编辑推荐：
为探讨社区居住老年人跌倒风险与时空步态参数及变异性的关系并识别关键预测因子，研究人员对 303 名老年人基于 SPPB 评分分组，测量其在偏好速度和增加 20% 速度下的步态参数及变异系数（CV）。发现跌倒风险组多项参数变异性更高，步宽变异性在增速下判别力更强，为跌倒风险预测提供新依据。
随着全球老龄化加剧，老年人跌倒已成为公共健康领域的重大挑战。跌倒不仅会导致骨折、软组织损伤等直接伤害，还可能引发长期行动能力下降、生活质量降低，甚至增加医疗负担。目前，临床上主要通过短物理性能测试电池（SPPB）等工具评估跌倒风险，但如何从步态特征中挖掘更敏感的预测指标仍需深入探索。传统研究多关注步态参数的平均值，而步态变异性作为反映运动控制稳定性的关键指标，其在不同步行速度下与跌倒风险的关联尚未明确。在此背景下，韩国嘉泉大学（Gachon University）和水原女子大学的研究团队开展了相关研究，旨在揭示时空步态参数及其变异性与跌倒风险的关系，为早期预测提供新视角。该研究成果发表于《Scientific Reports》。
研究人员采用跑步机步态分析技术，对 303 名 65-92 岁社区居住老年人进行评估。首先通过 SPPB 评分将受试者分为跌倒风险组（SPPB≤9）和非跌倒风险组（SPPB≥10），排除患有严重神经肌肉疾病或认知障碍（K-MMSE<24）的个体。随后，受试者分别以偏好速度（PS）和增加 20% 的速度在跑步机上行走，使用 Zebris FDM–THM–S 系统同步采集 stance phase time（站立相时间）、double stance time（双支撑时间）、stride length（步长）、step width（步宽）、velocity（速度）、cadence（步频）等时空参数，并计算各参数的变异系数（CV）以反映变异性。研究采用独立样本 t 检验、多元回归分析和判别分析等统计方法，比较两组间步态特征差异并筛选关键预测因子。
主要研究结果
两组步态参数及变异性的对比
在 PS 和增加 20% 速度下，跌倒风险组的站立相时间、双支撑时间显著延长，步长、速度、步频显著降低。除 PS 下双支撑时间 CV 外，跌倒风险组多数参数的 CV 值均显著更高，尤其是步宽变异性在两种速度下均表现出组间差异（PS：25.53% vs 13.24%；增速：27.22% vs 14.61%），且在增速条件下差异更显著。
影响 SPPB 评分的多因素分析
在 PS 条件下，年龄、双支撑时间、步长、步宽 CV、速度、步频及步频 CV 均与 SPPB 评分显著相关；当速度增加 20% 时，双支撑时间、步长、步宽 CV、速度和步频成为主要影响因素。其中，步宽 CV 的标准化回归系数（β）在增速下绝对值更大（-0.300 vs -0.265），表明其对跌倒风险的预测权重更高。
判别分析结果
判别分析显示，PS 条件下，步宽 CV（Wilks’ Lambda=0.759）与速度（Wilks’ Lambda=0.797）均具判别力，但步宽 CV 更优；在增速条件下，步宽 CV 的 Wilks’ Lambda 值降至 0.697，判别效能显著提升，成为区分两组的最佳指标。
结论与讨论
本研究证实，步态变异性尤其是步宽变异性，在预测社区居住老年人跌倒风险中具有重要价值。与传统步态参数平均值相比，步宽 CV 在步行速度增加时表现出更强的判别能力，可能与侧向稳定性控制对速度变化更敏感有关。步行速度增加会加剧运动控制系统的负荷，此时步宽变异性升高提示个体难以有效维持侧向平衡，进而增加跌倒风险。这一发现为临床早期筛查提供了新方向，未来可通过跑步机步态分析或可穿戴设备监测步宽变异性，实现跌倒风险的动态评估。
尽管研究存在样本限于社区居住老人、未纳入跌倒史数据等局限性，但其首次系统分析了不同速度下步态变异性的预测效能，为整合时空步态参数与变异性构建多维度风险评估模型奠定了基础。随着人口老龄化加剧，此类研究对开发精准预防策略、降低跌倒相关健康负担具有重要意义。
