跑步机横向摆动步行训练可促进脑卒中后患者偏瘫肢体负重

《Journal of Biomechanics》：Walking with treadmill lateral oscillation facilitates paretic limb loading in individuals post-stroke

　　

摘要

卒中后个体常表现出重心转移功能受损，进而导致步态和平衡控制方面的缺陷。行走表面的侧向平移可能会产生惯性力，从而改变身体向支撑足的方向转移。本研究旨在确定跑步机中线振荡行走对慢性卒中个体肢体负重和重心转移生物力学的即时影响。17名受试者在两种条件下以舒适速度行走：有无低强度中线跑步机振荡（1厘米振幅，正弦波形）。研究收集了动力学、运动学及肌电数据，以量化垂直地面反作用力、重心转移时间、质心运动、关节力矩和肌肉活动。

与无振荡条件相比，跑步机振荡使偏瘫侧和非偏瘫侧肢体的垂直地面反作用力均增加（p < 0.05），并缩短了向偏瘫侧的重心转移时间（p < 0.05），表明重心转移动力学得到增强。这些变化同时伴随着偏瘫侧单腿支撑时间的增加（p < 0.05），以及在带跑步机振荡行走过程中中线方向质心速度和位移的增大（p < 0.05）。逐步回归分析显示，偏瘫侧肢体负重的增加可由偏瘫侧髋外展力矩和臀中肌激活程度的增加所预测，可解释44%的变异。

这些发现表明，低强度、连续的跑步机振荡可以促进肢体负重并加快重心转移。跑步机振荡行走可为卒中后步态康复提供一种新颖的、外部驱动的方法，以增强重心转移并促进偏瘫侧肢体的使用。

引言

卒中是美国导致死亡和长期残疾的主要原因之一（Go等人，2014；Murphy等人，2013）。卒中后偏瘫个体常在患肢承受较少体重，且重心转移减弱并延迟，从而导致平衡能力和步行速度下降（Dettmann等人，1987；Kusoffsky等人，2001）。这种能力下降导致步态不对称，往往使得运动过程中的能量消耗增加（Awad等人，2015）。此外，偏瘫侧肢体负重缺陷会导致平衡不稳定，并与跌倒风险增加相关（Cheng等人，2001）。这些功能障碍性限制阻碍了社会参与并负面影响生活质量。因此，提高肢体负重和重心转移能力对于卒中后康复至关重要（Kamono & Ogihara，2018；Winstein等人，1989）。

以往关于强制体重转移（Compelled Body Weight Shift, CBWS）的研究中，通过在非偏瘫下肢鞋内安装鞋垫以提升该侧肢体（Chaudhuri & Aruin，2000），观察到站立时偏瘫侧肢体承重改善，以及在6周物理治疗结合CBWS治疗之后步速增加。然而，步态训练结合CBWS治疗在改善慢性卒中患者步态表现方面并不优于单纯的步态训练（Sheikh等人，2016）。此外，诱导下肢长度不对称可能负面影响平衡稳定性（Gardas & Shah，2020），或促使代偿策略进一步发展（Pereiro-Buceta等人，2021）。较近的研究使用缆绳系统对骨盆施加矫正力，以改变卒中患者的骨盆偏移和负重情况（Wu等人，2017）。虽然这些力可能促进重心转移（Hsu, Kim, Tang, et al., 2017），但受试者似乎产生了与外部力相抗衡的关节力矩。一种对身体施加外部力的替代方法可能是移动地面支撑。根据达朗贝尔原理（Fraser，1985），当步态过程中支撑点移动时，身体会经历一个与运动底座加速度方向相反的等效惯性力。这为描述质心相对于支撑点的运动提供了便利的框架。因此，通过对地面支撑施加中线平移（即跑步机），所诱发的惯性力可用于促进重心转移。然而，虽然这可能有益，但突然的剧烈扰动可能会扰乱步态。通过开发可预测的、低强度扰动模式可缓解这一挑战。与不连续和冲击性扰动相比，在低频正弦站立平台振荡下姿势挑战更易于应对（Corna等人，1999；Schmid等人，2011）。在本研究中，我们开发了一种新方法，在跑步机行走期间施加相对较小（1厘米振幅）的连续侧向振荡，以促进卒中受试者的重心转移。

本研究的主要目的是确定相对低强度的跑步机振荡行走（Treadmill Oscillation Walking, TOW）与无振荡行走相比，对肢体负重表现的即时影响。我们假设，在TOW过程中受试者将表现出肢体负重增加以及更快的心重心转移时间。此外，由于先前研究表明伸膝肌和髋外展肌的关节力矩与肌肉活动是肢体负重的关键神经力学机制（Anderson & Pandy，2003；Cruz & Dhaher，2008），我们调查了这些因素中哪些对跨条件下偏瘫侧肢体负重变化的预测有贡献。这可能会揭示TOW运动过程中所针对的机制，为偏瘫卒中幸存者的未来干预设计提供信息。

方法

本研究招募了17名受试者（表1）。纳入标准为：卒中发生于研究前6个月以上导致偏瘫，能够借助或不借助助行器行走10米，且能够在无支持的情况下站立5分钟。排除标准为：除卒中影响之外的其他医学状况导致无法运动、双侧卒中或之前对侧半球发生卒中、或小脑卒中。三名受试者因无法在不大量使用扶手的情况下在跑步机上行走而被排除。我们根据Yeung等人（2018）报告的既往卒中个体步态训练后垂直地面反作用力（vGRF）变化的效应量，计算了所需样本量以达到80%统计效能。臀中肌激活的效应量基于Hsu等人报告的值计算。由于我们尚未了解既往研究关于卒中个体训练后行走过程中髋外展力矩和重心转移时间变化的报告，因此我们基于在行走速度调节期间的初步数据计算这些效应量。这些计算基于配对差异比较的双侧显著性水平p < 0.05。基于这些计算，需要12名受试者。

受试者的舒适行走速度（CWS）通过在带测力功能的跑步机（Motek Medical，Houten，荷兰）上以0.05 m/s的增量逐渐增加速度直至受试者报告达到典型散步速度来确定。在不显著使用扶手的情况下达到稳态行走后，进行2至5分钟的习惯适应。CWS下的步频使用自定义D-flow算法（基于垂直地面反作用力）通过20连续步的平均步态周期的倒数计算得出。然后受试者在1厘米振幅的中线正弦跑步机振荡下以CWS行走，定义见公式1：

跑步机轨迹（m）= 0.01 × sin(2π × 时间(s) × 步频(Hz))（公式1）

指示受试者除必要情况外避免使用扶手，并在分带跑步机上保持每侧一条带面一个脚。未指示受试者在跑步机振荡的特定相位迈步。相反，在将振荡频率设置为每位受试者的舒适步频后，允许受试者自主选择感觉最舒适的迈步模式。在不显著使用扶手的情况下达到稳态行走后，进行2至5分钟的习惯适应。

依据SENIAM指南，在臀中肌（GM）和股外侧肌（VL）上双侧表面电极放置无线肌电系统（Delsys Inc., Natick, MA）电极，采样频率为2000 Hz。为获取肌电归一化所需的峰值信号，使用Humac Norm测力计（Computer Sports Medicine, Inc., Stoughton, MA）进行最大自主等长收缩（MVIC）测试。测试从非偏瘫侧肢体开始，紧接着进行偏瘫侧肢体。在伸膝MVIC中，受试者坐姿直（与水平面成85°），膝关节屈曲60°。带子固定躯干和大腿。在髋外展MVIC中，受试者以髋外展15°坐姿，向侧方大腿垫施加推力。每个条件下进行2次练习和2次最大尝试，并有研究团队的言语鼓励。

在受试者身体各段（包括头部、骨盆、躯干、双侧上臂、前臂、大腿、小腿和足部）上共粘贴了72个反光标记（Shen等人，2025）。对于上下肢的每个段落，在段落远端和近端的内侧和外侧骨性标志处各粘贴4个标记。在段落的侧面粘贴3或4个标记组成的标记簇。在骨盆处，于髂前上棘前后放置4个标记；在躯干段落，于胸骨、锁骨、第7颈椎、第10胸椎及双侧肩峰放置6个标记。头部使用4个标记分别放置在头部双侧的前后位置进行追踪。经过充分休息后，受试者依次进行无跑步机振荡和带跑步机振荡的CWS测试。必要时在测试之间提供休息时间。每个条件下（振荡和无振荡）记录1分钟的行走测试。受试者佩戴安全吊带，日常行走中使用踝足矫形器者允许佩戴。

使用10相机动作捕捉系统（Vicon-USA, Denver, CO; 100 Hz）记录标记轨迹，以1000 Hz的频率记录地面反作用力。数据使用四阶Butterworth低通滤波器进行滤波（运动学6 Hz，动力学15 Hz）。

为考虑振荡测试过程中跑步机的中线力，在受试者的振荡频率及CWS下收集空跑数据（跑步机上无受试者）。使用自定义MATLAB脚本（MathWorks, US）从带振荡的行走测试中减去跑步机的惯性力（Hnat等人，2018）。

我们使用Visual 3D软件（Maryland, USA）构建了12段落模型（头、躯干、骨盆、双侧肱骨、前臂、大腿、小腿、足）。全身质心（Center of Mass, CoM）以及髋和膝关节力矩使用Visual3D软件中的逆动力学功能计算。我们使用20 N的阈值及垂直地面反作用力（vGRF）确定足接触和足趾离地事件。此阈值方法与此前报道的步态事件检测方法一致（Maiwald等人，2009）。我们将支撑中期定义为足接触至足趾离地之间持续时间的50%。我们排除了使用扶手、跨越至对侧带面、以及偏瘫侧摆动相拖趾的步态周期。其他所有计算均使用MATLAB中的自定义算法完成。

对于所有测量指标，我们将"朝向"偏瘫侧视为正方向。我们计算步长为足接触时脚跟标记之间的前后距离，步幅宽为脚跟标记之间的中线距离。从初次足接触至支撑中期，身体质心与支撑足质心之间的最小中线距离用于表征身体转移距离（Hsiao等人，2017；Shen等人，2025）。此外，中线质心峰峰值位移用于确定每次测试中的身体摇摆。相对于足部的质心速度计算为质心到足部质心的横向位置矢量的时间一阶导数，并提取对应支撑相初次接触至支撑中期期间的峰值。步长、步幅宽、最小质心至足部距离和质心位移均按身体高度进行归一化。单腿支撑时间按该肢体总支撑时间进行归一化。在支撑相前半段提取峰值vGRF作为峰值肢体负重指标。我们将重心转移时间定义为从足接触到前导腿vGRF超过后导腿vGRF的时刻（Nolan & Yarossi，2011）。髋外展力矩和伸膝力矩按体重归一化，并提取初次接触至支撑中期期间的峰值。

原始肌电信号经带通滤波（16–500 Hz）、全波整流，并在20 Hz进行低通滤波以获取线性包络（Boyer等人，2023）。行走期间的肌电幅值按MVIC测试中获得的最大肌电幅值进行归一化。偏瘫侧和非偏瘫侧GM及VL的峰值激活从初次接触至支撑中期期间提取。使用41个采样点（相当于50 ms）的移动均方根（RMS）窗口在相同窗口内计算积分肌电，该窗口选择基于先前关于在肌电幅值估计中平衡可靠性与时间分辨率的推荐（Burden等人，2014）。

所有分析在R软件中完成（R Core Team，2020）。

为了确定跑步机振荡对体重转移生物力学的影响，我们使用线性混合效应模型比较了以下主要变量在各条件下的差异：峰值垂直地面反作用力、体重转移时间、峰值髋关节外展和膝关节伸展力矩，以及来自臀大肌和大腿直肌的整合肌电图信号。我们将同样的分析扩展到了以下各条件下的次要变量：步长、步幅宽度、单腿支撑时间、重心位移、最小重心-足部距离，以及来自臀大肌和大腿直肌的最大肌电图信号。回归公式为：结果变量～振荡条件+(1|参与者ID)。振荡条件（有和没有跑步机振荡）是我们的分类固定效应，我们在模型中为每个参与者ID包含了一个分类随机截距。

采用双向逐步线性回归来识别与峰值偏瘫肢体负重变化相关的神经肌肉和生物力学变量。候选预测变量根据其在前侧体重转移中的假想作用进行选择，包括峰值偏瘫髋关节外展力矩的变化、峰值偏瘫膝关节伸展力矩、峰值和整合偏瘫臀大肌和大腿直肌激活，以及重心与偏瘫足部之间的最小距离。使用赤池信息准则进行模型选择，并在解释最终模型之前使用方差膨胀因子评估预测变量的共线性。统计显著性水平设定为α=0.05。使用Benjamini-Hochberg错误发现率程序进行多重比较校正。校正基于预设主要结果变量的数量，与事先定义的主要假设族一致。

段落摘录

跑步机振荡行走改变了体重转移生物力学

平均而言，与无振荡相比，参与者在跑步机振荡行走过程中偏瘫侧（+1.7%，p<0.05）和非偏瘫侧（+0.7%，p<0.05）的峰值垂直地面反作用力均增加（图1）。这伴随着向偏瘫侧体重转移时间减少（-10.2%，p<0.05）和偏瘫单腿支撑时间增加（+5.0%，p<0.05）。此外，在行走过程中观察到相对于支撑足更大的重心速度（偏瘫侧+10.2%，非偏瘫侧+9.5%，p<0.01）

讨论

本研究确定了跑步机振荡行走对中风的即时效应对体重转移生物力学的影响。跑步机振荡行走引起双侧峰值垂直地面反作用力幅值增加，并减少了向偏瘫侧的体重转移时间，同时增加了更大的内外重心速度和位移，反映了增强的肢体负重和体重转移表现。此外，各条件下峰值垂直地面反作用力的变化由峰值偏瘫髋关节力矩和髋关节外展肌预测。

结论

以低振幅跑步机横向振荡行走增加了中风患者肢体负重的峰值幅值并减少了体重转移时间。这些变化可能源自前侧髋关节神经机械学。跑步机振荡行走可能是一种促进肢体负重和改善中风患者体重转移的有用方法。未来的工作将探索这种振荡的长期效应，并调查其个体化康复的潜力。

CRediT作者贡献声明

Jason Tsai：撰写-审阅与编辑，撰写-原稿，方法论，正式分析，数据管理。

Keng-Hung Shen：方法论，数据管理，概念化。

Mark W Rogers：撰写-审阅与编辑。

Hao-Yuan Hsiao：撰写-审阅与编辑，监督，方法论，资金获取，概念化。

未引用参考文献

Hsiao et al. (2020)。

利益冲突声明

作者声明他们不知道有任何可能影响本文报道工作的竞争性经济利益或个人关系。

致谢

本研究获得了德克萨斯大学奥斯汀分校机构审查委员会的批准，所有15名参与者（表1）均提供了书面知情同意书。研究数据可向通讯作者索取。作者声明他们没有利益冲突。本项目由NIH 5R21HD107461资助。JT收集并分析了数据并撰写了手稿。KS是研究设计和数据收集的主要贡献者。HH对Jason Tsai|Keng-Hung Shen|Mark W Rogers|Hao-Yuan Hsiao作出了贡献。