步态测量评价研究进展：步态指数的应用

张子华，庞博，赵盼超，纪仲秋

1.北京师范大学体育与运动学院，北京市 100875；2.铜仁学院大健康学院，贵州铜仁市 554300

三维步态分析设备(Three‐dimensional instrumented gait analysis,3D‐GA)由红外运动捕捉系统、三维测力台和表面肌电测试系统组成，能测得人体正常和病理步态的综合数据，如时空参数(轨迹、时间‐距离变量等)、运动学参数(步行速度、加速度、角度等)、动力学参数(力、关节力矩、关节力量等)和肌肉活动定量评估(肌电图)，在临床实践和科学研究中起重要作用[1]。3D‐GA 是一种重要的研究手段，通过获得关键信息确定引起功能限制水平的病理学原因及其随时间变化的康复干预评估方案[2]。但是，由3D‐GA 测试得出大量客观数据在实际评价时复杂且难以解释，可能成为临床应用的障碍，严重影响评估效果[3]。当前对3D‐GA 测得数据的科学处理及分析运用是研究人员亟待解决的问题。鉴于3D‐GA 对评估运动障碍人群的重要性，临床决策通常需从大量复杂的3D‐GA 信息数据中得出正确解释，因此需研究人员对3D‐GA 数据进一步挖掘。这种临床实践反馈使得研究人员认为需要开发简明的指数，以唯一的标准衡量特定步态模式“质量”[4]。基于此，国外学者已经提出了几种步态测量评价指数，对步态进行客观定量化评价，得出各种病理步态与正常步态的偏差程度，由此可对病理严重程度分级，记录步态随时间的变化趋势并提出干预措施[5]。

首次尝试定义步态评价措施的研究于1979 年由Tibarewala等[6]提出并完成，在健康成年男性中，选取定义为“正常”的步态曲线，运用“步态异常指数”定量测量病理状态下的运动表现。随着计算机技术的应用，开始出现多种算法计算健康个体在自由速度步态周期内的比目鱼肌肌电图谱组[7]。有学者基于步态躯干模式提出两个测试指标：以步态周期骶骨的垂直位移作为对行走时整体生物力学性能的估计；以行走时躯干垂直位移和站立时骶骨高度计算步态生物力学效率商(biomechani‐cal efficiency quotient,BEQ)[8‐9]。但是，上述研究并没有从本质上解决参数解释性差的问题。关于3D‐GA 在临床中的应用研究始于2000 年，有学者提出吉莱特步态指数(Gillette Gait In‐dex,GGI)，也称标准指数(Normalcy Index,NI)，屈髋指数(Hip Flexor Index,HFI)，步态偏差指数(Gait Deviation Index,GDI)，步态外形分数(Gait Profile Score,GPS)，运动外形分析(Move‐ment Analysis Profile,MAP)和步态偏差动力学指数(Gait Deva‐tion Index Kinetic,GDI‐Kinetic)等对步态进行综合评价[10‐12]。反观国内对步态指数的研究，虽然提出量化指数但计算相对简易，不具推广价值，可见国内对步态指数的应用关注不足。

本研究试图总结当前国内外研究中应用最广泛的步态指数评估方法，介绍其计算原理，讨论优点、局限性和应用前景，为提高步态评价的量化研究提供理论支撑。

1 相关步态指数计算原理

纳入本研究的各指数计算参数选取方式见表1。

GGI计算原理以多元统计法量化患者步态偏离正常步态指标的程度，具体采用主成分分析，对3D‐GA 测得数据中的16个参数处理后得出GGI，16个参数差的平方和代表受试者步态与正常步态偏差程度[13‐14]。

HFI 是定量评估髋关节功能的方法，用主成分分析对3 个运动学参数和1 个动力学参数进行计算，选取最大骨盆倾斜度(maximum pelvic tilt,MPT)、骨盆倾斜范围(pelvic tilt range,PTR)、支撑期最大伸髋角度(maximum hip extension in stance,HEST)、支撑期屈髋肌力矩曲线(peak terminal stance hip flex‐ion power,H3)，得出HFI=0.15×MPT+0.31×PTR+0.11×HEST−1.10×H3，HFI 有助于研究人员对复杂的步态变量进行统计和结果分析[15]。

GDI基于人面部识别技术，通过3D‐GA 测得9 个步态参数进行奇异值分解，再经过最大方差处理，转置后得出15 个步态特征量(gait features)，采用欧式距离的标准进行对数转换和Z分数处理后，计算得出GDI。以步态特征量为正常步态标准，再计算出病理步态受试者与正常步态的绝对距离，可度量步态病理程度。GDI ≥100，表明受试者为正常健康步态；GDI <100，说明步态存在病理状态。例如，GDI=75 表示受试者步态与对照相比，平均值的偏差为正常健康步态的2.5 倍。GDI与GGI 中度相关(r=0.56,P<0.05)，说明这两个参数基础测量值相似[16]。GDI 在步态评价中有诸多优势：第一，使用完整步态周期中可变性的运动学参数而非少量离散变量，以消除参数选择的主观性问题；第二，GGI的参数选择对脑瘫患者有特异性，而GDI为病理步态的一般测量，使得在计算GGI时需要大样本量组成参考数据集，同时不同参考数据集之间的结果有显著性差异，而GDI对参考数据集的差异不显著，故GDI的计算结果更具科学性；第三，GDI从步态特征的本源分析入手，提供大量的压缩数据格式，可与其他分析技术结合形成完善的步态评估工具，有助于后续应用程序的开发和使用[17]。

GPS与GDI类似，体现受试者的步态与正常步态的偏差程度。GPS ≤7 即为正常或优秀步态。该指数表示受试者步态运动学参数的整体质量，是在GDI 基础上对距离测量的简单解释，可独立于特征分析计算。同时还可对其分解，提供9 个步态变量得分(Gait Variable Scores,GVS)。GPS 通常以9 个GVSs条形图表示，从而生成运动外形分析(Movement Analysis Pro‐file,MAP)。GDI 和GPS 之间的结果差异源于计算方法的不同。GDI根据健全数据进行矩阵运算，而GPS根据健全数据生成的GVSs得分计算，比较而言GDI的变异性更大[18]。

在GDI 算法的基础上，Rozumalski 等[19]提出GDI‐Kinetic，它是基于GDI产生的联合动力学分析而非GDI的直接类比，该方法同样使用奇异值分解计算原始步态数据的9 个动力学特征参数，研究结果表明使用GDI‐Kinetic 的动力学特征参数可解释所有步态数据中91%的变量。

2 步态相关指数应用

2.1 GGI

GGI是经过广泛验证并应用的步态评价指数，可用于步态实践与研究，评价效果好[20]。Gorton 等[21]在脑瘫患儿群体中进行GGI 的信效度检验，结果表明GGI 信度和效度较高。Mc‐Mulkin 等[22]和Kainz 等[23]将受试者的步态与具有相同诊断的其他患者步态进行比较，跟踪受试者病理步态随时间变化的趋势，用以评估干预效果。此外，GGI在其他病理步态评价中也大量应用，例如有肿瘤的儿童和青少年[24]，诊断为中枢神经系统病变的成年患者等[25]，结果表明GGI的步态评价效果好。

2.2 GDI

目前大量研究对GDI 在病理步态评价的信效度进行讨论。在脑瘫患儿及成人痉挛型脑瘫患者的研究中进行表面效度和结构效度检验，结果表明GDI 效度较高[26‐28]。与GGI 相比，GDI除在脑瘫患者中应用外，还在儿童肌肉萎缩[29]和帕金森病患者[17]中应用。

表1 相关指数选取计算参数方法

尽管GDI在临床病理步态评价方面效果较好，但随着GDI应用范围逐渐扩大，有学者质疑其对特定患者步态评价的有效性。Carolina等[30]对30例脑卒中后慢性偏瘫患者与87例健康受试者的GDI进行对比，得出偏瘫患者的偏瘫侧与正常侧的GDI无显著性差异；偏瘫患者的GDI明显低于对照组；表明GDI可量化脑卒中后慢性偏瘫患者步态变化。Correa等[31]对比20例脑卒中患者间隔7 d 重测GDI 结果，两次偏瘫侧与正常侧GDI 均无显著性差异，只有GDI变化幅度较大时，才能观察到步态的改善程度。

2.3 GPS和MAP

目前GPS 的应用情况呈上升趋势。Rasmussen 等[32]对18 例5～12 岁脑瘫患儿间隔7 d 进行两次步态测试，结果表明GPS 信度高，可用于研究和临床实践，如果患儿的GVSs 变异性大，则需要结合动力学参数综合评定。Fukuchi 等[33]对16 例60～74岁脑卒中患者进行步态测试，量化速度对GPS的影响，并将患者正常步速下的GPS与给定速度下的GPS进行比较，结果表明脑卒中患者两次GPS值差距很小，但显著负相关，说明步速对GPS有影响；但对脑卒中患者的指定步速下的步态模式进行预测，步态评价有效性高。Sims等[34]对10例19～24岁软骨发育不全男性患者与17 例年龄相当健康男性的GPS 进行对比，结果表明软骨发育不全组比对照组的GPS 均值高64%，MAP 显示两组之间的差异主要体现在髋关节内外旋角度、膝关节屈伸角度和踝关节跖屈背屈角度。Morel 等[35]研究显示，GPS 与MAP评分之间显著正相关，GPS 步态评价有效性高。MAP 提供运动学分析，医生可使用MAP 作为辅助手段，衡量干预后随时间变化的结果，对临床诊断和评估意义重大。GPS 可以得到MAP、GVSs 结果，此为GPS 相对于其他指数的潜在优势[14]。对组内变异性的分析表明GPS是一种可靠的测量方法[36]。

2.4 HFI和GDI‐Kinetic

HFI 和GDI‐Kinetic 使用动力学参数计算，与GGI、GDI 和GPS 的参数选取方式不同[37]。HFI 是一种有效的评估工具，客观评价髋关节功能变化的临床表现，从而帮助研究人员对复杂的步态数据进行统计和结果分析，主要应用于脑瘫患儿的步态评价和康复评定[15,38]。HFI 是临床医生简单、可靠、客观和定量的步态评估工具，但它仅适用于评估骨盆和髋关节特异性手术的治疗效果[38‐39]。HFI 能准确描述步态周期内整体髋关节功能水平，虽然从算法上优于GGI，但只对髋关节进行评价，应用不如GGI[39]。

目前，仅有1篇文献对GDI‐Kinetic的算法、效度以及应用情况进行研究。Rozumalski 等[19]通过对2292 例4～87 岁脑瘫患者诊断并进行病理程度分级，与GDI 比较，GDI‐Kinetic 具有较高的结构和表面效度；GDI‐Kinetic 与GDI 弱相关，此结果显示对给定的GDI‐Kinetic 水平，可能存在多种运动模式，反之亦然，相同病理程度的患者可得出多个GDI‐Kinetic 值。GDI‐Kinetic 可根据临床参与脑瘫诊断的Ⅰ～Ⅳ级进行扩展，可以较好地对脑瘫患儿再分类，制定后续的康复治疗及评定方案。

3 步态相关指数局限性分析

由于步态的个性化特点，使步态指数在评价方面存在局限。GGI的局限体现在三个方面。第一，构成指数的16个参数选取的随意性、不平衡性和不完整性，参数选择很大程度上取决于脑瘫患者的步态经验，同时考虑测试及计算的方便。当对同一受试对象测试时，使用不同的控制数据集评估和计算GGI值的变化，结果发现GGI变异大，说明基础控制数据的差异导致健全和病理受试者GGI结果存在差异。第二，缺乏动力学参数，学者们普遍认为，动力学参数对完整的步态模式评估是有意义的。第三，步态参数曲线不完整，仅含部分特征点[14]，这些局限说明GGI 只在部分病理情况下有较好应用。而GDI 和GPS 的使用，克服了GGI 的局限性，近年来应用呈上升趋势。但这三个指数都与受试者病理特征有关，或仅限于对髋关节的评价，而无全局性及动力学计算。此外，由于GPS 与步速相关，建议除用于临床应用之外，在其他研究中还应在报告中体现出受试者的步速[40]。

3D‐GA 数据能与动力学参数结合，可全面反映关节角度、力矩和力量。因此，基于运动学和动力学评估控制，研究人员可分析产生运动的机制，全面理解步态模式，此评估不仅可提供运动学分析，而且还能进行动力学分析[14]。但GGI、GDI 和GPS 3 个指数涵盖的范围不全面。虽然HFI和GDI‐Kinetic 采用动力学参数，但HFI 指数主要局限于特定的关节功能指向性，即屈髋肌功能向“正常”值的变化，难以说明患者步态的改善程度，HFI 评分的变化与患者功能变化之间无相关性。此外，目前暂无与HFI 相关联的应用程序开发，因此近年来对HFI 的应用较少[39]。GDI‐Kinetic的主要局限为参数选取的科学性，在评价痉挛型脑瘫患者步态时，得出正常侧肢体比患侧肢体低的结果，说明GDI‐Kinetic 在结合动力学指标评价时误差较大，虽然GDI‐kinetic能在动力学方面通过更全面的步态病理测量补充GDI，但目前依然缺乏该指数的应用研究[19]。

4 小结

步态指数是评价步态的简单易行指标，对量化病理步态程度起到关键作用。GDI 和GPS 是目前应用最多的两个指数，GGI 其次，HFI 和GDI‐kinetic 使用较少。国外关于步态指数研究也有需要改进之处。由于步态数据均源于3D‐GA，易受临床3D‐GA固有误差源的影响，因此需要讨论误差源；GGI参数选取的客观性差，应用范围单一，其计算原理限制了该指数应用扩展的可能性；GDI是运算最复杂的指数，但缺乏理论基础解释；MAP 变化对GPS 值的影响需要进一步讨论；HFI 和GDI‐Kinetic使用动力学参数，但计算方法还需进一步改进；所有指数未计算肌电数据，这与肌电数据的独立性有关，肌电数据在步态模式的完整评估中至关重要；除GGI外，其他指数的研究都未讨论步速，步速是影响步态的基本要素，导致指数计算结果误差大。总的来说，对于临床应用，指数计算结果应始终与3D‐GA 报告中表示的所有信息(时空参数、运动学、动力学和肌电数据)结合使用，量化受试者的步态模式或治疗效果。

我国对步态指数的开发和应用还较少。建议在今后的研究中，首先完善我国健康人群的步态数据，建立步态模型，完善评估体系；其次使用指数对患者步态的病理程度分级，建立病理数据库，这也有助于对病理状况的诊断提前，如在未出现其他身体症状之前，某一步态指数的变化可能预示着某些疾病的发生，可及时采取预防措施，这将有效提高对风险的预判，提高居民的健康水平，但这项工作需要大量的研究工作，目前尚处探索阶段；再次需要多学科交叉促进运动学数据、动力学数据和肌电数据融合计算，才能提高指数计算的科学性。由此可见步态指数的开发及研究是有意义且十分必要的。