脑卒中偏瘫患者三维步态参数的研究进展

脑卒中偏瘫患者三维步态参数的研究进展【摘要】步行能力在脑卒中幸存者许多方面都至关重要，下肢运动功能评定和步行训练指导是改善脑卒中患者步行能力两大重要环节，三维步态分析可进行多方面的、精准的生物力学步态分析，量化脑卒中后患者的步行受限模式。本文总结了脑卒中偏瘫患者三维步态分析的重要参数，对偏瘫患者三维步态参数的应用进展进行综述，为偏瘫患者步态分析及康复治疗方案制定提供参考。【关键词】脑卒中；偏瘫；三维步态分析；康复治疗脑卒中是导致成人残疾的主要原因[１]，幸存者普遍残留运动功能障碍。合理的下肢运动功能评定和步行训练指导，是改善患者步行能力的两大核心环节。目前，仪器步态分析是步态评估的金标准[２-５]。比如，三维步态分析使用光电捕捉设备，采集人体反光标志点的位置信息，然后，采用软件将信息整合并转化为时空参数、运动学和动力学数据，从而实现全面和精准的量化分析，用于识别患者步行受限的具体模式。此外，定量步态分析可以通过多次测量参数的变化来评估治疗的效果。将步态分析与神经学评估结合，有助于指导病因分析和制定治疗策略。本文通过系统查阅国内外文献，总结了脑卒中偏瘫患者三维步态分析的重要参数和其应用进展，为脑卒中偏瘫患者的步态分析与康复治疗方案提供参考。脑卒中偏瘫患者三维步态的时空参数一、时间和空间参数常规的时空参数包括空间参数(步长、步幅长和步宽)、时间参数(步行周期、支撑和摆动时间、单支撑和双支撑时间)和综合参数(步行速度)。有研究表明，和正常人比较，脑卒中患者多个时空参数有明显改变。比如，步幅更短、步宽更宽、步行周期和双支撑时间延长，以及步长和时间变异性增加[６-９]。经过康复治疗后，部分时空参数可以得到改善[１０，１１]。一项关于脑卒中患者时空参数的系统回顾分析[１２]表明，经过康复干预，大多数患者的偏瘫侧步长、步幅长和步频可以得到改善；同时，单支撑相和双支撑相时间等参数也可以得到改善。有研究表明，和正常人比较，脑卒中患者多个时空参数有明显改变。比如，步幅更短、步宽更宽、步行周期和双支撑时间延长，以及步长和时间变异性增加[６-９]。经过康复治疗后，部分时空参数可以得到改善[１０，１１]。一项关于脑卒中患者时空参数的系统回顾分析[１２]表明，经过康复干预，大多数患者的偏瘫侧步长、步幅长和步频可以得到改善；同时，单支撑相和双支撑相时间等参数也可以得到改善。步行速度是包含了时间和空间信息的综合参数，它简单精确、成本效益高，可代表患者整体步行功能[１２，１３]，也可反映脑卒中偏瘫患者的平衡功能[１４]。因此，临床上步速常作为偏瘫步态的分类变量。然而，步速缺乏特异性，基于速度的步态功能障碍分类也有限。常规的时空参数往往与速度相关，步速与步幅、步频和单支撑时间呈正相关，与站立和双支撑时间呈负相关[１５]，因而，这些变量在解释步速改善所涉及的机械变化方面受到限制[１２]。需要进一步对常规参数进行处理或获得额外的生物力学信息，以真正了解机械变化。二、不对称性和变异性参数单个时空参数虽能评估步态偏差的大小，却无法区分偏差背后的原因(究竟是运动功能改善，还是肢体代偿)。相比之下，时空参数的不对称性和变异性能够整合步态模式的变化，这更有助于揭示步态的形成机制，提示步行功能的真实改变[１２]。首先，时空参数的不对称性可以提供更多步态的协调信息，用于评估功能的改善情况。一项系统综述[１２]发现，纳入的１０项临床试验中，康复干预前后时空不对称参数的差异均具有统计学意义。这说明了步态不对称率可以反映出肢体间不对称性和协调性的改善。不对称性参数中，时间不对称往往比空间不对称更常见，并且显示出更一致的方向。脑卒中患者单支撑相时间在患侧比健侧更短，而步长不对称方向则表现不一致，部分患者表现为在健侧有较大的步长，而另一部分患者则表现为患侧步长较大[１６，１７]，这可能与下肢推进力有关[１８]。不对称指数与平衡功能存在相关性[１４]，其中Ｂｅｒｇ平衡评分与步长不对称和摆动时间不对称相关[１９]。此外，不对称性的变化还与其他步态及平衡指标的改善密切相关。研究发现，摆动时间对称性的改善与偏瘫侧在站立期负重增加有关，而步态对称性的改善则与步行速度的提升相关[２０]。不过，也有研究表明，减少步长不对称性并不总能降低能量消耗[２１-２３]，尽管如此，减少时空参数的不对称性仍然是康复实践中普遍追求的目标。时空参数的变异性则可以为速度提供额外的信息，支撑相变异性更能区分跌倒者和非跌倒者[２４]。中枢神经系统损伤的指标也与支撑相的变异性直接相关，时空参数变异性可以检测脑卒中后步态功能变化，并随神经损伤的恢复改善[２５]。空间步长变异性复合指标是结合了前后步长变异性(前后向维度)与横向步长偏差(内外向维度)的参数，在衡量共济失调步态中显示出更高的效应量[２６]。而对于计算变异性的统计方法，变异系数(ｃｏｅｆｆｉｃｉｅｎｔｏｆｖａｒｉａｔｉｏｎ，ＣＶ)更便于临床解释，但时间参数的标准差(ｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎ，ＳＤ)表现出更明显的趋势，因此计算ＳＤ比较结果可能优于ＣＶ[２７]。对于多个参数的不对称性及可变性，有研究通过主成分分析方法发现，单支撑相的不对称指数、步幅持续时间的相对标准差(ｒｅｌａｔｉｖｅｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎ，ＲＳＤ)和站立时相的ＲＳＤ对总体方差有较大贡献，可以反映患者支撑功能及肢体前进控制能力[１３]。三、最小足趾离地间隙/最小足离地间隙最小足趾离地间隙(ｍｉｎｉｍｕｍｔｏｅｃｌｅａｒａｎｃｅ，ＭＴＣ)/最小足离地间隙(ｍｉｎｉｍｕｍｆｏｏｔｃｌｅａｒａｎｃｅ，ＭＦＣ)是指步行期间足趾/足的最小离地间隙，通常出现在摆动过程早中期，此时足趾最低处与地面的垂直距离最短，最可能被障碍物绊倒，同时足的水平前进速度最大，在遇到障碍物时会产生强烈的冲击力。三维运动捕捉可以精确计算摆动脚相对于地板的垂直位置来计算足趾离地高[２８]。步行时的足部间隙控制与跌倒风险密切相关。研究表明，ＭＦＣ过低或ＭＦＣ变异性过大的人群存在较高的绊倒风险[６]。一项系统综述[２９]也指出，跌倒老年人的ＭＦＣ变异性大于年轻人和非跌倒老年人。此外，步行期间的ＭＴＣ与绊倒风险同样密切相关[３０]。在分析ＭＦＣ高度与稳定性的关系时，有研究发现[８]，无论是健康人还是脑卒中患者，ＭＦＣ高度与其变异性存在正相关，这意味着增加步行时的ＭＦＣ高度可能导致步态更不稳定。而对于脑卒中患者，步宽与ＭＦＣ高度呈正相关，与ＭＦＣ的变异呈负相关，提示更宽的步伐有助于患者提高步行稳定性。和健康对照组相比，脑卒中患者１％ＭＦＣ显著降低并且变异性更大，提示跌倒风险更大。偏瘫侧ＭＴＣ与平衡和下肢运动功能具有一定相关性[３１]。为进一步评估步态不对称性和偏瘫严重程度，研究者们引入了多种分析方法。Ｄａｔｔａ[３２]对双下肢ＭＴＣ进行庞加莱分析(Ｐｏｉｎｃａｒéａｎａｌｙｓｉｓ)，通过计算双下肢ＭＴＣ差异的时间节奏变化得出步态不对称指数(ｇａｉｔａｓｙｍｍｅｔｒｙｉｎｄｉｃｅｓ，ＧＡＩｓ)。Ｓｃｈｕｌｚ[３３]提出了绊倒风险积分(ｔｒｉｐｒｉｓｋｉｎｔｅｇｒａｌ，ＴＲＩ)概念，考虑整个摆动阶段的足间隙并评估动态稳定性来估计跌倒的风险，规避了仅用单个点计算ＭＴＣ的许多问题。Ｈａｒｕｙａｍａ[３４]提出了骨盆－脚趾距离(ｐｅｌｖｉｓ-ｔｏｅｄｉｓｔａｎｃｅ，ＰＴＤ)，定义为髂前上棘标记与脚趾标记之间的绝对距离，可以量化摆动期间运动质量，也进一步解释了ＭＴＣ变化机制。在临床应用方面，有研究[３０，３５]发现，患者步宽变异性与ＭＴＣ高度呈正相关，基于足部运动生物反馈步态训练可以增加脑卒中患者ＭＴＣ/ＭＦＣ，并减少ＭＴＣ变异程度，从而降低跌倒风险。三维步态可以量化踝足矫形器对偏瘫患者的影响，并将患者的步态策略可视化，有助于在真实临床环境中指导临床决策[３６]。我们将现有的ＭＴＣ/ＭＦＣ相关研究总结于表１。脑卒中偏瘫患者三维步态的运动学与动力学参数运动学参数包括在三维空间中的线性和角的运动、速度和加速度，以及主要关节的三维运动[４，３８]。脑卒中患者下肢关节角度曲线与健康人群的相似，但其峰值的时间和幅度与健康人群不同，并且随着行走速度变化而产生偏离[４]。有研究表明，三维步态分析在矢状面评估髋关节和膝关节时较可靠，而在横向平面中与髋关节和膝关节相关的指标存在较低的可靠性和较高的错误数偏。因此，关节角度分析多以矢状面为主[３９]，但冠状面和横断面的信息也不可或缺。研究显示偏瘫足下垂患者在摆动相时，骨盆在横断面上运动范围增大，并以后缩状态进行相对地旋前旋后，且横断面骨盆的旋转与踝关节角度呈显著负相关，提示足廓清过程中，其他关节也起着重要的代偿作用[４０]。步态环图是将步行时大腿仰角、小腿仰角和足部仰角绘制成３Ｄ空间步态路径轨迹，偏瘫患者步态环图偏离正常水滴形态，能直观体现患者与健康人的步态差异[４１]。动力学涉及步行期间的力、力矩、做功、功率和能量。力包括地面反作用力(ｇｒｏｕｎｄｒｅａｃｔｉｏｎｆｏｒｃｅｓ，ＧＲＦ)和足底压力。ＧＲＦ是指人体在行走过程中产生的对地面施加的力及相应反作用推力，压力中心(ｃｅｎｔｅｒｏｆｐｒｅｓｓｕｒｅ，ＣｏＰ)是经计算ＧＲＦ在地面上产生的作用点。质心(ｃｅｎｔｅｒｏｆｍａｓｓ，ＣｏＭ)是物质质量的中心，人活动时的平衡控制就是通过改变ＣｏＰ位置来调节人体的ＣｏＭ，使ＣｏＭ保持在与地面接触的ＣｏＰ之上。因此ＧＲＦ、ＣｏＰ、ＣｏＭ可为姿势稳定性评估提供有价值的信息。若将运动学和动力学数据与用户特定的人体参数结合，则可以计算出该受试者步行时的骨骼载荷和关节力矩。而将这些技术与肌电图一起，可以无创地评估特定肌肉的激活和力[３８]。一、压力中心ＣｏＰ常用于静态平衡评估，参数通常有包括ＣｏＰ峰值、面积、平均速度、ＣｏＰ均方根和ＣｏＰ振幅等[４２]，动态平衡评估则更注重左右脚的对称性。ＣｏＰ的横向和后移联合值是步态启动期间不足的预期姿势调整(ａｎｔｉｃｉｐａｔｏｒｙｐｏｓｔｕｒａｌａｄｊｕｓｔｍｅｎｔｓ)的经典测量值，可以反映患者在步态启动期间运动不对称和重量转移的不稳定；ＣｏＰ峰值的变化则可更好地了解脑卒中患者的预期姿势调整变化机制，研究发现在脑卒中患者偏瘫腿ＣｏＰ峰值延迟延长和峰值幅度下降是不对称的，这可作为脑卒中后偏瘫患者预期姿势调整减少的新特征[４３]。由于ＣｏＰ具有高精度、客观性、实时性等优势，测量ＣｏＰ被认为是研究实验室和临床环境中定量评估姿势平衡的黄金标准[４４]。二、质心ＣｏＭ先由光电设备获取数据，再由软件对这些数据进行处理后得到。计算ＣｏＭ可以较客观地判断人体的平衡能力。研究发现，采用起身－行走计时试验分析脑卒中患者的ＣｏＭ轨迹时，患者的ＣｏＭ轨迹参数值高于健康对照，这反映了其感觉运动信息整合能力受损。此外，在患者前行期间，有跌倒史的患者在动态时间规整(ｄｙｎａｍｉｃｔｉｍｅｗａｒｐｉｎｇ)指标上数值较高，表明转向之前和转向过程中的步态差异更能有效识别步态受损、易跌倒的患者。该方法能够客观量化运动轨迹，并反映患者在障碍物存在时的步态变化[２]。三、力矩和功率脑卒中患者偏瘫侧肌肉无力，常表现出力量产生速度下降、易疲劳以及形成无效的力，从而导致患者运动障碍。肌肉表现的定量指标包括峰值扭矩、总功和平均功率。峰值扭矩为肢体运动的最大单次扭矩输出，可以反映肌肉最大力量[４５，４６]，总功表示肢体在一定运动范围时产生的累计扭矩输出，可以更全面地描述肌肉的发力平衡状态，平均功率则为单位时间内完成的功[４７]。主动肌与拮抗肌峰值力矩比，可以反映关节活动中拮抗肌群之间的肌力平衡情况，进而判断关节稳定性[４８]，偏瘫患者除了表现出峰值力矩异常，还出现异常的关节扭矩耦合模式[４９]。力矩与功只能确定显著的力，在病理情况下，仍需配合肌电数据综合分析[９]，分析肌肉激活模式。脑卒中偏瘫患者三维步态的运动质量参数单个步态参数分别代表个体步态模式的特定特征，用于不同侧重的步态评估。多种运动学和动力学参数为下肢生物力学功能的深入分析提供了大量数据，但临床解释这些数据可能具有较大的挑战性。因此，从复杂繁多的步态参数中提取关键参数的组合将大大利于步态评估[５０]。整合特征三维步态数据可以评估异常步态与正常步态的偏差程度，同时可对功能受损程度进行分层，给出步态质量的总体印象，有助于客观评估治疗结果。一、吉列步态指数吉列步态指数(Ｇｉｌｌｅｔｔｅｇａｉｔｉｎｄｅｘ，ＧＧＩ)是通过主成分分析从大量步态变量中推导出一组１６个自变量，这１６个参数差的平方和代表受试者步态与正常步态偏差程度[５１]。ＧＧＩ计算出正常步态模式和病理步态模式之间的步态偏差，并且能够区分步态异常的严重程度。该指数最初只在脑瘫儿童中得到验证，但之后也被证明可以用于评估成人中枢神经系统疾病患者步态质量[５２]。二、步态偏离指数步态偏离指数(ｇａｉｔｄｅｖｉａｔｉｏｎｉｎｄｅｘ，ＧＤＩ)是从三维关节角度中提取９个步态参数，并进一步分解为１５个步态特征量[５３]。若ＧＤＩ≥１００，则表明受试者为正常健康步态；ＧＤＩ<１００，说明步态存在病理状态。尽管ＧＤＩ和ＧＧＩ都是相同基础结构的指标，但它不需要如ＧＧＩ的大样本量[３８]。ＧＤＩ在脑卒中疾病中的有效性也已得到验证[５４]。ＧＧＩ与ＧＤＩ是运动学临床步态分析领域最常引用和使用的指标，也可被视为“金标准”[５５]。三、步态轮廓分数步态轮廓分数(ｇａｉｔｐｒｏｆｉｌｅｓｃｏｒｅ，ＧＰＳ)是通过计算受试者的角度轨迹与健康样本之间的均方根差异得出[５６]，健全人群的ＧＰＳ通常在５°~６°[５７]。ＧＤＩ和ＧＰＳ密切相关，但ＧＰＳ更易计算。ＧＰＳ已被证明是脑卒中偏瘫患者治疗评估的合适工具[５８]。研究表明脑卒中患者的双腿ＧＰＳ分数和总分均显著高于正常对照组，且ＧＰＳ值与年轻脑卒中幸存者的步行速度和效率、时间(支撑时间对称性)和空间(步长、步幅)参数直接相关，且随着ＧＰＳ的升高，步行速度会降低，代谢成本会增加[５７]。但由于步态速度对ＧＰＳ有着显著影响，因而有人对ＧＰＳ计算方法进一步改进，提出ＧＰＳｖ，可有效降低步态速度对ＧＰＳ的影响[５９]。四、骨盆偏移分数骨盆是躯干和下肢之间的结构连接的关键点，因此骨盆偏移也是研究偏瘫步态功能障碍的逻辑生物力学焦点。骨盆偏移偏差(ｐｅｌｖｉｃｅｘｃｕｒｓｉｏｎｄｅｖｉａｔｉｏｎ)是将骨盆运动量化为三个平面骨盆运动的峰到峰幅度，以建立不同平面的偏差分数，然后将偏差分数相加以产生综合骨盆偏差分数，进而将骨盆的异常运动量化。研究发现骨盆偏移最大的患者的运动障碍更大，且提供了更大的洞察力，可以作为偏瘫步态功能障碍新的分类方案[６０]。五、其他参数简便的步态指数(ｇａｉｔｉｎｄｅｘ，ＧＩ)由Ｆａｉｓａｌ等人提出[５０]，他们通过回顾文献和主成分分析，从众多步态参数中筛选出步行速度、最大膝关节屈曲角度、支撑相/摆动相比和步幅长度四个参数，推导出这个指数以评估步行质量。该指数在１２０名健康人群中验证有效，且参数可通过穿戴传感器在日常生活环境中轻松测得，适用于生活场景下的快速步态评估。运动偏差曲线(ｍｏｖｅｍｅｎｔｄｅｖｉａｔｉｏｎｐｒｏｆｉｌｅ)是通过计算运动中与正常参考分布的多维偏差值，来反映运动的差异。一项研究[６１]利用三维步态设备，获取了老年人在完成日常功能任务(如步行、转弯、坐下、站起、上下楼梯)时的关节角度。通过计算这些任务中的运动偏差曲线，发现在所有任务中，“下楼”这一动作最能区分有跌倒史和无跌倒史的老年人。与传统的“步行速度”指标相比，下楼动作的偏差能更敏感地识别出容易跌倒的老年人。ＫｅＲ-ＥＧＩ(Ｋｅｒｐａｐｅ-ＲｅｎｎｅｓＥＭＧ-ｂａｓｅｄｇａｉｔｉｎｄｅｘ)是一种基于肌电图数据的成人步态病理指标参数，其计算原理与ＧＤＩ相似，但使用的参数是肌电图而不是关节角度。临床试验发现，Ｋｅｒ-ＥＧＩ与ＧＧＩ、ＧＤＩ的相关性尚可(对应的系数Ｒ２分别为０.６２、０.４２)，因此，ＫｅＲ-ＥＧＩ也是一种有效的步态评价指标。而且，ＫｅＲ-ＥＧＩ包含了肌电数据，可对中枢神经系统障碍患者的运动控制能力进行综合评价[５５]。三维步态分析的进展与展望随着算法和设备的改进，步态参数的获取与分析也逐渐变得简便[６２]。有研究[６３]比较了光学动作捕捉系统捕获的ＭＦＣ与穿戴惯性测量单元联合足部３Ｄ扫描相结合重建的脚趾高度轨迹，发现偏差非常小，验证了在实验室外环境中评估ＭＦＣ的可行性。Ｍａｔｓｕｍｏｔｏ[６４]开发了一种轻型鞋传感器系统，能够测量局部三维ＧＲＦ，并估计步行过程中的步幅和ＭＴＣ。通过传感器对步态障碍者进行实时步态监测，若同时提供实时生物反馈，可能有助于减少跌倒[６５]。Ａｓｏｇｗａ[２８]通过开发机器学习算法，根据既往的脚趾离地步态事件成功预测了ＭＦＣ时间点。同时，图像及视频识别算法不断升级，可仅从图片中获取患者动作并进一步分析，让步态获取过程更加简便[６６-６８]。目前仍有许多问题有待研究。首先，由于三维步态采集设备对脑卒中患者步行功能有一定要求，目前研究主要针对步行功能尚存较好的患者，而针对严重步行受限患者的数据获取困难；对于偏瘫患者三维步态参数，仍缺乏统一的、规范的数据，难以形成一个标准化的大规模数据库，也这使得结果难以在不同人群或研究之间进行比较；缺少将多个关键步态参数组合在一个简单的方程，形成单一指标来量化患者整体的步态质量；就三维步态分析设备而言，无标记的相机动作捕捉与有标记点的三维步态分析相比，时空参数的准确性、有效性和可靠性良好，而在运动学变量中，踝关节则表现较差[６９]，但踝关节是脑卒中患者减少跌倒的重要关节。尽管步态分析可以通过多种设备进行，但不同设备之间的数据质量差异较大，且高精度的设备往往成本较高，也限制了大规模应用。未来仍需持续深入地对三维步态分析的采集设备、获取方法及相关参数进行研究，开发更精、低成本的步态采集设备，以促进步态分析的广泛应用。增强数据融合与深度学习，利用多种设备融合数据，提高步态分析的准确性；探索更先进的深度学习方法来提取更具代表性的步态特征参数。相信未来可以更容易在非试验环境中捕获特征参数，并进一步应用于患者治疗。参考文献[1]StinearCM,LangCE,ZeilerS,etal.Advancesandchallengesinstrokerehabilitation.[J].LancetNeurol,2020，19(4)：348-360.DOI：10.1016/S1474-4422(19)30415-6.[2]BonnyaudC,RocheN,VanHammeA,etal.Locomotortrajectoriesofstrokepatientsduringorientedgaitandturning[J].PLoSOne,2016，11(2)：e0149757.DOI：10.1371/journal.pone.0149757.[3]HulleckAA,MenothMohanD,AbdallahN,etal.Presentandfutureofgaitassessmentinclinicalpractice:towardstheapplicationofnoveltrendsandtechnologies.[J].FrontMedTechnol,2022，4：901331.DOI：10.3389/fmedt.2022.901331.[4]NadeauS,BetschartM,BethouxF.Gaitanalysisforpoststrokerehabilitation:therelevanceofbiomechanicalanalysisandtheimpactofgaitspeed[J].PhysMedRehabilClinNAm,2013，24(2)：265-276.DOI：10.1016/j.pmr.2012.11.007.[5]SardoǧanC,AkalanNE,SertR,etal.TherelationshipbetweentheEdinburghVisualGaitScoreandGaitDeviationIndex[J].GaitPosture,2020，81：325-326.DOI：10.1016/j.gaitpost.2020.08.059.[6]BeggR,BestR,DellOroL,etal.Minimumfootclearanceduringwalking:strategiesfortheminimisationoftrip-relatedfalls[J].GaitPosture,2007，25(2)：191-198.DOI：10.1016/j.gaitpost.2006.03.008.[7]HondaK,SekiguchiY,MurakiT,etal.Thedifferencesinsagittalplanewhole-bodyangularmomentumduringgaitbetweenpatientswithhemiparesisandhealthypeople[J].JBiomech,2019，86：204-209.DOI：10.1016/j.jbiomech.2019.02.012.[8]NaganoH,SaidCM,JamesL,etal.Biomechanicalcorrelatesoffallsriskingaitimpairedstrokesurvivors[J].FrontPhysiol,2022，13：833417.DOI：10.3389/fphys.2022.833417.[9]张晶晶，李艳.脑卒中偏瘫步态特点及康复策略[J].中国老年学杂志，2019，39(05)：1044-1047.DOI：10.3969/j.issn.1005-9202.2019.05.007.[10]邹蕾，邹芸，周昱，等.末端驱动型下肢康复机器人训练对偏瘫患者三维步态、下肢功能及平衡能力的影响[J].中国医学物理学杂志，2025，42(05)：667-672.DOI：10.3969/j.issn.1005-202X.2025.05.017.[11]单莎瑞，黄旭明，张明兴，等.三维步态分析低频重复经颅磁刺激治疗脑卒中后偏瘫的步态变化[J].中国组织工程研究，2022，26(05)：762-767.DOI：10.12307/2022.124.[12]WonsetlerEC,BowdenMG.Asystematicreviewofmechanismsofgaitspeedchangepost-stroke.Part1:spatiotemporalparametersandasymmetryratios.[J].TopStrokeRehabil,2017，24(6)：435-446.DOI：10.1080/10749357.2017.1285746.[13]KimWS,ChoiH,JungJW,etal.Asymmetryandvariabilityshouldbeincludedintheassessmentofgaitfunctioninpoststrokehemiplegiawithindependentambulationduringearlyrehabilitation[J].ArchPhysMedRehabil,2021，102(4)：611-618.DOI：10.1016/j.apmr.2020.10.115.[14]王亚囡，张通，杜雪晶，等.脑卒中偏瘫患者步态参数与平衡功能的关系[J].中国康复理论与实践，2022，28(1)：38-43.DOI：10.3969/j.issn.1006-9771.2022.01.006.[15]ChowJ,StokicD.Longitudinalchangesintemporospatialgaitcharacteristicsduringthefirstyearpost-stroke[J].BrainSci,2021，11(12)：1648.DOI：10.3390/brainsci11121648.[16]KimW.Subtasksaffectingstep-lengthasymmetryinpost-strokehemipareticwalking.[J].HumMovSci,2016，49：87-94.DOI：10.1016/j.humov.2016.06.004.[17]RoerdinkM,BeekPJ.Understandinginconsistentstep-lengthasymmetriesacrosshemiplegicstrokepatients:impairmentsandcompensatorygait.[J].NeurorehabilNeuralRepair,2011，25(3)：253-258.DOI：10.1177/1545968310380687.[18]SantosGF,JakubowitzE,PronostN,etal.Predictivesimulationofpost-strokegaitwithfunctionalelectricalstimulation.[J].SciRep,2021，11(1)：21351.DOI：10.1038/s41598-021-00658-z.[19]LewekMD,BradleyCE,WutzkeCJ,etal.Therelationshipbetweenspatiotemporalgaitasymmetryandbalanceinindividualswithchronicstroke.[J].JApplBiomech,2014，30(1)：31-36.DOI：10.1123/jab.2012-0208.[20]PattersonKK,MansfieldA,BiasinL,etal.Longitudinalchangesinpoststrokespatiotemporalgaitasymmetryoverinpatientrehabilitation.[J].NeurorehabilNeuralRepair,2015，29(2)：153-162.DOI：10.1177/1545968314533614.[21]NguyenTM,JacksonRW,AucieY,etal.Self-selectedsteplengthasymmetryisnotexplainedbyenergycostminimizationinindividualswithchronicstroke.[J].JNeuroengRehabil,2020，17(1)：119.DOI：10.1186/s12984-020-00733-y.[22]PadmanabhanP,RaoKS,GulharS,etal.Personspost-strokeimprovesteplengthsymmetrybywalkingasymmetrically.[J].JNeuroengRehabil,2020，17(1)：105.DOI：10.1186/s12984-020-00732-z.[23]ParkS,LiuC,SánchezN,etal.Usingbiofeedbacktoreducesteplengthasymmetryimpairsdynamicbalanceinpeoplepoststroke[J].NeurorehabilNeuralRepair,2021，35(8)：738-749.DOI：10.1177/15459683211019346.[24]MortazaN,AbuOsmanNA,MehdikhaniN.Arethespatio-temporalparametersofgaitcapableofdistinguishingafallerfromanon-fallerelderly？[J].EurJPhysRehabilMed,2014，50(6)：677-691.[25]BrachJS,StudenskiS,PereraS,etal.Stancetimeandstepwidthvariabilityhaveuniquecontributingimpairmentsinolderpersons[J].GaitPosture,2008，27(3)：431-439.DOI：10.1016/j.gaitpost.2007.05.016.[26]IlgW,SeemannJ,GieseM,etal.Real-lifegaitassessmentindegenerativecerebellarataxia:towardsecologicallyvalidbiomarkers[J].Neurology,2020，95(9)：e1199-e1210.DOI：10.1212/WNL.0000000000010176.[27]ChisholmAE,MakepeaceS,InnessEL,etal.Spatial-temporalgaitvariabilitypoststroke:variationsinmeasurementandimplicationsformeasuringchange.[J].ArchPhysMedRehabil,2014，95(7)：1335-1341.DOI：10.1016/j.apmr.2014.02.014.[28]AsogwaCO,NaganoH,WangK,etal.Usingdeeplearningtopredictminimummoot-groundclearanceeventfromtoe-offkinematics.[J].Sensors(Basel),2022，22(18).DOI：10.3390/s22186960.[29]BarrettRS,MillsPM,BeggRK.Asystematicreviewoftheeffectofageingandfallshistoryonminimumfootclearancecharacteristicsduringlevelwalking.[J].GaitPosture,2010，32(4)：429-435.DOI：10.1016/j.gaitpost.2010.07.010.[30]BeggRK,TiroshO,SaidCM,etal.Gaittrainingwithreal-timeaugmentedtoe-groundclearanceinformationdecreasestrippingriskinolderadultsandapersonwithchronicstroke.[J].FrontHumNeurosci,2014，8：243.DOI：10.3389/fnhum.2014.00243.[31]张洪宇，夏清，魏露，等.廓清障碍对脑卒中偏瘫足下垂患者平衡及步行功能的影响[J].中华脑科疾病与康复杂志(电子版),2021，11(6)：353-357.DOI：10.3877/cma.j.issn.2095-123X.2021.06.007.[32]DattaS,BeggR,RaoAS,etal.Measuresofbipedaltoe-groundclearanceasymmetrytocharacterizegaitinstrokesurvivors[C].AnnuIntConfIEEEEngMedBiolSoc.2021；2021：6015-6018.DOI：10.1109/EMBC46164.2021.9629740.[33]SchulzBW.Anewmeasureoftripriskintegratingminimumfootclearanceanddynamicstabilityacrosstheswingphaseofgait.[J].JBiomech,2017，55：107-112.DOI：10.1016/j.jbiomech.2017.02.024.[34]HaruyamaK,KawakamiM,OkadaK,etal.Pelvis-toedistance:3-dimensionalgaitcharacteristicsoffunctionallimbshorteninginhemipareticstroke[J].Sensors(Basel),2021，21(16)：5417.DOI：10.3390/s21165417.[35]NaganoH,SaidCM,JamesL,etal.Feasibilityofusingfoot-groundclearancebiofeedbacktrainingintreadmillwalkingforpost-strokegaitrehabilitation[J].BrainSci,2020，10(12)：978.DOI：10.3390/brainsci10120978.[36]PongpipatpaiboonK,MukainoM,MatsudaF,etal.Theimpactofankle－footorthosesontoeclearancestrategyinhemipareticgait:across-sectionalstudy[J].JNeuroengRehabil,2018，15(1)：41.DOI：10.1186/s12984-018-0382-y.[37]CruzTH,DhaherYY.Impactofankle-foot-orthosisonfrontalplanebehaviorspost-stroke.[J].GaitPosture,2009，30(3)：312-316.DOI：10.1016/j.gaitpost.2009.05.018.[38]GonçalvesSB,LamaSBC,SilvaMTD.Threedecadesofgaitindexdevelopment:acomparativereviewofclinicalandresearchgaitindices[J].ClinBiomech(Bristol,Avon),2022，96：105682.DOI：/10.1016/j.clinbiomech.2022.105682.[39]GuzikA,Druz·bickiM,PerencL,etal.Establishingtheminimalclinicallyimportantdifferencesforsagittalhiprangeofmotioninchronicstrokepatients[J].FrontNeurol,2021，12：700190.DOI：10.3389/fneur.2021.700190.[40]魏露，夏清，张洪宇，等.脑卒中足下垂患者摆动相骨盆运动特征分析[J].中国康复医学杂志，2022，37(01)：61-67.DOI：10.3969/j.issn.1001-1242.2022.01.012.[41]沈新培，夏清，杜玲玲.三维步态在脑卒中足下垂患者下肢节段协调性分析的应用[J].中国康复，2021，36(3)：144-149.DOI：10.3870/zgkf.2021.03.004.[42]SchröderJ,SaeysW,EmbrechtsE,etal.Recoveryofquietstandingbalanceandlowerlimbmotorimpairmentearlypoststroke:howaretheyrelated？[Z].NeurorehabilNeuralRepair.2023:37,530-544.doi：10.1177/15459683231186983.[43]OnumaR,MasudaT,HoshiF,etal.Measurementsofthecentreofpressureofindividuallegsrevealnewcharacteristicsofreducedanticipatoryposturaladjustmentsduringgaitinitiationinpatientswithpost-strokehemiplegia[J].JRehabilMed,2021，53(7)：jrm00211.DOI：10.2340/16501977-2856.[44]ReinhardtL,HeilmannF,TeicherM,etal.Comparisonofposturographicoutcomesbetweentwodifferentdevices[J].JBiomech,2019，86：218-224.DOI：/10.1016/j.jbiomech.2019.02.013.[45]KowalM,KołczA,DymarekR,etal.Muscletorqueproductionandkinematicpropertiesinpost-strokepatients:apilotcross-sectionalstudy.[J].ActaBioengBiomech,2020，22(1)：11-20.[46]RabeloM,NunesGS,daCostaAmanteNM,etal.Reliabilityofmusclestrengthassessmentinchronicpost-strokehemiparesis:asystematicreviewandmeta-analysis.[J].TopStrokeRehabil,2016，23(1)：26-36.DOI：10.1179/1945511915Y.0000000008.[47]RabeloM,NunesGS,DaCostaAmanteNM,etal.Reliabilityofmusclestrengthassessmentinchronicpost-strokehemiparesis:asystematicreviewandmeta-analysis[J].TopStrokeRehabil,2016，23(1)：26-35.DOI：10.1179/1945511915Y.0000000008.[48]PintoMD,BlazevichAJ,AndersenLL,etal.Hamstring-to-quadricepsfatigueratiooffersnewanddifferentmusclefunctioninformationthantheconventionalnon-fatiguedratio.[J].ScandJMedSciSports,2018，28(1)：282-293.DOI：10.1111/sms.12891.[49]SuvadaKC,DeolJ,DewaldJPA,etal.Amethodforquantifyingtrunkmotorcontrolduringreachinginindividualsposthemipareticstroke.[J].AnnuIntConfIEEEEngMedBiolSoc,2020，2020：3743-3746.DOI：10.1109/EMBC44109.2020.9176096.[50]FaisalAI,MondalT,DeenMJ.Systematicdevelopmentofasimplehumangaitindex[J].IEEERevBiomedEng,2023，PP：1-13.DOI：10.1109/RBME.2023.3279655.[51]SchutteLM,NarayananU,StoutJL,etal.Anindexforquantifyingdeviationsfromnormalgait.[J].GaitPosture,2000，11(1)：25-31.DOI:10.1016/s0966-6362(99)00047-8.[52]CretualA,BervetK,BallazL.GilletteGaitIndexinadults.[Z].GaitPosture,2010:32,307-310.DOI:10.1016/j.gaitpost.2010.05.015.[53]SchwartzMH,RozumalskiA.TheGaitDeviationIndex:anewcomprehensiveindexofgaitpathology.[J].GaitPosture,2008，28(3)：351-357.DOI：10.1016/j.gaitpost.2008.05.001.[54]GuzikA,Druz·bickiM.ApplicationoftheGaitDeviationIndexintheanalysisofpost-strokehemipareticgait.[J].JBiomech,2020，99：109575.DOI：10.1016/j.jbiomech.2019.109575.[55]BervetK,BessetteM,GodetL,etal.KeR-EGI,anewindexofgaitquantificationbasedonelectromyography[J].JElectromyogrKinesiol,2013，23(4)：930-937.DOI：10.1016/j.jelekin.2013.02.006.[56]BakerR,McGinleyJL,SchwartzMH,etal.Thegaitprofilescoreandmovementanalysisprofile.[J].GaitPosture,2009，30(3)：265-269.DOI：10.1016/j.gaitpost.2009.05.020.[57]JarvisHL,BrownSJ,ButterworthC,etal.Thegaitprofilescorecharacteriseswalkingperformanceimpairmentsinyoungstrokesurvivors[J].GaitPosture,2022，91：229-234.DOI：10.1016/j.gaitpost.2021.10.037.[58]DevetakGF,MartelloSK,deAlmeidaJC,etal.Reliabilityandminimumdetectablechangeofthegaitprofilescoreforpost-strokepatients.[J].GaitPosture,2016，49：382-387.DOI：10.1016/j.gaitpost.2016.07.149.[59]FukuchiCA,DuarteM.GaitProfileScoreinable-bodiedandpost-strokeindividualsadjustedfortheeffectofgaitspeed[J].GaitPosture,2019，69：40-