DOI: https://doi.org/10.1038/s41597-025-05959-w
PMID: https://pubmed.ncbi.nlm.nih.gov/41125612
تاريخ النشر: 2025-10-22
المؤلف: Cyril Voisard وآخرون
الموضوع الرئيسي: التوازن، والمشي، والوقاية من السقوط
نظرة عامة
تقدم هذه البحث مجموعة بيانات شاملة ضرورية لتقدم قياس المشي باستخدام أجهزة الاستشعار القابلة للحركة. تتكون من 1,356 تجربة مشي من 260 مشاركًا، كل منهم مزود بأربع وحدات قياس حركية موضوعة على الرأس والجزء السفلي من الظهر وأجزاء الظهر من القدمين. خضع المشاركون لبروتوكول موحد شمل الوقوف ساكنًا، والمشي لمسافة 10 أمتار، والدوران، والمشي للعودة، والتوقف، مما أسفر عن أكثر من 11 ساعة من بيانات سلسلة زمنية مشروحة للمشي.
تشمل مجموعة البيانات مجموعة متنوعة من السكان المدروسين، بما في ذلك الأفراد الأصحاء والمرضى الذين يعانون من حالات عصبية مختلفة (مثل مرض باركنسون والحوادث الوعائية الدماغية) ومشاكل عظمية (بما في ذلك التهاب المفاصل العظمي في الورك والركبة). يرتبط كل مرض بالدرجات السريرية أو الإشعاعية ذات الصلة لتقييم شدة المرض. هذه المجموعة من البيانات الموثقة جيدًا جاهزة لتسهيل تحليل المعلمات الحركية، وسلاسل زمنية لدورة المشي، ومؤشرات أخرى، مما يعزز قياس المشي في الممارسة السريرية الروتينية.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الأهمية المتزايدة لتحليل المشي في مجالات طبية متنوعة، بما في ذلك علم الأعصاب، وطب العظام، وطب القلب، وطب الرئة، وعلم الأورام. يعد تحليل المشي ضروريًا لفهم الوظائف الفسيولوجية والمرضية، ولكنه يقدم تحديات بسبب تعقيده. تقليديًا، اعتمد تحليل المشي الكمي على أنظمة التقاط الحركة المتطورة في مختبرات متخصصة. ومع ذلك، فإن ظهور وحدات القياس الحركية (IMUs) قد غير هذا المشهد من خلال توفير بديل أكثر سهولة وخفة وتكلفة، مع تأكيد الدراسات التحقق من أن وحدات القياس الحركية يمكن أن تحقق دقة مماثلة للأنظمة التقليدية في اكتشاف الحركيات الخاصة بالمشي.
لقد أكدت الانتقال نحو وحدات القياس الحركية على ضرورة وجود مجموعات بيانات عالية الجودة تتضمن بيانات سريرية دقيقة، مثل اكتشاف الأحداث وخصائص المشي الموصوفة بواسطة طرق معيارية مثل التقاط الحركة ومنصات القوة. تعتبر هذه المجموعات الموصوفة ضرورية لتدريب الخوارزميات لاكتشاف أحداث المشي بدقة وحساب المعلمات باستخدام وحدات القياس الحركية، مما يحقق فعالية استخدامها. بالإضافة إلى ذلك، يمكن أن تكون المجموعات التي تفتقر إلى الوصف مفيدة أيضًا لتقييم وتعلم معلمات المشي، بشرط أن تحتوي على بيانات كافية. لا يقتصر هذا الانتقال على ديمقراطية تحليل المشي فحسب، بل يعزز أيضًا تطبيقه في السياقات السريرية والبحثية.
طرق
تحدد قسم “الطرق” الأساليب التجريبية والتحليلية المستخدمة في الدراسة. يوضح تصميم التجارب، بما في ذلك اختيار المواد، وتحضير العينات، والبروتوكولات المحددة المتبعة لضمان إمكانية إعادة الإنتاج. كما يتم وصف الأساليب الإحصائية المستخدمة في تحليل البيانات، مع تسليط الضوء على التقنيات المستخدمة لتقييم الأهمية والمعايير المستخدمة لتحديد صلاحية النتائج.
بالإضافة إلى ذلك، قد يتضمن القسم النماذج الرياضية أو المعادلات المطبقة لتفسير البيانات، مما يضمن توافق المنهجيات مع أهداف البحث. يتم التأكيد على صرامة الطرق لدعم موثوقية النتائج، والتي تعتبر حاسمة لاستخلاص استنتاجات ذات مغزى من الدراسة. بشكل عام، يعمل هذا القسم كأساس لفهم كيفية إجراء البحث والأساس للنتائج والمناقشات اللاحقة.
مناقشة
قامت الدراسة بتجنيد المشاركين من الأقسام الطبية في باريس بين يناير 2014 ومارس 2016، بما في ذلك 73 شخصًا سليمًا و187 مريضًا يعانون من حالات عظمية وعصبية متنوعة. تألفت مجموعة العظام من أفراد يعانون من التهاب المفاصل العظمي في الورك (HOA)، والتهاب المفاصل العظمي في الركبة (KOA)، وإصابات الرباط الصليبي الأمامي (ACL)، بينما تضمنت مجموعة الأعصاب مرضى يعانون من حوادث وعائية دماغية (CVA)، ومرض باركنسون (PD)، والاعتلال العصبي المحيطي الناتج عن العلاج الكيميائي (CIPN)، والاعتلال الدماغي الناجم عن الإشعاع (RIL). تم إجراء تقييمات سريرية لتقييم إعاقات المشاركين، مما يضمن أن الفروق العمرية بين المجموعات كانت متوافقة مع الملفات الوبائية بدلاً من تحيز التوظيف. تمت الموافقة على الدراسة أخلاقيًا، وتم الحصول على موافقة مستنيرة من جميع المشاركين.
تم إجراء تقييمات المشي باستخدام أربع وحدات قياس حركية (IMUs) موضوعة على الرأس والجزء السفلي من الظهر والقدمين، مما يلتقط بيانات سلسلة زمنية بمعدل أخذ عينات يبلغ 100 هرتز. شمل البروتوكول اختبار مشي لمسافة من 6 إلى 10 أمتار مع دوران، مما يسمح للمشاركين بالمشي بسرعة مريحة. شمل معالجة البيانات تصفية وتصحيح التأثيرات الجاذبية، مع التركيز على ضمان موثوقية ودقة التسجيلات. مجموعة البيانات، التي تتكون من 9492 ملفًا من 1356 تجربة، متاحة للجمهور ومنظمة حسب المجموعة، مما يسهل التحليل الإضافي. تسلط نتائج الدراسة الضوء على أهمية بروتوكولات تقييم المشي الموحدة وإمكانية استخدام تكنولوجيا وحدات القياس الحركية في البيئات السريرية لتقييم الحركة والاستقلالية الوظيفية عبر مجموعات المرضى المتنوعة.
القيود
تدور قيود مجموعة البيانات 51 بشكل أساسي حول عملية تجنيد المشاركين الأصحاء، والتي تضمنت بشكل رئيسي زوار المستشفى. قد يقدم هذا النهج تحيزًا في الاختيار، مما قد يؤثر على إمكانية تعميم النتائج على السكان الأوسع. قد يختلف زوار المستشفى عن السكان العامين في عوامل ديموغرافية مختلفة، ووعي صحي، ومستويات النشاط البدني، وهو أمر مهم بشكل خاص للدراسات التي تركز على إنشاء معلمات مشي معيارية أو مقارنة المجموعات المرضية والصحية. لتعزيز الصلاحية الخارجية للتحليلات المقارنة المستقبلية، يُوصى بأن يتضمن الباحثون عينة أكثر تنوعًا وتمثيلًا من الضوابط الصحية.
بالإضافة إلى ذلك، فإن التباين في طول مسار المشي المستقيم، المقيد بين 6 إلى 10 أمتار بسبب البيئة السريرية، يمثل قيدًا آخر. على الرغم من أن هذا التباين لا يؤثر بشكل كبير على حساب المعلمات الزمانية والمكانية، إلا أنه قد يقصر من مدة مرحلة المشي الثابت، مما يؤدي إلى زيادة التباين في قيم المعلمات. يمكن أن تتناول الأبحاث المستقبلية هذا القيد من خلال توحيد مسافة المشي لضمان قياسات أكثر اتساقًا.
DOI: https://doi.org/10.1038/s41597-025-05959-w
PMID: https://pubmed.ncbi.nlm.nih.gov/41125612
Publication Date: 2025-10-22
Author(s): Cyril Voisard et al.
Primary Topic: Balance, Gait, and Falls Prevention
Overview
The research presents a comprehensive dataset crucial for advancing gait quantification using inertial sensors. It comprises 1,356 gait trials from 260 participants, each equipped with four inertial measurement units positioned on the head, lower back, and dorsal parts of the feet. Participants underwent a standardized protocol that included standing still, walking 10 meters, turning around, walking back, and stopping, resulting in over 11 hours of annotated gait time series data.
The dataset encompasses a diverse study population, including healthy individuals and patients with various neurological conditions (such as Parkinson’s disease and cerebrovascular accidents) and orthopedic issues (including hip and knee osteoarthritis). Each pathology is associated with relevant clinical or radioclinical scores to assess disease severity. This well-documented dataset is poised to facilitate the analysis of kinematic parameters, gait cycle time series, and other indicators, thereby enhancing the quantification of gait in routine clinical practice.
Introduction
The introduction of this research paper highlights the growing significance of gait analysis in various medical fields, including neurology, orthopedics, cardiology, pulmonology, and oncology. Gait analysis is essential for understanding physiological functions and pathologies, but it presents challenges due to its complexity. Traditionally, quantitative gait analysis relied on sophisticated motion capture systems in specialized laboratories. However, the advent of inertial measurement units (IMUs) has transformed this landscape by providing a more accessible, lightweight, and cost-effective alternative, with validation studies confirming that IMUs can achieve comparable accuracy to traditional systems in detecting gait kinematics.
The shift towards IMUs has underscored the necessity for high-quality datasets that include precise clinical metadata, such as event detection and gait characteristics annotated by gold-standard methods like motion capture and force platforms. These annotated datasets are vital for training algorithms to accurately detect gait events and compute parameters using IMUs, thereby validating their effectiveness. Additionally, datasets lacking annotations can still be useful for evaluating and learning gait parameters, provided they contain sufficient data. This transition not only democratizes gait analysis but also enhances its application in clinical and research contexts.
Methods
The “Methods” section outlines the experimental and analytical approaches employed in the study. It details the design of the experiments, including the selection of materials, sample preparation, and the specific protocols followed to ensure reproducibility. The statistical methods used for data analysis are also described, highlighting the techniques for assessing significance and the criteria for determining the validity of the results.
Additionally, the section may include the mathematical models or equations applied to interpret the data, ensuring that the methodologies align with the research objectives. The rigor of the methods is emphasized to support the reliability of the findings, which are crucial for drawing meaningful conclusions from the study. Overall, this section serves as a foundation for understanding how the research was conducted and the basis for the subsequent results and discussions.
Discussion
The study recruited participants from medical departments in Paris between January 2014 and March 2016, including 73 healthy subjects and 187 patients with various orthopedic and neurological conditions. The orthopedic cohort consisted of individuals with hip osteoarthritis (HOA), knee osteoarthritis (KOA), and anterior cruciate ligament (ACL) injuries, while the neurological cohort included patients with cerebrovascular accidents (CVA), Parkinson’s disease (PD), chemotherapy-induced peripheral neuropathy (CIPN), and radiation-induced leukoencephalopathy (RIL). Clinical assessments were conducted to evaluate participants’ impairments, ensuring that age differences among cohorts were consistent with epidemiological profiles rather than recruitment bias. The study was ethically approved, and informed consent was obtained from all participants.
Gait assessments were performed using four inertial measurement units (IMUs) placed on the head, lower back, and feet, capturing time-series data at a sampling rate of 100 Hz. The protocol involved a 6 to 10-meter walking test with a U-turn, allowing participants to walk at their comfortable pace. Data processing included filtering and correcting for gravitational effects, with a focus on ensuring the reliability and accuracy of the recordings. The dataset, comprising 9492 files from 1356 experiments, is publicly accessible and organized by cohort, facilitating further analysis. The study’s findings highlight the importance of standardized gait assessment protocols and the potential for using IMU technology in clinical settings to evaluate mobility and functional independence across diverse patient populations.
Limitations
The limitations of the dataset 51 primarily revolve around the recruitment process for healthy control participants, which predominantly involved hospital visitors. This approach may introduce selection bias, potentially affecting the generalizability of the findings to the wider population. Hospital visitors may differ from the general population in various demographic factors, health awareness, and physical activity levels, which is particularly pertinent for studies focused on establishing normative gait parameters or comparing pathological and healthy cohorts. To enhance the external validity of future comparative analyses, it is recommended that researchers include a more diverse and representative sample of healthy controls.
Additionally, the variability in the straight walking path length, constrained to between 6 to 10 meters due to the clinical environment, poses another limitation. While this variability does not significantly impact the calculation of spatiotemporal parameters, it may shorten the duration of the steady-state walking phase, leading to increased variability in the parameter values. Future research could address this limitation by standardizing the walking distance to ensure more consistent measurements.