《Journal of Bodywork and Movement Therapies》：POSTURAL CONTROL ALTERATIONS AFTER SEVERE COVID-19 IN OLDER ADULTS USING SMARTPHONE-BASED ASSESSMENT OF TRUNK RESPONSES TO MECHANICAL PERTURBATIONS.
编辑推荐：
背景：从严重COVID-19康复的老年人可能存在持续性姿势控制损害，进而增加跌倒风险，但其对外部扰动的预期性和补偿性反应仍未得到充分理解。目的：研究有严重COVID-19病史的老年人在可预测躯干扰动中的姿势调整，并检验基于智能手机的测量与三维（three-di
背景：从严重COVID-19康复的老年人可能存在持续性姿势控制损害，进而增加跌倒风险，但其对外部扰动的预期性和补偿性反应仍未得到充分理解。目的：研究有严重COVID-19病史的老年人在可预测躯干扰动中的姿势调整，并检验基于智能手机的测量与三维（three-dimensional, 3D）运动捕捉系统之间的一致性。方法：27名老年人被分配至健康组（Healthy Group, HG；n=18）和COVID-19后严重组（Post-COVID Severe Group, PCG；n=9）。通过摆锤施加可预测的前后向躯干扰动，同时使用运动捕捉（120 Hz）和智能手机加速度计（50 Hz）记录L5加速度。结局包括预期性姿势调整起始（APAonset）、预期性姿势调整幅度（APAamplitude）、补偿性姿势调整范围（CPArange）和补偿性姿势调整再稳定时间（CPArestabtime）。采用Benjamini-Hochberg假发现率（false discovery rate, FDR）对组间比较进行校正。仪器一致性通过Spearman系数、组内相关系数（intraclass correlation coefficient, ICC）和Bland-Altman分析评估。效应量（Hedges' g）以95%置信区间（95% confidence intervals, CIs）报告。结果：PCG较HG表现出更早的APAonset和更长的CPArestabtime。APAamplitude或CPArange未发现显著差异，尽管相应效应量的95% CIs较宽，无法就组间差异不存在作出确定性结论。智能手机与运动捕捉测量显示中至强相关，而ICC值较低，尤其在PCG中。CPArestabtime的显著组间差异仅由运动学参考系统检测到。考虑到样本量有限，尤其在PCG中，应对这些发现进行解释。结论：从严重COVID-19康复的老年人表现出改变的姿势反应。智能手机惯性传感器对某些变量显示出可接受的一致性，但在COVID-19后评估中应谨慎使用。
研究背景：COVID-19已被认为可导致超出急性呼吸期的持续功能损害，老龄化人群的功能健康尤其受关注。姿势不稳与老年人跌倒、残疾和独立性丧失密切相关，因此COVID-19后姿势控制损害可能成为公共卫生问题。越来越多证据表明，COVID-19康复者存在长期神经肌肉和感觉运动改变，影响移动性和姿势稳定性，尤其老年人；原因可能包括长期住院、肌无力、体能去适应、疲劳及感觉整合过程改变。Corrêa 等使用智能手机惯性传感器报道，持续COVID-19症状者身体摇摆增加和移动性受损；Eskandari 等报道轻中度感染康复后静态和动态平衡缺陷；Y?lmaz 等使用计算机化动态姿势图报道康复者感觉组织测试评分降低。老年人年龄相关平衡下降可能与COVID-19后损害叠加，增加跌倒、残疾、独立性丧失及医疗和长期照护负担。内部和外部扰动可用于诱发预期性姿势调整（anticipatory postural adjustment, APA）和补偿性姿势调整（compensatory postural adjustment, CPA），它们反映姿势控制质量。APA发生在可预测扰动前，CPA发生在扰动后并恢复稳定。三维运动捕捉是躯干运动学分析金标准，但成本高、需专门设施、数据处理复杂，限制临床和社区使用；智能手机惯性传感器低成本、便携，可能用于检测姿势损害。因此，研究人员旨在研究有严重COVID-19病史的老年人对可预测躯干扰动的姿势反应，并将L5处智能手机惯性传感器记录与三维运动捕捉比较，假设智能手机能检测健康老年人和既往因COVID-19住院者之间的预期性躯干反应差异，并具有同时效度。
研究人员开展的研究与结论：27名老年人分为健康组（HG，n=18）和COVID-19后严重组（PCG，n=9）。PCG为实验室确诊SARS-CoV-2感染、因呼吸损害住院并接受补充氧疗或入住重症监护室者，且评估在出院至少3个月后；HG无SARS-CoV-2感染史或仅轻症未住院且无持续症状。结果发现，PCG较HG表现出更早的APAonset和更长的CPArestabtime；APAamplitude和CPArange无显著组间差异，但效应量置信区间较宽；智能手机与运动捕捉测量呈中至强相关，而ICC较低，尤其在PCG中；CPArestabtime显著组间差异仅由运动学参考系统检测到。结论是从严重COVID-19康复的老年人表现出改变的姿势反应，智能手机惯性传感器对某些变量一致性可接受，但在COVID-19后评估中应谨慎使用。该研究提示，严重COVID-19可能与预期性和补偿性姿势控制机制的持续改变相关，并支持智能手机作为可及评估工具的潜力，但其在临床人群中的绝对一致性仍需进一步验证。
关键技术方法（不超过250字）：样本来自单一中心便利抽样队列，经巴西帕拉联邦大学研究伦理委员会批准（67825823.7.0000.5172）；PCG为至少出院3个月的严重COVID-19老年幸存者，HG为无感染史或轻症未住院且无持续症状者。采用摆锤从0.5 m手动释放，施加12次随机可预测前后向躯干扰动，摆锤负荷为体重3%；在L5处同步以三摄像机运动捕捉（120 Hz）和Android智能手机加速度计（50 Hz，Momentum应用）记录躯干加速度；以足跟落地冲击同步系统；MATLAB离线处理，10 Hz二阶低通Butterworth滤波，提取APAonset、APAamplitude、CPArange、CPArestabtime；统计采用Mann-Whitney U检验或Student's t检验、Benjamini-Hochberg FDR校正、Hedges' g及95% CIs、身高协变量ANCOVA、Spearman相关、ICC(2,1)、Bland-Altman分析和最小可检测效应量。
研究结果：
4.1 参与者特征（Participant characteristics）：共27名老年人，HG含15名女性和3名男性，PCG含6名女性和3名男性。年龄无显著差异（HG 72.17±4.09岁；PCG 68.67±5.77岁；p=0.08）；PCG身高显著高于HG（1.64±0.06 m vs 1.56±0.08 m；p=0.012）；体重、体重指数（body mass index, BMI）、计时起立-行走测试（Timed Up and Go, TUG）、衰弱量表（Frailty Scale）和跌倒效能量表（Falls Efficacy Scale）均无显著差异。两组临床和功能特征总体相似，但身高不同，后续组间比较采用以身高为协变量的分析。
4.2 代表性加速度波形（Representative acceleration waveform）：运动捕捉和智能手机均显示相似波形结构：扰动前初始预期相、扰动冲击相关的大加速度峰和随后补偿调整。PCG在扰动前更早偏离基线，提示APAonset更早；扰动后补偿反应起始相对延迟。两种采集系统波形结构相似，但智能手机信号对细微事件的时间定义更平滑。
4.3 组间姿势调整变量比较（Comparison of postural adjustment variables between groups）：运动学测量中，PCG的APAonset显著早于HG（原始p=0.0031；FDR校正p=0.0062；Hedges' g=-1.65，95% CI -2.56至-0.74）；智能手机测得的APAonset也显著（原始p=0.0049；FDR校正p=0.0194；Hedges' g=-1.22，95% CI -2.08至-0.36），两种系统结果一致。APAamplitude在两种系统均无显著组间差异（运动学FDR校正p=0.4847；智能手机FDR校正p=0.1962），智能手机效应量Hedges' g=0.68但95% CI -0.14至1.50较宽。CPArestabtime在运动学测量中PCG显著更长（原始p=0.0007；FDR校正p=0.0026；Hedges' g=-1.54，95% CI -2.44至-0.64），但智能手机测量几乎无组间差异（Hedges' g=0.00，95% CI -0.80至0.80）。CPArange在两种系统均无显著差异，运动学Hedges' g=0.57，95% CI -0.24至1.38；智能手机Hedges' g=-0.04，95% CI -0.84至0.76。敏感性分析显示当前样本在80%把握度下最小可检测标准化效应量为Hedges' g=1.19，仅适于检测较大组间差异。以身高为协变量后，运动学CPArestabtime组效应仍显著（p=0.0068；partial η
2=0.268），运动学APAonset仍显著（p<0.001；partial η
2=0.449），智能手机APAonset仍显著（p=0.0042；partial η
2=0.294）；APAamplitude和CPArange仍无显著组间差异，身高在调整模型中均不是显著协变量（所有p>0.05）。
4.4 智能手机与运动捕捉系统之间的一致性（Agreement between the smartphone and the motion capture system）：APAonset和APAamplitude在仪器间关系最强，HG中相关系数分别为r=0.72和0.82，总样本中分别为r=0.76和0.78（均p<0.001）；PCG中APAamplitude相关性很强（r=0.92，p<0.001），但APAonset相关性弱且不显著（r=0.13，p=0.73）。总样本中CPArestabtime为中等相关（r=0.43，p=0.026），CPArange为中等相关（r=0.54，p=0.003）；PCG中CPArestabtime显著相关（r=0.68，p=0.042），CPArange不显著（r=0.30，p=0.43）。ICC显示APAonset和APAamplitude绝对一致性最高（ICC 0.65–0.75，平均偏差可忽略），CPArestabtime较低（ICC 0.37–0.42），CPArange中等（ICC 0.41–0.53）。Bland-Altman分析中APAonset和APAamplitude一致性界限较窄且无比例偏倚；CPArestabtime在HG及CPArange在HG和总样本存在显著比例偏倚，提示测量幅度增大时方法间不一致增加。总体上，智能手机对预期性姿势调整变量的复现优于补偿性变量，PCG中一致性通常降低。
讨论部分总结：研究人员认为，PCG较早的APA可能反映前馈控制策略改变；APA由中枢神经系统在可预测扰动前组织，以减少质心位移并维持稳定。COVID-19后较早的预期性激活可能是为增加姿势僵硬或准备预期扰动的补偿策略，类似其他平衡损害人群。尽管APA较早，PCG扰动后补偿再稳定时间更长，提示姿势恢复效率仍受损，反馈控制机制效果降低，可能与神经肌肉无力、协调下降或感觉整合改变有关。这些结果与既往报道的COVID-19后持续平衡损害、姿势摇摆增加、平衡能力降低及感觉整合障碍一致；本研究进一步表明，COVID-19后改变还影响预期性和补偿性姿势反应的时间组织。功能上，躯干扰动反应对日常活动稳定重要，恢复稳定受损可能增加老年人跌倒风险，而跌倒可导致伤害和残疾；理解COVID-19后姿势反应有助于识别高风险个体并指导康复。智能手机一致性方面，APAonset和APAamplitude相关性较好，表明手机惯性传感器可捕获扰动任务中躯干运动的相关特征；但绝对一致性总体仅中等，PCG中APAonset和CPArestabtime更低，部分变量存在比例偏倚，提示智能手机估计在临床人群中应谨慎解释，需在更大样本中验证。两个显著区分组间的变量中，仅APAonset被两种仪器检测到；CPArestabtime仅由运动学参考系统检测到，在智能手机数据中基本缺失，且其ICC最低。因此，智能手机评估对预期性姿势反应比补偿性姿势反应更稳健，可用于筛查和纵向监测，但补偿性反应需谨慎，尤其在需要精确定量时。限制包括样本量小，尤其PCG n=9且组间不平衡，泛化性有限，效应估计不精确；横断面设计不能推断因果或评估个体恢复轨迹；足跟落地同步虽所有参与者可完成，但其时间准确性未在老年人中独立量化，不能完全排除20 ms内残余错位；单中心便利抽样存在选择偏倚，PCG为符合纳入标准且愿意并能够完成实验室扰动方案的严重COVID-19幸存者，不能完全外推至更广泛或残余功能损害更重者。未来需多中心、更大队列研究。
研究结论部分翻译：从严重COVID-19康复的老年人表现出改变的姿势反应。智能手机惯性传感器对某些变量显示出可接受的一致性，但在COVID-19后评估中应谨慎使用。尽管存在上述限制，本研究为严重COVID-19后老年人姿势反应组织提供了新见解。结果提示，该疾病可能与姿势控制的预期性和补偿性机制的持续改变有关。此外，研究结果支持使用智能手机惯性传感器作为评估扰动任务中躯干反应的可及工具，但其与实验室级运动学系统的绝对一致性，尤其在COVID-19后老年人等临床人群中，仍需在更广泛临床采用前进一步验证。
