老年人步态稳定性、步态评价与跌倒风险的研究进展

张子华，纪仲秋，庞博，李嘉慧，赵盼超

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

意外跌倒是影响近半数65岁以上老年人身体健康的重要因素。尽管采取广泛预防措施，但意外跌倒仍然是老年人发病和死亡的主要诱因[1]。跌倒后的二次伤害会给跌倒者带来日常生活不便，严重影响到身心健康。

跌倒是一系列危险因素相互作用的结果[2]。由于跌倒产生的机制非常复杂，目前国内外尚没有一套精确的测量方法预测老年人跌倒。跌倒的危险因素一般归为两类，即内在因素和外在因素。内在因素指由于身体结构、功能变化引起跌倒，外在因素是指由于外界环境的干扰所导致的跌倒[3]。随着年龄增长，老年人跌倒风险显著上升；老年人跌倒的危险因素越多，跌倒发生率越大[4]。目前，国内趋向于筛选预测跌倒的敏感指标，侧重点各有不同，对老年人跌倒的预防起到一定作用[5-6]；国外更趋向于对内在因素中诸如感觉、平衡和步态等方面的研究。

综合来看，步态是目前预测跌倒风险常用的研究指标[7]。本文从步态及稳定性、步态评价方法和步态与跌倒关系等方面进行综述，以期找出能够定量预测跌倒的方法，减少老年人跌倒发生。

1 步态及稳定性

1.1 步态衰老效应

步态和平衡失调普遍被认为是跌倒的最大风险因素。老年人步态往往呈现僵硬、不协调等特点[8-9]。身体各种反射、肌肉力量和张力以及步长都随着年龄的增长而下降，导致老年人遇到地面不平或滑动状态下反应调节能力降低。人体在步行中受到干扰时，可通过调整重心或快速移动步伐维持原有平衡，老年人这两方面能力都随年龄的增长而下降，极易跌倒[10]。

Ko等[11]在一项纵向研究中，比较中年人(32～57岁)、老年人(58～78岁)和高龄老年人(79～93岁)的步态特点，发现年龄越大，自主选择行走速度越慢，步长越短，平足着地的倾向越大。Aljehani等[12]发现，随着年龄增长，站立时髋关节绕矢状轴外展、内收的生成性机械功消耗较低，站立后期绕冠状轴屈伸的消耗较高。站立初期膝关节绕矢状轴外展、内收的吸收性机械功消耗随年龄增长而降低，是为维持人体平衡的补偿，同时也反映移动性受限，增加跌倒风险。由此可以看出，老年人的步态随着年龄增加出现生理性下降，需要代偿性措施维持身体平衡。

1.2 异常步态

老年人跌倒通常发生在行走过程中，步态障碍是导致跌倒的众多危险因素之一。在异常步态研究中，常使用高级步态障碍(higher-level gait disorder,HLGD)或谨慎步态(cautious gait,CG)等术语，与高级皮质中枢的参与有关。患有HLGD的老年人行走时步长缩短，步距变异性增加，跌倒率相对较高[13]。Nakamura等[14]在一项针对中度阿尔茨海默病患者的跌倒风险研究中发现，病情严重程度和步态不稳定性与跌倒显著相关，步态的定量测量对病理状态下预测跌倒有较高价值。磁共振成像显示，与运动系统相关区域的白质发生改变，包括皮质脊髓束、小脑上脚；与认知和情感相关区域的白质也发生改变，包括胼胝体内囊和膝状体[15]。

Verghese等[16]在排除认知障碍和步态摆动期能力缺陷后，发现双支撑期时长、摆动期变异性和步长变异性3个指标可有效预测患者跌倒风险，而步行节奏不能预测跌倒风险。Holtzer等[17]研究偏瘫、帕金森病、功能不稳定、神经病变和痉挛患者的步态，发现病理性步态增加跌倒风险；功能不稳定性步态和神经疾病的病变步态是预测跌倒风险的两种典型步态；在调整多种混合因素后，发现步速变慢与跌倒之间高度相关，与生理衰老步态相比，研究患有疾病老年人的异常步态更能预测跌倒风险。

1.3 步态稳定性

步态稳定性是行走个体的运动系统在各种干扰情况下保持行走稳定状态、避免跌倒的能力[18]。一般从动力系统理论出发，采用局部动力稳定性研究方式[19-20]，以提高计算科学性。近年来采用最大李雅普诺夫指数(Largest Lyapunov Exponent,LyE)对步态稳定性进行评价的研究呈上升趋势。

1.3.1 LyE的意义

LyE也称局部发散指数，量化控制系统衰减的最小扰动能力，而这种最小扰动揭示状态空间中轨迹发散，因此可以表示步态稳定性。一般采用步态定量研究获取运动学参数，计算LyE，可以得出步态空间轨迹发散率[21]。如果控制系统不能减少扰动，状态空间轨迹发散性越高，LyE越大，表示步态稳定性越差。

1.3.2 LyE的算法

Hamacher等[22]综述不同步态稳定性测量方法，并没有详细讨论LyE的不同算法以及哪种评价更可信。尽管这些研究表明LyE能够反映年轻人和老年人步态差别，但仅有少量研究，有一定局限性。

Bruijn等[23]通过改变脚半径、模型行走斜率、髋部弹性刚度以及这些因素的组合，预测模型跌倒概率。一个多维系统，具有n个波动指数，λ表示空间系统中LyE的分量，λ与全局稳定性有很好的相关性，λ决定轨道发散即覆盖整个吸引子的快慢。具体到步态评价，当λ＜0时，步态混沌特性弱，步态稳定，人体步行受微小干扰后能返回至平衡状态；当λ＞0时，步行混沌特性强，步态不稳定，人体步行受微小干扰后不能迅速或不能返回至平衡状态[24]。Mehdizadeh等[18]通过系统回顾，总结了LyE不同算法，并对正常行走过程中不同身体节段和关节的LyE值进行分类，提取出与步态相关的数据、数据记录方法、采样率、行走速度、身体节段和关节、步频/步数、变量类型、滤波、时间归一化、状态空间维数、时间延迟度、LyE算法以及LyE值。LyE测量和计算差异源于实验设计、数据预处理和计算方法不同。

在采用LyE对步态稳定性进行评价时，由于LyE多元，对函数求解的值不唯一，结论不一致。如采用Tosenstein算法，以年轻人躯干在前后、内外和垂直方向的速度时间序列计算LyE，分别是 0.15～3.30、0.10～2.85和0.27～2.40；采用Wolf算法，在该3个方向上的速度时间序列计算LyE，范围分别是0.75～1.62、1.31～2.01和0.83～1.42[25]。目前，Tosenstein算法和Wolf算法是计算LyE信度较高的方法，这两种方法以不同方式计算LyE，因此不能进行简单的比较。这两种方法适用于短时间序列计算[26-27]；与Tosenstein算法相比，Wolf算法更优[27]。为了在临床环境中采用LyE，需要找出标准且被普遍接受的LyE计算方法。

2 步态评价指数

2.1 概况

由于步态具有个性化特征，步态评价也较为复杂，因此不能单纯采用运动学参数，如步长、步幅、步宽和步速对步态进行评价。目前国外常用步态偏差指数(Gait DeviationⅠndex,GDⅠ)、步态变化分数(Gait Variable Scores,GVS)、步态外形分数(Gait Profile Score,GPS)、吉莱特步态指数(Gillette GaitⅠndex,GGⅠ)和吉莱特功能评估问卷步行量表(Gillette Functional Assessment Questionnaire Walking Scale,FAQ)对步态进行评价。上述指数之间存在关联，但各有不同的特点及优势。

2.2 步态评价指数比较

Sims等[28]对以上评价指标进行比较，发现GDⅠ系采用GVS得到的9个下肢运动特征参数进行计算。Fukuchi等[29]的研究表明，与GPS相比，GDⅠ特别适用于由特征分析产生的应用，例如聚类分析等，在步态评价方面有较高优势；而GPS更易计算，且可以与应用程序相关联，为后续数据处理和计算提供便利。Correa等[30]的研究表明，GGⅠ已广泛应用于临床步态研究与实践，GDⅠ和GGⅠ是相同基础结构的测量，两者密切相关；但与GDⅠ相比，GGⅠ存在一定限制，包括16个单变量参数基本性质的随意性、不平衡性和不完整性，具体表现为指数测量尺度不确定、指数非标准化、多变量组成缺乏物理意义，以及对特殊控制数据过分敏感。

综合来看，GDⅠ对步态评价更具优势。基于模式识别原理，GDⅠ比较受试者步态与控制步态的9个运动变量差距，9个变量包括骨盆和髋关节各3组运动学数据、膝关节和踝关节在矢状面上的运动学数据，以及步向角数据，具有个性化特点。该方法汇集了由对照组和临床受损运动数据组形成的大数据集，目的是反映步态变化的最大程度，通过奇异值分解提取一系列指定向量，即特征步态(gait feature)；然后计算受试者步态与特征步态之间的绝对距离差，进行标准化处理后得出GDⅠ。100分为正常，100分及以上表示非病理步态，以此通过实现步态的量化评价[31]。Cimolin等[32]对GDⅠ的平行效度和表面效度进行检验，表明GDⅠ具有优势。因此建议采用GDⅠ评价老年人步态。但其与跌倒的关系还需要进一步研究。

2.3 步态评价指数的应用

国外学者将这些参数与高科技外置设备相结合，研究出一系列运用相关指数预测老年人跌倒风险的仪器。一些步态分析软件，如BTSBioengineering系统的Gait Clinical分析包，可以通过红外捕捉，计算GDⅠ、GPS和GVS，红外标志点位置的准确性对计算结果至关重要。国内对上述步态指数的综合研究和应用情况较少，有待进一步加强。

3 跌倒史与跌倒风险预测

3.1 跌倒风险预测

由于医疗资源有限，普遍地定期评估或长期监测并不可行，对老年跌倒风险的预测显得非常必要。平衡、肌力和本体觉测试能在一定程度上反映老年人衰老情况，进而预测跌倒风险。尽管有无跌倒史的老年人，运动学和动力学数据可能存在显著差异，但目前很少能准确预测老年人的跌倒风险。有跌倒史的老年人关节力矩峰值明显增加，但其他运动学和动力学数据无差异，也没有描述关节运动学、动力学或步态循环等时空参数的预测值。

Barak等[33]比较有跌倒史的老年人和正常老年人的步态，发现57%跌倒者不能以最快速度行走，步长较短，髋关节外展角较小，跌倒时踝关节跖屈和髋关节后伸角较小。与正常老年人相比，有跌倒风险老年人运动测量的可变性增加，测量难度加大。Srygley等[34]发现，经常跌倒的老年人比正常老年人跌倒风险高3倍，并与较高的抑郁和焦虑有关。Mansfiend等[35]对脑卒中患者进行“力-板平衡评估”，结果显示单足平衡波动差异与跌倒风险之间存在显著相关性；而双足支撑平衡测量方法，如Berg平衡量表，没有发现与跌倒风险间有相关性。Di Rosa等[36]的研究表明，步速和描述“平均”步幅特性的其他参数，如平均步幅周期的持续时间、平均步幅时间等，与害怕跌倒心境有关，步幅变异性预示年龄较大老年人可能发生跌倒。以上关于老年跌倒者步行的定量研究主要集中在几个步行周期内。实际上，大多数无跌倒史的健康老年人步幅特征也会出现较大波动。有跌倒史老年人中，步幅波动特性明显增加，表明步幅变异性的定量测量对跌倒风险评估有益，有跌倒史老年人步幅变异性增加。

3.2 跌倒风险预测的局限性

针对跌倒风险的预测，国内外研究人员进行了大量实验研究，包括平衡及移动性指标测量，甚至在一些具有挑战性的条件下进行评估，如不稳定条件、模拟跌倒等[37]。但在实验室环境中进行的稳定及不稳定状态下评估通常与跌倒只有较低的关联性。可能原因是，评估是理想状态下的一过性结果，与日常导致老年人跌倒的境况不同[38]。尽管测量的客观性、可靠性随着科技的发展不断提高，但对老年人跌倒预测的参考价值不高。今后应尽量模拟老年人日常生活的实际情况，充分考虑环境因素，将关节运动学、动力学及步态循环时空参数与步幅变异性深度结合，多元综合，共同预测老年人跌倒风险。

4 小结

目前国内外对老年跌倒研究的重视程度逐年上升，国内多采用运动捕捉系统和测力台对运动学及动力学参数进行分析，缺乏对步态综合性总体评价方法的研究。老年人跌倒的影响因素较多，各因素之间相互关联。虽然跌倒产生机制相对复杂，但一两种因素就可能成为跌倒的直接原因，单一因素分析对某些特定病理老年人群是有效的。很多研究选择对尽可能多的指标进行分析，但指标多会导致可操作性降低，预测效果不明显。步态评价指数研究较多，GDⅠ在步态评价方面有优势，如能与认知、平衡和肌力等结合，可能会提高对老年人跌倒风险的预测。LyE反映步态稳定性，但其算法还有待进一步研究。综合运用各种指数对步态进行定量评价，可以提高预测的准确性。