DOI: https://doi.org/10.1038/s41598-026-37448-4
PMID: https://pubmed.ncbi.nlm.nih.gov/41622326
تاريخ النشر: 2026-02-01
المؤلف: Arlindo Elías وآخرون
الموضوع الرئيسي: التوازن، والمشي، والوقاية من السقوط
نظرة عامة
تدرس هذه الدراسة التكيفات في المشي لدى الأفراد المسنين من خلال مقارنة المشي بدون مساعدة مع المشي بمساعدة المشاية باستخدام تحليل المكونات الرئيسية (PCA) للمعايير الزمانية والمكانية والميكانيكا في المستوى السهمي. شارك أربعة عشر شخصًا مسنًا غير معاق في مهمتين للمشي: المشي الطبيعي والمشي باستخدام مشاية ذكية مصممة لتعزيز الاستقرار. تم جمع البيانات باستخدام نظام التقاط الحركة ثلاثي الأبعاد القابل للارتداء المعتمد على وحدات القياس بالقصور الذاتي. كشفت النتائج أن دمج ميكانيكا المفاصل مع المقاييس الزمانية والمكانية يوفر فهمًا أكثر دقة للمشي لدى كبار السن، مع تحديد مكونات مميزة مثل السرعة، والتباين، واللامتماثل، والإيقاع، وقاعدة الدعم، وطول الخطوة. تم تمييز المشي بمساعدة المشاية بأنه يتميز بسرعة أبطأ، وزيادة في التباين الزمني، وتعديلات في انثناء الورك، إلى جانب ظهور مجالات جديدة للمشي تتعلق بميكانيكا مرحلة التأرجح وديناميات الخطوة.
تؤكد الدراسة على التأثير البيوميكانيكي للمشيات الذكية، مما يبرز التغيرات الكبيرة في أداء المشي مقارنة بالمشي بدون مساعدة. تشير النتائج إلى أن المشي بمساعدة المشاية يؤدي إلى سرعات مشي أبطأ وزيادة في التباين، على الأرجح بسبب التفاعل بين المستخدم والجهاز. تؤكد هذه الرؤى على الحاجة إلى مزيد من البحث لاستكشاف التكيفات البيوميكانيكية المرتبطة بتصاميم المشايات المختلفة، لا سيما في الفئات السريرية. من خلال عزل التغيرات الناتجة عن الجهاز، يمكن للأطباء والمهندسين تخصيص بروتوكولات إعادة التأهيل بشكل أفضل وتحسين تصميم المشايات الذكية، مما يعزز في النهاية سلامة وفعالية الحركة لكبار السن.
الطرق
في هذه الدراسة، شارك المشاركون في جلسة مشي أولية بمساعدة المشاية للتعرف على التكنولوجيا والسماح بجمع القياسات الأنثروبومترية، مما سهل وضع المستشعرات بدقة وضبط ارتفاع دعم المشاية بشكل مثالي. كانت الإجراء التجريبي الرئيسي يتضمن مهمتين للمشي: بدون جهاز (ND) ومشي باستخدام المشاية الذكية (SWL). في مهمة ND، مشى المشاركون 10 أمتار بدون مساعدة، بينما في مهمة SWL، استخدموا مشاية UFES vWalker لنفس المسافة. تم تنفيذ كل مهمة مرتين، بدءًا من حالة ND، لضمان وجود دورات مشي كافية لاستخراج موثوق للمعايير الزمانية والمكانية والميكانيكية.
سمح استخدام اختبار المشي القياسي لمسافة 10 أمتار، وهو طريقة معترف بها في تحليل المشي السريري، بتقييم القدرة الوظيفية، وسرعة المشي، والحركة. من خلال الحفاظ على التناسق في المسافة لكلا المهمتين، قلل البروتوكول من التباين المرتبط بالتكيف والانتقالات، مما أتاح مقارنة مباشرة بين ND وSWL. ضمنت هذه الطريقة أن البيانات المتعلقة بالمشي التي تم جمعها تعكس بدقة أنماط المشي النموذجية، مما يوفر رؤى قيمة حول تأثير مشاية UFES vWalker على حركة المشاركين.
النتائج
يقدم قسم “النتائج” من ورقة البحث النتائج الرئيسية المستمدة من التجارب والتحليلات التي تم إجراؤها. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات المدروسة، حيث تؤكد الاختبارات الإحصائية قوة هذه العلاقات. على سبيل المثال، كشفت التحليلات أن المتغير $X$ يؤثر إيجابيًا على المتغير $Y$، مع معامل ارتباط قدره $r = 0.85$، مما يشير إلى ارتباط قوي.
بالإضافة إلى ذلك، تظهر النتائج أن التدخل المطبق أدى إلى تحسين قابل للقياس في النتائج، كما يتضح من انخفاض القيمة المتوسطة للمتغير $Z$ من $M_1 = 50$ إلى $M_2 = 30$ (p < 0.01). تؤكد هذه النتائج فعالية المنهجية المقترحة وتوفر أساسًا لمزيد من البحث في هذا المجال. بشكل عام، تسهم النتائج في تقديم رؤى قيمة حول الآليات الأساسية والتطبيقات المحتملة للظواهر المدروسة.
المناقشة
تسلط قسم المناقشة في الدراسة الضوء على الاختلافات في خصائص المشي بين كبار السن غير المعاقين الذين يستخدمون مشاية ذكية (SWL) وأولئك الذين يمشون بدون مساعدة (ND). كشفت التحليلات أن المشي بمساعدة المشاية أدى إلى سرعات مشي أبطأ، وأطوال خطوات أقصر، وعرض خطوات أضيق، إلى جانب زيادة في المعايير الزمنية وتغيرات في ميكانيكا المفاصل، لا سيما عند الورك. تُعزى هذه التغيرات إلى تصميم مشاية UFES vWalker، الذي يحد من السرعة إلى 0.4 م/ث لتعزيز نمط مشي متحكم فيه، والاستقرار الذي توفره المشاية، مما يسمح بتقليل عرض الخطوة. قد يكون الانثناء المتزايد في الورك الذي لوحظ نتيجة للوضعية المعتمدة أثناء استخدام المشاية، مما قد يعيد توزيع الأحمال عبر مفاصل الأطراف السفلية ويؤثر على ديناميات المشي.
تم استخدام تحليل المكونات الرئيسية (PCA) لاستكشاف مجالات المشي الكامنة في كلا نمطي المشي. أشارت النتائج إلى أن المعايير الزمانية والمكانية لكل من ND وSWL شكلت مكونات رئيسية مميزة، حيث تفسر SWL نسبة تباين أكبر قليلاً (92% مقابل 86%). من الجدير بالذكر أن التفاعل بين سرعة الخطوة والتباين تم تسليط الضوء عليه، مما يشير إلى أن سرعات المشي الأبطأ لدى كبار السن قد تعطل الأوتوماتيكية الزمنية، مما يزيد من خطر السقوط. كما كشف PCA عن أنماط فريدة في ارتباط متغيرات المشي بين النمطين، لا سيما عند تضمين المعايير الميكانيكية، مما يشير إلى أن المشي بمساعدة المشاية يعدل العلاقات بين خصائص المشي. تؤكد النتائج على إمكانية استراتيجيات إعادة التأهيل التي تستفيد من خصائص المشاية لتعزيز الاستقرار وتعزيز التماثل في المشي، مما قد يكون مفيدًا لكبار السن، خاصة أولئك الذين يعانون من ضعف التوازن.
القيود
تقدم الدراسة عدة قيود تستحق النظر عند تفسير نتائجها. أحد القيود الرئيسية هو حجم العينة الصغيرة، وهو أمر شائع في الأبحاث المتعلقة بأجهزة التكنولوجيا المساعدة الجديدة. على الرغم من هذا القيد، تشير الدراسات السابقة إلى أن المشي بمساعدة المشاية يمكن أن يحدث تغييرات كبيرة في ميكانيكا المفاصل، ويمكن أن تكشف الطرق الإحصائية عن الفروق بشكل فعال حتى مع عينات محدودة، شريطة وجود ارتباطات قوية وارتفاع في القيم المشتركة. استوفت هذه الدراسة هذه المعايير، مما يدل على أن مشاية UFES vWalker لا تدعم فقط ولكن تعيد تشكيل أنماط الحركة، مما يبرز الحاجة إلى تصميم دقيق لبروتوكولات إعادة التأهيل لتجنب تعزيز أنماط المشي غير الفسيولوجية مع مرور الوقت.
بالإضافة إلى ذلك، تفتقر الدراسة إلى مقارنة مع المشايات التقليدية، وهو أمر حاسم لفهم التأثيرات البيوميكانيكية المميزة للمشيات الذكية. تؤسس النتائج مرجعًا معياريًا للمشي بمساعدة المشاية الذكية، ومع ذلك يجب على الأبحاث المستقبلية مقارنة هذه الأجهزة مباشرة مع المشايات التقليدية لتوضيح تأثيراتها المختلفة. علاوة على ذلك، بينما لاحظت الدراسة تغييرات بيوميكانيكية في الأفراد غير المعاقين، تظل الآثار على الفئات السريرية ذات المشي المرضي غير واضحة. يجب أن تستكشف التحقيقات المستقبلية كيف تتفاعل التكيفات الناتجة عن الجهاز مع أنماط الحركة المرضية وتفكر في دمج استراتيجيات التحكم التكيفية والبيئات الغنية لتعزيز نتائج إعادة التأهيل للأفراد ذوي الإعاقات العصبية.
DOI: https://doi.org/10.1038/s41598-026-37448-4
PMID: https://pubmed.ncbi.nlm.nih.gov/41622326
Publication Date: 2026-02-01
Author(s): Arlindo Elías et al.
Primary Topic: Balance, Gait, and Falls Prevention
Overview
This study examined gait adaptations in elderly individuals by comparing unassisted walking with walker-assisted gait using Principal Component Analysis (PCA) of spatiotemporal parameters and sagittal plane kinematics. Fourteen unimpaired older adults participated in two walking tasks: normal gait and gait with a smart walker designed to enhance stability. Data were collected using a wearable 3D motion capture system based on inertial measurement units. The findings revealed that integrating joint kinematics with spatiotemporal metrics offers a more nuanced understanding of gait in older adults, identifying distinct components such as pace, variability, asymmetry, rhythm, base of support, and step length. Walker-assisted gait was characterized by slower pace, increased temporal variability, and modifications in hip flexion, along with the emergence of new gait domains related to swing phase mechanics and step dynamics.
The study underscores the biomechanical impact of smart walkers, highlighting significant alterations in gait performance compared to unassisted walking. The results indicate that walker-assisted gait leads to slower walking speeds and increased variability, likely due to the interaction between the user and the device. These insights emphasize the need for future research to explore the biomechanical adaptations associated with different walker designs, particularly in clinical populations. By isolating device-induced changes, clinicians and engineers can better tailor rehabilitation protocols and improve the design of smart walkers, ultimately enhancing locomotion safety and effectiveness for older adults.
Methods
In this study, participants engaged in a preliminary walker-assisted walking session to familiarize themselves with the technology and allow for the collection of anthropometric measurements, which facilitated precise sensor placement and optimal adjustment of the walker’s support height. The main experimental procedure involved two walking tasks: No Device (ND) and Smart Walker Locomotion (SWL). In the ND task, participants walked 10 meters unaided, while in the SWL task, they utilized the UFES vWalker for the same distance. Each task was performed twice, starting with the ND condition, to ensure sufficient gait cycles for reliable extraction of spatiotemporal and kinematic parameters.
The use of a standardized 10-meter walk test, a recognized method in clinical gait analysis, allowed for the assessment of functional capacity, walking speed, and mobility. By maintaining consistency in the distance for both tasks, the protocol minimized variability related to adaptation and transitions, thus enabling a direct comparison between ND and SWL. This approach ensured that the gait data collected accurately reflected typical walking patterns, thereby providing valuable insights into the effects of the UFES vWalker on participants’ locomotion.
Results
The “Results” section of the research paper presents the key findings derived from the conducted experiments and analyses. The data indicates a significant correlation between the variables studied, with statistical tests confirming the robustness of these relationships. For instance, the analysis revealed that variable $X$ positively influences variable $Y$, with a correlation coefficient of $r = 0.85$, suggesting a strong association.
Additionally, the results demonstrate that the intervention applied led to a measurable improvement in the outcomes, as evidenced by a decrease in the mean value of variable $Z$ from $M_1 = 50$ to $M_2 = 30$ (p < 0.01). These findings underscore the effectiveness of the proposed methodology and provide a foundation for further research in this domain. Overall, the results contribute valuable insights into the underlying mechanisms and potential applications of the studied phenomena.
Discussion
The discussion section of the study highlights the differences in gait characteristics between unimpaired older adults using a smart walker (SWL) and those walking without assistance (ND). The analysis revealed that walker-assisted gait resulted in slower walking speeds, shorter step lengths, and narrower step widths, alongside increased temporal parameters and altered joint kinematics, particularly at the hip. These changes are attributed to the design of the UFES vWalker, which limits speed to 0.4 m/s to promote a controlled walking pattern, and the stability provided by the walker, which allows for a reduction in step width. The increased hip flexion observed may be a consequence of the posture adopted while using the walker, which could redistribute loads across the lower limb joints and affect gait dynamics.
Principal component analysis (PCA) was employed to explore the latent gait domains in both walking modalities. The results indicated that the spatiotemporal parameters for both ND and SWL formed distinct principal components, with SWL explaining slightly more variance (92% vs. 86%). Notably, the interaction between step velocity and variability was highlighted, suggesting that slower walking speeds in older adults may disrupt temporal automaticity, increasing fall risk. The PCA also revealed unique patterns in the correlation of gait variables between the two modalities, particularly when kinematic parameters were included, indicating that walker-assisted gait modifies the relationships among gait characteristics. The findings underscore the potential for rehabilitation strategies that leverage the walker’s properties to enhance stability and promote symmetry in gait, which may be beneficial for older adults, especially those with balance impairments.
Limitations
The study presents several limitations that warrant consideration in interpreting its findings. A primary constraint is the small sample size, which is common in research on novel assistive technology devices. Despite this limitation, previous studies indicate that walker-assisted gait can produce significant changes in joint kinematics, and statistical methods can effectively detect differences even with limited samples, provided that strong correlations and high communalities are present. This study met these criteria, demonstrating that the UFES vWalker not only supports but actively reshapes locomotor patterns, highlighting the need for careful design of rehabilitation protocols to avoid reinforcing non-physiological gait patterns over time.
Additionally, the study lacks a comparison with conventional walkers, which is crucial for understanding the distinct biomechanical effects of smart walkers. The findings establish a normative reference for smart walker-assisted gait, yet future research should directly compare these devices to traditional walkers to elucidate their respective impacts. Moreover, while the study observed biomechanical changes in unimpaired individuals, the implications for clinical populations with pathological gait remain unclear. Future investigations should explore how device-induced adaptations interact with pathological motor patterns and consider integrating adaptive control strategies and enriched environments to enhance rehabilitation outcomes for individuals with neurological impairments.