《Sensors》：Nonlinear Measures Applied to Spontaneous Infant Movement Analysis: A Scoping Review
自发运动分析可为极早期婴儿中枢神经系统（CNS）成熟及运动控制策略的出现提供有价值的信息。非线性测度能够捕捉线性方法无法表征的运动动态特征。然而，这些测度在临床实践中的实施仍面临挑战，包括缺乏标准化方案以及缺少可用于常规应用的易获得工具。本范围综述旨在绘制并表征用于分析婴儿自发运动的非线性测度，包括评估情境、仪器设备、数据采集方案及主要变量。
本综述遵循乔安娜·布里格斯研究所（JBI）方法学及系统评价和Meta分析扩展至范围综述报告规范（PRISMA-ScR）指南。研究人员在 PubMed?、Web of Science?、IEEE Xplore?、ScienceDirect? 和 Google Scholar 中检索了发表于2005年1月1日至2025年12月31日期间的研究。在识别出的1166条记录中，18项研究符合纳入标准。非线性测度被归纳为五大主要方法学家族：基于熵的测度（n = 10）、状态空间与动力系统测度（n = 4）、基于复现的分析（n = 3）、符号化与离散状态方法（n = 3），以及基于方差与频率的非线性描述子（n = 1）。
相关研究在实验室环境（n = 6）以及医院和/或家庭环境（n = 10）中开展。另有两项研究未清楚说明评估情境。运动学评估主要通过基于视频的系统（n = 7）、加速度计（n = 4）和可穿戴传感器（n = 2）实施，且多数研究聚焦于上肢和下肢。若干研究并未局限于单关节分析，而是进一步考察肢间关系和全身构型，从而捕捉多个身体节段之间的空间协调模式。动力学评估采用压力垫（n = 4）和测力台（n = 1）进行，其中压力中心（CoP）位移是主要结局指标。
未来研究应优先推动方法学协调化与理论清晰化。对于常用非线性测度，亟需就最小数据需求、参数选择及报告标准达成共识。研究还应超越单一指标方法，采用整合互补性非线性指标的多变量框架。目前，标准化采集与分析方案的缺失限制了研究间可比性，并阻碍了非线性运动指标作为早期神经发育客观评估工具的临床转化。
1. Introduction
论文首先界定了自发运动作为早期神经运动发育的重要观察窗口，其可反映中枢神经系统（CNS）成熟以及运动控制策略的形成。作者指出，自发运动通常始于胎龄第7周左右，随后随着神经系统发育逐渐演变为更具结构性和目的性的运动行为。该过程涉及皮质下与脊髓回路活动，以及皮质脊髓通路的成熟，因此被视为中枢神经系统功能完整性的早期标志。
在此基础上，文章进一步聚焦全身运动（GM）这一自发运动亚型，说明其在月经后第9周左右出现，并可持续至足月后约20–25周。文中保留了不同发育阶段的分类，包括胎儿期/早产期全身运动、扭动运动（WM）以及烦躁样运动（FM），并概述了各阶段在振幅、速度、方向变化及连续性方面的运动学特征。作者强调，全身运动的质量与变异性与中枢神经系统完整性密切相关；复杂、可变的运动模式通常提示较健康的神经成熟，而单调、僵硬或低复杂度模式则可能提示神经运动发育受损。
随后，论文讨论了当前临床观察性评估的局限。尽管全身运动评估具有明确的临床预测价值，但其高度依赖经验丰富的评估者，且存在观察者间变异。因此，开发更客观、自动化的评估方法具有重要意义。作者指出，线性分析方法能够量化运动幅度、速度、频率或力量等总体动力学特征，但不足以揭示人类运动本质上的非线性时间组织结构与内在变异性。相比之下，非线性测度可从复杂性、规律性、适应性和自组织等角度刻画运动随时间演变的动态特征，并可能比单纯的线性汇总统计量更早识别运动组织异常。
在理论层面，文章列举了近似熵（ApEn）、分形维数、Lyapunov指数等指标在其他临床领域的应用价值，并指出这些测度虽已显示出捕捉人体运动复杂性的潜力，但在婴儿自发运动分析中的应用仍较有限且分散。基于此，作者提出开展范围综述，以系统梳理这一新兴且异质性较强的研究领域。综述的核心目标是总结6个月以内婴儿自发运动评估中所采用的非线性测度，并归纳受试者特征、评估情境、采集仪器、采样频率、数据采集方案及主要分析变量。同时，论文还试图评估当前证据在多大程度上支持非线性测度作为早期运动组织和神经发育客观评估工具的潜在临床适用性。
2. Materials and Methods
本研究采用范围综述设计，并依据系统评价和Meta分析扩展至范围综述报告规范（PRISMA-ScR）与乔安娜·布里格斯研究所（JBI）证据综合手册的方法学建议实施。研究方案已注册于开放科学框架（OSF），并说明在审查过程中虽有细微调整，但未改变研究目标、纳入标准或总体方法框架。
在纳入与排除标准方面，作者依据PCC框架（Population、Concept、Context）建立检索策略。纳入对象为2005—2025年间以英文、葡萄牙文或法文发表的观察性或实验性研究，且研究内容需涉及婴儿自发运动的非线性分析。排除的文献类型包括系统综述、Meta分析、叙述性综述、范围综述、社论、信件、定性方法学研究及学位论文；此外，以脑电图（EEG）为主要信号来源而非基于运动信号分析的研究亦被排除。
检索方面，研究人员在 PubMed?、Web of Science?、IEEE Xplore?、ScienceDirect? 以及 Google Scholar 中开展系统检索，并辅以参考文献滚雪球检索。检索词围绕婴儿、自发运动及非线性分析相关术语构建，并根据数据库特点进行适配。文献筛选由两位研究人员独立完成，经过题目、摘要和全文三个阶段筛查，并使用 Rayyan? 进行去重与纳排管理；在正式筛查前还进行了校准练习，以确保标准理解一致。
数据提取由两名研究人员独立进行，借助基于JBI模板调整后的表格记录研究基本信息、样本特征、评估情境、仪器类型、采样频率、采集方案、非线性测度以及运动学或动力学变量等内容。对于部分研究中报告的机器学习或降维方法，文章也进行了补充提取，但由于技术参数报告不一致，未能系统整理诸如神经网络结构和滤波截止频率等细节。最后，作者采用叙述性综合方法呈现结果，不进行定量合成或Meta分析，而是着重描绘该领域的方法学广度、异质性与发展趋势。
3. Results
结果部分首先报告了文献筛选流程。研究共识别1398条记录，去重后剩余1166条进入题目与摘要筛查，最终18项研究纳入综述。作者指出，这些研究发表于2006年至2024年，地域分布覆盖欧洲、亚洲和北美，且总体以探索性和观察性设计为主，包括横断面研究、纵向观察研究、临床/高风险组与对照组比较研究，以及少量具有预测目的的方法学观察研究。
3.1. General Characteristics of Included Studies
纳入研究的总体特征显示，当前文献以探索性、观察性研究为主导，说明该领域仍处于方法探索和概念验证阶段。研究在地理来源和研究设计上具有一定多样性，但尚缺乏统一、成熟的大样本验证范式。作者还通过整合图示概括了受试人群、采集系统与非线性测度家族之间的关系，以帮助理解跨研究间的方法学异质性。
3.2. Participants
受试者方面，各研究样本量差异较大，最小仅6名婴儿，最大达到90名。较大样本研究通常聚焦特定身体节段，或使用更具扩展性的采集方式，如智能手机 RGB 视频结合自动姿态估计。部分研究仅纳入健康足月婴儿或典型发育婴儿，目的是建立规范性运动模式参照；另一些研究则聚焦早产儿、脑损伤婴儿、脊髓脊膜膨出（MMC）婴儿或发育迟缓高风险婴儿，体现出较强的临床导向。
年龄评估窗口覆盖出生后数日至矫正月龄约6个月。部分研究主要聚焦扭动运动（WM）阶段，另一些研究专注于烦躁样运动（FM）阶段，还有一些纵向研究横跨两阶段，考察发育转变过程。作者指出，这种覆盖关键神经运动发育时期的设计具有明显优势，但若研究年龄范围过宽、甚至混入随意运动行为，则会增加结果解释上的复杂性。
3.3. Context
评估情境主要分为实验室、医院和家庭环境。多数研究在医院和/或家庭情境中开展，这类环境更接近日常生活和常规临床随访，尤其适用于早产儿及神经风险婴儿的追踪研究。实验室研究则往往在高度控制条件下进行，便于高精度运动学或动力学采集，且更多用于健康足月婴儿。
总体来看，较大样本研究更常见于医院/家庭环境，反映出在低约束环境中开展数据采集更具可行性与可扩展性。部分纵向研究还采用医院起始、出院后家庭继续随访的设计，以追踪不同阶段和情境中的自发运动发展。作者认为，这种情境多样性体现了实验控制与生态效度之间的权衡。
3.4. Instruments and Variables
在采集设备方面，纳入研究使用了多种运动获取系统。早期和探索性研究多采用基于视频的动作捕捉，通过多摄像机同步重建三维运动学，用于分析关节运动学、肢体轨迹及身体节段间空间关系。可穿戴惯性传感器，尤其是三轴加速度计和惯性测量单元（IMU），则常用于医院和家庭环境中的长时程监测，可连续记录线性加速度和角速度时间序列。
另有部分研究采用压力敏感垫或测力台分析压力中心（CoP）位移及其时间导数，从而获得动力学信号，主要反映姿势摆动与重量转移行为。总体上，运动学分析主要集中于上肢和下肢，包括肩、肘、腕、髋、膝、踝关节，以及手足轨迹；若干研究进一步分析肢间关系和全身构型，从多节段层面刻画空间协调模式。近年的研究则更多结合深度学习姿态估计技术，从常规视频或智能手机 RGB 视频中自动提取关节坐标和运动学变量。
采样频率方面，不同设备差异显著，从压力垫研究中的5 Hz，到测力台研究中的1000 Hz 不等。IMU研究多采用约20 Hz，视频与姿态估计研究多在24–60 Hz 范围内。作者据此指出，仪器类型直接限制了可提取变量种类，并进一步影响非线性测度的适用性及其生理学解释。
3.5. Data Collection Protocol
尽管设备和环境存在差异，纳入研究在基础采集条件上表现出较高一致性。绝大多数研究在婴儿仰卧位、清醒活跃或安静警觉状态下进行记录，婴儿通常裸露或仅穿尿布，并处于无外界刺激或任务要求的安静环境中。仅少数研究在自然日常生活条件下采集，此时不限定仰卧姿势。
与体位和行为状态的一致性相比，记录时长的差异更为显著。实验室研究单次记录约2–34 min；医院或医院-家庭联合研究多为3–5 min；而使用可穿戴惯性传感器的家庭研究可延长至每天8 h。作者强调，这体现出记录时长、生态效度与空间覆盖范围之间的权衡：较短记录更易控制且实施简便，但可能不足以反映自发运动的时间变异性与间歇性；长时程记录则能更全面地呈现自然行为，但对数据管理和信号处理提出更高要求。
3.6. Nonlinear Measures
本节是论文核心，作者将纳入研究中的非线性分析方法归纳为五大类，并按方法学家族讨论其应用场景与特点。
3.6.1. Entropy-Based Measures
基于熵的测度是最常见的非线性方法。近似熵（ApEn）主要用于早期姿势控制研究，通常分析仰卧自发运动期间的压力中心（CoP）位移信号。相关研究在参数设定上较为一致，常采用嵌入维数 m = 2、容差阈值 r = 0.2 × 信号标准差，且固定时间序列长度，这使得纵向比较和组间比较更具可操作性。
样本熵（SampEn）则更多用于关节角度、角速度、肢体加速度以及 CoP 派生变量等运动学信号，以刻画自发运动的规律性与复杂性。虽然各研究参数不完全统一，但通常使用较低嵌入维数 m = 2 或 3，容差值也按信号标准差比例设定。另有研究采用模糊熵（FuzzyEn）分析下肢可穿戴传感器记录的日常活动数据，该方法通过模糊隶属函数允许模式相似性呈渐进变化，被认为对噪声更稳健，也更适合长时程自然情境记录。文中提到，较高的 FuzzyEn 与12个月时更好的运动结局显著相关，提示熵类指标对临床相关的运动组织特征具有敏感性。
3.6.2. State-Space and Dynamical Systems Measures
状态空间与动力系统方法主要包括假近邻（FNN）法估计嵌入维数、最大 Lyapunov 指数（LyE）计算以及互信息（MI）分析。这些方法被用于探究婴儿自发运动的底层动力学结构，尤其关注确定性、稳定性和吸引子维度。时间延迟常依据互信息函数首个极小值或自相关函数首个零点选取，嵌入维数则通过 FNN 标准经验确定。
这些分析主要应用于来自上肢或下肢的三轴线性加速度信号。作者指出，这类方法提供了与熵测度不同的视角，更强调系统稳定性、混沌结构和自由度状态，而非单纯的时间不规则性。
3.6.3. Recurrence-Based Analysis
基于复现的分析主要使用复现图（RP）和复现量化分析（RQA），用于考察自发活动期间运动模式的时间复现性与稳定性。相关研究分析多维关节角时间序列或由加速度重建的状态空间轨迹，并提取复现率、确定性、层状性、困陷时间和熵等指标，以量化重复构型、间歇性稳定阶段及不同运动状态间转变。
若干研究还结合替代数据检验，用以判断观测到的动力学是否更接近确定性过程而非随机过程。作者认为，这增强了对婴儿自发运动具有结构化和自组织特性的解释力度。
3.6.4. Symbolic and Discrete-State Approaches
符号化与离散状态方法通过将连续运动信号离散化为类别状态，从而分析构型模式和状态概率。部分研究依据预设角度或空间阈值对肢体位置进行离散编码，生成有限运动构型集合，并进一步统计配置频率、持续时间、复现性及状态转移。较新的研究则将符号条形编码方法应用于可穿戴传感器数据，把下肢加速度和角速度信号转化为离散状态序列，并与熵测度结合分析。该类方法有助于描述生态有效情境下的运动多样性与状态分布。
3.6.5. Variance- and Frequency-Based Nonlinear Descriptors
基于方差与频率的非线性描述子在纳入研究中较少，仅有一项研究采用 Hjorth 参数，即活动度（Activity）、迁移率（Mobility）和复杂度（Complexity），分析烦躁样运动期上下肢速度时间序列。该方法通过滑动窗口计算，并跨肢体和空间分量取平均，用于补充描述信号方差、主导频率成分及时间组织。
4. Discussion
讨论部分围绕受试者特征、评估情境、仪器与变量、非线性测度及其方法学限制展开深入解释。作者认为，样本异质性反映了早期婴儿研究在招募、随访和标准化方面的现实困难。小样本虽限制推广性，但有助于细致刻画运动行为；而临床高风险群体的纳入则凸显了该领域的重要临床价值。
在情境与采集方案方面，作者强调实验室研究具有更强的控制性和测量精度，但生态效度较低；医院与家庭研究更贴近真实行为环境，并有利于纵向追踪，但也引入更大信号异质性。仪器方面，实验室系统可获得高空间精度的关节和全身运动信息，而加速度计、压力垫和可穿戴设备更适于临床工作流与家庭场景，但空间特异性较弱。文章特别指出，不同采集技术、采样频率、噪声特征和时间序列长度会直接影响非线性指标的有效性、解释性与可比性。
对于非线性测度本身，作者提出重要观点：不同方法学家族并不可互换。熵类指标关注时间不规则性与不可预测性；LyE 与嵌入维数等状态空间方法关注系统稳定性、混沌结构和自由度；RQA 则揭示状态复现与稳定构型；符号化方法反映离散状态多样性与组织结构。因此，即便多个研究都使用“复杂性”术语，其具体理论含义可能并不相同。当前多数研究仅采用单一指标，这限制了对婴儿运动组织多维属性的整合理解。
4.5. Interaction Between Data Acquisition Technologies, Signal Stationarity, and the Validity of Nonlinear Metrics
这一部分集中讨论采集技术与非线性指标数学假设之间的耦合关系。作者指出，SampEn、ApEn 和 LyE 等指标对信号平稳性、序列长度、采样频率和信噪比高度敏感，而这些特征又受采集技术直接决定。深度学习姿态估计虽然扩大了视频分析的可及性，但其关节追踪置信度设置、插值、时间平滑和跟踪抖动都可能引入人工噪声或过度平滑，从而系统性低估或扭曲运动复杂性。类似地，IMU 与三轴加速度计易受皮肤运动伪影影响；压力垫的低采样率则可能限制熵估计和动力系统重建的可靠性。
作者还强调，自发婴儿运动本质上具有间歇性和爆发性，未必满足状态空间重建和熵估计所要求的平稳性条件。尤其在长时程自然情境记录中，婴儿会经历睡眠、喂养、哭闹和清醒活动等多种行为状态，若缺乏分段和稳定性评估，所得非线性指标可能混合了多个动力学状态，降低解释效度。因此，未来研究需更加重视平稳性检验、活动片段识别、参数透明报告以及跨技术验证。
4.6. Limitations of the Review and Available Evidence
作者指出，现有证据在样本特征、采集系统、记录时长、信号类型和分析参数上均高度异质，制约了直接比较和归纳。许多研究样本较小，且集中于健康足月婴儿或特定临床人群；部分论文还基于重叠队列重复观察，进一步降低了文献整体代表性。再者，单一非线性指标的广泛使用不利于全面把握运动行为的多维属性。
从综述本身看，检索虽覆盖多个主要数据库，但 Google Scholar 的动态排序机制影响可重复性；语言限制和排除灰色文献也可能造成潜在遗漏。此外，检索式中的 NOT（EEG OR heart）虽然有助于缩小范围，但也可能误排除一些以运动分析为主、同时报告生理共监测的多模态研究。
4.7. Clinical Implications and Future Directions
在临床意义方面，作者认为非线性运动分析显示出识别微妙运动组织异常的潜力，尤其对神经风险婴儿更为敏感，但目前尚不足以支持其常规临床应用。在已有指标中，ApEn 和 SampEn 因研究较多、计算相对简便、跨多种采集方式均有应用，似乎最接近未来的临床转化；但这并不意味着其理论上优于其他方法。RQA 和符号化方法可能在处理间歇性与非平稳性方面具有优势，只是目前证据和标准化程度仍不足。
作者建议未来研究优先推动方法学协调化和理论清晰化，具体包括：统一采集协议、最小采样要求、预处理流程、平稳性评估、参数选择和报告规范；在熵类研究中保证足够的数据长度并明确说明参数依据；在状态空间分析中使用较长且相对平稳的记录，并将时间延迟 τ 以绝对时间单位报告；在RQA中清晰说明嵌入参数和阈值定义；同时建立最小报告标准，覆盖采集规格、预处理、质量控制以及新兴姿态估计技术的验证。作者还强调，多中心合作、共享数据库以及将早期非线性指标与后续功能结局相联系的纵向设计，是推动规范化和临床转化的关键。
5. Conclusions
结论部分总结指出，本范围综述系统展示了生命最初6个月内婴儿自发运动非线性分析的研究图景。熵类测度，尤其是近似熵（ApEn）和样本熵（SampEn），是最常用的方法，反映出该领域对运动时间不规则性和组织复杂性的主要关注。现有研究主要分析仰卧位下的扭动运动（WM）和烦躁样运动（FM），信号以肢体与关节运动学变量及压力中心（CoP）相关动力学变量为主，数据来源包括视频系统、光电动作捕捉、压力敏感平台、可穿戴惯性传感器以及视频姿态估计技术。
综合来看，这些非线性方法提示婴儿自发运动具有结构化、确定性和自组织特征，且典型发育婴儿与神经或发育风险婴儿之间存在差异。然而，当前证据仍属初步且探索性，受限于样本量小、群体异质和方法学不统一，尚不能支持非线性指标作为独立临床诊断工具的常规使用。作者最终主张，应将其视为对全身运动评估等既有观察方法的补充，而其未来临床价值将取决于标准化、验证研究、规范数据库以及可重复、可解释的纵向证据体系。
