骑行中工作负荷对三维关节力矩的影响及其在运动损伤预防中的生物力学意义

本综述深入探讨了骑行中不同工作负荷（170W、240W、310W）对下肢髋、膝、踝三关节在矢状面、冠状面及水平面内三维关节力矩的差异化影响。研究创新性地结合传统零维指标（如峰值、范围）与一维统计参数映射（SPM）分析方法，揭示了负荷增加不仅显著提升关节力矩幅值，更会引起力矩时相特征的改变。这些发现为理解过度使用损伤（如髂胫束摩擦综合征、髌股疼痛综合征、跟腱炎）的生物力学机制提供了关键依据，对优化骑行技术、设计个性化训练方案及制定损伤预防策略具有重要指导价值。

　　

背景与引言

骑行是一项广受欢迎的运动，其对人类健康有多重益处。除了娱乐和运动用途外，骑行最重要的应用之一是作为康复过程中的一种治疗手段。这种做法的合理性在于文献中记载：下肢的主要载荷发生在矢状面，并且这些载荷可以远小于其他活动（如步行）所产生的载荷。

然而，诸如Ericson等人进行的研究表明，发生在矢状面之外的膝关节载荷，尽管较低，但其量级可能与步行时产生的载荷相当。此外，有很多情况下使用者倾向于在不合适的条件下骑行：非最优的把立、不正确的坐垫高度或脚在踏板上的位置等。所有这些因素都可能导致损伤、表现下降或旧伤复发。由上述因素引起的最常见损伤包括髂胫束综合征、髋部转子滑囊炎、髂腰肌肌腱炎、膝髌股疼痛综合征、跟腱炎或足部跖骨痛。因此，准确理解在不同功率下骑行对下肢关节力矩的影响，有助于预防下肢关节的过度使用损伤，并在关节安全限度内优化运动活动回归。

文献中发现的关于分析骑行功率对下肢关节力矩影响的工作包括Ericson等人、Mornieux等人和Fang等人的研究。文献中还有研究同时分析踏板功率和踏频对运动学或肌肉力量的影响，或分析坐垫高度的影响、疲劳的发生、或曲柄长度的影响。

Ericson等人旨在分析改变工作负荷、踏频和坐垫高度对髋关节和膝关节力矩的影响。他们分析了6名业余水平的志愿者。这项工作中分析的结果是在不同骑行功率下，髋关节和膝关节矢状面力矩的最大值和最小值。作者得出结论，修改骑行功率是影响髋关节和膝关节屈曲力矩最大值变化的最主要因素。

Mornieux等人进行的工作旨在确定下肢关节在净关节力矩中相对分布的稳健性，分析了7名志愿者参与者。结果获得了净关节力矩中关节的相对分布以及不同功率和踏频下屈伸关节力矩的时间演变。在这项工作中，作者得出结论，工作负荷和/或踏频的改变几乎不影响关节力矩的相对分布，但确实影响关节的屈伸力矩。

文献中很少有研究分析功率在矢状面之外的影响。Fang等人为了康复目的，研究了功率和踏频对膝关节矢状面和冠状面的影响。为此，评估了18名志愿者参与者。该研究的结果表明，在恒定踏频下增加工作负荷会导致更大的峰值膝关节外展力矩、峰值膝关节伸展力矩和膝关节外展范围（当工作负荷从0.5N增加到2.5N时）。另一个有趣的发现是，这项研究的参与者展示了两种不同的冠状面膝关节力矩模式。一些参与者呈现外展力矩，而其他参与者在整个发力阶段表现出内收力矩。

分析了文献中发现的研究骑行功率对下肢关节力矩影响的最新工作后，可以确认已经发现了功率对髋、膝、踝关节矢状面力矩影响的信息。此外，对于膝关节，这一信息扩展到冠状面。这可能是因为大部分驱动力和功率来自于推动阶段的膝关节伸展和恢复阶段的屈曲。然而，在更高功率下骑行会导致髋关节屈曲和踝关节跖屈力矩的增加，这可能会影响其他解剖平面内的关节力矩，因为下肢在骑行过程中作为一个闭式运动链运作。

得出的另一个结论是，先前关于功率对关节力矩影响的分析研究使用了零维变量（力矩范围、最大值和最小值以及周期平均值）进行统计研究。这种方法被科学界广泛接受。然而，如果分析的变量是连续型的，这种方法可能会遗漏重要信息。为了避免这种情况，采用了一维统计参数映射（SPM），它可以评估整个运动过程。SPM已广泛应用于神经影像学，因为它可以看到整个大脑的变化，而不仅仅是特定区域。与使用零维数据的统计分析相比，这种方法具有优势，后者可能会错过广义的变化。

在骑行的生物力学分析领域，使用SPM进行统计分析的研究数量正在增加。其中第一个工作是Bini进行的，他分析了改变坐垫高度对膝关节矢状面和水平面内包含的运动和关节力矩及力的影响。另一项使用SPM的杰出工作由Galindo-Martínez等人完成，他们分析了疲劳发生对参与者下肢和躯干三维运动学的影响。Park等人在他们的工作中将SPM应用于矢状面的关节角度和力矩以及肌肉力量，以分析曲柄长度的影响，但是在站立骑行中。Pouliquen等人和Bing等人分别使用SPM分析疲劳的影响以及工作负荷和坐垫高度对肌肉力量的影响。在所有这些工作中，使用SPM进行分析使作者能够确定研究变量受分析因素影响的时间间隔。

所有上述内容激发了这项工作的主要目标，即分析功率对髋、膝、踝关节力矩在三个解剖平面（冠状面、水平面和矢状面）的影响。作为一个次要目标，将利用获得的结果来获取有助于预防过度使用损伤的信息。为了进行这项研究，将使用传统方法（零维数据）和SPM方法进行统计分析。本研究的起始假设是：

• 使用传统方法得到的工作负荷对关节力矩的影响将不同于使用SPM方法得到的功率对相同关节力矩的影响。

• 在不同工作负荷下骑行将影响组成下肢的三个关节。

• 骑行功率将影响三个解剖平面。

材料与方法

参与者

为了实现本研究确定的目标，分析了10名参与者，均为男性，成年人，平均年龄26.87 ± 4.97岁，平均身高1.74 ± 0.07米，平均体重67.89 ± 11.34公斤，平均BMI为22.33 ± 3.18公斤/米2。参与者是志愿者，并报告他们将自行车作为交通工具，不寻求提高运动水平或表现。样本量基于文献中发现的先前研究。纳入-排除标准如下：

纳入标准：

• 年龄18岁或以上的参与者。

• 腿长差异（不等长）小于或等于5毫米。

• 体型与测试自行车兼容。

• 内在Q因子与自行车的标准Q因子相似。

排除标准：

• 被诊断出的可能干扰测试表现的运动或心肺疾病。

• 高水平或职业自行车手。

为了评估下肢之间的差异，使用Davis等人开发的方法测量每个下肢，该方法被其他作者用于骑行生物力学分析。在自行车上，Q因子定义为踏板上力作用点之间的距离。通常，自行车制造商使用的标准Q因子为250毫米。对于参与者，该因子通过测量两个髂前上棘之间的距离来确定。参与者签署了由安达卢西亚生物医学研究伦理平台批准的同意书（批准号0230-N-22）。

实验数据后处理

实验数据使用Vicon Nexus? 2.12.1商业软件收集和处理。基于残差分析，数据通过使用Matlab R2024a（The MathWorks, Inc., Natick, MA, United States）的自定义例程，用低通滤波器（6 Hz，4阶巴特沃斯滤波器）进行滤波，以消除高频噪声。

为了获得关节力矩，必须解决逆动力学问题，因此事先获得了下肢运动学以及与踏板的反作用力。运动学分析使用Martin-Sosa等人开发的标记点协议。该协议侧重于下肢，并使用7个刚体对其进行建模：骨盆、左右大腿、左右小腿和左右脚。如图所示，在骨盆上，两个标记点放置在髂后上棘（RPSI和LPSI），一个标记点放置在骶骨（SACR）。大腿上放置了一个标记点在股骨大转子（RGTC和LGTC），一个在股骨外上髁（RKNE和LKNE），以及一个在髋关节中心的虚拟标记点（RHJC和LHJC）。小腿上放置了一个标记点在胫骨粗隆（RTIB和LTIB），一个在外踝（RANK和LANK），并且为了定义膝关节的旋转轴，每侧使用了两个虚拟标记点（RKJC-RKJA和LKJC-LKJA）。在脚上放置了以下标记点：一个在跟骨（RHEE和LHEE），一个在第一跖骨的第二节趾骨（RTOE和LTOE），最后一个是定义踝关节中心的标记点（RAJC和LAJC）。总共使用了15个物理标记点和8个虚拟标记点。该协议没有施加运动学约束。

踏板上的力通过Martín-Sosa等人在其工作中开发的测量设备记录。该设备的测量误差小于4%，与其他工作使用和开发的设备相似。测量设备安装在每个踏板上。通过应用牛顿-欧拉方程并使用自下而上的程序解决逆动力学问题。关节力矩在关节父刚体（更近端的刚体）的局部坐标系中表达。

仪器设备

采用了一个运动捕捉系统，包括十二个红外摄像头（100 Hz；Vicon Motion Systems Ltd., Oxford, United Kingdom）和直径为14毫米的 retroreflective 标记点。图2显示了摄像头位置的布局、它们的相对位置以及工作体积。十二个摄像头中的六个是MXT010型号，这些是高分辨率数字单元，能够以高达250 Hz的频率采样。由于其较大的物理尺寸，这些摄像头通常安装在较高的位置——大约离地3米——距离校准后的捕捉体积2.5-3米，图2中的摄像头1-6。其余六个单元是Bonita型号，也是高分辨率数字摄像头，但最大采样率为100 Hz。它们更紧凑的外形允许放置在地面三脚架上，距离参与者大约1.5米，图2中的摄像头7-12。鉴于两种摄像头型号之间最大采样频率的差异，系统整体采样率在校准期间标准化为100 Hz。所有十二个摄像头通过中央控制单元（Giganet, Vicon?）同步，该单元也用于将记录的数据传输到采集计算机。随后的数据处理使用Nexus软件版本2.12.1（Vicon Motion Systems Ltd., Oxford, United Kingdom）进行。图3A,B显示了测试期间的参与者。图3C,D反映了在Vicon Nexus?软件中处理数据后获得的标记点云。

实验程序使用市售的Orbea H50自行车进行，该自行车安装在一个固定式训练滚筒（Elite Novo Force; Elite S.R.L., Fontaniva (PD), Italy）上。为了测试目的，自行车配备了锁踏，参与者穿着装有兼容锁片的骑行鞋。这些鞋提供给所有参与者。锁片位置根据Bini和Carpes提出的方法为每个参与者单独验证，该方法将最佳位置定义为踏板轴与足底脂肪垫对齐。为了确认这种对齐，在运动捕捉之前进行了初步评估。在这个预测试中，参与者在高阻力下以低踏频骑行，以便于识别对踏板施加最大压力的足部区域。如果该区域与推荐位置一致，则不进行修改。否则，相应地调整锁片位置和方向，并重复该过程。所有评估和调整均由同一研究人员对所有十名参与者进行，以尽量减少与锁片对齐相关的评估者间变异性。自行车型号、鞋型号和训练滚筒型号可以在图3A,B中看到。

测试条件

骑行条件（功率和踏频）的选择根据参与者的身体状况，以避免测试开始后不久出现疲劳。踏频设定为大约90 rpm，并通过声音信号控制。选择了三种骑行功率：170 W (P1), 240 W (P2) 和 310 W (P3)，通过改变滚筒对后轮的摩擦力来修改功率。

此外，还使用了脉搏血氧仪以及个人最大心率的评估。参与者还完成了一份基本的健康问卷，其中包括有关个人受伤史的问题。进行了心肺听诊，并测量了氧饱和度和静息心率。此外，还进行了体力消耗时的医学研究委员会（MRC）呼吸困难量表，认为该量表适用于非运动员人群。

在这项工作中，坐垫高度使用Holmes等人开发的方法确定，该方法基于静态测量中膝关节屈曲的测量。然而，由于进行了动态测量，根据Ferrer-Roca等人、Ferrer-Roca等人的建议对该方法进行了修改，以适应动态测量。为了给每个参与者带来更大的舒适度，坐垫高度可以稍微改变，在大多数情况下，试图确保膝关节屈曲的最小角度在既定范围内。那些在经过这种轻微修改后，膝关节屈曲最小值高于或低于文献报道值的参与者被排除在研究之外。这种行为表明自行车尺寸不适合这些参与者，这就是为什么这一事实被包含在纳入-排除标准中。整个研究过程中对所有参与者使用单一坐垫模型。这是随自行车提供的标准坐垫，最宽处16厘米，最窄处5厘米。该坐垫具有解剖学切口以减轻会阴压力。在所有参与者中标准化坐垫的决定得到了先前关于自行车fitting研究的支持，这些研究强调了坐垫设计的重要性，特别是在长时间的骑行过程中。然而，在本研究中，骑行时间限制在10-15分钟，从而降低了坐垫相关不适的可能性。尽管如此，通过口头反馈在测试前、测试中和测试后评估了参与者的舒适度，没有记录到可归因于坐垫的不适报告。

通过让每个参与者进行三次测试（每种选定的功率水平一次）来分析功率对参与者的影响，从最低功率水平（P1）开始，到需要最高骑行功率的测试（P3）结束。所有这些测试都在同一天进行，并且为了避免疲劳，测试之间的时间间隔为5到10分钟。每个测试分为三个部分。第一部分，覆盖每个测试的前2-3分钟，用作热身，以适应新的骑行条件，并验证参与者在选定的坐垫高度和锁片位置下骑行感到舒适。在第一部分，踏频设定为60 rpm，而功率设定为比每次测试的目标功率低75 W。一旦参与者适应了新条件，测试的第二部分开始。第二部分开始时，踏频和功率逐渐增加。踏频线性增加90秒，直到达到90 rpm的踏频。一旦参与者达到稳定的踏频，修改骑行功率，通过改变滚筒的阻力在60秒内增加功率。一旦达到所需的骑行功率，给予合理的时间（60-75秒）让参与者适应条件。稳定后，测试的第三部分开始。只有在这一部分才记录骑行运动，目的是分析稳定踏频和功率条件下的关节力矩。为了防止疲劳影响获得的结果，只记录了每种阻力的五次捕捉，每次持续10秒。记录之间的时间大约为10-15秒。记录持续时间和记录之间的时间都使用秒表和Vicon Nexus?软件确定。总共，对于每次测试，参与者在目标踏频和功率下骑行大约5分钟。这是进行必要记录的足够时间。一旦捕捉完成，参与者缓慢降低踏频直到再次达到60 rpm，此时骑行功率降低到90 W。参与者保持这些骑行条件大约90-120秒，之后参与者可以自由降低踏频直到最终完全停止。一旦参与者下车，测试即被视为完成。

统计分析

在分析获得的结果之前，通过称为箱线图的方法进行异常值剔除。结果分析通过定义一个因素（骑行功率，具有三个水平：P1, P2, P3）来进行，无论是使用SPM方法还是零维变量的统计分析。对于每个水平，分析的变量是右腿三个关节在三个解剖平面内的关节力矩的时间演变（用于一维研究）。对于零维研究，分析的变量是与前述情况相同的关节力矩的范围和最大值。

为了研究功率对分析的一维变量的影响，使用开源spm1d统计包进行了统计参数映射分析，在Matlab? R2023a（The MathWorks, Inc., Natick, MA, United States）中运行。使用SPSS?软件研究功率对零维数据的影响。

对两种类型的变量使用了类似的方法。第一步，应用Shapiro-Wilk检验，所有情况均满足正态性假设。随后，分析了方差齐性，只有一些变量满足该条件。为了确定骑行功率是否对本研究中定义的变量有影响，最初使用单因素方差分析（ANOVA）进行均值比较。不满足方差齐性假设的组分进行了Welch检验。在所有研究中，显著性水平设定为α = 0.05。对于获得显著结果的变量，考虑了Bonferroni配对样本的事后检验。对于非齐性情况，应用了Games-Howell事后检验。最后，使用Cohen's d计算效应量，定义d值 > 0.8为大的效应量。

结果

基于零维数据的统计分析

表1显示了对于不同的骑行功率，髋、膝、踝关节在三个解剖平面内的关节力矩的范围、最大值（Max）和最小值（Min）的平均值和标准差。

表1还显示了均值比较分析（ANOVA或Welch检验）的p值。该表还显示了配对比较中事后分析的结果。对于所有关节和解剖平面，范围均获得显著性。事后分析显示，在髋关节屈曲和外展、膝关节屈曲和踝关节内翻的情况下，所有比较均具有显著性。关于最小值，其显著性低于范围的情况。对于这些变量，方差分析显示所有变量均具有显著性，除了膝关节内旋和踝关节内旋。工作负荷对关节力矩最大值的影响小于对最小值的影响。在这种情况下，仅在膝关节屈曲和内旋以及踝关节内旋中获得显著性。

统计参数映射

图4显示了重复测量ANOVA的SPM比较三种分析功率的显著结果（p < 0.05）。在所有三个解剖平面中都获得了显著结果。在矢状面，髋、膝、踝都存在显著差异。在冠状面，仅获得髋关节外展力矩和踝关节内翻力矩的差异。水平面仅显示踝关节的显著结果。

膝关节屈曲力矩以及踝关节背屈和内翻力矩在所有三种比较中都显示出显著差异。髋关节屈曲力矩仅在两种比较（P1–P3和P2–P3）中显示显著性。髋关节内收力矩在P1–P3比较中显示显著结果。踝关节水平面力矩仅在一次比较P1–P3中显示显著性。

使用SPM方法进行配对研究使得识别骑行周期中发生显著差异的时间间隔成为可能（图4）。在髋关节屈曲力矩中，间隔倾向于接近下死点（BDC）。在P1–P2比较中，统计显著的间隔范围从101°到202°曲柄角，覆盖约100°，约占骑行周期的30%。在P1–P3比较中观察到类似的模式，其中显著性发现在126°到212°之间，跨度近90°，或约25%的周期。关于膝关节屈曲力矩，对于P1-P2和P1-P3的比较，它显示出更多存在显著差异的间隔，尽管这些间隔也接近上死点（TDC）和90°（最大切向力）。在这两种比较中，只有P1-P3在BDC附近显示显著结果。对于P2和P3之间的比较，显著性仅在恢复阶段发现。SPM在所有三个解剖平面都提供了显著结果。在矢状面和冠状面，显著差异发现在推动阶段。此外，在矢状面和冠状面的恢复阶段末期也获得了显著结果。图4中显示的所有间隔的Cohen’s D均大于0.8。

讨论

髋关节力矩

零维结果分析中，关注髋关节屈曲力矩的最小值（髋关节伸展）是有意义的，因为这些发生在周期的推动阶段。配对比较中获得的结果表明，最小值中获得的差异只能通过比较P1–P3时踏板功率的变化来解释。这一结果表明，当达到一定的工作负荷水平时，参与者的个体内变异性显著增加，可能是由于技术缺乏。在比较P1–P3时，峰值髋关节外展力矩、峰值髋关节外旋力矩以及三个髋关节力矩的范围也获得了显著差异。对于髋关节力矩的范围，在P1-P3比较中，屈曲力矩增加了54.30 Nm（105%），内收力矩增加了23.93 Nm（171%），内旋力矩增加了158%（12.06 Nm）。

髋关节的SPM结果仅显示屈伸力矩在BDC附近（P1–P3和P2–P3）有显著结果。在推动阶段获得的显著性与零维分析中关于伸展力矩最大值的结果一致。

SPM在冠状面提供了矢状面之外的显著结果，但在水平面没有。这些结果可以通过分析内收和内旋力矩的时间演变来解释。专注于分析最大外展力矩和最大外旋力矩，这些峰值发生的时刻随着工作负荷的增加而偏移。在这两种情况下，最大值随着功率的增加向右移动（P1和P3之间约15°）。当进行基于零维变量的统计分析时，忽略了这种效应，该分析不考虑峰值发生的时刻。这样，工作负荷对关节力矩时间演变模式的影响没有被考虑。根据SPM结果，髋关节外展力矩时间演变的改变可以通过骑行功率的变化来解释，但对于外旋力矩的情况，这些改变无法解释。原因是内旋力矩中观察到的更高的个体内变异性水平。

分析功率对关节力矩的影响对于预防过度使用损伤是有意义的。对于髋关节，最常见的抱怨是髋部转子滑囊炎，这是由重复的髋部运动促成的。增加负荷水平会增加这种疾病的风险。髂胫束摩擦综合征也非常常见，由该束与股骨外侧髁摩擦引起刺激造成。这通常发生在膝关节处于完全伸展30°以内时（图5），这与最大髋关节和膝关节伸展的时刻一致，并且是由于这些关节中屈伸运动的重复（图4）。根据获得的结果，可以观察到在最大膝关节伸展区域，骑行功率的增加与峰值髋关节伸展力矩的增加之间存在准线性关系，两个变量以大致相同的比例增加。在骑行功率的增加与峰值膝关节屈曲力矩的增加之间也存在类似的线性关系，尽管膝关节屈曲力矩的增加略低于骑行功率的增加（图4；表1）。因此，这些发现支持制定实用的骑行功率调整策略以预防髂胫束摩擦综合征。例如，通过调整齿轮比或增加踏频来限制推动阶段的骑行功率以减少关节负荷，或调整坐垫高度以限制膝关节伸展，可能有助于降低风险。

在矢状面之外，髋关节外展肌无力与损伤（ITB摩擦综合征、前十字韧带损伤）的发展有关。髋关节外展肌的作用是稳定骨盆并防止膝关节超负荷。在冠状面，髋关节外展肌无力可能导致运动增加，降低功率并增加自行车手的损伤风险。结合使用零维和一维数据方法可以提供关于峰值力矩增加或力模式改变的信息，例如，由于外展肌无力。对获得结果的分析表明，骑行功率的增加与髋关节外展力矩的增加相关（表1）。此外，还观察到力矩模式的偏移，随着功率的增加，峰值外展力矩倾向于在骑行周期中 later 出现（图4）。本研究中使用SPM的一个主要优势是，即使峰值值在不同条件下发生时间偏移，它也能够检测到与工作负荷相关的关节力矩发生显著变化的间隔。对于髋关节外展力矩，SPM揭示了随着工作负荷增加，峰值出现时间的一致延迟，这是标量分析未能捕捉到的效应。这种时间偏移可能反映了在更高负荷下旨在稳定骨盆的代偿性神经肌肉策略。

这种适应具有生物力学相关性，因为它们可能影响表现和损伤风险。延迟或改变的力矩模式可能表明对特定肌肉群的依赖增加或协调性的变化，可能导致诸如髂胫束摩擦综合征等过度使用损伤。

可以观察到峰值内收力矩的类似趋势，尽管在该周期阶段未发现统计学显著差异。在冠状面，很明显功率的增加导致峰值外旋力矩的增加（表1）。功率的增加似乎也延迟了峰值外旋力矩的出现时间；然而，这种效应未达到统计学显著性（图4）。综上所述，这些发现使得能够对髋关节外展肌行为进行非侵入性分析，有助于检测潜在的异常神经肌肉模式。

膝关节力矩

膝关节的零维统计分析在屈伸力矩（范围、最大值和最小值）、外展力矩（范围和最小值）以及内旋力矩（范围和最大值）方面提供了显著差异。P1获得的值与P3获得的值之间的差异（表1）显示膝关节屈曲扭矩的范围增加了49.19 Nm，是初始值的78%。该力矩的峰值值，在相同比较中，增加了23.06 Nm（75%），最后，最小值变得更负，减少了26.12 Nm。类似地，膝关节内收力矩的范围增加了79%（11.81 Nm），而其最小值减少了11.56 Nm。最后，内旋力矩显示范围增加了10 Nm，几乎是95%。其峰值值增加了8.25 Nm，是初始值的84%。与髋关节类似，分析屈曲力矩的最小值（伸肌力矩最大值）更有意义，因为它发生在推动阶段。然而，观察到与髋关节发生的类似现象。工作负荷的增加导致膝关节屈曲力矩、外展和内旋力矩出现一个阶段。根据配对比较分析，这些差异可以通过骑行过程中功率的增加来解释，表明随着工作负荷的增加，肌肉力的模式不同。外展和内旋力矩范围和幅度的增加表明稳定肌肉（如股内侧肌和阔筋膜张肌）的募集发生改变，这可能有助于关节错位或增加剪切力。与髋关节发生的情况类似，配对比较主要在P1–P3水平显示显著性。同样，这一结果可以通过功率强化导致的个体内变异性增加来解释。

SPM在矢状面显示显著性，但在水平面没有。此外，SPM在发生最大屈伸的骑行周期阶段显示显著性，该阶段发生在BDC附近，并且获得的差异可以通过骑行功率的增加来解释。膝关节屈伸力矩时间演变的叠加显示，随着工作负荷的增加，伸展最大值向右移动，屈曲最大值也是如此。这种时间偏移可能表明股四头肌和腘绳肌群激活延迟或 engagement 延长。可能反映了在更高负荷下维持功率输出的代偿策略，潜在地增加了髌股关节的机械需求。

髌股疼痛综合征（“自行车手膝”）是自行车手疼痛的最常见原因。疼痛是由髌股关节压力增加引起的。这种压力增加是由施加的力增加（爬坡、骑行功率、过低的踏频）引起的。这种增加的压力导致关节软骨超负荷，可能导致软骨软化。使用SPM不仅可以识别功率对峰值力矩的影响，还可以评估这些差异显著的骑行周期百分比，这将允许评估骑行技术的调整，以降低发生该综合征的风险。图4说明，在膝关节屈曲力矩期间，骑行周期的第一和第三象限受骑行功率增加的影响最大。这些信息对于优化骑行技术和预防过度使用损伤可能具有特别的相关性。一个实用的策略是保持中等功率输出同时增加踏频，从而减少髌股关节的压缩力。这些见解可以通过实时反馈系统或训练方案来实施，这些方案侧重于将关节力矩维持在安全阈值内，特别是在神经肌肉控制较差的业余自行车手中。在冠状面，出现在膝关节的力主要 due to 足部的位置。足外翻降低了峰值内翻和内部轴向力矩。这突出了对整个下肢进行三维动力学分析的重要性，因为发生在矢状面之外的动作，在这种情况下是足部，会影响膝关节不适的可能发生。在本研究中，未观察到骑行功率增加对足外翻的影响（图5）。未来的研究将旨在调查足外翻对膝关节力和力矩的影响。

踝关节力矩

零维统计分析的结果显示所有三个平面都存在显著差异。在背屈力矩中，在范围（在所有配对比较中）对于P1–P2和P1–P3比较以及最小值（跖屈最大值）对于P1–P3和P2–P3比较观察到显著性。在踝关节内翻中，在三种比较的范围中和在P1–P3的最小值中观察到差异。最后，内旋力矩在范围和最大值（P1–P3）显示差异。基于表1显示的值，对于P1–P3比较，背屈力矩的范围增加了20.22 Nm，或118%。该力矩的最小值减少了18.84 Nm。相同比较的内翻力矩范围也增加了14.08 Nm，或在这种情况下145%。该力矩在其最小值也显示显著性，减少了12.93 Nm。最后，踝关节的内旋力矩其范围和峰值值分别增加了3.31 Nm（53%）和2.36 Nm（106%）与P1获得的值相比。

SPM在所有三个解剖平面都提供了显著结果。特别是在矢状面和冠状面，在所有三种配对比较中，几乎整个推动阶段都发现了显著差异。有趣的是，在矢状面和冠状面的恢复阶段末期获得了显著结果。这些结果表明，工作负荷对踝关节力矩起着关键作用，尤其是在推动阶段。

自行车手最常见的过度使用踝关节损伤是跟腱炎。在推动阶段高负荷值下