健康成年人在不同收缩类型下,神经肌肉因素对四肢股四头肌力量不对称性的影响

《European Journal of Applied Physiology》:Neuromuscular contributions to inter-limb quadriceps strength asymmetries across contraction types in healthy adults

【字体: 大 中 小 】 时间:2026年05月17日 来源:European Journal of Applied Physiology 2.7

编辑推荐:

  摘要 目的:本研究通过考察等长、向心和离心收缩过程中力量不对称性与自主激活及双刺激诱发电矩不对称性之间的相关性,探讨了神经肌肉机制对股四头肌力量不对称性的影响。 方法:15名健康参与者在等速测力机上对双下肢进行了最大等长和异长收缩(30°/秒)。通过比较较强和较弱下肢的

  摘要
目的:本研究通过考察等长、向心和离心收缩过程中力量不对称性与自主激活及双刺激诱发电矩不对称性之间的相关性,探讨了神经肌肉机制对股四头肌力量不对称性的影响。

方法:15名健康参与者在等速测力机上对双下肢进行了最大等长和异长收缩(30°/秒)。通过比较较强和较弱下肢的扭矩、肌电图(EMG)活动、自主激活及双刺激诱发电矩的差异来评估两侧之间的差异。随后分析了扭矩、自主激活和双刺激诱发电矩不对称性之间的关联。

结果:在所有类型的收缩中,较强和较弱下肢的扭矩存在显著差异(分别为162.1 N.m和145.6 N.m),而神经肌肉参数则没有发现差异。协方差分析表明,激活水平的不对称性(估计值=0.57,p<0.001)和双刺激诱发电矩的不对称性(估计值=0.29,p=0.006)是扭矩不对称性的显著预测因素,共同解释了其方差的29%(边际R2)。相比之下,这些关系不受收缩类型的影响(p=0.670)。

结论:在健康个体中,力量不对称性与神经肌肉不对称性呈正相关。鉴于没有发现收缩类型的影响,从等长条件下得出的结论可能适用于异长收缩。

引言:
肢体间的力量不对称性是指一侧肢体与另一侧肢体之间的力量差异。这种不对称性可能会影响运动表现(Coratella等人,2018年)并增加受伤风险(Bourne等人,2015年)。然而,研究结果存在矛盾,一些研究并未发现力量不对称性与表现之间存在显著关联(Dos?Santos等人,2018年)。此外,这些不对称性可能是功能性的,并与特定运动的适应性有关(Kalata等人,2020年),其对受伤风险的影响仍有争议(Opar等人,2015年)。关于健康个体的力量不对称性的研究结果也高度异质。虽然某些研究通过等速测力机显示在离心和向心条件下存在力量不对称性(Jones和Bampouras,2010年;Thomas等人,2017年),但其他研究在同一条件下未观察到显著差异(Daneshjoo等人,2013年;González-Ravé等人,2014年)。这种变异性可能部分归因于生物变量(年龄、性别)(Carabello等人,2010年)或测量条件(测量角度、收缩类型)(Kocak等人,2023年)等因素,这些因素可能会影响不对称性的检测。方法学选择,如参考肢体的选择、计算方法及不对称性显著性的确定,也可能影响结果。在健康受试者中,可以使用不同的参考肢体来评估不对称性,例如优势/非优势肢体(Cheung等人,2012年)、右侧/左侧肢体(Benjanuvatra等人,2013年)或较强/较弱肢体(Bishop等人,2019年)。文献中还报道了12种不同的力量不对称性计算指标(Parkinson等人,2021年)。通常使用10-15%的阈值来确定其临床相关性(Rohman等人,2015年;Kyritsis等人,2016年)。然而,使用预定义的阈值可能存在问题,因为它们没有考虑到每个测试变量的个体内变异性(Bishop,2021年)。因此,当不对称性的幅度超过测量的变异性(通常用变异系数CV表示)或超过测量标准误差所确定的最小可检测变化(MDC)时,应认为其具有意义(Exell等人,2012年)。总体而言,研究人群和计算方法的多样性使得难以统一数据以确定健康个体是否存在下肢力量不对称性。尽管测量方法存在这些变异性,但研究力量不对称性的根本原因可以提供有关涉及的神经肌肉机制的宝贵见解,并指导有针对性的康复策略(Bishop等人,2018年)。潜在涉及的神经肌肉机制包括周围肌肉系统的结构差异和神经激活的变化(Lepley等人,2020年)。神经激活的参与可以通过插值抽搐技术(Allen等人,1995年)或表面肌电图(Vigotsky等人,2017年)获得的自主激活测量来准确评估。这种评估主要在患者群体中进行,特别是在前交叉韧带(ACL)断裂后,已证明自主激活(Lepley等人,2015年;Trees等人,2016年)和肌电图(EMG)活动(Drechsler等人,2006年)存在缺陷。相比之下,尽管研究较少,但在健康个体中观察到优势和非优势肢体之间的激活水平相似(De Ruiter等人,2010年;Pietrosimone等人,2012年)。与这些发现一致的是,在等长条件下,健康受试者的股四头肌(Y?lmaz和Kabaday?,2022年)以及胫前肌和足底屈肌(Petrovic等人,2021年)的EMG活动在优势和非优势肢体之间没有显著差异。理解力量不对称性背后的神经肌肉机制的另一种方法是考察力量不对称性与神经肌肉参数之间的相关性。使用这种方法,已经证明了在健康受试者和ACL撕裂患者混合群体中,激活水平对扭矩不对称性的贡献(Maffiuletti等人,2016年)。除了神经激活外,周围因素如肌肉-肌腱系统的结构差异和兴奋-收缩耦合也可能导致力量不对称性的存在(Norte等人,2018年)。通过研究最大收缩后对运动神经进行的外周电刺激引起的机械反应(双刺激诱发电矩),证明了兴奋-收缩耦合在力量不对称性中的作用(Maffiuletti等人,2016年)。这些发现表明,中枢神经激活和周围肌肉因素都可能对力量不对称性的存在有所贡献。

方法:
15名健康志愿者(15名男性,年龄:22±3岁,体重:74±10公斤,平均值±标准差)参与了本研究,他们报告有规律的体育活动且无受伤史。鉴于先前的研究未发现性别对股四头肌力量不对称性的明显影响(Lisee等人,2019年),我们将样本限制在男性中以确保一致性。尽管如此,未来仍需要包括女性的研究来验证我们的发现,特别是对于Lisee等人(2019年)未评估的神经肌肉参数。所有程序均符合赫尔辛基宣言,所有参与者在收到实验方案的详细信息后均签署了书面知情同意书。该研究方案获得了法国伦理委员会“Comité de Protection des Personnes Ile de France VI”(编号2022-A00032-41)的批准。根据先前报告的收缩类型效应大小(效应大小=0.66)(Krishnan等人,2015年)和肢体比较效应大小(平均效应大小=0.70)(Trees等人,2016年),估计了自主激活评估所需的样本量。假设统计功效(1-β)为0.80,显著性水平(α)为0.05,重复测量ANOVA设计所需的样本量在8至17名参与者之间。

实验方案:
受试者完成了一个持续三小时的实验 session。在 session 期间,受试者坐在等速测力机上(Biodex,Shirley,NY),双膝和双髋屈曲角度为90°(0°=完全伸展)。测试腿通过踝部的附件牢固地固定在测力机上。受试者通过两个肩带和一个腹部带固定在测力机上,以最小化身体运动并限制除膝关节伸肌以外的其他肌肉群的贡献。在实验阶段之前,进行了标准化的10分钟热身,包括每条腿大约20次次最大等长收缩,负荷逐渐增加到其估计的最大自主扭矩的80%。受试者用一条腿进行了24次最大自主膝关节伸展,然后用另一条腿进行了24次,总共48次伸展。对于每条腿,他们完成了每种收缩类型的八次重复:等长、伸长和缩短。为了防止疲劳引起的偏差,腿的顺序(右侧和左侧)和收缩类型是随机化的。每次最大收缩之间有1分钟的休息时间。等长收缩在膝关节屈曲30°的角度下进行(0°=完全伸展)。伸长和缩短收缩在30秒-1的恒定速度下进行,膝关节活动范围从0°(完全伸展)到80°屈曲。在最大向心收缩之前进行了1秒的等长预激活,在80°屈曲角度下进行;在离心收缩时在0°角度下进行。为了鼓励受试者达到最大扭矩,在他们前方150厘米的显示器屏幕上显示了即时扭矩-时间曲线,并伴有口头鼓励。对于每种收缩类型,在三种不同条件下进行了八次试验:(1)三次试验中没有施加刺激。(2)在两次试验中,在最大收缩期间对股神经施加了间隔10毫秒的双次经皮刺激,以诱发叠加的双重反应。在这些试验中,同样的双重刺激也在休息时和收缩后3秒施加,以诱发增强的双重反应。(3)在三次试验中,在收缩期间对股神经施加了单次经皮刺激,以诱发复合肌肉动作电位(M波)。有关复合肌肉动作电位(M波)的详细信息见EMG部分。对于等长收缩,神经刺激在扭矩平台期手动施加,大约在收缩开始后2秒。要求受试者在叠加刺激后保持最大收缩状态再持续2秒。对于动态收缩,神经刺激在膝关节屈曲30°的角度下自动施加,该角度与等长收缩时使用的位置相同。在休息时,刺激在等长收缩后3秒手动触发,在被动缩短(30°/秒)和伸长(30°/秒)动作期间自动触发。

测量:
使用Biopac MP150系统和Acknowledge软件以2000 Hz的频率记录扭矩。同时,我们以2000 Hz的采样频率记录了EMG活动(共模抑制比CMRR>110 dB,增益:500,带宽:10-500 Hz)。根据SENIAM建议(Hermens等人,2000年),我们首先准备了皮肤以获得低阻抗(<5 kΩ)。然后在股内侧肌(VM)、股外侧肌(VL)和股直肌(RF)的肌肉腹上放置了三对电极(AG-Cl,直径:11毫米,电极间距:2厘米)。如有需要,会调整电极的位置以获得最大的M波幅度。参考电极放置在対侧膝盖的髌骨上。

**运动神经刺激**
通过恒流刺激器(脉冲持续时间:500微秒;Digitimer刺激器,型号DS7A,英国赫特福德郡)对股神经进行经皮刺激。阴极(AG-Cl,直径11毫米)放置在股三角区,阳极(5厘米×10厘米,Medicompex SA,瑞士)放置在右大转子与髂嵴之间的中点。最佳刺激强度是根据在静息状态下引发最大股四头肌抽搐幅度的最小电流来确定的。为了确保刺激强度超过最大值,随后将强度增加了20%(Neyroud等人,2014年;Vagg等人,1998年)。

**数据分析**
**扭矩、自主激活和静息双峰诱发的扭矩**
扭矩使用4阶巴特沃斯低通滤波器进行过滤,截止频率为10赫兹。对于每种收缩类型,在膝关节角度为30度时测量了两条腿的扭矩(T30)。为了测量叠加的双峰扭矩响应,我们使用了Babault及其同事在2001年开发的方法(Babault等人,2001年)。通过这种方法,我们在神经刺激前250毫秒开始到刺激结束的窗口内,通过线性回归估计了未受神经刺激影响的扭矩值。然后,叠加的双峰扭矩被计算为最大扭矩值与回归线上对应点之间的欧几里得距离,该回归线延伸到刺激后的200毫秒窗口内。这种方法在图1中为一个代表性受试者进行了说明。相同的分析和计算方法也被用来确定增强的静息双峰诱发的扭矩。为了避免在受试者未产生该收缩的最大扭矩时高估叠加的双峰扭矩,我们通过将刺激前的扭矩除以八次试验中观察到的最大扭矩来标准化叠加的双峰扭矩,同时保持角度(30°)、收缩类型和肢体一致。为此,我们使用了以下公式(Beltman等人,2004年):
$$\frac{{1 - {\text{D}}*\left( {{\text{Tb}}/{\text{Tmax}}} \right)*100}}{{{\text{TTW}}}}$$
其中D是在最大自主收缩期间测量的叠加双峰扭矩的幅度,Tb是在叠加双峰之前收集的自主扭矩,Tmax是在保持角度(30°)、收缩类型和肢体一致的情况下观察到的最大扭矩,TTW是在静息状态下测量的增强双峰扭矩的幅度。

**图1**
此图像的替代文本可能是使用AI生成的。

**全尺寸图像**
在一个代表性健康受试者的较强(左列)和较弱(右列)肢体中,应用了叠加抽搐技术进行自主膝关节伸展收缩,包括三种收缩类型:离心(上排)、等长(中排)和向心(下排)。对于每种情况,上面板显示了神经刺激开始时叠加抽搐扭矩的放大视图,下面板显示了完整的扭矩-角度曲线。虚线红色垂直线表示叠加双峰电刺激的时间。橙色虚线代表对神经刺激前250毫秒内的扭矩信号进行的线性回归。红色圆圈表示叠加抽搐扭矩。下面板中的蓝色虚线矩形标出了上面板中显示的时间窗口。

**EMG活动和M波**
对于股四头肌的三个头(VM、VL和RF),EMG信号使用4阶巴特沃斯滤波器(20–500赫兹)进行带通滤波。然后,在每次最大收缩期间,过滤后的EMG信号在500毫秒的窗口内量化为均方根(RMS),从刺激前510毫秒开始计算。对于每块肌肉,记录刺激后的复合肌肉动作电位(M波)并将其量化为峰对峰值幅度,平均值来自每块肌肉的三次试验。随后使用这个M波幅度来标准化RMS EMG信号,表示为RMS与M波的比率(RMS/M-wave),并且每次测量都匹配收缩类型和肢体。

**不对称性计算**
根据扭矩值确定较强或较弱的肢体。对于每条肢体,计算了在30°角度下产生的扭矩总和,扭矩总和较高的肢体被定义为较强肢体。然后使用这种肢体分类来计算扭矩、自主激活、静息双峰诱发的扭矩和EMG活动的不对称性。我们使用不对称指数来计算这些四个变量的不对称性:[(较强肢体 – 较弱肢体) / 较强肢体] * 100。为了比较不同的不对称性指标,还计算了其他指数:双侧不对称指数:[(较强肢体 – 较弱肢体) / (较强肢体 + 较弱肢体) * 100;对称角度:[45 – arctan (较弱肢体) / (较强肢体) / 90 * 100;以及肢体对称指数(LSI):(较弱肢体) / (较强肢体) * 100,所有这些都是针对扭矩计算的。

**统计分析**
所有数据均以平均值±标准差(mean ± SD)的形式呈现。使用Shapiro–Wilk检验和Levene检验分别评估正态性和方差同质性。当这些假设不成立时,应用适当的非参数程序。此外,还进行了贝叶斯分析来量化零假设的证据,特别是在频率主义检验未达到显著性(p > 0.05)的情况下,使用标准化效应大小的Cauchy先验(固定效应r = 0.5,随机效应r = 1.0,协变量r = 0.354;默认贝叶斯因子设置)。

使用双因素重复测量方差分析(ANOVA),以收缩类型(等长 vs. 向心 vs. 离心)和肢体(较强 vs. 较弱)作为组内因素,分析扭矩、自主激活水平(VAL)、静息时的增强双峰扭矩和EMG活动(RMS EMG/M)。这种方法允许比较较强和较弱的肢体,并评估收缩类型的主效应和交互效应。统计显著性设定为p < 0.05,显著效应通过Tukey’s HSD事后检验进行后续分析。

**补充分析**
进行了补充分析以评估实验过程中的潜在疲劳效应。通过比较每个肢体在第一次和最后一次系列之间的系列内扭矩变异性(CV)来监测疲劳,CV表示为MVCs的CV。这些CV值使用双尾配对样本t检验来分析,以确定扭矩变异性在第一次和最后一次系列之间是否有显著差异,因为已知扭矩CV会随着疲劳而增加(Missenard等人,2009年)。

为了在共同尺度上比较不同的不对称性指标,使用Z分数转换(Z = [个体值 – 平均值] / SD)在受试者内部对每个指标进行了标准化。然后进行了双因素重复测量方差分析,以收缩类型(等长、向心、离心)和不对称指数(不对称指数、双侧不对称指数、对称角度)作为组内因素。

**扭矩不对称性**
在个体水平上使用个体内变异性检查了扭矩不对称性。对于每种收缩类型,当从较强(或主导)肢体和较弱(或非主导)肢体的八次试验中得出的平均CV超过时,认为存在肢体间的不对称性(Exell等人,2012年)。这为每个受试者和收缩类型提供了一个二元指标,表示显著不对称性(存在/不存在)。鉴于这些数据涉及跨收缩类型的重复组内二元观察,使用Cochran’s Q检验比较了显著不对称性的比例。

**扭矩不对称性和EMG活动**
在等长收缩期间,进一步使用角度特定分析评估了扭矩不对称性和EMG活动。使用统计参数映射(SPM)比较了运动范围(0°至80°)内每个测量点的扭矩和EMG活动向量(Pataky 2010)。参数和非参数SPM结果的收敛支持了正态性假设。对于ROM(0°至80°),计算了标量输出统计量SPM{F},随后进行了配对样本t检验SPM{t}。对于这些分析,每个数据集都通过其最大值进行了标准化,以强调相对扭矩剖面而不是绝对幅度。对于EMG活动,使用了50毫秒的滑动窗口,并计算了每个窗口的RMS。

**关联分析**
首先使用线性混合效应模型分析了扭矩不对称性与激活水平和双峰诱发的扭矩不对称性之间的关联,其中扭矩不对称性作为因变量,较强和较弱肢体之间的不对称性作为连续协变量。激活不对称性和双峰不对称性作为固定因素纳入模型。为了考虑组间变异性,指定了特定于受试者的随机截距,并使用边际和条件R2总结了模型性能。作为补充的敏感性分析,使用相同模型重复了计算主导和非主导肢体之间不对称性的分析,以避免仅依赖基于扭矩的肢体分类,这可能会影响结果。

**结果**
关于扭矩值的双因素重复测量方差分析显示了肢体的主效应(F(1,14) = 29.40,p < 0.001,η2p = 0.67;图2)和收缩类型的主效应(F(2,28) = 30.96,p < 0.001,η2p = 0.68)。未检测到肢体×收缩类型的交互作用(p > 0.05)。事后比较表明,无论收缩类型如何,较强肢体的扭矩都大于较弱肢体的扭矩(t(14) = 5.42,p < 0.001;图2),尽管事后指定“较强”肢体可能会引入偏差。在所有肢体中,等长扭矩超过了向心扭矩(t(14) = 5.78,p < 0.001),离心扭矩超过了向心扭矩(t(28) = 7.39,p < 0.001),等长和离心扭矩之间没有显著差异(p > 0.05)。为了验证疲劳对力量产生的潜在影响不会混淆结果,进行了补充分析。在重复系列中,扭矩CV保持稳定,同一肢体的第一组和最后八次收缩之间没有显著差异(t(29) = 0.761,p = 0.453,BF?? = 0.254)。

平均不对称指数值分别为:等长收缩7.8%(±8.4),离心收缩11.3%(±10.2),向心收缩9.7%(±14.1)。在个体水平上,27%(4/15)的受试者在等长收缩期间表现出不对称性,60%(9/15)在向心收缩期间,53%(8/15)在离心收缩期间。Cochran’s Q检验(Q(2) = 4.0,p = 0.135)表明不同收缩类型之间的不对称性发生率没有差异。当应用文献中常用的15%的任意阈值(Lockie等人,2016年)时,等长收缩的不对称性发生率降至13.3%(2/15),离心和向心收缩的不对称性发生率分别为33.3%(5/15)。

最后,对Z分数进行的双因素重复测量方差分析未显示指数或收缩类型的主效应(两者p > 0.05),表明不同指标之间的不对称性幅度相当。

**图2**
此图像的替代文本可能是使用AI生成的。

**全尺寸图像**
每个面板的图表分别显示了最大自主扭矩、自主激活水平(VAL)和双峰诱发的扭矩。白色形状代表个体数据,蓝色圆圈代表离心收缩,绿色方块代表等长收缩,红色三角形代表向心收缩。每个面板中间的白色方块表示较强和较弱肢体的平均值。星号表示p < 0.05的显著差异,上下误差条分别表示95%的置信区间。

此外,在第二次分析中比较了主导和非主导肢体之间的力量时,双因素重复测量方差分析未显示肢体之间的显著差异(p > 0.05)。当将扭矩不对称性(主导 vs. 非主导)与个体化的扭矩CV进行对比时,在等长条件下有6名受试者,在离心条件下有9名受试者,在向心条件下有8名受试者的扭矩不对称性超过了他们的个体变异性阈值。

**角度特定的扭矩分析**
显示,在向心收缩期间,当膝关节屈曲13°至16°时,较强肢体的扭矩显著高于较弱肢体的扭矩(P < 0.05;图3)。在离心收缩过程中,当膝关节屈曲角度在39°到43°之间时,这种差异具有显著性(P < 0.05;图3)。图3的替代文本可能是使用人工智能生成的。全尺寸图像显示了在向心收缩(左图)和离心收缩(右图)中,较强肢体(深灰色)和较弱肢体(浅灰色)的标准化膝关节伸肌角度特异性扭矩分析。顶部面板显示了15名受试者的平均(±SD)标准化扭矩随膝关节角度的变化,底部面板显示了肢体间配对t检验的相应统计参数图(SPM)。阴影灰色带表示较强肢体和较弱肢体之间差异具有统计学显著性的角度范围(p < 0.05)。

肌电图(EMG)活动、自主激活和双峰诱发的扭矩:双因素重复测量方差分析(ANOVA)未发现较强肢体和较弱肢体在自主激活方面存在显著差异(p > 0.05),贝叶斯分析也支持零假设(BF10 = 0.21)。同样,自主激活在不同收缩类型之间也没有差异(p > 0.05;BF10 = 0.30)。双峰诱发的扭矩在肢体间也相当(p > 0.05;BF10 = 0.28);然而,观察到收缩类型的显著主效应(F(2,28) = 93.50,p < 0.001,η2p = 0.87)。事后分析表明,在离心收缩期间双峰诱发的扭矩大于等长收缩(t(14) = 11.43,p < 0.001)和向心收缩(t(14) = 11.59,p < 0.001),并且在等长收缩期间的扭矩高于向心收缩(t(14) = 4.31,p < 0.05)。

在VM、VL和RF的EMG/RMS方面,未发现肢体间或不同收缩类型间的显著差异(p > 0.05)。贝叶斯分析支持VM和RF没有差异(BF10 = 0.25和0.29),但VL则不然(BF10 = 8.30)。此外,SPM分析显示VM、VL或RF在三种收缩类型下的EMG活动没有显著差异。

线性混合模型分析表明,激活水平的不对称性(估计值 = 0.57,p = 0.001)和双峰诱发的扭矩(估计值 = 0.29,p = 0.007)是扭矩不对称性的显著预测因素(图4),通过固定效应解释了其29%的方差(边际R2 = 0.29;条件R2 = 0.37),当使用较强肢体与较弱肢体来定义不对称性时。此外,这些协变量不受收缩类型的影响(p = 0.746)。作为补充的敏感性分析,我们用优势肢体与非优势肢体来定义不对称性重复了该模型;结果一致,激活水平的不对称性(估计值 = 0.77,p = 0.001)和双峰诱发的扭矩不对称性(估计值 = 0.38,p = 0.040)再次显著预测了扭矩不对称性,并通过固定效应解释了其20%的方差(边际R2 = 0.20;条件R2 = 0.63),这些协变量也不受收缩类型的影响(p = 0.551)。

图4的替代文本可能是使用人工智能生成的。全尺寸图像描述了扭矩不对称性与神经肌肉不对称性之间的协变关系。顶部面板显示了扭矩不对称性与自主激活水平(VAL)不对称性之间的协变关系。底部面板显示了扭矩不对称性与双峰诱发的扭矩不对称性之间的协变关系。蓝色圆圈、绿色方块和红色三角形分别代表离心、等长和向心收缩。实线表示拟合的线性混合效应模型,阴影区域表示拟合的95%置信区间。

在当前研究中,我们探讨了神经肌肉机制对等长、向心和离心收缩期间肢体间力量不对称性的贡献。总体而言,研究结果表明较强肢体和较弱肢体之间的力量存在显著差异,而在神经肌肉参数(包括激活水平、EMG活动和静息双峰诱发的扭矩)方面未观察到相应的差异。与肢体间的比较相反,扭矩不对称性与双峰诱发的扭矩和激活水平的不对称性呈正相关,这与收缩类型无关。

关于测量力量不对称性的方法学考虑:本研究揭示了健康年轻成年人中较强肢体和较弱肢体之间的力量值存在显著差异,等长收缩的平均不对称幅度约为7-8%,而离心和向心收缩的不对称幅度在10-12%之间。这些结果与之前类似人群的研究一致,这些研究报道离心收缩的不对称幅度为10-12%,向心收缩为7-12%(Jones和Bampouras 2010;Thomas等人2017)。补充分析确认这些力量不对称性不受疲劳的影响,因为MVCs的扭矩变异系数(CV)在第一次和最后一次系列测量之间没有差异,表明在实验层面没有检测到疲劳效应。尽管在健康个体中并不总是观察到力量不对称性,但先前研究结果的不一致可能归因于各种方法学差异,包括:(i)参考肢体的选择,(ii)是使用角度特异性分析还是单一角度,(iii)不对称性指数的选择,以及(iv)确定显著不对称性的阈值(Parkinson等人2021)。首先,我们的结果表明,在比较优势肢体和非优势肢体时未观察到差异,其他使用这种方法的研究也得到了类似的结果(Daneshjoo等人2013;González-Ravé等人2014)。相比之下,我们的研究显示较强肢体和较弱肢体之间存在显著差异,这突显了选择参考肢体的重要性,因为它会影响力量不对称性的检测。然而,比较较强肢体和较弱肢体可能具有挑战性,因为不对称性的方向(正或负)可能因测量条件而异(例如,在不同收缩类型之间),尤其是在存在微妙不对称性时。一旦确定了参考肢体,就可以在特定角度或通过运动范围分析来计算不对称性(Eustace等人2022)。在我们的研究中,向心收缩时在较短肌肉长度下不对称性更为明显,而在离心收缩时在中等肌肉长度下不对称性更为明显。这些结果是通过统计参数映射(SPM)分析获得的,该分析在统计敏感性方面也存在局限性。这表明,与单一角度分析不同,SPM分析通过针对不同收缩类型的特定角度来提供更全面的评估(Kocak等人2023)。值得注意的是,30°的结果可能与SPM识别的范围不一致,这可能反映了方法之间的统计敏感性差异。通过文献中描述的各种不对称性指数可以准确量化这些不对称性(Parkinson等人2021)。有趣的是,在我们的研究中,指数的选择并未显著影响不对称性的检测,因为无论使用哪种指数,结果都相似。这表明,尽管我们比较了多种计算方法——包括对称性指数(LSI)、不对称性指数(asymmetry index)和对称角度(提供不对称性的方向和大小的几何表示),但方法的选择似乎并不显著影响不对称性的检测。相比之下,选择合适的参考肢体仍然至关重要。最后,为了评估个体的不对称性是否显著,我们将受试者的不对称性值与相同条件下的试验间CV进行了比较(角度和收缩类型)。我们在健康个体中的结果表明,使用个性化阈值相对于常用的15%临界值(Lockie等人2016)增加了检测到的不对称性发生率;然而,这些发现取决于个体内的变异性,在病理人群中可能会有所不同。在这种情况下,阈值应被视为一种实用的启发式方法,而不是一个严格区分健康个体中“相关”和“不相关”力量不对称性的生理临界值。我们的发现强调了方法学选择的重要性,特别是参考肢体的选择和计算阈值,在准确检测力量不对称性方面。

涉及力量不对称性的神经肌肉参数:尽管测量健康个体力量不对称性的方法尚未标准化,但了解参与力量不对称性的神经肌肉机制可以帮助治疗师制定策略来恢复这些不对称性。参与力量不对称性的机制之一可能是某一肢体的外周肌肉能力与另一肢体之间的不对称性(Lepley等人2020)。这些不对称性可以归因于运动需求,例如网球运动员的优势上肢肌肉体积较大(Sanchís-Moysi等人2010),或者与前交叉韧带(ACL)断裂导致的低活动性有关,从而导致横截面积的缺陷(Norte等人2018)。相比之下,我们对健康受试者下肢的研究显示较强肢体和较弱肢体之间的双峰诱发的扭矩没有差异,表明没有兴奋-收缩耦合缺陷,尽管这一测量没有考虑其他外周因素,如肌肉大小、肌腱和腱膜的机械特性或力臂差异,这些在当前研究中未进行评估。这种缺乏不对称性可能反映了下肢在日常活动中的大致对称负荷,这限制了外周不对称性,而上肢则面临更多的单侧需求。参与扭矩不对称性的神经肌肉参数不仅限于外周肌肉因素;神经激活的不对称性也可能解释力量不对称性(Urbach等人2001)。为了研究这一点,我们比较了较强肢体和较弱肢体的自主激活水平和EMG活动。我们在所有收缩类型中观察到30°时激活水平没有差异。这与先前研究的结果一致,这些研究报道健康个体在60°和30°的等长收缩期间没有激活不对称性(de Ruiter等人2010;Pietrosimone等人2012)。我们还在30°时观察到较强肢体和较弱肢体之间的EMG没有差异。这一发现与先前的报告一致,这些报告显示股四头肌(Y?lmaz和Kabaday? 2022)和胫骨前肌(Petrovic等人2021)在等长收缩期间优势肢体和非优势肢体之间的EMG活动没有差异。此外,当我们将EMG分析扩展到整个关节角度范围时,同样没有观察到不对称性。相比之下,我们的激活水平分析仅限于单一关节角度(30°)。由于激活水平可能随关节角度变化(Doguet等人2017),因此在不同肌肉长度下发生的自主激活不对称性可能未被检测到。然而,Pietrosimone等人(2012)在等长收缩期间评估了30°、70°和90°的自主激活,同样未发现肢体间的差异。总的来说,这些结果表明测量角度——因此肌肉长度——可能不会显著影响神经激活的不对称性,但需要进一步的研究来在更广泛的关节角度范围内确认这一点。虽然大多数研究在自主等长收缩期间检查神经肌肉机制(de Ruiter等人2010;Petrovic等人2021;Pietrosimone等人2012;Y?lmaz和Kabaday? 2022),但我们的目标是将分析扩展到非等长条件,因为它们更符合临床评估(Xergia等人2013)。与等长条件类似,我们的结果在向心和离心收缩期间均未显示较强肢体和较弱肢体之间的显著差异,无论是自主激活水平还是EMG活动。然而,肢体间神经肌肉参数的缺乏差异应在健康受试者观察到的适度扭矩不对称性以及神经肌肉参数的可靠性和变异性特征的背景下进行解释。先前的研究表明,自主激活和双峰诱发的扭矩通常表现出低变异性和高重复性(Todd等人2004)。相比之下,在我们的数据中,RMS EMG显示出较高的试验内变异性(CV在肢体、肌肉和收缩类型之间从12%到19%不等),这可能降低了我们检测到微小肢体间EMG差异的敏感性。

在等长条件下,协变量分析而不是简单的肢体间比较表明,健康个体和ACL损伤患者中激活水平和静息双峰诱发的扭矩的不对称性与扭矩不对称性呈正相关(Maffiuletti等人2016)。我们的结果确认了激活水平不对称性与静息双峰诱发电位不对称性以及扭矩不对称性之间的显著正相关,特别之处在于将非等长收缩纳入了混合线性模型。重要的是,这些正相关不受收缩类型的影响,这表明在等长收缩中获得的结果可能适用于非等长条件,尽管鉴于样本量较小(n = 15)和这种混合模型设计缺乏易于获得的功效估计,这一非显著交互作用应谨慎解释。为了进一步评估这些发现的稳健性,我们使用了不同的肢体定义(优势肢与非优势肢)重新进行了混合模型分析,从而降低了分析受到基于扭矩的肢体分类影响的风险。这一补充分析显示,激活水平与双刺激诱发的扭矩不对称性以及扭矩不对称性之间存在相似的关联,这支持了这些协变发现的稳健性,并表明它们与收缩类型无关。两种模型的边际R2值相似(分别为0.20和0.29),而条件R2值在优势肢与非优势肢模型中更高(分别为0.63和0.37),这反映了随机截距在表示受试者间变异性的方式上存在差异,而不是固定效应本身的变化。无论采用哪种混合线性模型,估计的神经激活值都高于肌肉参数值(静息状态下双刺激诱发的扭矩)。这表明,在我们的受试者中,神经激活的变化可能对扭矩变化有更显著的影响。这些发现具有实际意义,因为了解神经肌肉参数在扭矩不对称性中的作用可以帮助治疗师更有效地调整他们的肌肉强化方案。如果不对称性主要与周围肌肉参数的缺陷有关,那么强调肌肉肥大的训练方案将是合适的(Welling等人,2019年)。相反,如果它们与神经激活受损有关,那么针对性的抗阻训练方法——如高强度负荷、长时间保持张力或最大预期速度——以及使用肌电图生物反馈的方案可能有助于增强肌肉募集(Balshaw等人,2016年;Jenkins等人,2017年;Needle等人,2017年)。此外,该模型仅解释了年轻健康男性扭矩不对称性变化的29%,这表明还需要确定其他神经肌肉机制的贡献,例如不同肢体之间的肌肉协同激活差异(Avrillon等人,2018年)或肌肉横截面积(Norte等人,2018年)。

结论:总之,这项针对健康成年男性的研究表明,在30°膝关节屈曲时,较强肢体和较弱肢体在等长、向心和离心收缩中的力量存在中等程度的不对称性。尽管存在这些扭矩差异,但我们未能检测到不同肢体在神经肌肉参数方面的显著差异,这可能是由于该健康群体中不对称性的幅度较小以及这些神经肌肉测量本身的固有变异性所致。尽管如此,神经肌肉不对称性与扭矩不对称性呈正相关,且这种关联不受收缩类型的影响。这些发现强调了需要确定在临床人群中是否存在类似的神经肌肉参数与扭矩不对称性之间的关系,以及针对这些神经肌肉缺陷是否可以有效减少力量不平衡。
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