军事负荷携行下五种作战动作的肌肉骨骼建模肌力趋势分析与EMG验证

《Journal of Biomechanics》：Trend analysis and evaluation of musculoskeletal modeling for the study of military operational movements with load carriage

　　

本研究旨在分析并评估五种代表性作战动作——行走、奔跑、切入（cutting）、跳跃和越障（obstacle crossing）——期间背部与下肢估计肌力（muscle forces）的趋势。研究考虑了三种负荷条件以代表步兵作战动作。评估通过交叉相关（cross-correlation）和趋势分析，将上述估计与实验肌电（electromyography, EMG）进行比较。结果与实验数据具有良好一致性。对于大多数肌肉，在无负荷与初始负荷条件之间，结果与EMG时序及变化趋势一致。具体而言，腓肠肌内侧头（gastrocnemius medialis）、臀大肌（gluteus maximus）、腹直肌（rectus abdominis）和股内侧肌（vastus medialis）与实验测量具有良好一致性。然而，股二头肌（biceps femoris）在所有条件下，以及竖脊肌（spinal erectors）在特定负荷条件之间，存在差异。这些差异可由肌肉骨骼框架（musculoskeletal framework）的固有假设解释，并与时空参数（spatiotemporal parameters）的负荷依赖性变化一同评估。研究结果表明，该模型是估计军人群体肌力时序和趋势的合适工具，但在复杂稳定阶段应谨慎。大多数研究动作中，躯干和下肢的估计肌力显著增加（p<0.05）。因此，研究人员提出了针对性体能训练和将负荷重新分配至胸部等实践建议，以降低过度使用损伤风险。

Aurélien Schuster、Marie Curci、Charles Pontonnier 和 Georges Dumont 的研究围绕军事负荷携行（military load carriage）下肌肉骨骼建模（musculoskeletal modeling）估计肌力的趋势分析与评估展开。研究背景方面，战场携带的军事装备重量在历次冲突中增加，超过 NATO 建议的战斗负荷为体重 30%、行军接近负荷为体重 45%的阈值。过度负荷影响士兵健康，导致肌肉骨骼疾患（musculoskeletal disorders, MSDs）高发，尤其是下背部和下肢。军事人群中过度使用损伤占 MSDs 病例的 84%，因此制定适配的体能训练对损伤预防至关重要。量化关节角度、关节力矩和估计肌力等生物力学量，有助于细化预防策略并理解 MSDs 病因。此类分析可使用 AnyBody、OpenSim 或 CusToM 等肌肉骨骼建模工具箱完成。通过整合动作捕捉数据和地面反作用力（ground reaction force, GRF）测量，可在逆向运动学和逆向动力学步骤之后，通过静态优化计算肌力。为确保准确，仿真评估指标必须严格验证：运动学重建误差应与动作捕捉测量误差相当；动态残差应相对测量努力较小；残差力均方根（Root Mean Square, RMS）应低于最大 GRF 的 5%，残差力矩应低于重心（center of mass, COM）高度与最大 GRF 乘积的 1%。此外，估计肌肉激活可与 EMG 数据比较，但行走中竖脊肌激活仅占最大自主收缩的低百分比，低 RMSD 可能反映小信号幅度而非模型一致性，因此趋势分析更稳健。既往军事负荷携行研究多集中于行走和奔跑，缺乏对多种代表性任务动作的肌肉骨骼模型估计评估；光电运动捕捉和 GRF 测量的实验室限制也限制了可观察动作范围。因此，研究人员开展本研究，以分析并评估五种代表性作战动作中背部和下肢估计肌力的趋势。研究人员假设增加负荷会增加肌肉活动，估计力与 EMG 显示强交叉相关和趋势一致性。研究结论认为，模型总体适合估计军人肌肉力时序和趋势，但复杂稳定阶段需谨慎；躯干和下肢估计肌力在大多数动作中显著增加，并据此提出针对性体能训练和负荷再分配至胸部的建议，以降低过度使用损伤风险。

为开展研究，关键技术方法包括：样本来自 14 名法国现役士兵（13 男 1 女；年龄 28±6 岁，身高 1.77±0.05 m，质量 77±9 kg），伦理批准为 CPP n^°2024-A02738-39；PB 条件由 8 名参与者亚组完成，包括该女性。测试四种负荷条件：无负荷（BW）、轻背包（Light Backpack, LB，11.7 kg）、重背包（Heavy Backpack, HB，17 kg）、弹道防护背心、头盔与 LB（PB，24 kg）。动作包括行走、奔跑、切入、跳跃和越障。记录 48 个反光标记、26 台 Qualisys? 光电相机 200 Hz、AMTI? 测力台 2000 Hz、越障障碍物测力传感器 5000 Hz，以及 Delsys? Trigno 无线表面 EMG 2000 Hz，每侧 8 块肌肉。使用 CusToM 工具箱进行逆向运动学、逆向动力学和静态优化估计肌力，并用交叉相关和线性混合效应模型分析。

研究结果如下。3.1 模型评估结果：通过运动学重建误差、残差力、残差力矩和最大归一化交叉相关系数（r_max）评估。结果显示，运动学误差≤1.8±0.3 cm，残差力低于 GRF 的 5%；残差力矩为 0.5%±0.6%至 2.6%±2.0%，除跳跃外一般超过 1%建议值。行走、奔跑和切入中，下肢肌肉及 longissimus/multifidus 竖脊肌的 r_max＞0.7；跳跃中 rectus abdominis、右侧 gastrocnemius medialis 和 biceps femoris 低于该阈值；越障中 longissimus、multifidus、rectus abdominis、gastrocnemius 和 biceps femoris 相关性较低，但 iliocostalis 的 r_max较其他动作改善。3.2 负荷携行影响：3.2.1 时空参数：行走和奔跑中不同负荷条件相似，而切入、跳跃和越障存在差异。行走中 PB 条件较其他条件减少步态周期 0.1 s，LB 和 HB 的步长显著大于 BW，LB、HB 和 PB 的步频与 COM 速度显著增加。奔跑、切入和越障中，负荷携行显著延长支撑期、接触期及越障总时间。跳跃中 HB 和 PB 的最小 COM 高度显著降低；越障中总越障时间、手接触和脚接触百分比增加。3.2.2 趋势评估：变化通常与 BW 和 LB 之间的 EMG_mean 对应。行走中 gastrocnemius medialis 和 gluteus maximus，以及奔跑中 rectus abdominis，在所有负荷下保持方向趋势和统计显著性。其余肌肉在负荷条件间存在差异，尤其是 longissimus 和 multifidus 在较高负荷下、跳跃中 gastrocnemius、越障中 biceps femoris 出现相反趋势。跳跃中 longissimus、multifidus 和 gluteus maximus 方向趋势一致，但显示双侧不对称。3.3 奔跑与越障重点：奔跑支撑期和越障起跳前、落地后，vastus medialis、gastrocnemius 和 gluteus maximus 的估计肌力与 EMG 波形相似；vastus medialis 在左侧越障接触期间也一致。越障总体 r_max较低。奔跑中，躯干和下肢肌力的平均变化方向、显著性和幅度大体与 EMG_mean一致，但模型估计的显著肌力变化并不总反映在 EMG 中。越障中，iliocostalis、longissimus、multifidus 和 vastus medialis 存在相似性；vastus medialis 的下肢趋势与实验数据一致，但其估计变化和标准差幅度明显大于 EMG。奔跑中下肢 f_m增加局限于支撑期；躯干 longissimus 在相反支撑期较高；multifidus 在步态两个峰值显著增加。越障中大多数肌肉在起跳前、障碍接触和落地后显著增加。奔跑中所有肌肉的 f_m,peak受负荷影响，从 LB 显著增加；左侧 gluteus maximus 仅在 LB 显著增加；左侧 biceps femoris 在 HB 和 PB 显著增加，而右侧不显著。越障中除左侧 gastrocnemius medialis 外，所有肌肉显著增加；相反，奔跑中 gastrocnemius medialis 和越障中竖脊肌（左 multifidus 和右 longissimus）在 HB 与 PB 之间峰值肌力下降。

讨论部分。4.1 模型评估结果：大多数仿真评估指标符合已有建议。运动学重建误差处于类似校准方法的文献范围内；动态残差力矩超过建议值，但仍在负重行走研究的数量级内。大多数肌肉获得强相关，但 iliocostalis 和 rectus abdominis 例外，二者参与核心稳定。虽然奔跑和行走中的总体肌肉激活模式与文献一致，静态优化在行走中产生 iliocostalis 交替激活模式，而 EMG 未观察到。跳跃中，gastrocnemius 和腘绳肌活动相对股四头肌膝稳定主导较低，可能导致模型准确性下降。静态优化忽略与稳定或僵直行为相关的共收缩，可能解释 biceps femoris 在跳跃和越障中较躯干肌肉相关性降低。总体表明，模型适合大多数肌肉的时序估计，r_max＞0.7。4.2 负荷携行影响：奔跑与越障相比，下肢肌肉受负荷影响更明显，f_m,mean和 f_m,peak因支撑期延长而显著增加；HB 条件下 vastus medialis 的变化幅度与文献奔跑报道一致。BW 与 LB 的趋势一致性在奔跑和越障中总体成立，但越障中 vastus medialis 的 f_m,mean被高估，biceps femoris 方向相反。行走中 gastrocnemius medialis 和 gluteus maximus，以及奔跑中 rectus abdominis，保持相同变化方向和一致趋势。相反，longissimus、multifidus 和 biceps femoris 的估计肌力在负荷条件间趋势不一致，需谨慎解释。4.3 实践意义：PB 较 HB 下肢肌力更低，提示背包重量比防护背心更影响负荷。躯干负荷放置对未来军事负荷携行生物力学研究关键。为管理增加的峰值肌力和限制过度使用损伤风险，强化特定肌群可视为有效预防方法，适用于所有作战动作的躯干和下肢，但涉及越障或跳跃任务时应强调竖脊肌和腹带。落地期股四头肌大量募集，可能导致 ACL 撕裂等损伤。模型可识别士兵可能不易察觉的高峰值肌力，因此 vastus medialis 和后链应纳入训练方案，以平衡股四头肌需求并增强切入和落地时膝稳定。4.4 局限与展望：仅纳入 1 名女性，限制军事负荷携行建议的普适性。整合移动膝轴可改善膝关节运动学和一致性；纳入胫股平移或髌骨运动等次级运动学可更准确表示关节周围肌肉几何。使用单一连接文件进行全局校准而非动作特异性校准，可能增加总体运动学和动力学估计误差。简单驱动可确保模型广泛适用，但纳入受试者特异性力-长度-速度关系可更好反映肌肉生理并提高准确性。本研究中最大等长肌力逐步增加，直到全局饱和比低于 5%，从而限制对孤立饱和事件的不必要缩放。理想驱动是替代方法。功能校准可进一步改善肌力估计；已有研究报告步行中估计准确性增加 19%。本研究主要旨在表征总体负荷相关趋势，而非获得单块肌肉高准确估计。负荷建模通过调整节段惯性属性实现，但推荐纳入附着模型以提高携行装备保真度。静态优化可能忽略共收缩或稳定僵直导致的肌肉协同；最小化平方肌肉激活用于保持平滑募集和数值稳定。对于越障等要求高的非周期性动作，高阶多项式或最小/最大成本函数可能更好反映肌肉间峰值负荷分配。虽然本研究未分析个体间肌肉活动，但越障关键阶段的个体间肌肉活动分析可帮助解释估计力与 EMG 差异，尤其长时间负荷接触会改变激活策略。

研究结论翻译：本研究的目标是分析并评估五种代表性作战动作期间背部和下肢估计肌力的趋势。总体模型评估显示，估计肌力与 EMG 测量之间具有良好趋势一致性。大多数动作和肌肉在过渡到轻背包条件时表现出一致趋势，其中部分研究肌肉的这些模式在所有负荷条件下保持稳健。尽管由于模型假设（如静态优化中忽略共收缩）存在差异，但这些差异已与负荷引起的时空参数变化一同评估。最后，这些发现支持制定实践建议，以支持特定士兵体能训练并基于任务需求优化负荷分布。