Referenzdatenerhebung mit dem ... - der Hasomed GmbH

Inertialsensorbasierte Ganganalysesysteme
ermöglichen die Erhebung
von Gangparametern außerhalb
von Bewegungsanalyselaboren.
Die Bereitstellung von Referenzdaten
über die gesamte Lebensspanne
ist von großer Bedeutung.
Dieser Beitrag beschreibt die
Ergebnisse einer Untersuchung mit
1860 Probanden. Zum Beispiel bewegt
sich der Anteil der Standphase
am Gangzyklus zwischen 56 Prozent
(fünf Jahre) und 70 Prozent
(99 Jahre). Die Symmetrie verändert
sich im Altersgang dagegen
nur wenig.
Inertial sensor based gait analysis
systems measure data from gait
analysis outside of current gait analysis
labs. Data retrieval during the
whole life span is becoming a focus
of interest and is increasingly important.
This article describes the
results of an investigation in 1860
persons. For instance, the fraction
of the stand phase within the gait
cycle varies between 56 per cent
(age of five years) and 70 per cent
(age of 99 years). Gait symmetry
doesn’t vary much during aging.
874
Messtechnik
R. Schwesig, M. Hofmann, D. Fischer, T. Gladow, S. Leuchte
Referenzdatenerhebung mit
dem inertialsensorbasierten
Ganganalysesystem
RehaWatch
Reference Data Measured with the Inertial Sensor Gait Analysis System
RehaWatch
Einleitung
Die Ganganalyse ist ein wichtiges
Instrument in der orthopädischen,
neurologischen und geriatrischen
Rehabilitation und Qualitätssicherung.
Die Evaluierung von
Messsystemen hinsichtlich Reliabilität
und Validität ist eine wichtige
Voraussetzung für deren Einführung
und Akzeptanz in der Klinik
und in der Forschung. Erst die
Kenntnis von Referenzdaten, in Abhängigkeit
von relevanten Prädiktoren
(Alter, Geschlecht, Körpergröße
etc.), ermöglicht die exakte
Einordnung und sichere Beurteilung
der Messwerte (zum Beispiel
Auswirkungen von Verletzungen
auf das Gangbild, Wirksamkeit von
gangrelevanten Interventionen).
In der Literatur finden sich nur
wenige Untersuchungen, die Gangparameter
über die gesamte Lebensspanne
anhand einer hinreichend
großen Stichprobe erhoben haben
(Tab. 1).
In der Regel sind die untersuchten
Stichproben zu klein oder das
Alter wird als ordinale (Einteilung
der Lebensspanne in Dekaden) Prädiktorvariable
verwendet [1, 19, 26].
Autor(en) n Altersbereich (Jahre) Messsystem
Kindes- und/oder Jugendalter
[17] 230 3-16 Fußschalter
[27] 324 1-12 Fußschalter
[2] 51 1-14 Fußschalter; Lichtschranken; Kraftmessplatte
[28] 134 2-18
Gaitway-Messsystem basierend auf
zwei photoelektrischen Sensoren
[24] 83 4-17
Dreidimensionale Bewegungsanalyse
der unteren Extremität
[23] 14 3,1 ± 1,4
Dreidimensionale Bewegungsanalyse
und Kraftmessplatte
Jugend- und Erwachsenenalter
[19] 233 10-79 Zwei Fotozellen & Elektrogoniometer
[4] 105 16-63 Fußschalter
Erwachsenenalter
[29] 27 21-78
Dreidimensionale Bewegungsanalyse
und Kraftmessplatte
[16] 118 20-79 Dreidimensionale Bewegungsanalyse
[18] 60 20-80 Zweidimensionale Bewegungsanalyse
[1] 282 20-98 Inertialsensorbasiertes Messsystem
[5] 98 23-24 Dreidimensionale Ganganalyse
[15] 61 22-87 Druckmesssystem
[12] 72 21-65 Videoanalyse & Pedometer
[26] 120 20-86 Inertialsensorbasiertes Messsystem
Tab. 1 Übersicht über Untersuchungen zur Referenzdatenerhebung von Gangparametern.
Orthopädie-Technik 12/10

Vielfach kamen komplexe Ganganalysemesssysteme
zum Einsatz
[23, 24, 29], wohingegen inertialsensorbasierte
Messsysteme nur selten
Anwendung fanden [1, 26].
Legt man die Untersuchung von
Öberg et al. [19] zugrunde und
separiert die unabhängige Variable
Alter in Dekaden, ergänzt um die
Dekade unter zehn Jahre, dann
wird deutlich, dass Stichprobengrößen
von mindestens n=1600
(jeweils 100 Frauen und Männer
pro Dekade) notwendig sind. Erst
dann lassen sich belastbare Ergebnisse
und Aussagen generieren. Aus
messmethodischer Sicht ist anzumerken,
dass kein bekanntes Ganganalysesystem
über eine Referenzdatenbank
dieser Größenordnung
verfügt.
Zielstellung
Ziel der Untersuchung war es, mit
dem portablen, inertialsensorbasierten
Ganganalysemesssystem Reha-
Watch der Firma Hasomed GmbH
Gangparameter über die gesamte
Lebensspanne zu erheben. Außerdem
galt es, den Einfluss der Prädiktoren
Alter, Geschlecht, Körpergröße
und Körpergewicht zu ermitteln.
Untersuchungsdesign
Untersuchungsstichprobe
1860 gesunde Probanden (919
Männer, 941 Frauen) im Alter von
fünf bis 100 Jahren wurden in
Schulen, Sportvereinen, informellen
Sportgruppen, Betrieben und
Kinematische Parameter Symmetrieparameter
- Doppelschrittdauer (s) - Symmetrie Standphase (%)
- Doppelschrittlänge (m) - Symmetrie Fußflachphase (%)
- Kadenz (Schritte/min-1) - Symmetrie Vorschwungphase (%)
- Geschwindigkeit (ms-1) - Symmetrie Initialer Zweibeinstand (%)
- Winkel: Boden-Fuß (°) - Symmetrie Einbeinstand (%)
- Fußhöhe (cm) - Symmetrie Finaler Zweibeinstand (%)
- Zirkumduktion (cm) - Symmetrie maximaler Fußwinkel (%)
- Symmetrie minimaler Fußwinkel (%)
Gangphasen, basierend auf
Gangphasen, basierend
der Bewegung eines Fußes [3] auf der Bewegung beider Füße [21]
- Aufsetzphase (%) - Initialer Zweibeinstand (%)
- Fußflachphase (%) - Einbeinstand (%)
- Vorschwungphase (%) - Finaler Zweibeinstand (%)
- Standphase (%) - Standphase (%)
- Schwungphase (%) - Schwungphase (%)
Tab. 2 Übersicht über die von RehaWatch bereitgestellten Gangparameter.
öffentlichen Institutionen (zum Beispiel
Feuerwehr) rekrutiert.
Einschlusskriterien
– Abwesenheit von den Gang beeinflussenden
neurologischen und/
oder orthopädischen Erkrankungen
beziehungsweise Verletzungen,
– Schmerzzustände,
– schriftliche Einverständniserklärung.
Ausschlusskriterien
– Beckenschiefstand,
– Skoliose,
– Einnahme von Sedativa.
Alle Tests fanden in den genannten
Einrichtungen statt und wurden
vom gleichen Untersuchenden
durchgeführt. Die Studie wurde
von der Ethik-Kommission der Me-
dizinischen Fakultät der Martin-
Luther-Universität Halle-Wittenberg
genehmigt.
Untersuchungsablauf
Ganganalysedaten sind primär
von drei Testbedingungen abhängig:
Länge der Gehstrecke, Gehgeschwindigkeit
und Schuhwerk [19].
Eine selbst gewählte Gehgeschwindigkeit
scheint aus funktioneller
Sicht optimal für die Erhebung von
Ganganalysedaten zu sein [1]. In
dieser Studie wurden die Probanden
aufgefordert, in ihren Alltagsschuhen
(ohne Absätze) eine Distanz
von 20 m mit ihrer individuellen
Gehgeschwindigkeit dreimal zu
bewältigen. Während der drei Versuche
waren die Probanden mit dem
Ganganalysesystem RehaWatch ausgestattet
(Abb. 1). Die Gehstrecke
war gerade und eben.
Orthopädie-Technik 12/10 875

Alter [Jahre] Männer/Frauen Körpergewicht [kg] Körpergröße [m] BMI [kg/m 2 ]
Alle Probanden
5 –100 M (n=919) 70,6 (22,7) 1,71 (0,17) 23,5 (4,98)
F (n=941) 58,3 (17,0) 1,61 (0,13) 22,2 (4,81)
Probanden in Altersgruppen kategorisiert
5,0–10,0 M (n=112) 31,1 (7,17) 1,36 (0,08) 16,6 (2,46)
F (n=110) 28,9 (5,77) 1,34 (0,04) 16,1 (2,26)
10,1–15,0 M (n=115) 44,9 (12,4) 1,55 (0,12) 18,5 (3,21)
F (n=115) 43,5 (12,0) 1,54 (0,11) 18,0 (3,39)
15,1– 20,0 M (n=111) 72,8 (14,0) 1,80 (0,07) 22,4 (3,57)
F (n=113) 60,0 (9,77) 1,68 (0,06) 21,3 (3,06)
20,1–30,0 M (n=166) 78,8 (10,6) 1,82 (0,07) 23,9 (2,59)
F (n=166) 62,7 (8,98) 1,68 (0,06) 22,1 (2,85)
30,1–40,0 M (n=93) 86,2 (12,9) 1,82 (0,06) 26,1 (3,69)
F (n=94) 66,8 (11,9) 1,68 (0,06) 23,6 (4,01)
40,1– 50,0 M (n=100) 86,0 (13,0) 1,80 (0,08) 26,5 (3,35)
F (n=102) 68,8 (13,8) 1,67 (0,06) 24,8 (4,79)
50,1– 60,0 M (n=79) 86,6 (12,5) 1,77 (0,07) 27,6 (3,84)
F (n=83) 69,0 (12,7) 1,64 (0,07) 25,6 (4,18)
60,1–70,0 M (n=83) 82,3 (13,0) 1,74 (0,07) 27,1 (3,72)
F (n=86) 67,9 (11,0) 1,63 (0,05) 25,4 (3,75)
70,1–100,0 M (n=60) 79,4 (12,3) 1,72 (0,06) 26,8 (3,50)
F (n=72) 64,7 (10,6) 1,58 (0,06) 25,8 (4,12)
Tab. 3 Stichprobenbeschreibung (n=1860) anhand von Altersdekaden und des Geschlechts.
Angegeben sind Mittelwerte und Standardabweichungen.
Ganganalysemesssystem
RehaWatch
Das mobile Messsystem Reha-
Watch erfasst Gangparameter mittels
Inertialsensoren. Jeder Inertialsensor
besteht aus drei Accelerome-
Abb. 1 Das inertialsensorbasierte Ganganalysemesssystem
RehaWatch.
tern und drei Gyroskopen. Die Sensoren
sind als MEMS (Micro-Electro-Mechanical-System)
aufgebaut.
Die Beschleunigungssensoren haben
einen Messbereich von ± fünf g
und die Gyroskope von ± 300
Grad/s. Die Abtastfrequenz beträgt
512 Hz. Die Sensoren werden einmalig
von Hasomed nach dem Verfahren
von Ferraris et al. [8] kali-
briert. Sie sind mithilfe einer patentierten
Halterung am Schuh befestigt
[7]. Die Messdaten werden von
den Sensoren via DataLogger (Abb.
1) und USB-Stick an die Analysesoftware
im PC übertragen. Die
Messung muss auf ebenem, hartem
Untergrund stattfinden und mindestens
acht Doppelschritte beinhalten.
Aus wissenschaftlicher Sicht ist
eine Gehstrecke von 20 m zu empfehlen
[25]. Alternativ kann das
System auf einem Laufband benutzt
werden. Die Durchführung
und Auswertung einer Messung
dauert inklusive An- und Ablegen
der Halterungen ca. fünf Minuten.
In der zum RehaWatch-System
gehörenden Analysesoftware werden
die Messdaten automatisch
ausgewertet. Grundlage ist die Bestimmung
von vier Gangereignissen
(Fersenaufsatz/initialer Bodenkontakt,
vollständiger Fußaufsatz,
Fersenablösung und Zehenablösung).
Hierfür kommt ein regelund
schwellenbasierter Algorithmus
zum Einsatz, der sich adaptiv
an die gemessenen Werte anpasst
und dadurch auch bei pathologischem
Gang robust funktioniert.
Auf der Basis der Gangereignisse
werden die räumlich-zeitlichen
Parameter sowie die Gangphasen
abgeleitet. Um die kinematischen
Gangparameter berechnen zu können,
müssen aus den Inertialsensordaten
die Ortskoordinaten be-
stimmt werden. Durch die Integration
der Winkelraten lässt sich die
räumliche Orientierung der Sensoren
bestimmen, eine Zweifachintegration
der Beschleunigung führt
zur räumlichen Position.
Es werden eine Vielzahl von
Gangparametern berechnet (Tab.
2). Hinsichtlich des Links-Rechts-
Vergleichs der Gangparameter ist es
möglich, die Symmetrie nach Robinson
et al. [22] zu berechnen.
In der Analysesoftware werden
die ermittelten Gangparameter grafisch
dargestellt. Die Software bietet
neben der Auswertung der Messdaten
eine Patientenverwaltung und
Funktionen zum Vergleich von
Messungen sowie der Darstellung
des Therapieverlaufes an. Weiterhin
verfügt die Software über verschiedene
Report- und Exportmöglichkeiten
der Gangparameter (zum
Beispiel nach Excel).
Statistische Auswertung
Die statistische Auswertung des
Datenmaterials erfolgte mit den
Statistikprogrammen SPSS 18.0
(SPSS Inc., Chicago, Illinois, USA)
und SAS (SAS Institute, CaryNC).
Zunächst wurde mittels Regressionsanalyse
(Prozedur: Kurvenanpassung)
geprüft, welche Abhängigkeiten
zwischen den abhängigen
Variablen (Gangparameter) und den
unabhängigen Variablen (Alter,
Größe, Gewicht, Geschlecht) bestehen.
Als zentrales statistisches Verfahren
kam dann die Quantilregression
[13] zum Einsatz. Die Quantilregression
stellt eine systematische
Strategie zur Untersuchung des Einflusses
von Kovariablen auf die Lokation,
Skala und Form der gesamten
Verteilung dar. Durch ein Gitter
Orthopädie-Technik 12/10 877

von Quantilen (5, 10, 25, 50, 75, 90,
95) erhält man Aufschluss über die
gesamte Verteilung. Die abhängige
Variable (zum Beispiel Schrittlänge)
wird auf der Ordinate, die unabhängige
Variable (zum Beispiel Alter)
auf der Abszisse abgetragen. Anschließend
werden Anpassungskurven
(keine linearen Regressionsgeraden)
gebildet. Vorteil dieser Auswertungsstrategie
ist die Beibehaltung
des metrischen Skalenniveaus
der unabhängigen Variablen (zum
Beispiel Alter, Körpergröße). Nachteil:
Es ist ein sehr großer Stichprobenumfang
notwendig.
Für die Datenanalyse wurde von
den drei Versuchen pro Proband
nur der dritte Versuch verwendet.
Die Versuche eins und zwei dienten
dem Probanden zur Anpassung an
die Testbedingungen. Für die bilateralen
Parameter (zum Beispiel
Dauer der Standphase) werden in
diesem Beitrag nur die Werte für
die rechte Seite angegeben.
Ergebnisse
Der Ergebnisdarstellung ist voranzustellen,
dass diese sich aus
Umfangs- und Praktikabilitätsgründen
nur auf die Variablen Standphase
(rechts) und Einbeinstand
(rechts) sowie die dazugehörigen
Symmetrieparameter bezieht. Anhand
dieser Variablen soll exemplarisch
die Auswertungsstrategie verdeutlicht
werden.
Probanden
Alle Probanden führten die Versuche
selbstständig ohne Hilfsmittel
und Unterstützung durch. 1860
gesunde Probanden (919 Männer,
941 Frauen) im Alter von fünf bis
100 Jahren nahmen an der Untersuchung
teil (Tab. 3).
Die Anzahl der Einzelschritte
(Steps), die in die Datenanalyse eingingen,
bewegte sich zwischen 19
und 65 Schritten.
Alter, Größe, Gewicht, Geschlecht
Einzig die Standphase und der
Einbeinstand besitzen eine nennenswerte
Abhängigkeit zur Prädiktorvariable
Alter (Tab. 4). Infolgedessen
erfolgt die Ergebnisdarstellung
mittels Quantilregression ausschließlich
unter Verwendung der
unabhängigen Variable Alter (Abb.
2a–d).
Im Altersgang verlängert sich die
Standphase (Abb. 2a) und verkürzt
878
sich der zeitliche Anteil des Einbeinstandes
am gesamten Gangzyklus
(Abb. 2b). Beide Entwicklungen
gewinnen vor allem ab dem 70.
Lebensjahr deutlich an Dynamik.
Der Wertebereich für die Standphase
erstreckt sich von 56,2 Prozent
(fünftes Perzentil: fünf Jahre)
bis 70,0 Prozent (95. Perzentil: 99
Jahre). Legt man den Median (50.
Perzentil) zugrunde, so lässt sich
das Minimum bei 59,1 Prozent im
Alter von 52 Jahren lokalisieren
(Maximum: 63,4 Prozent/100 Jahre).
Die Werte für den zeitlichen
Anteil des Einbeinstandes am
Gangzyklus bewegen sich zwischen
27,7 Prozent (95. Perzentil: 100
Jahre) und 38,5 Prozent (fünftes
Perzentil: fünf Jahre). Bezogen auf
den Median lässt sich ein Minimum
bei 35,9 Prozent (100 Jahre)
und ein Maximum bei 40,7 Prozent
(51,1 Jahre) ermitteln.
Hinsichtlich der Symmetrie ist
festzustellen, dass sich im Altersgang
nur sehr diskrete Veränderungen
beobachten ließen. Tendenziell
verschiebt sich die Balance zwischen
der rechten und der linken
Seite etwas zur linken Seite. Der geringste
Abstand zum idealen Symmetrieindex
(SI) von Null findet
sich für die Standphase im Alter
von 75,1 Jahren (SI=0,003 Prozent)
und für den Einbeinstand im Alter
von 77,4 Jahren (SI=-0,0001 Prozent).
Die Wertebereiche bewegen
sich für die Symmetrie Standphase
zwischen -7,1 Prozent bis 4,9 Prozent
und für die Symmetrie Einbeinstand
zwischen -13,3 Prozent
bis 10,1 Prozent. Alle vier genannten
Minima beziehungsweise Maxima
werden jeweils im Alter von
99,5 Jahren erreicht.
Diskussion
Die Quantilregression (Abb. 2a–
d) macht deutlich, dass die vielfache
Verwendung definierter Alters-
bereiche (zum Beispiel Dekaden)
keine geeignete Auswertungsstrategie
darstellt. Aufgrund der großen
Dynamik in einzelnen Altersbereichen,
insbesondere im späteren
Erwachsenenalter, sollte die unabhängige
Variable Alter nicht ordinalisiert
werden.
Kavanagh und Menz [11] beobachteten
im Alter ein vorsichtiges,
„konservatives“ Gangmuster. Auch
Perry [20] erkennt ab einem Alter
von ca. 70 Jahren diesbezügliche
Tendenzen. Die Autoren begründen
dies mit einer Verkürzung der
Schrittlänge und einer Verringerung
der Gehgeschwindigkeit. In
dieser Untersuchung ist ebenfalls
ab einem Alter von ca. 70 Jahren
eine deutliche Verlängerung der
Gangparameter
Unabhängige Variablen (r2 Alter
in %)
Geschlecht Körpergröße Körpergewicht
Standphase [%] 4,1 0,1 0,1 1,0
Einbeinstand [%] 5,5 1,3 0,1 1,2
Symmetrie Standphase [%] 0,4 0,0 0,1 0,2
Symmetrie Einbeinstand [%] 0,6 0,1 0,1 0,1
Tab. 4 Einfluss der Prädiktoren Alter, Geschlecht, Körpergröße und Körpergewicht auf die
Gangparameter Standphase und Einbeinstand sowie auf die dazugehörigen Symmetrieparameter
(Regressionsanalyse, Prozedur: Kurvenanpassung; n=1860).
Standphase und Verkürzung des
Einbeinstandes festzustellen, die
das Ergebnis einer verringerten
Gehgeschwindigkeit und verkürzten
Schrittlänge sind. Auf der Basis
des 50. Perzentils ließ sich die maximale
Gehgeschwindigkeit zum 50.
Lebensjahr (1,42 m/s) und die
maximale Doppelschrittlänge (stride
length) zum 41. Lebensjahr
(1,57 m) ermitteln. Danach sinken
beide Werte bis zum 100. Lebensjahr
auf 0,75 m/s beziehungsweise
1,07 m.
Demgegenüber scheint die Symmetrie
kein Parameter zu sein, der
mit dem Alter konfundiert ist.
Crowe et al. [6] sowie Giakas und
Baltzopoulos [9] gehen davon aus,
dass der normale (physiologische)
Gang leicht asymmetrisch ist, was
durch die Ergebnisse dieser Studie
bekräftigt wird. Robinson et al. [22]
geben einen „Grenzwert“ von zehn
Prozent für die Differenzierung
symmetrisch vs. asymmetrisch an.
Herzog et al. [10] verweisen jedoch
darauf, dass eine Gangasymmetrie
nicht anhand einzelner Prozentwerte
zu definieren ist und begründen
dies mit den unterschiedlichen
Wertebereichen der einzelnen Gang-
Orthopädie-Technik 12/10

a
c
Abb. 2a–d Altersabhängige Darstellung der Parameter a) Standphase, b) Einbeinstand, c) Symmetrie Standphase und d) Symmetrie Einbeinstand
mittels Quantilregression. Die Linien symbolisieren die Quantile 5, 10, 25, 50, 75, 90 und 95 (von unten nach oben).
parameter. Letztlich lässt sich auch
diese Frage nur unter Zugrundelegung
epidemiologischer Referenzdatenstudien
zweifelsfrei beantworten.
Unter Verwendung des fünften
Perzentils (Minimum) und 95. Perzentils
(Maximum) bewegten sich
die Wertebereiche zwar in etwa in
der von Robinson et al. [22] genannten
Größenordnung von ±
zehn Prozent (Standphase: -7,8 Prozent
bis +4,9 Prozent; Einbeinstand:
-13,3 Prozent bis +10,1 Prozent).
Dennoch ist von einer Generalisierung
abzusehen und stattdessen,
in Übereinstimmung mit
Leuchte und Luchs [14], eine parameterspezifische
Betrachtung zu
empfehlen.
Limitationen
Die Aussagekraft der Ergebnisse
wird durch die ungleiche Zellenbelegung
etwas eingeschränkt. So
konnten im Altersbereich über 70
Jahre „nur“ 132 Personen (Tab. 2)
rekrutiert werden, wodurch sich die
Quantillinien (Abb. 2a–d) teilweise
überlagern.
Durch die Nichterfassung der
Seitenprävalenz (Linkshänder ver-
sus Rechtshänder) lassen sich keine
Aussagen unter Berücksichtigung
dieses Merkmals formulieren.
Zusammenfassung und
Ausblick
Die erhobenen Referenzdaten für
Frauen und Männer im Alter von
fünf bis 100 Jahren (selbst gewählte
Gehgeschwindigkeit, 20 m Gehstrecke,
normales Schuhwerk) bil-
den die Grundlage für zukünftige
Studien im klinischen Setting (Evaluierung
von Gangpathologien,
Sturzrisikoprognose im höheren
Lebensalter etc.). Gangparameter
können nun präziser interpretiert
werden, da nicht nur Vergleiche
mit Altersbereichen (Dekaden)
möglich sind, sondern auch mit
konkreten Zeitpunkten in der Lebensspanne.
Die vorhandene Datenbank sollte
vor allem im Altersbereich über
Orthopädie-Technik 12/10 879
b
d

70 Jahre erweitert werden, um die
Aussagekraft der Ganganalysedaten
zu erhöhen.
Außerdem ist ein Abgleich mit
anderen Ganganalysemesssystemen
sinnvoll, um die Allgemeingültigkeit
dieser Referenzdaten zu
prüfen.
Mit dem Messsystem RehaWatch
steht nunmehr ein Assessment zur
Literatur:
[1] Auvinet, B., G. Berrut, C. Touzard,
L. Moutel, N. Collet, D. Chaleil, E.
Barrey: Reference data for normal
subjects obtained with an accelerometric
device. Gait Posture 16
(2002), 124-134
[2] Beck, R. J., T. P. Andriacchi, K. N.
Kuo, R. W. Fermier, J. O. Galante:
Changes in the gait patterns of
growing children. J Bone Joint
Surg Am 63 (1981), 1452-1457
[3] Beckers, D., J. Deckers: Ganganalyse
und Gangschulung – therapeutische
Strategien für die Praxis.
Berlin, Springer, 1997
[4] Blanc, Y., C. Balmer, T. Landis, F.
Vingerhoets: Temporal parameters
and patterns of the foot roll over
during walking: normative data
for healthy adults. Gait Posture 10
(1999), 97-108
[5] Cho, S. H., J. M. Park, O. Y. Kwon:
Gender differences in three
[6]
dimensional gait analysis data
from 98 healthy Korean adults.
Clin Biomech 19 (2004), 145-152
Crowe, A., M. M. Samson, M. J.
Hoitsma, A. A. van Ginkel: The
influence of walking speed on
parameters of gait symmetry
[7]
determined from ground reaction
forces. Hum Move Sci 15 (1996),
347-367
Feier, C., M. Lingner, R. Kauert, W.
Liedecke, P. Weber: Vorrichtung
zur Anordnung eines Sensors an
einem Schuh. Offenlegungsschrift
DE102004054220A1, 2004
[8] Ferraris, F., U. Grimaldi, M. Parvis:
Procedure for Effortless In-Field
Calibration of Three-Axis Rate
Gyros and Accelerometers. Sensor
Mater 7 (1995), 311-330
[9] Giakas, G., V. Baltzopoulos: Time
and frequency domain analysis of
ground reaction forces during walking:
An investigation of variability
and symmetry. Gait Posture 5
(1997), 189-197
[10] Herzog, W., B. M. Nigg, J. Read, E.
Olsson: Asymmetries in ground
reaction force patterns in normal
880
Verfügung, das eine differenzierte
Betrachtung ganganalytischer Parameter
auf der Grundlage der bis
dato größten Datenbasis ermöglicht.
Danksagung
Das Autorenteam bedankt sich
recht herzlich bei allen beteiligten
Einrichtungen (n=62) und Proban-
human gait. Med Sci Sports Exerc
21 (1989), 110-114
[11] Kavanagh, J. J., H. B. Menz: Accelerometry:
A technique for quantifying
movement patterns during
walking. Gait Posture 28 (2008), 1-
15
[12] Kimura, T., H. N. E. Kobayashi, M.
Hanaoka: Effects of aging on gait
patterns in the healthy elderly.
Anthropol Sci 115 (2007), 67-72
[13] Koenker, R., G. Bassett: Regression
Quantiles. Econometrica 46
(1978), 33–50
[14] Leuchte, S., A. Luchs: Wie symmetrisch
oder asymmetrisch ist der
normale beziehungsweise physiologische
Gang in Abhängigkeit
vom Alter? Phys Med Rehab Kuor
16 (2006), 1-7
[15] Menz, H. B., M. D. Latt, A. Tiedemann,
K. M. Mun San, S. R. Lord:
Reliability of the GAITRite walkway
system for the quantification
of temporo-spatial parameters of
gait in young and older people.
Gait Posture 20 (2004), 20-25
[16] Nigg, B., V. Fisher, J. L. Ronsky:
Gait characteristics as a function
of age and gender. Gait Posture 2
(1994), 213-220
[17] Norlin, R., P. Odenrick, B. Sandlund:
Development of gait in the
normal child. J Pediatr Orthop 1
(1981), 261-266
[18] Ostrosky, K. M., J. M. Van Swearingen,
R. G. Burdett, Z. Gee: A
comparison of gait characteristics
in young and old subjects. Phys
Ther 74 (1994), 637-644
[19] Öberg, T., A. Karsznia, K. Öberg:
Basic gait parameters: reference
data for normal subjects, 10-79
years of age. J Rehabil Res Dev 30
(1993), 210-223
[20] Perry, J.: Gait Analysis, New York,
Slack, 1992
[21] Perry, J.: Ganganalyse, München,
Jena, Urban & Fischer, 2003
[22] Robinson, R. O., W. Herzog, B. M.
Nigg: Use of force platform variables
to quantify the effects of
den (n=1860) für die Teilnahme an
den Untersuchungen.
Für die Autoren:
PD Dr. phil. habil. René Schwesig
Martin-Luther-Universität
Halle-Wittenberg
Department Sportwissenschaft
06099 Halle/Saale
chiropractic manibulation on gait
symmetry. J Manipul Physiol Ther
10 (1987), 172-176
[23] Samson, W., G. Desroches, L.
Cheze, R. Dumas: 3D joint dynamics
analysis of healthy children’s
gait. J Biomech 42 (2009), 2447-
2453
[24] Schwartz, M. H., A. Rozumalski, J.
P. Trost: The effect of walking
speed on the gait of typically developing
children. J Biomech 41
(2008), 1639-1650
[25] Schwesig, R., D. Fischer, C. Hintze,
A. Al Hasan, S. Leuchte: Einfluss
der Streckenlänge auf die Messgenauigkeit
eines inertialsensorbasierten
Ganganalysemesssystems.
In: VDR (Hrsg.), Qualität in der
Rehabilitation – Management,
Praxis, Forschung. Tagungsband
zum 19. Rehabilitationswissenschaftlichen
Kolloquium vom 8.–
10. März 2010 in Leipzig, 138-139
[26] Senden, R., B. Grimm, I. C. Heyligers,
H. H. Savelberg, K. Meijer:
Acceleration-based gait test for
healthy subjects: reliability and
reference data. Gait Posture 30
(2009) 192-196
[27] Todd, F. N., L. W. Lamoreux, S. R.
Skinner, M. E. Johanson, S. A.
Moran, R. K. Ashley: Variations in
the gait of normal children. A
graph applicable to the documentation
of abnormalities. J Bone
Joint Surg Am 71 (1989), 196-204
[28] Wheelwright, E. F., R. A. Minns, H.
T. Law, R. A. Elton: Temporal and
spatial parameters of gait in children.
In: Normal control data. Dev
Med Child Neurol 35 (1993), 102-
113
[29] Winter, D. A., A. E. Patla, J. S.
Frank, S. E. Walt: Biomechanical
walking pattern changes in the fit
and healthy elderly. Phys Ther 70
(1990), 340-347
Orthopädie-Technik 12/10