胫骨与踝部骨折类型及愈合状态对步态参数时空与运动学特征的差异性研究：一项观察性队列分析

《Annals of Biomedical Engineering》：Differences Between Tibial or Malleolar Fracture Types and Union or Nonunion in Spatiotemporal and Kinematic Gait Parameters Throughout Healing: An Observational Study

本研究针对不同骨折类型患者康复期步态参数差异缺乏系统量化的问题，通过光学运动捕捉技术纵向追踪73例胫骨近端、胫骨干及踝部骨折患者术后6周、3个月和6个月的步态参数。结果显示踝部骨折患者6个月内步态参数完全恢复，而胫骨近端骨折患者膝关节活动度（ROM）恢复延迟；胫骨干骨折骨不连组在站立时间及其不对称性指标上早期即呈现显著差异。该研究为骨折愈合监测提供了分型指导依据，对智能植入物传感器参数选择具有临床意义。

　　

在数字化医疗快速发展的当下，步态分析技术正逐渐成为骨科康复领域的重要工具。通过精确量化行走时肢体运动参数，临床医生能够客观评估骨折患者的恢复进程。然而，当前存在一个关键难题：不同骨折类型是否会导致特有的步态模式改变？这些改变又如何随着时间演变？更重要的是，能否通过步态参数的异常变化早期预测骨不连等严重并发症？这些问题对于实现个性化康复方案制定和并发症早期干预至关重要。

以往研究多集中于单一骨折类型或短期观察，缺乏系统性的分型对比研究。这使得临床医生在解读步态数据时，难以区分哪些异常是特定骨折类型的正常恢复过程，哪些是愈合不良的预警信号。正是为了填补这一知识空白，由德国萨尔大学医院创新植入物开发研究中心开展的研究团队在《Annals of Biomedical Engineering》上发表了这项开创性研究。

研究团队采用前瞻性队列设计，招募了73例需要手术治疗的胫骨近端、胫骨干和踝部骨折患者，并设置43例健康对照。通过13摄像头光学运动捕捉系统（Vero v2.2）采集术后6周、3个月和6个月的步态数据。关键技术方法包括：基于Vicon插件步态模型的标记点布置、自定义MATLAB算法进行数据插补与滤波、国际生物力学学会推荐的关节角度计算方法，以及非对称性指标计算公式（Asymmetry = (未受伤侧值-受伤侧值)/(0.5×(未受伤侧值+受伤侧值))×100）。

骨折类型间的步态参数差异

通过比较三种骨折类型组发现，术后6周和3个月时，步高（P=0.01）、膝关节活动度（ROM，P<0.001）及其不对称性（P<0.001）存在显著组间差异。特别值得注意的是，胫骨近端骨折组的表现持续差于其他两组。至术后6个月，仅膝关节ROM仍存在显著差异（P=0.02），胫骨近端骨折组的ROM值显著低于胫骨干骨折组（P=0.04）和踝部骨折组（P=0.047）。这一发现证实了骨折部位越接近膝关节，对膝关节功能恢复的影响越持久。

与健康对照的恢复轨迹对比

纵向分析显示，术后6周时三组患者多数步态参数均显著偏离正常值。但随着时间推移，踝部骨折组表现出最快的恢复速度，至6个月时所有参数与健康对照组无统计学差异。相比之下，胫骨干骨折组仍有步频（P<0.05）和步长不对称性（P<0.05）两项参数异常，而胫骨近端骨折组则有五项参数未能恢复正常，包括膝关节ROM及其不对称性、步频、步长不对称性和站立时间不对称性。这一分层恢复模式为临床预期管理提供了重要参考。

骨不连的早期步态预警标志

对胫骨干骨折亚组的深入分析揭示了更有价值的发现：术后6周时，骨不连组已表现出显著更短的站立时间（P=0.007）和更大的不对称性（P=0.007）。有趣的是，术后3个月时两组差异主要体现在步速、步高和关节ROM等动态参数上，而至6个月时又回归到站立时间相关指标的差异。这种波动性变化提示骨不连患者的恢复过程并非线性，可能存在代偿机制的阶段性变化。

讨论部分指出，胫骨近端骨折恢复延迟可能与关节面损伤及术后疼痛、肿胀有关。膝关节ROM不对称性被证明是最敏感的监测指标之一，但其临床推广应用面临挑战——目前需要复杂的光学运动捕捉系统才能精确测量。相比之下，站立时间等时空参数可通过智能鞋垫或植入式传感器简便获取，更具临床转化潜力。

该研究的局限性包括样本量有限、未考虑骨折严重程度分级、10米步行道与实际日常活动存在差异等。但尽管如此，其核心结论为骨折康复监测提供了重要启示：不同骨折类型需要差异化的评估标准和预期目标；站立时间参数可能是预测骨不连的最实用指标；踝部骨折患者可预期6个月内步态完全恢复，而近膝关节骨折则需要更长时间的康复管理。

这项研究的意义超越了学术层面，为正在兴起的智能植入物技术提供了关键设计依据。未来嵌入传感器的骨科内植物可重点监测站立时间等易获取参数，结合机器学习算法，有望实现骨折愈合的实时预警和个性化康复指导，最终推动骨科康复进入精准医疗时代。