導致指數計算結果誤差大。總的來說，對于臨床應用，指數計算結果應始終與3D‐GA 報告中表示的所有信息(時空參數、運動學、動力學和肌電數據)結合使用，量化受試者的步態模式或治療效果。

我國對步態指數的開發和應用還較少。建議在今后的研究中，首先完善我國健康人群的步態數據，建立步態模型，完善評估體系；其次使用指數對患者步態的病理程度分級，建立病理數據庫，這也有助于對病理狀況的診斷提前，如在未出現其他身體癥狀之前，某一步態指數的變化可能預示著某些疾病的發生，可及時采取預防措施，這將有效提高對風險的預判，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；再次需要多學科交叉促進運動學數據、動力學數據和肌電數據融合計算，才能提高指數計算的科學性。由此可見步態指數的開發及研究是有意義且十分必要的。