《Journal of Medical Systems》：A Digital Cueing Intervention for Parkinsonian Gait: Laboratory-Based Clinical Validation and Acute Gait Responses
编辑推荐：
跌倒在帕金森病患者（people with Parkinson’s, PwP）中十分常见。目前亟需一种可扩展、实用、个性化且单一设备的干预手段，以改善与跌倒风险相关的步态特征。CuePD是一种仅通过应用程序（app）实现的方法，旨在为PwP提供个性化听觉提示以
跌倒在帕金森病患者（people with Parkinson’s, PwP）中十分常见。目前亟需一种可扩展、实用、个性化且单一设备的干预手段，以改善与跌倒风险相关的步态特征。CuePD是一种仅通过应用程序（app）实现的方法，旨在为PwP提供个性化听觉提示以重新训练步态。本研究旨在对CuePD在PwP中的临床验证与有效性进行评估，并探讨PwP对CuePD的感知。60名PwP在根据其基线步行速度（步频，cadence）进行个性化的节拍器（metronome）、器乐（instrumental music）和人声音乐（vocal music）提示下完成提示步行。PwP可从流行（pop）、摇滚（rock）等流派中选择音乐。提示步行的步频设定为基线步频的+10%。研究人员考察了每种提示的有效性以及在非提示步行中的任何延续效应（carryover effects）。CuePD的临床验证（如组内相关系数，intraclass correlation coefficients, ICC(2,1)）是参照标准系统建立的。研究人员通过跌倒风险指示性步态特征（步幅长度，stride length；步行速度，walking speed；步时变异系数，step time coefficient of variation）的改善情况（如标准化反应均值，standardised response means, SRM）来检验CuePD的有效性。结果显示，CuePD在量化与跌倒相关的平均步态特征方面与参考系统具有良好至卓越的一致性（ICC(2,1)0.849 – 0.986），但在若干变异性（variability）和不对称性（asymmetry）指标上一致性较差。人声音乐是最受青睐的提示类型，其通过增加步幅长度（7cm，SRM为0.873）和步态速度（0.115 m/s，SRM为1.264），同时降低步时变异系数（-0.418%，SRM为-0.505）来改善步态特征。CuePD获得了积极反馈，作为一种仅通过应用程序实现的方案，其在量化平均步态特征方面具有临床有效性，并在改善与跌倒风险相关的步态特征方面显示出急性改善效果。研究结果表明，这种个性化方法可能在实验室之外具有实用价值，但其生态效度（ecological validity）尚需确立。
研究背景与开展缘由
帕金森病（Parkinson’s disease, PD）患者（people with Parkinson’s, PwP）常面临跌倒及其复发的问题，这严重影响了患者的日常功能独立性、安全性及生活质量，同时也增加了照护负担。步态障碍是PwP跌倒的核心风险因素，因此针对步态的靶向干预具有重要临床意义。目前，数字方法如惯性传感器（加速度计、陀螺仪）虽被提议用于跌倒预测模型和居家闭环提示技术，但现有的干预手段如节拍器（metronome, ME）提示虽成熟却因单调导致参与度低，而多数音乐提示系统依赖有限曲库或需额外外围可穿戴设备（如足部传感器），难以实现单一设备、低成本、可扩展且个性化的需求。运动障碍协会（Movement Disorders Society, MDS）技术工作组指出，需开发能整合入常规评估与护理的移动健康技术，兼顾患者获益与负担比。在此背景下，研究人员开发了名为CuePD的智能手机应用程序（app），这是一种仅依托手机内置传感器的步态再训练工具，可提供个性化听觉提示（含自选音乐的时间拉伸算法处理），旨在填补单一设备个性化干预的空白，并依据验证、分析验证与临床验证（V3）框架开展本研究，以评估其临床有效性及急性步态反应。
关键技术方法
研究人员招募了60名年龄大于等于50岁、可独立行走、诊断为特发性PD且蒙特利尔认知评估（Montreal Cognitive Assessment, MoCA）评分大于等于21分的PwP，受试者来源于Jubilee Day Hospital及当地DeNDRoN研究交付登记处。研究使用佩戴于第五腰椎（L5）处的智能手机运行CuePD（采样三轴加速度100 Hz）采集数据，并以APDM Opals参考可穿戴系统作为金标准。CuePD基于React Native开发，采用4阶20 Hz巴特沃斯（Butterworth）滤波及连续小波变换识别初始/终末触地事件以计算步态参数。干预包括基线步行及三种提示步行（ME、器乐IM、带人声音乐VM，均设为基线步频+10%），其间穿插无提示清洗步行（washout walks, WO）以消除心理及生理延续效应。统计采用组内相关系数（ICC(2,1)）、皮尔逊相关系数（PCC）、标准化反应均值（SRM）、混合ANOVA及Bland-Altman分析评估一致性与反应性，并使用系统可用性量表（System Usability Scale, SUS）与高德史密斯音乐素养指数（Goldsmiths Musical Sophistication Index, Gold-MSI）评估主观反馈。
研究结果
临床验证（Clinical Validation）
研究人员通过对比CuePD与参考系统在基线与提示步行中的平均步态特征，发现时间特征（如步频cadence ICC(2,1)0.968–0.986）与空间特征（如步幅长度stride length ICC(2,1)0.849–0.868）均表现出良好至卓越的一致性，Bland-Altman分析显示偏倚极小（步态速度±0.11 m/s，步幅长度±10.6 cm）。然而，对于变异性（如步时变异系数CVstride-time的空间变异性ICC≤0.241）及不对称性指标，两者一致性较差或中等，表明当前单传感器（下背部L5位置）配置尚不适用于临床级空间变异性与不对称性量化。
急性步态反应（Acute Gait Responses to Cues）
研究人员分析了不同提示对步态的影响。在步频（cadence）上，人声音乐（VM）最接近+10%目标（变化5.595%），但三种提示间无显著差异。在步态速度（gait speed）上，VM带来最大绝对改变（0.115 m/s, SRM 1.264），显著优于ME与IM。在步幅长度（stride length）上，VM增加7.0 cm（SRM 0.873），亦显著优于其余两组。在步时变异系数（CVstride-time）上，VM显著降低0.418%（SRM -0.505），而ME与IM反而轻微增加变异性。75%以上的PwP在VM下各项步态特征均有所改善。
首次提示延续效应（First Cue Carryover Effect）
研究人员通过比较首次清洗步行（WO3）的数据发现，不同首提示类型组间的步频、速度、步幅及变异系数均无统计学显著差异，表明首次提示未在短期内产生显著的延续效应干扰后续测试。
接受度、可用性与音乐性（Acceptance, Usability and Musicality）
90%的参与者首选VM，认为其更愉悦、自然且具激励性；SUS得分85.92，显示卓越可用性。音乐素养（Gold-MSI）与提示依从性或步态改善间无显著关联，说明该干预的有效性不依赖于个体的音乐训练背景，具有广泛适用性。
讨论与结论总结
讨论部分指出，CuePD是首个在PwP中研究单一设备步态再训练临床有效性的研究，其能稳健捕捉平均步态特征并有效提供个性化干预。与需多外围设备的系统相比，CuePD符合MDS单一设备推荐，降低了成本与复杂度。临床验证显示平均时空特征的一致性与最小临床重要差异（MCID）接近，支持其测量效度；但变异性与不对称性因属二阶统计量且受下背部传感器定位限制，误差放大，需谨慎解读。在提示类型上，VM优于ME与IM，其机制可能涉及熟悉度、情感参与及多巴胺通路激活，而非单纯的节奏同步能力，因为音乐素养并未影响疗效。高偏好度与可用性评分预示了其长期使用的潜力。局限性在于实验室环境缺乏生态效度，受试者多为Hoehn & Yahr II期、ON状态且无认知严重受损者，未来需在社区长期试验中验证。
结论部分翻译：CuePD是一种新型步态再训练应用程序，符合MDS技术工作组建议：即一种平衡患者负担与临床效用并针对PwP相关缺陷采取个性化方法的单一设备。CuePD方法可能提供一种适当且有效的资源来解决作为已知跌倒贡献因素的步态受损问题，因其使用已普及的技术而具有广泛吸引力。CuePD在临床上可有效可靠地测量平均步态特征，同时显示出重新训练步态的急性有效性。此外，CuePD通过当代及偏好音乐选择提供提示，这表明至少在短期内是为PwP提供更引人入胜的步态再训练方法。高可用性评级以及对音乐提示的强烈偏好（无论音乐背景如何）表明CuePD是PwP中一种合理且受欢迎的工具。除了作为独立干预外，CuePD的智能手机架构可能整合到数字护理路径中，实现远程监测并连接临床工作流程以进行去中心化PD管理。因此，CuePD可能在改善步态方面具有切实且实用的现实潜力；然而，其生态效度及长期临床有效性（包括是否能减少跌倒）仍有待未来实验室外的试验验证。
