腰椎退行性疾病(LDD)包括腰椎椎管狭窄症(LSS)、腰椎滑脱症(LS)和腰椎椎间盘突出症(LDH)等, 这些疾病可表现为一系列症状, 如坐骨神经痛、神经源性间歇性跛行和下腰痛(LBP)等^[4]。LDD引起的LBP和下肢功能障碍成为日益凸显的重大卫生健康问题, 造成了巨大的临床资源消耗和社会经济负担。LBP比其他症状导致更多的整体失能, 其发生率为9.4%^[1]。大多数LBP(非特异性原因除外)都有明确的病理解剖学原因^[2-3], 理论上与脊柱肌肉的生物力学损伤有关, 导致步态模式效率低下^[5], 从而导致行走质量和能力下降^[6-7]。

步态是临床上识别和评估疾病状态的重要生物学标志^[8]。既往已有研究^[6-7]针对行走能力的步态功能测试, 如10米步行测试(10MW)、6分钟步行测试(6MWT)或定时起立行走测试(TUG)。但这些测试并没有具体揭示步态的哪些方面与健康步态不同。此类测试通常关注步态的单一定量参数, 忽略了其他重要方面, 如步态质量^[9]。此前, 一些定量的步态分析研究^[10-12]已经调查了LDD的行走模式, 量化了疾病状态下步态的时空参数。分析比较这些LDD的步态模式或手术干预后步态的变化, 可为创建一种疾病特定的步态模型奠定基础, 以帮助临床识别疾病状态及评估治疗效果。既往对于步态分析的研究根据步态采集方法分为步道或摄像采集法、可穿戴传感器采集法两类, 本文也以采集方法分类及病种分类总结分析现有研究报道, 综述如下。

1 步道或摄像采集法

在行走过程中, 双足交替前进, 某一侧下肢回到其起始姿势被定义为一个跨步(Stride)或一个步态周期(Gait cycle)。在一个步态周期中, 可以将脚的整个运动周期分为2个阶段: 支撑阶段(脚与地面接触)和摆动阶段(脚被抬起和向前移动)^[13]。此外, 还可以分析双脚同时接触地面的时间(双足支撑时间)和只有一只脚接触地面的时间(单足支撑时间)。步态阶段所占步态周期的比例: ①支撑阶段比, 约占步态周期的60%；②摆动阶段比, 约占步态周期的40%；③双足支撑时间比, 约占步态周期的20%。步态动作本身可以分为空间参数(步距和跨步长)、时间参数(步距时长和跨步时长), 这些数据可用最简单的设备进行测量并进行定量分析；进一步的步态时空参数可用以上参数计算得到, 如步速(单位为m/s)和步频(单位为步/min)。更复杂的衍生指标, 包括步态变异性(步-步变化)和不对称性(左脚和右脚之间的差异)。通常步距(而不是跨步长)的测量结果更能可靠地反映步态的变异性^[14]。还有学者^[15]将步态中多个参数通过数学公式建立用于评估整体步态的指数, 如步态偏差指数(GDI)等。

1.1 LBP

LBP最显著的步态变化是步速降低^[16-23]和跨步长增加^{[11, 16-17]}。许多步态的其他时空参数也表现出了微妙的变化, 包括步态周期略有增加, 步频略有降低和步长略有减少。根据Demirel等^[22]的研究结果, 这些步态差异似乎在中度LBP患者(而不是重度LBP患者)中表现最明显。这些步态改变可能是为了减小下腰部的关节应力, 从而减轻疼痛^[24-25]。Bonab等^[21]的相关性分析支持了这一“自我防御”假说, 疼痛强度与步态周期呈正相关, 而与步速和步频之间呈负相关。然而, Gombatto等^[26]的研究得出了不同结论, 研究结果显示, LBP患者步态的时空参数无显著变化。得出此结论的原因可能是其研究群体年龄更年轻(平均年龄为27.85岁), 这也表明LBP患者的步态差异在不同年龄群体中并不一致。

一些研究^{[16, 20-21]}发现, LBP患者在摆动阶段、支撑阶段、单足支撑和双足支撑时间上有轻微改变。Henchoz等^[11]和Demirel等^[22]的研究表明, 步态变化在LBP患者中并不明显；Lamoth等^[17]和Hamacher等^[23]对LBP患者的步态变异性是否有统计学意义也有类似的意见。这种差异可能是疾病严重程度与疼痛视觉模拟量表(VAS)评分的差异造成的。Lamoth等^[17]的研究中VAS评分为2.5 ~ 4.8分, 而Hamacher等^[23]的研究中VAS评分为4分以上。

LBP患者的步态模式也可能受到被测试者疼痛回避意识的影响。不经回避的动作与可预计的严重疼痛存在显著的相关性^[27-28]。Lamoth等^[17]的研究显示, LBP患者控制步速后, 时空步态参数的许多差异明显减小。尽管如此, 这些“自我防御”下的步态模式对患者的生活质量也会产生影响, 并且在识别特定疾病的步态模式方面具有一定临床意义。

1.2 LDH

有研究^{[21, 29]}显示, 与健康对照组相比, LDH导致步态时间参数(步态周期、双足支撑时间和摆动时间)的增加, 以及步态空间参数(跨步长、步速和步频)的降低。Keklicek等^[29]的研究发现, LDH患者还表现出步与步之间的步距差异性。这些步态变化可能是对坐骨神经痛的保护性反应, 以限制髋关节和脊柱的运动^{[12, 30]}。Huang等^[12]的研究结果与上述结果不同, 其发现LDH患者髋关节旋转幅度增大以维持接近正常的步幅, 从而避免小步幅带来的能量损失^[31]。这种差异可能是因为Huang等^[12]在研究方案中限制了步速和步长。

1.3 LSS

LSS患者的步态变化包括步速和步距显著降低, 步频略有降低；同时步态周期略有增加, 随着双足支撑时间比(+23%)和支撑阶段比(+5%)增加, 摆动阶段比下降(-8%), 步态不对称性在所有阶段都有所增加, 包括支撑阶段(+131%)、摆动阶段(+170%)和双足支撑阶段(+9%)^[32-35]。此外, LSS患者也表现出更大的步与步间的变异性^[34]。间歇性跛行通常被认为是LSS的特征性表现, 提示步距作为一个客观步态参数的重要性。这些步态模式的改变可能是对神经根疼痛、肌肉无力导致行走耐受性下降和不稳定性的代偿性调节, 直立行走姿势(腰椎伸展)时这些表现会加剧^[36]。然而, 心理因素, 如霍桑效应^[37]和反向白大褂综合征^[38]可能通过对步态周期的有意识控制, 影响实验室环境中的测试结果^[39]。这些因素尤其会影响步频, 这可能是Sun等^[33]和Loske等^[32]在步频和步长时间(指一足着地至对侧足着地的平均时间, 相当于支撑相早期和中期)方面未发现显著差异的原因。

1.4 LS

Haddas等^[40]采用3D步态捕捉技术对44例LS患者进行术前、术后与健康对照组的对照研究, 结果提示, 手术前后患者步速、步幅差异有统计学意义, 且手术前后均与健康对照组存在差异。LS患者术前髋关节屈曲角度与对照组存在差异, 这种差异在术后消失。LS患者手术前后GDI无明显变化, 但与健康对照组始终存在显著差异。Yoshida等^[41]采用三维摄像系统建立身体标志, 包括身体中心(COM)、上半身中心(U-COM)及下半身中心(L-COM), 并计算矢状面上的U-COM与COM距离、L-COM与COM距离, 结果发现, LS患者U-COM和L-COM在行走过程中向后倾斜, U-COM与COM距离、L-COM与COM距离均大于健康人群。

1.5 术后步态评估

Bonab等^[42]利用“Win-Track”平板系统对59例采用微创腰椎椎间盘切除术治疗的LDH患者进行了前瞻性观察研究, 采集时空步态参数, 发现术后步速、步频与术前具有明显差异, 但手术前后步态不对称性无显著差异。Wang等^[43]的研究得到不同结论, 其采用3D步态捕捉技术对67例采用微创腰椎椎间盘切除术治疗的LDH患者进行步态分析, 发现术后步态周期、步距的不对称性获得明显改善。

既往研究^{[17, 29, 34]}显示, 不对称性和变异性是LSS最显著的步态变量, LDH患者存在步速和步频的降低, LBP患者仅存在轻微的时空参数变化。此外, Bonab等^[21]对LDD中不同疾病的步态模式进行了比较, 检查了LDH、LBP患者和健康者的步态模式, 尽管研究结果表明LDH、LSS和LBP患者的步态模式发生了显著改变, 但研究忽略了一些步态参数, 如步态阶段、不对称性和变异性, 而且并没有进行健康者、LDH和LBP患者的敏感度/特异度分析。

以上研究采用的是基于实验室的步态时空参数直接测量方法, 如电子步道或3D运动捕捉系统, 这些方法被认为是精确定量步态分析的金标准^[44]。然而, 这些方法需要专门的设备、训练有素的人员和要求严格的场地, 因此, 对临床使用来说过于昂贵、耗时和繁琐。这些方法也不能准确地反映现实生活中患者的常规步态行为^[45-46]。Brodie等^[46]的研究表明, 与家庭和社区环境中的自由生活步态相比, 实验室评估高估了步频, 低估了步态变异性。因此, 越来越多的研究使用可穿戴设备来捕捉自由步态。

2 传感器采集法和机器学习

一些研究^{[11, 23, 32-33]}使用传感器装置惯性测量单元(IMU), 采用加速度计、陀螺仪和磁力计来测量肢体运动加速度、角速度等数据, IMU已经成为一种便携、廉价的步态分析手段。通过持续和长期的监测, 这些可穿戴设备可更准确地反映出自由生活的步态^[46], 与传统的步态分析系统有很好的一致性^[47]。尽管有这些优势, 但这类研究也存在患者依从性问题, 并且由于放大的机械运动和其他设备磁场的干扰, 容易出现漂移误差和噪声^[48]。Merilahti等^[49]的研究发现, 这些因素将典型健康监测的数据收集率限制在70% ~ 90%。

2.1 LBP

Henchoz等^[11]和Hamache等^[23]使用可穿戴加速度计来分析LBP患者的步态模式, 其结果与以实验室时空参数为基础的研究^{[16-17, 22]}结果相似。然而, 在固定的步速下, 传感器测量的差异就不明显了, 与Hicks等^[16]实验室研究的发现一致。Detrembleur等^[50]认为, 肌肉骨骼疾病(如LBP)导致的步态变化可能太小, 这可能是目前可穿戴加速度测量法和基于实验室的时空参数测量法所得结果并不明显的原因。

2.2 LDH

Natarajan等^[51]利用胸部穿戴传感器采集33例LDH患者和33例健康者的步态数据, 基于步速、步距等设立步态对称性指数(GSi), 结果显示, LDH患者GSi低于健康者, 且GSi与Oswestry功能障碍指数(ODI)、VAS评分具有相关性。Mobbs等^[52]利用加速度传感器评估LDH患者术后步态, 认为此类设备和监测方法可协助外科医师监测康复状态, 协助临床决策再次手术时机或维持非手术治疗方案。

2.3 LSS

Sun等^[33]采用可穿戴加速度测量法采集LSS患者的步态模式, 结果发现, LSS患者与健康对照者在跨步时长和步频方面没有显著差异。该结论与Loske等^[32]报道的LSS患者跨步时长增加(8%)不一致。这种差异可能源于Loske等^[32]的研究有更大的样本量, 不过Sun等^[33]的研究目的是验证可穿戴加速度测量法的准确性和可靠性。Betteridge等^[53]采用胸部佩戴传感器, 进行传感器采集步态和视频摄像采集步态2种方法的对比, 结果表明, 与健康对照组相比, LSS患者的步速明显更慢, 步距更短, 步频更低, 不对称性更高。传感器采集法与视频摄像法所得数据一致性高于90%, 证实了传感器采集步态数据的准确性。

2.4 术后步态评估

Zhong等^[54]的研究发现, 采用基于步态分析的术后康复方案的LSS患者(观察组)术后6个月ODI、VAS评分和步态绝对对称指数(ASI)显著优于对照组, 且观察组的步幅长度、髋关节屈曲、膝关节屈曲和踝背屈的ASI改善更显著。由此得出, 基于步态分析的术后康复方案在短、中期显著改善了LSS患者术后ODI、腿部VAS评分, 并提高了步幅及髋、膝、踝关节活动的对称性。

Natarajan和Fonseka等^[55]利用胸部加速度传感器采集LDH、LBP及LSS患者的步态模式。结果表明, LBP患者在单足支撑时间上明显区别于另外2种疾病, LDH患者在步态不对称性上表现出明显差异, LSS患者在步距上表现出明显差异。但该研究局限于医院走廊的特殊环境和传感器20 min的电量持续, 更自然的生活环境和更长时间的数据分析可能得出的结论更为可靠。为此, Fonseka和Natarajan等^[56]还利用胸部佩戴传感器对受试者进行全天的步态监测, 结果显示, 在长时程的步行之后, 受试者的步频和步速均明显下降, 该结果提示在自由生活环境中, 步态特征会发生明显变化, 因此, 无论是患者还是健康对照者, 接受短时间实验室状态下的步态监测所得结果可能无法反映生活状态中的真实情况。

大多数现有的腰椎研究都没有建立分析步态指标区分病理步态模式和正常步态的分类鉴别模型。Sharif等^[57]开发并评估了机器学习算法, 测量了与L₅神经根病相关的足背屈无力或足下垂患者的步态参数, 分类精度为93.18%(受试者工作特征曲线下面积为0.97)。不过该高准确度可能与所研究的足背伸无力或足下垂这种单纯而明显的步态有关, LBP、LDH、LSS涉及复杂的步态变异, 机器学习所建立的高精度模型还未见报道。

3 结语与展望

综上所述, 无论是基于步道摄像采集法还是传感器采集法, 诸多研究对LDD患者的步态异常作出了探索, 且发现了少数不同LDD中较为明显的病理步态特征, 例如步频、步速、步态不对称性等。但是, 由于此类步态研究方法对场地设备和监测程序要求严格, 现有报道研究对象数量较少, 实验室状态下步态无法体现真实稳定的状态, 个别研究所得结论甚至具有相互矛盾之处。因此, 目前还没有关于如何解释简单参数并将其整合到临床决策中的标准建议。未来的研究可能聚焦于使用可穿戴传感器的采集方法及机器学习分析方法, 通过大样本、长时程的步态数据采集及分析, 利用人工智能对海量多维数据分析处理的优势, 对健康人群和腰椎疾病患者、不同腰椎疾病患者之间步态指标的差异进行分析并建立相应步态模型, 结合临床诊断进行模型诊断效能研究, 以期为LDD的病情评估、康复指导提供客观指标。