视觉处理能力与干扰因素对前交叉韧带损伤(ACLR)患者膝关节角冲量的影响:一项关于立定跳远的认知-生物力学分析

《Archives of Orthopaedic and Trauma Surgery》:Visual processing and interference performance influences on knee angular impulse in ACLR individuals: a cognitive-biomechanical analysis of drop-jumps

【字体: 大 中 小 】 时间:2026年05月17日 来源:Archives of Orthopaedic and Trauma Surgery 2.1

编辑推荐:

  摘要 引言 视觉处理速度和认知干扰控制对运动表现以及前交叉韧带(ACL)损伤风险至关重要。然而,这些认知功能在前交叉韧带重建(ACLR)后的生物力学表现中的关系仍不清楚。鉴于重返运动的年轻运动员中20-25%的再受伤率,这一差距在临床上具有重要意义,表明康复可能未能充分满

  摘要
引言
视觉处理速度和认知干扰控制对运动表现以及前交叉韧带(ACL)损伤风险至关重要。然而,这些认知功能在前交叉韧带重建(ACLR)后的生物力学表现中的关系仍不清楚。鉴于重返运动的年轻运动员中20-25%的再受伤率,这一差距在临床上具有重要意义,表明康复可能未能充分满足认知需求。本研究考察了ACLR患者与对照组在跳跃任务中的认知差异,以及这些差异与膝关节角动量的关系。

材料与方法
32名女性(16名ACLR患者,16名对照组;平均年龄20±1岁)完成了包括斯特鲁普颜色和单词测试(Stroop Color and Word Test)、路径构建测试(Trail Making Test)、数字跨度记忆测试(Digit Span Memory Test)以及视觉/听觉反应时间测试在内的认知评估。参与者在四种条件下进行了跳跃:标准条件、选择条件、视觉提示条件和听觉提示条件。膝关节角动量分别计算了离心阶段、向心阶段和净阶段的数据。二项逻辑回归(binomial logistic regression)确定了区分两组之间的认知预测因子,随后通过因子方差分析(factorial ANOVA)评估了生物力学差异。斯皮尔曼相关性分析(Spearman correlations)研究了认知与膝关节角动量之间的关系。

结果
三个认知变量区分了两组:认知干扰得分(cognitive interference score)、视觉简单反应时间(visual simple reaction time)和视觉复杂反应时间(visual complex reaction time)(χ2(3) = 55.090, p < 0.001)。ACLR组表现出更快的视觉反应时间,但干扰控制能力较差。从生物力学角度来看,ACLR组的膝关节离心角动量较低(p = 0.003, d = -0.37),表明他们持续采用了保护性策略。听觉提示条件下的离心角动量高于标准条件和选择条件。认知变量与膝关节离心角动量之间的相关性较低,表明可能存在独立的(平行的)适应机制。

结论
ACLR患者表现出独特的认知和生物力学特征,表现为视觉反应性增强、干扰控制能力下降以及着陆机制的改变。这两个领域之间缺乏关联,表明存在独立的适应机制,这支持了同时针对认知功能和生物力学表现的康复方法。

引言
视觉处理速度和认知干扰控制对运动表现以及前交叉韧带(ACL)损伤风险至关重要。然而,这些认知功能在前交叉韧带重建(ACLR)后的生物力学表现中的关系仍不清楚。鉴于重返运动的年轻运动员中20-25%的再受伤率,这一差距在临床上具有重要意义,表明康复可能未能充分满足认知需求。本研究考察了ACLR患者与对照组在跳跃任务中的认知差异,以及这些差异与膝关节角动量的关系。

材料与方法
32名女性(16名ACLR患者,16名对照组;平均年龄20±1岁)完成了包括斯特鲁普颜色和单词测试、路径构建测试、数字跨度记忆测试以及视觉/听觉反应时间测试在内的认知评估。参与者在四种条件下进行了跳跃:标准条件、选择条件、视觉提示条件和听觉提示条件。膝关节角动量分别计算了离心阶段、向心阶段和净阶段的数据。二项逻辑回归确定了区分两组之间的认知预测因子,随后通过因子方差分析(factorial ANOVA)评估了生物力学差异。斯皮尔曼相关性分析研究了认知与膝关节角动量之间的关系。

结果
三个认知变量区分了两组:认知干扰得分(cognitive interference score)、视觉简单反应时间(visual simple reaction time)和视觉复杂反应时间(visual complex reaction time)(χ2(3) = 55.090, p < 0.001)。ACLR组表现出更快的视觉反应时间,但干扰控制能力较差。从生物力学角度来看,ACLR组的膝关节离心角动量较低(p = 0.003, d = -0.37),表明他们持续采用了保护性策略。听觉提示条件下的离心角动量高于标准条件和选择条件。认知变量与膝关节离心角动量之间的相关性较低,表明可能存在独立的(平行的)适应机制。

结论
ACLR患者表现出独特的认知和生物力学特征,表现为视觉反应性增强、干扰控制能力下降以及着陆机制的改变。这两个领域之间缺乏关联,表明存在独立的适应机制,这支持了同时针对认知功能和生物力学表现的康复方法。

引言
认知过程在运动中的作用日益受到重视,特别是在需要快速决策和方向变化的任务中。这些认知过程对运动规划和执行至关重要[1, 2]。反应时间、处理速度和对视觉刺激的适应能力等关键因素与受伤风险相关,认知反应较慢与受伤可能性较高有关[3, 4]。值得注意的是,认知能力对于理解前交叉韧带(ACL)损伤等损伤具有重要意义。研究表明,遭受非接触性ACL损伤的运动员通常反应时间较长,视觉处理速度较慢,记忆力较低[5, 6, 7]。ACL损伤的治疗选择包括手术重建和康复,费用每例在20,000至50,000美元之间。美国每年有100,000至200,000例ACL断裂,总费用达到20至100亿美元[8]。了解认知功能在塑造运动行为中的作用对于制定有效策略和潜在降低ACL损伤发生率至关重要。尽管外科技术和康复方案有所进步,但大约20-25%的年轻运动员在重返运动后仍会遭受二次ACL损伤[9, 10]。这种再受伤负担凸显了一个关键问题:目前的重返运动标准主要依赖于身体指标(如力量对称性、跳跃测试),而系统性地忽视了运动参与所固有的认知需求。因此,识别可改变的认知-运动因素,以区分ACLR患者和非ACLR患者,可以为更全面的康复方案提供可操作的目标。

对于ACL损伤患者,认知能力受损可能对运动规划、协调性和反应时间产生不利影响,进而影响身体在动态活动中的膝关节受力情况[7, 11]。例如,认知表现下降可能导致对运动或方向突然变化的反应变慢,增加膝关节对齐不当和机械应力增加的风险。这种关系表明,较低的认知表现会削弱神经肌肉控制的有效性,使个体更容易受到过度膝关节受力的影响,从而增加受伤或再受伤的风险[9, 10]。然而,关于ACL重建后认知过程与生物力学相互作用的研究有限。受伤后,由于感觉运动控制的变化,身体往往会改变运动模式,这也可能影响大脑整合新的感觉反馈时的认知处理[12]。

跳跃任务对于ACL损伤研究尤为重要,因为它们模拟了运动中减速和改变方向时常见的高冲击着陆机制[13, 14, 15]。这些任务允许在不同的认知需求下系统地研究神经肌肉控制策略,同时保持与运动相关损伤机制的生态有效性[16]。本研究旨在探讨ACLR患者与对照组在多次跳跃任务中的认知表现和生物力学特征,并探索两组之间的认知功能与膝关节角动量(KAI)差异。我们假设:(1) 特定的认知功能将显著区分ACLR患者和对照组;(2) ACLR组和对照组之间的KAI存在显著差异;(3) 这些认知和生物力学差异之间存在关联,反映了ACL重建后的综合神经肌肉适应。本研究通过阐明ACL重建后认知功能与生物力学表现之间的关系,为康复策略和表现方案提供了依据。

材料与方法
32名女性参与了本研究(16名ACLR患者,16名对照组)。ACLR组(平均年龄20.31±1.70岁,身高1.69±0.06米,体重67.54±9.10公斤)和对照组(CTRL组)(平均年龄20.38±1.09岁,身高1.67±0.07米,体重62.98±8.79公斤)在年龄(t(30) = ?0.124, p = 0.902)、身高(t(30) = 0.596, p = 0.556)和体重(t(30) = 1.443, p = 0.159)方面匹配良好,无显著差异。所有参与者都习惯从1英尺高的箱子上跳跃。ACLR组中有12人单侧ACL损伤,4人双侧ACL损伤(2例双侧,2例三侧)。所有患者都接受了不同类型的移植手术(8例髌骨移植,5例腘绳肌移植,1例股薄肌移植,1例Artelon合成材料移植,1例未知类型移植),这与先前ACL生物力学研究中的异质性移植结果一致[17]。患者的最后一次ACL损伤发生在32.81±15.77个月前,已完成6.88±3.18个月的康复,并且在重返运动前至少有6个月的许可。排除标准基于PAR-Q评估[18]。参与者参与了多种运动,包括篮球(4人)、越野跑(2人)、Crossfit(1人)、体操(1人)、长曲棍球(2人)、跑步(1人)、足球(8人)、垒球(2人)、网球和羽毛球(2人)、田径(5人)和排球(4人)。获得了知情同意,研究得到了大学机构审查委员会的批准。未进行正式的先验功效分析;最终样本量为32人(每组16人),代表了在研究时间和资源限制下招募到的符合条件的总人数。这是一个方便样本,因此在解释次要分析的统计功效时应考虑样本大小的限制,特别是探索性逻辑回归(EPV = 5.3)。

程序
参与者完成了一份在线调查,内容包括当前和过去的运动参与情况、受伤史、ACL重建细节、骨关节炎状况和脑震荡史。数据包括运动类型、参与水平、训练强度、ACL损伤次数、手术类型、移植类型、受伤机制、治疗细节以及其他损伤(如扭伤和拉伤)。

认知测试
所有认知测试均由同一研究者在一个无干扰的环境中统一进行。参与者完成了斯特鲁普颜色和单词测试、路径构建测试A和B(TMT)、数字跨度记忆测试(DS)以及视觉和听觉刺激的简单反应时间(SRT)和复杂反应时间(CRT)测试。

斯特鲁普颜色和单词测试的表现通过45秒内正确回答的词汇数量来量化,包括颜色命名和不一致条件。认知干扰得分(CIS)使用公式1计算[19, 20, 21]。TMT的表现通过完成25项测试所需的时间(以秒为单位)来衡量,差异得分(公式2)为TMT A和TMT B之间的时间差[22, 23]。在DS测试中,参与者被要求按正向和反向顺序重复一系列数字。评分基于每个方向正确回忆的最长序列的总和,如公式3所示[24]。

图1
此图像的替代文本可能是使用AI生成的。

计算个体认知测试得分的公式:
公式1:认知干扰得分(CIS)来自斯特鲁普颜色和单词测试,根据45秒内正确回答的词汇数量计算。
公式2:路径构建测试(TMT)差异得分,为TMT B和TMT A之间的时间差(以秒为单位)。
公式3:数字跨度(DS)总分,为正向(F)和反向(B)方向正确回忆的最长序列的总和。
公式4:简单反应时间(SRT)平均得分,包括视觉(对向上箭头键的三角形)和听觉(对高音调喇叭的)模式。
公式5:复杂反应时间(CRT)得分,结合速度和准确性,使用逆时间加权方法,针对视觉(对向上/向下箭头的三角形)和听觉(对高/低音调喇叭)模式,其中75%为频繁刺激,25%为罕见刺激。

SRT和CRT测试在笔记本电脑上进行。视觉SRT(V-SRT)中,参与者尽快按下向上箭头键以响应向上箭头三角形。在视觉CRT(V-CRT)中,参与者尽可能准确快速地按下相应箭头键以响应向上或向下箭头三角形。在听觉SRT(A-SRT)中,参与者尽快按下向上箭头键以响应高音调喇叭。在听觉CRT(A-CRT)中,参与者根据需要按下向上或向下箭头键以响应高或低音调喇叭。在CRT测试中,75%的试验为频繁刺激(向上箭头三角形或高音调),25%为罕见刺激(向下箭头三角形或低音调),以增加任务的复杂性和认知负荷。

CRT得分结合了速度和准确性,使用逆时间加权方法(公式5,图1),其中较高得分表示反应时间更快但准确性保持。这种综合评分方法考虑了速度和准确性的权衡,确保快速但容易出错的反应不会人为提高表现分数。每位参与者在生物力学测试前完成所有认知测试。测试顺序固定:(1) CIS,(2) TMT A和B,(3) DS,(4) SRT测试(视觉然后听觉),(5) CRT测试(视觉然后听觉)。每个SRT条件包含20次试验,得分使用公式4(图1)计算;每个CRT条件包含40次试验,以确保频繁(30次)和罕见(10次)刺激的充分呈现。在测试之间提供了30-60秒的休息时间,以减少疲劳。认知测试与生物力学测试在同一天完成,每次测试之间至少有15分钟的休息时间。

**参与者准备**
运动数据以1000 Hz的频率使用两个力板(AMTI,沃特敦,马萨诸塞州)收集,而运动学数据则以100 Hz的频率使用17个摄像头的运动捕捉系统(Vicon Motion Systems Inc.,牛津,英国)收集。参与者佩戴了Vicon的Plug-in Gait Full Body Functional Set中的45个标记点。通过Vicon DataStream SDK将实时标记数据整合到MATLAB中来触发跳跃指令。标记数据以100 Hz的频率在MATLAB中读取,与摄像头的频率相匹配。在30厘米的跳跃平台上放置的两个标记点使MATLAB脚本能够确定其相对于参与者的位置并捕捉运动范围。

**实验方案**
标准的热身方案包括以自选速度慢跑3圈(每圈约12米),然后进行10次自重深蹲、双腿跳跃、单腿跳跃和3次反向跳跃,各活动之间有足够的休息时间。随后指导参与者练习跳跃任务,最多可重复3次。

对于这个跳跃任务,参与者用双脚从箱子上跳起,同时落在距离箱子高度一半的双侧力板上。跳跃要求参与者在落地时“尽可能跳得高”,而落地则要求舒适。如果未正确遵循指令,则会重复试验[25]。为了减少由于口头提示导致的性能变化[26],提供的指令尽可能少,并且只有最多4名研究人员在场以限制人群影响[27]。

测试了四种条件:(1)标准(基线),(2)选择(自愿决策),(3)视觉,(4)听觉(外部提示)(见图2了解实验方案的示意图)。视觉和听觉条件旨在通过在参与者的骨盆标记穿过箱子边缘时提供概率性提示来减少运动计划时间。视觉提示以胸部高度屏幕上的向上三角形显示,而听觉提示使用喇叭声。两种提示类型都表示需要完成跳跃,没有提示则表示只需落地。这种方法旨在阐明通过外部提示减少计划时间如何影响运动执行参数,特别是与前交叉韧带(ACL)损伤风险因素相关的参数。三个跳跃试验是随机进行的,不受条件限制,以保持认知负荷。试验之间提供了30-60秒的休息时间,并使用Borg感知用力等级量表监测疲劳程度。

**图2**
此图像的替代文本可能是使用AI生成的。

**四种跳跃条件:**
(1)标准,(2)选择,(3)视觉,(4)听觉。参与者用双脚从箱子上跳起,同时落在距离箱子高度一半的双侧力板上。
(1)标准:参与者在收到跳跃指令后尽可能跳得高;
(2)选择:参与者决定是完成最大跳跃还是进行舒适落地;
(3)视觉:当骨盆标记穿过箱子边缘时,在胸部高度屏幕上显示向上三角形,表示需要完成跳跃;
(4)听觉:当骨盆标记穿过箱子边缘时发出喇叭声,表示需要完成跳跃;

**数据还原**
力数据使用四阶零相位低通巴特沃斯滤波器进行过滤,截止频率为50 Hz,这与冲击加载任务中地面反作用力数据的建议一致[28]。使用5 N的力阈值确定脚接触地面和脚离开地面的时间。使用Vicon的Plug-in Gait模型确定重心(CoM)。通过在整个阶段内使用梯形法则积分净垂直地面反作用力来计算垂直地面反作用力脉冲[29]。分析第一个落地阶段中的膝关节角度分量。该阶段从初始地面接触(5 N力阈值)开始,持续到脚离开地面[30,31,32]。膝关节角度脉冲表示关节力矩随时间的累积效应。在这项研究中,计算了离心阶段(KAIECC)的膝关节角度脉冲,从初始地面接触开始到重心最低点,表示膝关节弯曲时产生的总旋转效应。然后计算向心阶段(KAICON)的膝关节角度脉冲,从重心最低点开始到脚离开地面,表示膝关节伸展时产生的总旋转效应。膝关节角度脉冲净值(KAINET)是KAIECC和KAICON的代数和,表示整个运动过程中产生的总膝关节力矩。所有KAI计算都使用梯形法则进行积分,并根据体重进行了归一化。三个KAI阶段如图3所示。

**图3**
此图像的替代文本可能是使用AI生成的。

**使用地面反作用力和重心数据计算膝关节角度脉冲的跳跃阶段识别。**
该图展示了用于计算膝关节角度脉冲阶段的关键时间标志。初始地面接触(由5 N力阈值标记)定义了离心阶段的开始。重心的最低点(CoM)标志着离心阶段和向心阶段之间的转换。脚离开地面(由力降至5 N阈值以下标记)定义了向心阶段的结束。红色圆圈清晰地区分了重心的最低点和初始地面接触标记。

**统计分析**
所有统计分析均使用JASP 0.95.4(JASP Team,阿姆斯特丹,荷兰)进行。为了识别区分前交叉韧带损伤(ACLR)患者和对照组参与者的认知变量,进行了探索性二项逻辑回归,以组别成员身份作为因变量(Control = 1,ACLR = 0)。初始模型包含了所有七个认知表现指标(CIS、TMT、DS、A-SRT、A-CRT、V-SRT和V-CRT)。然后应用向后消除程序来确定最简洁的模型。由于得到的模型每个变量的事件比率(EPV = 5.3)较低(低于逻辑回归推荐的10的阈值),因此将此分析视为探索性和假设生成性的。使用多重拟合指数(包括卡方检验和Nagelkerke R2)评估模型性能。为了确认逻辑回归结果的稳健性,对所有认知变量进行了Mann-Whitney U检验,以检查不同认知测试之间的个体差异,并使用等级双列相关性计算效应大小。

随后,对每个KAI阶段(ECC、CON、NET)分别进行了2(组别:ACLR、对照组)× 4(条件:标准、选择、听觉、视觉)的方差分析(ANOVA),以评估组间和任务条件间的生物力学差异。使用Levene检验评估组间和条件间的方差同质性。对Q-Q图的视觉检查确认所有三个ANOVA模型的残差大致呈正态分布。Levene检验确认了ECC(F = 0.563,p = 0.786)、CON(F = 1.058,p = 0.391)和NET(F = 0.334,p = 0.938)的组间和条件间方差同质性。尽管相关性分析中观察到多变量正态性违反,但这些发现支持使用参数化ANOVA的适当性。当检测到显著的主效应时,进行了带有Bonferroni校正的后续成对比较,以控制I型错误膨胀。使用部分eta平方(η2)计算ANOVA主效应和交互作用的效应大小,并使用Cohen’s d和95%置信区间进行成对比较。

为了研究认知表现与生物力学测量之间的关系,我们首先使用Shapiro-Wilk检验评估了多变量正态性。由于多变量正态性假设被违反(W = 0.921,p = 0.001),计算了所有七个认知变量与三个KAI阶段之间的Spearman等级相关系数(rho)。使用Cohen的指南解释相关性的强度(小:r ≥ 0.10,中等:r ≥ 0.30,大:r ≥ 0.50)。所有分析的统计显著性设定为p < 0.05。鉴于EPV较低(5.3),逻辑回归结果应被视为探索性的。鼓励未来的研究采用Firth的惩罚似然逻辑回归,这可以减少有限样本偏差,特别是在EPV < 10时特别推荐。同样,未来的工作将从贝叶斯替代方法中受益,这些方法可以量化零结果的证据强度;在解释如KAICON和KAINET这样的非显著结果时尤其有价值,因为仅使用频率主义检验无法区分统计功效不足和真正的零效应。

**认知表现区分ACLR组和对照组**
为了识别区分ACLR患者和匹配对照组的认知变量,我们进行了探索性二项逻辑回归,以组别成员身份作为结果变量。初始模型包含了所有七个认知表现指标。经过向后消除后,三个认知指标作为显著预测因子出现:CIS、V-SRT和V-CRT。这些变量显著增强了模型的预测能力(χ2(3) = 55.090,p < 0.001),表明它们能够可靠地区分ACLR组和对照组。最终模型解释了25.8%的组别状态方差(Nagelkerke R2 = 0.258)(见图4了解最终模型的组别分类性能)。

**图4**
此图像的替代文本可能是使用AI生成的。

**逻辑回归预测组别成员身份(对照组 vs. ACLR)。**
蓝点代表对照组参与者(n = 16),橙点代表ACLR参与者(n = 16),黑线显示逻辑预测曲线,灰色阴影表示95%置信区间。箭头指示每个组别成员身份的可能性增加方向。V-SRT(视觉简单反应时间),V-CRT(视觉复杂反应时间),CIS(认知干扰得分)。所有三个保留的认知变量都表现出显著的预测能力。V-SRT得分(β = 1.205,比值比 = 3.338,z = 5.145,p < 0.001)表明,每增加一个单位,属于对照组的概率增加3.338倍,表明较慢的视觉简单反应时间与对照组成员身份相关。相反,V-CRT得分(β = ?4.520,比值比 = 0.011,z = ?5.025,p < 0.001)表明每增加一个单位,属于对照组的概率降低98.9%,表明较高的V-CRT得分(表示更快的复杂反应时间)与ACLR组成员身份相关。最后,CIS(β = ?0.038,比值比 = 0.963,z = ?2.164,p = 0.030)表明,干扰得分每增加一个单位,属于对照组的概率降低3.7%,表明ACLR组的干扰控制较差。

鉴于这项分析的探索性质和每个变量的事件比率较低(EPV = 5.3,低于推荐的10的阈值),结果并不明确[33]。我们使用Mann-Whitney U检验和等级双列r来量化组间差异的大小(表1)。ACLR患者的V-SRT明显快于对照组,效应大小为中等到大。ACLR患者的V-CRT也快于对照组,表明有中等效应。然而,ACLR患者的干扰控制不如对照组显著差。这些发现表明,ACLR个体具有独特的认知特征,表现为比匹配对照组更强的视觉反应能力。

**组间生物力学差异**
我们对每个KAI阶段(ECC、CON、NET)进行了2(组别:ACLR、对照组)× 4(条件:标准、选择、视觉、听觉)的方差分析(ANOVA),以评估组间和任务条件间的生物力学差异。Levene检验用于评估组间和条件间的方差同质性。Q-Q图的视觉检查确认所有三个ANOVA模型的残差大致呈正态分布。Levene检验确认了ECC(F = 0.563,p = 0.786)、CON(F = 1.058,p = 0.391)和NET(F = 0.334,p = 0.938)的组间和条件间方差同质性。当检测到显著的主效应时,进行了带有Bonferroni校正的后续成对比较,以控制I型错误膨胀。使用部分eta平方(η2)计算ANOVA主效应和交互作用的效应大小,并使用Cohen’s d和95%置信区间进行成对比较。

为了研究认知表现与生物力学测量之间的关系,我们首先使用Shapiro-Wilk检验评估了多变量正态性。由于多变量正态性假设被违反(W = 0.921,p = 0.001),计算了所有七个认知变量与三个KAI阶段之间的Spearman等级相关系数(rho)。使用Cohen的指南解释相关性的强度(小:r ≥ 0.10,中等:r ≥ 0.30,大:r ≥ 0.50)。所有分析的统计显著性设定为p < 0.05。鉴于EPV较低(5.3),逻辑回归结果应被视为探索性的。鼓励未来的研究采用Firth的惩罚似然逻辑回归,这可以减少有限样本偏差,特别是在EPV < 10时特别推荐。同样,未来的工作将从贝叶斯替代方法中受益,这些方法可以量化零结果的证据强度;在解释如KAICON和KAINET这样的非显著结果时尤其有价值,因为仅使用频率主义检验无法区分统计功效不足和真正的零效应。

**结论**
认知表现区分了ACLR组和对照组。为了识别区分ACLR个体和匹配对照组的认知变量,我们进行了探索性二项逻辑回归,以组别成员身份作为结果变量。初始模型包含了所有认知表现指标。经过向后消除后,三个认知指标作为显著预测因子出现:CIS、V-SRT和V-CRT。这些变量显著增强了模型的预测能力(χ2(3) = 55.090,p < 0.001),表明它们能够可靠地区分ACLR组和对照组。最终模型解释了25.8%的组别状态方差(Nagelkerke R2 = 0.258)(见图4了解最终模型的组别分类性能)。

**图4**
此图像的替代文本可能是使用AI生成的。

**逻辑回归预测组别成员身份(对照组 vs. ACLR)。**
蓝点代表对照组参与者(n = 16),橙点代表ACLR参与者(n = 16),黑线显示逻辑预测曲线,灰色阴影表示95%置信区间。箭头指示每个组别成员身份的可能性增加方向。V-SRT(视觉简单反应时间),V-CRT(视觉复杂反应时间),CIS(认知干扰得分)。所有三个保留的认知变量都表现出显著的预测能力。V-SRT得分(β = 1.205,比值比 = 3.338,z = 5.145,p < 0.001)表明,每增加一个单位,属于对照组的概率增加3.338倍,表明较慢的视觉简单反应时间与对照组成员身份相关。相反,V-CRT得分(β = ?4.520,比值比 = 0.011,z = ?5.025,p < 0.001)表明每增加一个单位,属于对照组的概率降低98.9%,表明较高的V-CRT得分(表示更快的复杂反应时间)与ACLR组成员身份相关。最后,CIS(β = ?0.038,比值比 = 0.963,z = ?2.164,p = 0.030)表明,干扰得分每增加一个单位,属于对照组的概率降低3.7%,表明ACLR组的干扰控制较差。

鉴于这项分析的探索性质和每个变量的事件比率较低(EPV = 5.3,低于推荐的10的阈值),结果并不明确[33]。我们使用Mann-Whitney U检验和等级双列r来量化组间差异的大小(表1)。ACLR患者的V-SRT明显快于对照组,效应大小为中等到大。ACLR患者的V-CRT也快于对照组,表明有中等效应。然而,ACLR患者的干扰控制不如对照组显著差。这些发现表明,ACLR个体具有独特的认知特征,表现为比匹配对照组更强的视觉反应能力。

**表1**
认知表现变量的描述性统计和组间比较。

**组间生物力学差异**
我们对每个KAI阶段进行了2(组别:ACLR、对照组)× 4(条件:标准、选择、视觉、听觉)的方差分析(ANOVA),以评估组和条件因素是否独立或交互式影响跳跃落地时的膝关节生物力学。

**离心膝关节角度脉冲**
对KAIECC进行的ANOVA显示了组别的显著主效应(F (1, 248) = 8.71,p = 0.003,η2 = 0.034)和条件(F (3, 248) = 5.01,p = 0.002,η2 = 0.057)。组和条件之间的交互作用不显著(F (3, 248) = 0.42,p = 0.738,η2 = 0.005),表明两组对不同任务条件的反应相似。Levene检验确认了组间和条件间的方差同质性(F (7, 248) = 0.56,p = 0.786)。带有Bonferroni校正的后续成对比较表明,ACLR组(M = 0.324,SD = 0.078)的KAIECC显著低于对照组(M = 0.350,SD = 0.072)。这表明,在所有条件下,ACLR参与者在着陆阶段产生的KAIECC较少,代表了小到中等的效应大小差异(平均差异=?0.027,p=0.003,Cohen’s d = ?0.37)。关于条件效应,事后比较显示,听觉提示条件(M=0.359,SD=0.073)产生的KAIECC显著高于标准条件(M=0.318,SD=0.083;p=0.009,Cohen’s d=0.57)和选择条件(M=0.322,SD=0.074;p=0.025,Cohen’s d=0.51)。其他条件对之间没有显著差异(所有p>0.20)。

关于KAICON的分析,组别(F(1, 248)=0.58,p=0.447,η2=0.002)和条件(F(3, 248)=0.03,p=0.993,η2<0.001)的主效应均不显著。组别与条件之间的交互作用也不显著(F(3, 248)=0.38,p=0.768,η2=0.005)。Levene检验表明方差同质性(F(7, 248)=1.06,p=0.391)。对于KAINET,ANOVA显示组别(F(1, 248)=1.44,p=0.231,η2=0.006)和条件(F(3, 248)=1.75,p=0.158,η2=0.021)的主效应均不显著。组别与条件之间的交互作用也不显著(F(3, 248)=0.01,p=0.998,η2<0.001)。

(图5)该图像的替代文本可能是使用AI生成的。

ACLR和对照组参与者对条件效应的KAI阶段的差异敏感性。橙色圆圈/标准差条代表ACLR参与者(n=16),蓝色圆圈/标准差条代表对照组参与者(n=16)。*p<0.05。图(a)显示,组别(F=8.71,p=0.003,η2=0.034;ACLR<对照组,cohen’s d=-0.37)和条件(F=5.01,p=0.002,η2=0.057;听觉>标准,p=0.009,d=0.57;听觉>选择,p=0.025,d=0.51)的主效应显著,但组别与条件之间的交互作用不显著(p=0.738)。图(b)显示,组别(p=0.447)、条件(p=0.993)或交互作用(p=0.768)均无显著效应。图(c)显示,组别(p=0.231)、条件(p=0.158)或交互作用(p=0.998)均无显著效应。结果表明,ACLR个体在所有条件下表现出持续的外旋膝负荷减少,而听觉提示增加了两组的外旋控制。

为了探讨认知表现与生物力学测量之间的关系,我们计算了所有参与者中七个认知变量与每个KAI阶段之间的Spearman等级相关系数(W=0.921,p=0.001)(表2)。

关键的是,在逻辑回归中区分组的三个认知变量(V-SRT、V-CRT、CIS)与KAIECC的相关性很小且不显著。这种模式表明,区分ACLR组和对照组的认知测量以及外旋膝生物力学主要是独立的构念。此外,所有KAI阶段中组别×条件交互作用的缺失(所有p>0.74)表明,尽管ACLR和对照组参与者具有不同的认知特征,但他们对不同的任务需求反应相似。

这些发现表明,虽然ACLR个体在认知和生物力学方面与对照组存在差异,但这些差异与初步的独立平行适应框架一致,需要在得出明确结论之前进行复制。区分组的认知变量与区分组的生物力学测量(KAIECC)之间的接近零的相关性为这种分离提供了强有力的证据。这意味着ACL重建后的认知和运动控制适应可能通过不同的、尽管是同时发生的机制发生。

本研究调查了认知表现对ACLR患者和健康对照组在多次跳跃任务中运动控制的影响。我们的发现揭示了几个关键点,有助于我们理解ACL损伤的认知和生物力学方面:(a) 认知表现有效地区分了组别,ACLR组在视觉反应时间任务(简单和复杂)上的表现更好,而认知干扰控制较差,突显了先前ACL重建个体的独特神经认知特征。[5,6,7] (b) ACLR个体在所有任务条件下的着陆过程中表现出持续较低的外旋膝负荷KAIECC,表明即使在重返运动后也保持了保护性运动策略。(c) 听觉提示的跳跃条件在两组中产生的KAIECC显著高于计划条件,表明外部听觉提示增强了着陆时的外旋膝控制,这对康复锻炼设计具有潜在意义。此外,KAIECC对组别和条件效应都表现出敏感性,ACLR参与者在所有任务条件下的冲击力始终较低,而KAICON和KAINET在组别和条件之间相对一致,表明ACLR样本中的生物力学适应是特定阶段的,而不是全局的。

本研究的一个关键且理论上有意义的发现是,ACLR个体的认知和生物力学差异似乎代表了一个初步的解释框架,与平行而非整合的适应一致。区分组的三个认知变量(V-SRT、V-CRT、CIS)与KAIECC的相关性很小且不显著,KAIECC是唯一显示组别差异的生物力学测量。此外,所有KAI阶段中组别×条件交互作用的缺失(所有p>0.74)表明,尽管ACLR和对照组参与者具有不同的认知特征,但他们对不同的任务需求反应相似。这种分离可能表明,ACL重建可能通过不同的、尽管是同时发生的机制触发多个系统的适应,而不是通过单一的整合路径。从康复的角度来看,这一发现意味着认知和生物力学干预可能需要独立针对这些系统,而不是假设一个领域的改善会自动转移到另一个领域。

ACLR参与者观察到的不同认知特征揭示了神经认知功能的复杂适应模式。虽然ACLR组在简单和复杂的视觉反应时间任务中表现出更好的表现,但他们的认知干扰控制受损。这种增强反应能力的同时干扰控制受损的模式表明,ACL损伤后中枢神经系统可能存在补偿机制。先前的研究通常报告ACLR群体存在全面的认知缺陷[3, 5, 34, 35],因此我们发现的反应时间增强尤其值得注意。这种增强可能反映了损伤后的神经重组,可能是为了在改变的本体感觉反馈下保持快速反应能力。然而,对认知干扰的敏感性增加可能表明注意资源的权衡,即提高反应速度是以降低过滤无关信息的能力为代价的,这与其他损伤适应情况中的发现类似[12, 36]。

另一方面,从我们发现的生物力学方面来看,ACLR个体在着陆过程中KAIECC的减少提供了关于重建后长期运动适应的见解。这种减少的外旋负荷表明,即使在完成康复并重返运动后,也保持了持续的保护策略。类似的保护机制在之前的研究中有记录[37,38,39],但我们的发现特别指出了这种适应的目标是外旋阶段。这种选择性的修改(仅在外旋阶段发生,而同心或净冲击力没有显著变化)表明了一种复杂的神经控制策略,而不是全局运动抑制。这种特异性可能代表了在保护重建的韧带和维持功能表现之间的无意识优化[5, 7, 12, 25, 34, 35]。

进一步分析感觉运动方面发现,听觉提示的跳跃比计划跳跃引发了更大的外旋膝控制,提供了关于动态任务中感觉运动整合的重要见解。这种在听觉提示下的外旋控制增强可能不仅反映了感觉模式的影响,还反映了听觉提示的时间和节奏特性。最近的证据表明,听觉提示的时间结构,特别是节奏特性,在调节着陆任务中的运动时间和神经肌肉协调中起着关键作用[41]。听觉刺激所需的额外处理时间,加上它们的时间结构,可能有助于更完整的运动规划并增强外旋控制机制。这一发现与最近的研究结果一致,即较慢的处理有时可以导致更受控制的运动执行[25]。

鉴于这些发现,认知功能在ACL损伤风险和康复中的作用成为一个关键考虑因素。ACLR参与者观察到的独特认知特征(以更好的反应时间为特征,但干扰控制受损)可能不仅仅是一种损伤后的适应。这种模式可能识别出在需要持续注意力的情况下,尤其是运动环境中,更容易发生非接触性ACL损伤的高风险个体。先前的研究表明,神经认知缺陷先于并可能预测ACL损伤风险[3,4,5,6, 34],其中视觉空间注意力和处理速度的特定损伤增加了损伤风险高达3倍[7, 42]。认知处理与运动控制之间的关系与新兴证据一致,即认知处理能力的下降与动态任务中的高风险生物力学模式相关[4, 5, 11, 35]。此外,研究表明,认知表现较低的运动员表现出较低的动态姿势控制和增加的着陆力,特别是在双任务条件下[43,44,45]。

认知和生物力学的平行适应对ACL康复具有重要的临床意义。当前的康复方案通常主要关注恢复身体功能,而对认知因素的关注较少。我们的发现表明,康复计划应结合认知训练(例如,改善干扰控制,增强压力下的快速决策)和生物力学再训练(例如,增强着陆机制,增加外旋膝负荷能力)作为互补而非冗余的组成部分[12, 34]。认知和生物力学测量之间的分离表明,仅解决运动模式可能无法解决认知适应,反之亦然。具体来说,针对视觉处理速度和干扰控制的干预措施,也许通过特定于运动的反应训练、双任务训练或神经认知练习可能是必要的[36]。此外,ACLR个体观察到的增强反应能力,虽然可能是补偿性的,但如果适当引导,可以作为一种优势在重返运动计划中加以利用[6, 9, 34]。

虽然这项研究通过全面评估多种跳跃条件下的认知和生物力学参数提供了新的见解,但在解释这些结果时必须考虑某些限制。首先,逻辑回归分析虽然揭示了组别之间的有意义的认知差异,但每个变量的事件比率(EPV=5.3,低于推荐的10)较低,因此应被视为探索性和假设生成的,而不是决定性的。通过独立统计测试(Mann-Whitney U测试和效应大小计算)确认这些发现提供了额外的信心,但需要在更大的样本中进行复制。然而,考虑到我们的样本大小,未来的研究应包括更大的样本以确认零发现,特别是对于KAICON和KAINET,其中没有出现组别差异。为了解决EPV较小的限制,鼓励未来的研究采用Firth的惩罚似然逻辑回归,以减少有限样本偏差,并用贝叶斯分析补充频率主义测试,以量化零发现的证据强度,而不仅仅是拒绝零假设。其次,我们的样本在损伤特征上表现出异质性,包括ACL撕裂的数量(12次单次撕裂,4次多次撕裂)、移植物类型(髌骨、腘绳肌、股薄肌、合成材料)、手术时间(范围:17-64个月,平均=32.81±15.77个月)和运动背景(10种不同的运动)。虽然这种异质性反映了现实世界ACLR人群的多样性,与之前的生物力学研究中的类似异质样本一致[17],但它可能增加了组内方差并降低了我们估计的精度。移植物特定的本体感觉恢复和神经肌肉控制的差异可能导致在合并的ACLR分析中掩盖了不同的适应。未来使用更大、更同质的样本的研究可以澄清特定损伤或手术特征是否调节了这里观察到的认知-生物力学关系。第三,横断面设计无法确定观察到的认知和生物力学差异是发生在损伤之前、由于损伤和重建还是反映了持续的补偿适应。纵向研究跟踪从损伤前到重返运动的个体可以澄清这些观察背后的时间关系和因果机制。此外,尽管我们仔细控制了重返运动的时间(至少6个月),但参与者没有根据运动类型或竞技水平进行正式匹配,这可能增加了认知和生物力学表现的异质性。第四,尽管我们的发现表明认知和生物力学的适应是平行的,但我们不能排除存在更复杂的非线性关系的可能性,这些关系没有被相关性分析捕捉到。先进的分析方法,如机器学习或动态系统分析,可能会揭示认知和运动系统之间微妙的相互作用,这些在传统统计框架中并不明显。

基于这些发现和限制,有几个关键的研究方向值得探讨。迫切需要开展纵向研究,以探讨观察到的认知特征是前交叉韧带(ACL)损伤的潜在风险因素,还是损伤后的结果。这与最近呼吁进行前瞻性研究的呼声一致,这些研究旨在将认知功能作为损伤风险的预测指标[35]。此外,研究结合认知和运动训练的针对性干预措施有助于优化损伤预防策略,尤其是考虑到双任务训练能够同时改善认知表现和运动控制[46, 47]。此外,在更复杂、特定于运动的条件下研究这些认知-运动相互作用将提高研究的生态效度和临床适用性,可能有助于开发出更有效的损伤风险筛查工具。未来的研究还应探索专门设计用于增强干扰控制同时保持快速反应时间的认知训练方案,因为这种组合似乎与损伤风险和预防特别相关。

**结论**
本研究提供了新的证据,表明前交叉韧带损伤(ACLR)患者在认知和生物力学方面表现出独立的适应机制,而非通过整合机制形成。认知变量(V-SRT、V-CRT、CIS)成功区分了ACLR患者和对照组,ACLR患者表现出更强的视觉反应能力,但干扰控制能力受损。在生物力学方面,他们在着陆时表现出持续的膝关节角冲量减少,这表明某些保护策略在重返运动后仍然有效。关键的是,认知变量和生物力学变量之间的相关性很低,且不存在交互作用,这表明这些是独立的适应过程而非因果关联。鉴于样本量较小以及组内异质性,这一发现应被视为提出假设的依据。

这些发现对康复和损伤预防具有重要意义。由于这些适应机制的独立性,干预措施应分别针对认知和生物力学系统进行设计。结合干扰控制训练和生物力学再训练的干预措施可能比单纯假设跨领域迁移更有效。未来的研究应评估双领域方法,并明确观察到的认知特征是损伤前的风险还是损伤后的适应结果。在临床实践中,重返运动的决策应包括对干扰控制和视觉处理速度的评估,因为这两者都是全面康复所必需的独立目标。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号