IVR 跑步机对 PD 步态的影响

1. 背景技术帕金森病(PD)是第二常见的退行性神经疾病。 PD 诱发导致跌倒风险增加的步态障碍。 这些跌倒严重影响患者的生活质量，并产生大量的医疗保健费用。 不幸的是，步态障碍对药物治疗反应不佳，其管理主要基于康复治疗。 康复方法包括两个步骤：运动能力的功能评估，然后完成治疗性体育锻炼计划。

   与心率一样，步幅持续时间根据复杂的时间变化动态在短期和长期内变化。 这些变化呈现出长程自相关 (LRA)：步幅持续时间不会随机变化，而是以结构化的方式变化。 LRA 的研究基于复杂的数学方法，需要记录 512 个连续的步态周期。 LRA 在步态节律过于随机的 PD 患者中发生改变。 LRA 的改变与神经损伤（Hoehn & Yahr 量表和 UPDRS）和患者的运动稳定性（ABC 量表和 BESTest）相关。 LRA 的测量将是 PD 患者稳定性和跌倒风险的第一个可用的客观和定量生物标志物。

   有关 PD 患者康复计划的指南基于教育（预防跌倒和不活动……）、体育锻炼、功能训练（双重任务、复杂任务……）、学习、适应策略（提示）和行动观察. 将开发沉浸式虚拟现实 (iVR)、使用 iVR 耳机和跑步机步行之间的组合。

   跑步机行走已显示出对 PD 患者步态和生活质量的长期有效性。 最近进行的一项研究表明，单次跑步机训练可减少干预期间的步幅持续时间变异性。 尽管跑步机似乎可以改善患者的步态，但它缺乏使人类稳定步态的基本生态成分：光流，即在行走过程中滚动的环境。 当在跑步机上行走时，iVR 可以为患者提供视觉流动，就好像他们在地面上行走一样，患者可以从中受益。 本试点研究的目的是比较在三种步行条件下获得的时空步态参数和步态可变参数：地面步行、跑步机步行、使用 VR 耳机的跑步机步行。

2. 方法

2.1 参与者： 将从当地社区以及 Cliniques universitaires Saint-Luc（Woluwe-Saint-Lambert，比利时）的神经病学和物理与康复医学门诊招募 10 名患有特发性帕金森病的患者。

2.2 功能评估：在实验开始之前，所有参与者都会进行无害评估，包括临床测试和问卷调查

PD患者：年龄、身高、体重、性别、最受影响的一侧、运动障碍协会-统一帕金森病评定量表（MDS-UPDRS）、迷你平衡评估系统测试（Mini-BESTest）、活动特定平衡信心的简化版量表（ABC-Scale），改良的Hoehn & Yahr量表，简易精神状态量表（MMSE）。

2.3 程序：每个参与者将以随机顺序在三种情况下行走。 每个条件持续 ±15 分钟，以便强制执行 512 个步态周期来评估 LRA 的存在。

第一个条件是地面行走 (OW)。 参赛者将被要求以他们舒适的步行速度在 CUSL 的 63.2 米长的圆角矩形跑道上行走。

第二个条件是跑步机步行（TW）。 患者将在跑步机上以 10 米步行测试评估的舒适步行速度行走。 在这种情况下，患者将佩戴非承重安全带（Petzl，Volt，法国）。

最后一个条件是在跑步机上以与 TW 期间相同的速度行走，患者仍佩戴非负重背带，同时佩戴 VR 耳机 (VRTW)。 VR 耳机（HTC、Vive、台湾）由一种面具组成，人们可以戴上它的脸。 人的眼前有两个菲涅耳透镜，人可以通过这些透镜观看允许立体 3D 的显示器。 然后患者沉浸在沉浸式虚拟环境中，与外界隔绝。 对于这个实验，已经通过 Unity 软件和使用 C# 代码创建了一个 VR 环境。 在跑步机上行走时，参与者会看到周围有一个安静的走廊。 参与者在跑步机上行走时会感觉到光流。 患者在耳机内感知到的光流速度将与跑步机的速度相匹配，从而产生在真实走廊上行走的错觉。 将在 VRTW 之前和之后完成晕机问卷（Simulator Sickness Questionnaire, SSQ）。 确实，使用 VR 耳机会导致一些患者出现头晕、恶心、头痛等症状。 我们想评估在跑步机上使用 VR 中显示的光流是否会导致晕机症。

2.4 数据采集：将两个惯性测量单元 (IMU)（IMeasureU Research, VICON, USA）贴在患者的双侧踝骨上。 IMU 将被贴在受疾病影响最严重的一侧的腿上。 该系统允许记录 500 Hz 的脚踝加速度。 然后将数据输入计算机，内部开发的软件将检测与每次脚后跟撞击相对应的每个加速度峰值，以确定所有步幅持续时间。

2.5 步态评估：数据将从 512 个连续步态周期中提取，这是测量步态变异性所必需的。

2.5.1 时空步态变量：

平均步态速度、步态节奏和步幅长度将测量如下：

平均步态速度 (m.s-1) = 总步行距离 (m)/ 采集持续时间 (s) 步态节奏 (#steps.min-1) = 总步数 (#)/采集持续时间 (min) 步长 (m) = 步态速度 (m/s)*60/步态节奏 (steps/min)

2.5.2 步幅持续时间可变性：可以通过两种方式评估步幅持续时间可变性：根据幅度或组织（步幅持续时间如何在连续步态周期中演变）。

2.5.2.1 步幅持续时间变异的幅度：确定 RAS 对 512 个步态周期中步幅持续时间变异幅度的影响，均值、标准差 (SD) 和变异系数 (CV = [SD/平均值] * 100) 将被评估。

2.5.2.2 步幅持续时间变异性 (LRA) 的时间组织：步幅持续时间变异性的时间组织将通过 LRA 计算使用去趋势波动分析 (DFA) 的均匀间隔平均版本来评估，以获得 α 指数。 上帝抵抗军的存在可以用介于 0.5 和 1 之间的 α 指数值来表示。

数据将通过 CVI Labwindows (C++) 的方式处理。

2.6 统计分析：将使用 Sigmaplot 13 进行统计分析。 如果正常性测试通过，则将应用单向重复测量方差分析来确定各种步行条件对时空步态参数（步态速度、步态节奏、步幅长度）以及步幅持续时间可变性的线性和非线性测量的影响（CV、SD、H 和 α 指数）。 当使用方差分析检测到组之间存在显着差异时，将执行事后检验以将每个平均值与其他平均值进行比较，以将各组彼此隔离。

还将进行配对 t 检验以确定 TW 和 VRTW 之后 SSQ 问卷分数可能发生的变化。