检索历史 清除

摘要目的:1.探讨跌倒组与无跌倒组的老年人之间，传统步态参数、步态图的特征差异。2.基于双任务步态图，开发一种新型的老年人跌倒风险评估模型，并与传统的参数预测模型进行对比。为老年人的跌倒风险评估提供一种新的思路和工具。<br>　　方法:采用巢式病例对照设计，于2022年12月～2023年12月在广东省人民医院招募60岁及以上的老年人作为研究对象，基线时收集受试者的一般人口学信息、下肢关节（髋、膝、踝）的步态特征参数、不同任务下的下肢关节六自由度步态图、步行速度、步态周期、跨步长、步频等步态参数，并计算双重任务成本（DTC）。然后进行为期一年的随访，获得老年人跌倒发生情况。最终以跌倒组作为病例组，无跌倒组作为对照组进行统计分析。<br>　　结果:（1）本研究共纳入444名受试者，跌倒发生率为19.37％。（2）在执行单任务行走时跌倒组和未跌倒组老年人传统步态参数差异均不存在统计学意义（P＞0.05）;在执行其他3种双重任务行走时跌倒组的步速、步长、步频等指标均明显低于未跌倒组，步态周期和DTC则明显高于未跌倒组（P＜0.05）。（3）采用二元logistic模型构建基于传统步态参数的预警模型时发现，以记忆数字双重任务（DTW记忆数字）模型的受试工作者曲线下面积（AUC=0.721）最优。（4）双任务的下肢关节（髋、膝、踝）步态图参数呈规律性的周期性变化。跌倒组老年人的下肢关节（髋、膝、踝）运动学参数特征中个别存在差异。（5）基于双重任务步态图特征的老年人跌倒风险卷积神经网络模型中各个模型的效能相近，其中单任务步态图模型的受试者工作曲线下面积（AUC）=0.9737;DTW100-1步态图模型的受试者工作曲线下面积（AUC）=0.9818;DTW100-7步态图模型的受试者工作曲线下面积（AUC）=0.9712;DTW记忆数字步态图模型的曲线下面积（AUC）=0.9818。<br>　　结论:1.老年人在直线步行过程中，其步态图呈现出一种规律性的周期性变化。2.执行双重任务行走，老年人普遍展现出更为谨慎的步态特征，在传统步态参数上具体表现为双任务步态速度较慢、幅度相对较小、步频降低、步态周期延长。3.步态图特征上也出现了谨慎步态特征，特别是在髋关节方面，存跌倒组受试者在摆动期时内旋角度明显偏大;而在内外位移方面，受试者则表现出较小的外位移。进一步观察膝关节，我们发现跌倒组的受试者在摆动相中后期前位移相对较小。而在踝关节方面，受试者在摆动相中后期内收角角度较大。4.双任务步态图卷积神经网络模型在识别跌倒风险方面展现出了良好的效果，与传统的步态参数模型比较其性能更优。