摘要 目的 从线性和非线性两个角度探究人体站立稳定调控策略。方法 招募16名健康男性受试者,在平衡台完成30 s正常站立、闭眼站立以及在泡沫垫上睁眼和闭眼站立,通过时空参数、轨迹近似熵和小波变换分析不同干扰因素站立时足底压力中心(center of pressure, COP)轨迹的线性及非线性特征,采用视觉×本体感觉重复测量方差分析比较干扰情况下(视觉干扰、本体感觉干扰和视觉、本体感觉共同干扰)与正常站立情况下COP轨迹线性及非线性特征差异。结果 在线性指标中,闭眼站立、不稳定站立和闭眼不稳定站立相比于正常站立时COP轨迹长度、轨迹速率和C90面积均增加(P <0.05),3种干扰方式下的C90偏角以及前后(anteroposterior,AP)、内外(mediolateral,ML)方向平均偏移量相比于正常站立无明显变化(P >0.05)。在非线性指标中,在ML和AP两个方向,闭眼站立、不稳定站立和闭眼不稳定站立相比于正常站立COP轨迹的近似熵差异均无差异(P >0.05);频域指标的ML方向,视觉干扰使中频、低频和次低3个频段的能量权重升高(P <0.05),超低频能量权重降低(P <0.05);本体感觉干扰时3个频段的能量权重相比于正常站立无差异(P >0.05);在视觉、本体感觉共同干扰时,中频、低频和次低频能量权重增加(P <0.05),超低频能量权重降低(P <0.05);在频域指标的AP方向,视觉干扰后相比于正常站立次低频能量下降(P <0.05)、超低频能量上升(P <0.05);本体感觉干扰和视觉、本体感觉共同干扰中频、低频和次低频能量权重均上升(P <0.05),超低频能量权重下降(P <0.05)。结论 对于健康人群,站立时人体以较低频段的闭环控制机制为主导,外界信号输入受到干扰并不会改变站立COP轨迹的复杂性,其中视觉信息干扰对ML方向影响较为明显,本体感觉信息干扰对AP方向影响较为明显。站立受到干扰时,开环控制机制的较高频段能量权重增加,身体的晃动幅度和速度变大。
关键词:
压力中心
轨迹
姿势控制
近似熵
小波变换
维持稳定站立是人体最基本的姿势控制方式,人体安静站立时通过各系统协调完成身体在空间位置的稳定性和方向性。相关研究证实,姿势控制能力下降会增加跌倒风险 [1-2] 。研究偏头痛、功能性踝关节不稳、脊柱侧弯等患者在站立时的姿势控制能力发现,当小脑、本体感觉、前庭觉和视觉某一功能出现病理性变化时,维持站立稳定的调控策略会发生改变 [3-5] 。人体站立时以双足为支撑面,姿势控制的动态变化使压力中心在足底形成一定的晃动轨迹,由此可反映维持站立稳定的调控策略,分析足底压力中心(center of pressure,COP)轨迹特征是评价姿势控制过程动态变化的重要切入点。对站立时足底压力中心轨迹的分析发现,人体通过开环控制(open-loop control)和闭环控制(closed-loop control)的反馈机制共同完成站立时姿势的调整 [6-7] 。通过干预站立时视觉、本体感觉等信息获取能力,从线性和非线性两个方面解析站立时压力中心轨迹特征,有助于探究人体站立稳定的调控策略。
现有研究大多采用时域分析评测站立COP轨迹的包络面积、晃动幅度和速度等线性变化,该方法可直观、便捷地反映人体站立稳定性 [4,7] 。近年来,有关非线性变化在动作分析中的应用研究已经开展 [5,8] 。其中,近似熵(approximate entropy,ApEn)理论用于评价信号在维数变化过程中随时间序列产生新模式概率的大小,序列的近似熵值越大,则表明该序列复杂度较高,该算法具有抗噪能力强、计算所需数据短的优点,可用于评价足底COP轨迹在各方向变化的复杂程度 [9-10] 。傅里叶变换(Fourier transform,FT)和小波变换(wavelet transform,WT)是非线性分析中常见的频域解析方法,而小波变换具有对COP轨迹进行时频域特征分析的优势 [11-13] 。研究发现,不同频段小波的能量权重与肌肉活动、小脑、前庭和视觉系统存在一定相关性 [14-16] 。基于此方法分析正常人站立时足底COP轨迹特征,可有效探究人体站立时姿势调控策略。
本文通过对健康受试者视觉、本体感觉和多种平衡维持因素的干扰,评测COP轨迹的曲线特征、复杂度和不同频段的权重,从线性及非线性两个特征和身体前后(anteroposterior,AP)、内外(medio-lateral,ML)两个方向探究人体站立稳定的调控策略,为探究姿势控制的内在机制提供新的研究方法和理论支持。
招募16名健康男性,身高(176.32±4.22)cm,体质量(68.22±5.81)kg,年龄(24.56±3.34)岁,要求受试者无异常足姿(足姿指数评分-4～4分 [17] ),在实验前48 h内无酒精、咖啡因摄入且无剧烈运动,受试者在知晓本实验流程后均自愿参加,并签署知情同意书。
采用iBalance平衡测试与训练系统(芬兰HUR Labs公司,采集频率50 Hz,最大测试重量200 kg)进行站立足底COP轨迹测试,该系统包含BT4平衡台(610 mm×610 mm×60 mm,重量12.0 kg),该测试系统自带泡沫垫及iBalance Plus数据分析软件。
测试开始前进行平衡台的校准,受试者在了解实验流程后,分别以睁眼、闭眼、在泡沫垫睁眼及闭眼4种随机顺序在平衡台上完成时长为30 s的站立测试,采集正常站立情况下、干扰视觉、干扰本体感觉及视觉和本体感觉共同干扰下足底COP轨迹数据。要求每次测试均在同一实验场景,且站立时足跟并拢,足尖呈30°(见 图1 ),双眼平视前方某一定点,保证实验过程中处于安静环境。
1 . 4 . 1 线性指标 线性指标通过COP轨迹的几何特点评价不同状态站立时人体的稳定性,本实验通过轨迹长度、轨迹速率、C90面积、C90偏角及ML、AP方向的平均偏移量评价。
(1) 轨迹长度：即COP轨迹曲线的长度,其计算方法为在测试过程中每隔0.2 s两个COP连线长度的总和。
(2) 轨迹速率：通过轨迹长度与测试时间的比值计算。
(3) C90面积：C90表示包含90%COP点所围成的最小椭圆,C90面积为该椭圆的包络面积。
(4) C90偏角：C90偏角为包含90%COP点围成最小椭圆的长轴与水平轴的夹角(见 图2 )。
(5) ML方向平均偏移量：COP轨迹在身体内外侧的平均偏移量。
(6) AP方向平均偏移量：COP轨迹在身体前后侧的平均偏移量。
1 . 4 . 2 非线性指标 (1) 通过对ML和AP方向COP轨迹的近似熵计算,分别求出COP轨迹在水平轴和垂直轴的复杂度。近似熵计算原理如下 [18] ：
对于一个长度为 N 的时间序列{ x [
{
"name": "text",
"data": "i"
}
] },通过构建该序列的 m 维矢量 X ( i )={ x ( i ), x ( i +1), x ( i +2),…, x ( i + m -1)}( i =1～ N - m +1),计算向量 X ( i )与 X ( j )( j =1～ N - m +1,且 j i )中元素的最大距离：
d [
{
"name": "text",
"data": "ij"
}
] =max| x ( i + j )-x( i + k )|,
设定相似容限度 r ,统计向量中小于 r ×STD(STD为序列{ x [
{
"name": "text",
"data": "i"
}
] }的标准差)的 d [
{
"name": "text",
"data": "ij"
}
] 个数,计算该数目与距离总数 N - m 的比值 求得 的对数 计算向量中所有 i 的平均值
m 增加1,重复以上步骤,计算 和 φ +1 ( r ),最终求得嵌入维数为 m 、相似容限度为 r 的有限序列{ x [
{
"name": "text",
"data": "i"
}
] }的近似熵
ApEn( m , r )= φ +1 r - φ [
{
"name": "text",
"data": "m"
}
] ( r )
当 m =2, r =0.1～0.2时,近似熵对时间序列长度依赖程度最低 [18-19] 。因此,本文设定 m =2, r =0.2,以此条件对不同站立条件下足底COP轨迹进行近似熵计算。
(2) 对COP轨迹的ML和AP方向进行小波分解与重构,计算各频段能量的权重。将频率为50 Hz的原始信号通过sym8小波基函数进行8级分解,每次分解得到的信号频率为上一次的1/2,得到细节系数 d 1 ～ d 8 和近似系数 a 8 [4,15,20] ,分解过程如 图3 所示。
根据以往研究,将以上频段重构为中频( d 3 、 d 4 重构,频率范围1.56～3.13 Hz)、低频( d 5 、 d 6 重构,频率范围0.39～1.56 Hz)、次低频( d 7 、 d 8 重构,频率范围0.10～0.39 Hz)和超低频( a 9 频段,频率范围低于0.1 Hz) [4,20] ,原始信号完成小波变换(见 图4 )。
分别计算重构后4个频段的能量,每个频段能量为该频段每个离散点振幅平方之和 [15] ,该频段能量计算公式为：
式中： j 表示不同频段, E ( j )表示该频段的能量; k 为该频段离散位置; A 为离散位置对应的振幅。
每个频段占总频段能量( E T )权重的计算公式如下 [4-5] ：
本研究COP轨迹时域数据的处理在iBalance平衡测试与训练系统中自带的iBalance Plus软件中进行,频域数据的处理在MATLAB R2017a中进行。在SPSS 25.0中进行数据统计,采用重复测量方差分析分别比较闭眼站立、不稳定站立和闭眼不稳定站立3种干扰条件下相比于睁眼正常站立时线性和非线性指标的差异,事后检验采用Bonferroni法,当 P <0.05时,表明差异具有统计学意义。
结果表明,在时域指标中,闭眼站立、不稳定站立和闭眼不稳定站立相比于正常站立时足底COP轨迹长度、轨迹速率和C90面积均增加( P <0.05),3种干扰方式下的C90偏角、ML和AP方向平均偏移量相比于正常站立无明显变化( P >0.05),见 表1
2 . 2 . 1 不同干扰方式下COP轨迹近似熵对比 在ML和AP两个方向,闭眼站立、不稳定站立和闭眼不稳定站立相比于正常站立COP轨迹的近似熵差异均无差异( P >0.05),见 表2
2 . 2 . 2 不同干扰方式下COP轨迹ML方向各频段能量对比 在ML方向,闭眼站立相比于正常站立时,中频、低频和次低3个频段的能量权重升高( P <0.05),超低频能量权重降低( P <0.05);不稳定站立时3个频段的能量权重相比于正常站立无差异( P >0.05);在闭眼不稳定站立时,相比于正常站立,中频、低频和次低频能量权重增加( P <0.05),超低频能量权重降低( P <0.05),见 表3
2 . 2 . 3 不同干扰方式下COP轨迹AP方向各频段能量对比 对比AP方向不同干扰方式频段权重可知,闭眼站立相比于正常站立次低频能量下降( P <0.05)、超低频能量上升( P <0.05);不稳定站立和闭眼不稳定站立相比于正常站立,中频、低频和次低频能量权重均上升( P <0.05),超低频能量权重下降( P <0.05),见 表4
站立时,人体在短时间间隔和长时间间隔之间存在两种不同的姿势控制行为,在较短的时间间隔(约1 s)内,姿势控制不依赖视觉、前庭觉和本体感觉等体感反馈,身体因肌肉骨骼系统的反应惰性逐渐偏离平衡点,这一过程被称为开环控制 [5-6] 。在长时间间隔内,中枢神经系统通过视觉、本体感觉和前庭觉等体感反馈,通过负反馈使身体重新回到平衡点附近,这一过程被定义为闭环控制 [5-6] 。闭环控制机制和开环控制机制共同作用使站立时COP发生偏移,形成一定的轨迹。本研究对不同干扰方式下时域特征结果发现,在视觉、本体感觉和视觉、本体感觉共同干扰3种条件下,站立时足底COP的轨迹长度、轨迹速度和C90面积均增加( P <0.05),这与前人对不同干扰因素对站立稳定性影响的研究结果基本一致 [4,21-22] 。提示姿势控制受到干扰时,姿势控制系统以更大的调整范围和速度来维持站立,虽然不同因素干扰会增加站立时COP包络面积,但ML和AP方向的平均偏移量并未发现有明显变化( P >0.05),对于C90偏角,不同干扰方式站立并未发现其与正常站立存在差异( P >0.05),这表明对于健康人群,视觉和不稳定界面的干扰虽降低了姿势控制能力,但并不会使人体站立出现向某一侧偏移。综合以上指标可知,3种干扰方式对时域指标类型的影响无明显区分,当站立稳定受到干扰时,人体在平衡状态下通过扩大身体摆动幅度和速度完成姿势控制。
熵理论用于评价信号的复杂度,通过检测人体电信号(脑电、肌电等)和运动学信号(加速度、运动轨迹等)等生物信号反映相应组织所处的状态或运动的规律性 [9,19,23] 。本文通过非线性分析以反映站立足底COP轨迹的复杂度和频域特征,对不同干扰条件站立时COP轨迹的ML和AP方向近似熵对比发现,视觉干扰、本体感觉干扰和视觉、本体感觉共同干扰相比于正常站立时COP轨迹近似熵的差异不具有显著性,说明干扰外界信号的输入并不会影响站立时足底COP轨迹的复杂性和规律性。结合本文线性分析结果可知,受到干扰时,足底COP轨迹的摆动幅度和速度增加,但其轨迹的复杂度无明显变化,提示视觉和本体感觉干扰虽然会使身体晃动程度增加,但人体站姿的晃动轨迹仍具有规律和可控性,而这一结果也表明本研究对不同干扰条件下COP轨迹进行相同频段的小波变换具有一定可靠性。
现有研究认为,不同频段的能量对应着不同的站立稳定性影响因素,中频段(1.56～6.25 Hz)和低频段(0.39～1.56 Hz)对应本体感觉和小脑控制 [20,24] ,次低频段(0.10～0.39 Hz)和超低频段(<0.10 Hz)对应前庭和视觉系统控制 [15,20] 。本文发现,相比于正常站立,在ML方向,视觉干扰后中频、低频和次低频3个频段的能量占比均增加,超低频频段能量降低,该结果与文献[4-5]的结果相似。本文认为,视觉干扰会使较低频段能量占比降低,其他较高频段的能量占比增加。在AP方向,视觉干扰后次低频频段能量占比增加,超低频段能量占比降低。有研究认为,在视觉信息缺乏的情况下,人体会更多地采用前庭信号来保持姿势稳定策略 [15,25] 。该结果与本文结果相呼应。对比两个方向频段变化发现,视觉干扰对ML方向频段的影响多于AP方向,提示视觉对站立时冠状轴影响较大。在泡沫垫上站立时,人体足底的本体感觉受到干扰。本文发现,相比于正常站立,在泡沫垫上站立时AP方向4个频段均有明显变化,表现为超低频段能力占比的下降和其他频段能量的增加,但在ML方向上未发现4个频段能量占比有显著变化,根据足踝的解剖特点可知,人体踝关节在矢状面的活动度大于冠状面活动度 [26] 。由此可推测,在足底本体感觉受到干扰时,踝关节在冠状面的控制能力可能优于矢状面,因此矢状面各频段能量的较易受到影响。在视觉和本体感觉共同干扰下,ML和AP方向频段的能量权重均受到显著影响,两个方向均表现为超低频段能量权重的降低和其他频段能量权重的增加( P <0.05)。Collins等 [6] 研究认为,开环控制机制使得人体各个关节产生一定的微小晃动,产生高频的信号,而晃动幅度超过某一阈值时则会产生反馈,通过闭环控制系统进行控制,这一阈值在1 Hz附近 [4-6] ,这可能与人体骨骼肌系统的刚性有关 [27-28] 。基于此阈值可知,本研究的低频、次低频和超低频3个频段属于闭环控制系统,虽然不同的干扰因素会增加较高频段的权重,但正常站立和干扰下站立均其能力权重均在90%以上。由此可推测,相对平衡的站立条件下,人体姿势控制策略以闭环控制系统为主导,受到干扰时站立稳定性下降,开环控制机制的权重增加。
本文在以往研究的线性分析方法上,结合近似熵理论和离散小波变换非线性角度对视觉、本体感觉干扰下健康人群站立足底COP轨迹进行分析,为姿势控制的研究提供新的研究视角。由于本研究测试人群为健康人群,建议未来开展病理研究时,在加大样本量的基础上,结合线性和非线性角度,选取对应的患者进行深入分析。
对于健康人群,站立时人体以较低频段的闭环控制机制为主导,外界信号输入受到干扰并不会改变站立足底COP轨迹的复杂性。其中,视觉信息干扰对内外侧影响较为明显,本体感觉信息干扰对前后侧影响较为明显,站立受到干扰时开环控制机制的较高频段能量权重增加,身体的晃动幅度和速度变大。
(1)
(2)
微信
QQ空间
微博
QQ
