Referenzdatenerhebung mit dem ... - der Hasomed GmbH
Referenzdatenerhebung mit dem ... - der Hasomed GmbH
Referenzdatenerhebung mit dem ... - der Hasomed GmbH
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Inertialsensorbasierte Ganganalysesysteme<br />
ermöglichen die Erhebung<br />
von Gangparametern außerhalb<br />
von Bewegungsanalyselaboren.<br />
Die Bereitstellung von Referenzdaten<br />
über die gesamte Lebensspanne<br />
ist von großer Bedeutung.<br />
Dieser Beitrag beschreibt die<br />
Ergebnisse einer Untersuchung <strong>mit</strong><br />
1860 Probanden. Zum Beispiel bewegt<br />
sich <strong>der</strong> Anteil <strong>der</strong> Standphase<br />
am Gangzyklus zwischen 56 Prozent<br />
(fünf Jahre) und 70 Prozent<br />
(99 Jahre). Die Symmetrie verän<strong>der</strong>t<br />
sich im Altersgang dagegen<br />
nur wenig.<br />
Inertial sensor based gait analysis<br />
systems measure data from gait<br />
analysis outside of current gait analysis<br />
labs. Data retrieval during the<br />
whole life span is becoming a focus<br />
of interest and is increasingly important.<br />
This article describes the<br />
results of an investigation in 1860<br />
persons. For instance, the fraction<br />
of the stand phase within the gait<br />
cycle varies between 56 per cent<br />
(age of five years) and 70 per cent<br />
(age of 99 years). Gait symmetry<br />
doesn’t vary much during aging.<br />
874<br />
Messtechnik<br />
R. Schwesig, M. Hofmann, D. Fischer, T. Gladow, S. Leuchte<br />
<strong>Referenzdatenerhebung</strong> <strong>mit</strong><br />
<strong>dem</strong> inertialsensorbasierten<br />
Ganganalysesystem<br />
RehaWatch<br />
Reference Data Measured with the Inertial Sensor Gait Analysis System<br />
RehaWatch<br />
Einleitung<br />
Die Ganganalyse ist ein wichtiges<br />
Instrument in <strong>der</strong> orthopädischen,<br />
neurologischen und geriatrischen<br />
Rehabilitation und Qualitätssicherung.<br />
Die Evaluierung von<br />
Messsystemen hinsichtlich Reliabilität<br />
und Validität ist eine wichtige<br />
Voraussetzung für <strong>der</strong>en Einführung<br />
und Akzeptanz in <strong>der</strong> Klinik<br />
und in <strong>der</strong> Forschung. Erst die<br />
Kenntnis von Referenzdaten, in Abhängigkeit<br />
von relevanten Prädiktoren<br />
(Alter, Geschlecht, Körpergröße<br />
etc.), ermöglicht die exakte<br />
Einordnung und sichere Beurteilung<br />
<strong>der</strong> Messwerte (zum Beispiel<br />
Auswirkungen von Verletzungen<br />
auf das Gangbild, Wirksamkeit von<br />
gangrelevanten Interventionen).<br />
In <strong>der</strong> Literatur finden sich nur<br />
wenige Untersuchungen, die Gangparameter<br />
über die gesamte Lebensspanne<br />
anhand einer hinreichend<br />
großen Stichprobe erhoben haben<br />
(Tab. 1).<br />
In <strong>der</strong> Regel sind die untersuchten<br />
Stichproben zu klein o<strong>der</strong> das<br />
Alter wird als ordinale (Einteilung<br />
<strong>der</strong> Lebensspanne in Dekaden) Prädiktorvariable<br />
verwendet [1, 19, 26].<br />
Autor(en) n Altersbereich (Jahre) Messsystem<br />
Kindes- und/o<strong>der</strong> Jugendalter<br />
[17] 230 3-16 Fußschalter<br />
[27] 324 1-12 Fußschalter<br />
[2] 51 1-14 Fußschalter; Lichtschranken; Kraftmessplatte<br />
[28] 134 2-18<br />
Gaitway-Messsystem basierend auf<br />
zwei photoelektrischen Sensoren<br />
[24] 83 4-17<br />
Dreidimensionale Bewegungsanalyse<br />
<strong>der</strong> unteren Extre<strong>mit</strong>ät<br />
[23] 14 3,1 ± 1,4<br />
Dreidimensionale Bewegungsanalyse<br />
und Kraftmessplatte<br />
Jugend- und Erwachsenenalter<br />
[19] 233 10-79 Zwei Fotozellen & Elektrogoniometer<br />
[4] 105 16-63 Fußschalter<br />
Erwachsenenalter<br />
[29] 27 21-78<br />
Dreidimensionale Bewegungsanalyse<br />
und Kraftmessplatte<br />
[16] 118 20-79 Dreidimensionale Bewegungsanalyse<br />
[18] 60 20-80 Zweidimensionale Bewegungsanalyse<br />
[1] 282 20-98 Inertialsensorbasiertes Messsystem<br />
[5] 98 23-24 Dreidimensionale Ganganalyse<br />
[15] 61 22-87 Druckmesssystem<br />
[12] 72 21-65 Videoanalyse & Pedometer<br />
[26] 120 20-86 Inertialsensorbasiertes Messsystem<br />
Tab. 1 Übersicht über Untersuchungen zur <strong>Referenzdatenerhebung</strong> von Gangparametern.<br />
Orthopädie-Technik 12/10
Vielfach kamen komplexe Ganganalysemesssysteme<br />
zum Einsatz<br />
[23, 24, 29], wohingegen inertialsensorbasierte<br />
Messsysteme nur selten<br />
Anwendung fanden [1, 26].<br />
Legt man die Untersuchung von<br />
Öberg et al. [19] zugrunde und<br />
separiert die unabhängige Variable<br />
Alter in Dekaden, ergänzt um die<br />
Dekade unter zehn Jahre, dann<br />
wird deutlich, dass Stichprobengrößen<br />
von mindestens n=1600<br />
(jeweils 100 Frauen und Männer<br />
pro Dekade) notwendig sind. Erst<br />
dann lassen sich belastbare Ergebnisse<br />
und Aussagen generieren. Aus<br />
messmethodischer Sicht ist anzumerken,<br />
dass kein bekanntes Ganganalysesystem<br />
über eine Referenzdatenbank<br />
dieser Größenordnung<br />
verfügt.<br />
Zielstellung<br />
Ziel <strong>der</strong> Untersuchung war es, <strong>mit</strong><br />
<strong>dem</strong> portablen, inertialsensorbasierten<br />
Ganganalysemesssystem Reha-<br />
Watch <strong>der</strong> Firma <strong>Hasomed</strong> <strong>GmbH</strong><br />
Gangparameter über die gesamte<br />
Lebensspanne zu erheben. Außer<strong>dem</strong><br />
galt es, den Einfluss <strong>der</strong> Prädiktoren<br />
Alter, Geschlecht, Körpergröße<br />
und Körpergewicht zu er<strong>mit</strong>teln.<br />
Untersuchungsdesign<br />
Untersuchungsstichprobe<br />
1860 gesunde Probanden (919<br />
Männer, 941 Frauen) im Alter von<br />
fünf bis 100 Jahren wurden in<br />
Schulen, Sportvereinen, informellen<br />
Sportgruppen, Betrieben und<br />
Kinematische Parameter Symmetrieparameter<br />
- Doppelschrittdauer (s) - Symmetrie Standphase (%)<br />
- Doppelschrittlänge (m) - Symmetrie Fußflachphase (%)<br />
- Kadenz (Schritte/min-1) - Symmetrie Vorschwungphase (%)<br />
- Geschwindigkeit (ms-1) - Symmetrie Initialer Zweibeinstand (%)<br />
- Winkel: Boden-Fuß (°) - Symmetrie Einbeinstand (%)<br />
- Fußhöhe (cm) - Symmetrie Finaler Zweibeinstand (%)<br />
- Zirkumduktion (cm) - Symmetrie maximaler Fußwinkel (%)<br />
- Symmetrie minimaler Fußwinkel (%)<br />
Gangphasen, basierend auf<br />
Gangphasen, basierend<br />
<strong>der</strong> Bewegung eines Fußes [3] auf <strong>der</strong> Bewegung bei<strong>der</strong> Füße [21]<br />
- Aufsetzphase (%) - Initialer Zweibeinstand (%)<br />
- Fußflachphase (%) - Einbeinstand (%)<br />
- Vorschwungphase (%) - Finaler Zweibeinstand (%)<br />
- Standphase (%) - Standphase (%)<br />
- Schwungphase (%) - Schwungphase (%)<br />
Tab. 2 Übersicht über die von RehaWatch bereitgestellten Gangparameter.<br />
öffentlichen Institutionen (zum Beispiel<br />
Feuerwehr) rekrutiert.<br />
Einschlusskriterien<br />
– Abwesenheit von den Gang beeinflussenden<br />
neurologischen und/<br />
o<strong>der</strong> orthopädischen Erkrankungen<br />
beziehungsweise Verletzungen,<br />
– Schmerzzustände,<br />
– schriftliche Einverständniserklärung.<br />
Ausschlusskriterien<br />
– Beckenschiefstand,<br />
– Skoliose,<br />
– Einnahme von Sedativa.<br />
Alle Tests fanden in den genannten<br />
Einrichtungen statt und wurden<br />
vom gleichen Untersuchenden<br />
durchgeführt. Die Studie wurde<br />
von <strong>der</strong> Ethik-Kommission <strong>der</strong> Me-<br />
dizinischen Fakultät <strong>der</strong> Martin-<br />
Luther-Universität Halle-Wittenberg<br />
genehmigt.<br />
Untersuchungsablauf<br />
Ganganalysedaten sind primär<br />
von drei Testbedingungen abhängig:<br />
Länge <strong>der</strong> Gehstrecke, Gehgeschwindigkeit<br />
und Schuhwerk [19].<br />
Eine selbst gewählte Gehgeschwindigkeit<br />
scheint aus funktioneller<br />
Sicht optimal für die Erhebung von<br />
Ganganalysedaten zu sein [1]. In<br />
dieser Studie wurden die Probanden<br />
aufgefor<strong>der</strong>t, in ihren Alltagsschuhen<br />
(ohne Absätze) eine Distanz<br />
von 20 m <strong>mit</strong> ihrer individuellen<br />
Gehgeschwindigkeit dreimal zu<br />
bewältigen. Während <strong>der</strong> drei Versuche<br />
waren die Probanden <strong>mit</strong> <strong>dem</strong><br />
Ganganalysesystem RehaWatch ausgestattet<br />
(Abb. 1). Die Gehstrecke<br />
war gerade und eben.<br />
Orthopädie-Technik 12/10 875
Alter [Jahre] Männer/Frauen Körpergewicht [kg] Körpergröße [m] BMI [kg/m 2 ]<br />
Alle Probanden<br />
5 –100 M (n=919) 70,6 (22,7) 1,71 (0,17) 23,5 (4,98)<br />
F (n=941) 58,3 (17,0) 1,61 (0,13) 22,2 (4,81)<br />
Probanden in Altersgruppen kategorisiert<br />
5,0–10,0 M (n=112) 31,1 (7,17) 1,36 (0,08) 16,6 (2,46)<br />
F (n=110) 28,9 (5,77) 1,34 (0,04) 16,1 (2,26)<br />
10,1–15,0 M (n=115) 44,9 (12,4) 1,55 (0,12) 18,5 (3,21)<br />
F (n=115) 43,5 (12,0) 1,54 (0,11) 18,0 (3,39)<br />
15,1– 20,0 M (n=111) 72,8 (14,0) 1,80 (0,07) 22,4 (3,57)<br />
F (n=113) 60,0 (9,77) 1,68 (0,06) 21,3 (3,06)<br />
20,1–30,0 M (n=166) 78,8 (10,6) 1,82 (0,07) 23,9 (2,59)<br />
F (n=166) 62,7 (8,98) 1,68 (0,06) 22,1 (2,85)<br />
30,1–40,0 M (n=93) 86,2 (12,9) 1,82 (0,06) 26,1 (3,69)<br />
F (n=94) 66,8 (11,9) 1,68 (0,06) 23,6 (4,01)<br />
40,1– 50,0 M (n=100) 86,0 (13,0) 1,80 (0,08) 26,5 (3,35)<br />
F (n=102) 68,8 (13,8) 1,67 (0,06) 24,8 (4,79)<br />
50,1– 60,0 M (n=79) 86,6 (12,5) 1,77 (0,07) 27,6 (3,84)<br />
F (n=83) 69,0 (12,7) 1,64 (0,07) 25,6 (4,18)<br />
60,1–70,0 M (n=83) 82,3 (13,0) 1,74 (0,07) 27,1 (3,72)<br />
F (n=86) 67,9 (11,0) 1,63 (0,05) 25,4 (3,75)<br />
70,1–100,0 M (n=60) 79,4 (12,3) 1,72 (0,06) 26,8 (3,50)<br />
F (n=72) 64,7 (10,6) 1,58 (0,06) 25,8 (4,12)<br />
Tab. 3 Stichprobenbeschreibung (n=1860) anhand von Altersdekaden und des Geschlechts.<br />
Angegeben sind Mittelwerte und Standardabweichungen.<br />
Ganganalysemesssystem<br />
RehaWatch<br />
Das mobile Messsystem Reha-<br />
Watch erfasst Gangparameter <strong>mit</strong>tels<br />
Inertialsensoren. Je<strong>der</strong> Inertialsensor<br />
besteht aus drei Accelerome-<br />
Abb. 1 Das inertialsensorbasierte Ganganalysemesssystem<br />
RehaWatch.<br />
tern und drei Gyroskopen. Die Sensoren<br />
sind als MEMS (Micro-Electro-Mechanical-System)<br />
aufgebaut.<br />
Die Beschleunigungssensoren haben<br />
einen Messbereich von ± fünf g<br />
und die Gyroskope von ± 300<br />
Grad/s. Die Abtastfrequenz beträgt<br />
512 Hz. Die Sensoren werden einmalig<br />
von <strong>Hasomed</strong> nach <strong>dem</strong> Verfahren<br />
von Ferraris et al. [8] kali-<br />
briert. Sie sind <strong>mit</strong>hilfe einer patentierten<br />
Halterung am Schuh befestigt<br />
[7]. Die Messdaten werden von<br />
den Sensoren via DataLogger (Abb.<br />
1) und USB-Stick an die Analysesoftware<br />
im PC übertragen. Die<br />
Messung muss auf ebenem, hartem<br />
Untergrund stattfinden und mindestens<br />
acht Doppelschritte beinhalten.<br />
Aus wissenschaftlicher Sicht ist<br />
eine Gehstrecke von 20 m zu empfehlen<br />
[25]. Alternativ kann das<br />
System auf einem Laufband benutzt<br />
werden. Die Durchführung<br />
und Auswertung einer Messung<br />
dauert inklusive An- und Ablegen<br />
<strong>der</strong> Halterungen ca. fünf Minuten.<br />
In <strong>der</strong> zum RehaWatch-System<br />
gehörenden Analysesoftware werden<br />
die Messdaten automatisch<br />
ausgewertet. Grundlage ist die Bestimmung<br />
von vier Gangereignissen<br />
(Fersenaufsatz/initialer Bodenkontakt,<br />
vollständiger Fußaufsatz,<br />
Fersenablösung und Zehenablösung).<br />
Hierfür kommt ein regelund<br />
schwellenbasierter Algorithmus<br />
zum Einsatz, <strong>der</strong> sich adaptiv<br />
an die gemessenen Werte anpasst<br />
und dadurch auch bei pathologischem<br />
Gang robust funktioniert.<br />
Auf <strong>der</strong> Basis <strong>der</strong> Gangereignisse<br />
werden die räumlich-zeitlichen<br />
Parameter sowie die Gangphasen<br />
abgeleitet. Um die kinematischen<br />
Gangparameter berechnen zu können,<br />
müssen aus den Inertialsensordaten<br />
die Ortskoordinaten be-<br />
stimmt werden. Durch die Integration<br />
<strong>der</strong> Winkelraten lässt sich die<br />
räumliche Orientierung <strong>der</strong> Sensoren<br />
bestimmen, eine Zweifachintegration<br />
<strong>der</strong> Beschleunigung führt<br />
zur räumlichen Position.<br />
Es werden eine Vielzahl von<br />
Gangparametern berechnet (Tab.<br />
2). Hinsichtlich des Links-Rechts-<br />
Vergleichs <strong>der</strong> Gangparameter ist es<br />
möglich, die Symmetrie nach Robinson<br />
et al. [22] zu berechnen.<br />
In <strong>der</strong> Analysesoftware werden<br />
die er<strong>mit</strong>telten Gangparameter grafisch<br />
dargestellt. Die Software bietet<br />
neben <strong>der</strong> Auswertung <strong>der</strong> Messdaten<br />
eine Patientenverwaltung und<br />
Funktionen zum Vergleich von<br />
Messungen sowie <strong>der</strong> Darstellung<br />
des Therapieverlaufes an. Weiterhin<br />
verfügt die Software über verschiedene<br />
Report- und Exportmöglichkeiten<br />
<strong>der</strong> Gangparameter (zum<br />
Beispiel nach Excel).<br />
Statistische Auswertung<br />
Die statistische Auswertung des<br />
Datenmaterials erfolgte <strong>mit</strong> den<br />
Statistikprogrammen SPSS 18.0<br />
(SPSS Inc., Chicago, Illinois, USA)<br />
und SAS (SAS Institute, CaryNC).<br />
Zunächst wurde <strong>mit</strong>tels Regressionsanalyse<br />
(Prozedur: Kurvenanpassung)<br />
geprüft, welche Abhängigkeiten<br />
zwischen den abhängigen<br />
Variablen (Gangparameter) und den<br />
unabhängigen Variablen (Alter,<br />
Größe, Gewicht, Geschlecht) bestehen.<br />
Als zentrales statistisches Verfahren<br />
kam dann die Quantilregression<br />
[13] zum Einsatz. Die Quantilregression<br />
stellt eine systematische<br />
Strategie zur Untersuchung des Einflusses<br />
von Kovariablen auf die Lokation,<br />
Skala und Form <strong>der</strong> gesamten<br />
Verteilung dar. Durch ein Gitter<br />
Orthopädie-Technik 12/10 877
von Quantilen (5, 10, 25, 50, 75, 90,<br />
95) erhält man Aufschluss über die<br />
gesamte Verteilung. Die abhängige<br />
Variable (zum Beispiel Schrittlänge)<br />
wird auf <strong>der</strong> Ordinate, die unabhängige<br />
Variable (zum Beispiel Alter)<br />
auf <strong>der</strong> Abszisse abgetragen. Anschließend<br />
werden Anpassungskurven<br />
(keine linearen Regressionsgeraden)<br />
gebildet. Vorteil dieser Auswertungsstrategie<br />
ist die Beibehaltung<br />
des metrischen Skalenniveaus<br />
<strong>der</strong> unabhängigen Variablen (zum<br />
Beispiel Alter, Körpergröße). Nachteil:<br />
Es ist ein sehr großer Stichprobenumfang<br />
notwendig.<br />
Für die Datenanalyse wurde von<br />
den drei Versuchen pro Proband<br />
nur <strong>der</strong> dritte Versuch verwendet.<br />
Die Versuche eins und zwei dienten<br />
<strong>dem</strong> Probanden zur Anpassung an<br />
die Testbedingungen. Für die bilateralen<br />
Parameter (zum Beispiel<br />
Dauer <strong>der</strong> Standphase) werden in<br />
diesem Beitrag nur die Werte für<br />
die rechte Seite angegeben.<br />
Ergebnisse<br />
Der Ergebnisdarstellung ist voranzustellen,<br />
dass diese sich aus<br />
Umfangs- und Praktikabilitätsgründen<br />
nur auf die Variablen Standphase<br />
(rechts) und Einbeinstand<br />
(rechts) sowie die dazugehörigen<br />
Symmetrieparameter bezieht. Anhand<br />
dieser Variablen soll exemplarisch<br />
die Auswertungsstrategie verdeutlicht<br />
werden.<br />
Probanden<br />
Alle Probanden führten die Versuche<br />
selbstständig ohne Hilfs<strong>mit</strong>tel<br />
und Unterstützung durch. 1860<br />
gesunde Probanden (919 Männer,<br />
941 Frauen) im Alter von fünf bis<br />
100 Jahren nahmen an <strong>der</strong> Untersuchung<br />
teil (Tab. 3).<br />
Die Anzahl <strong>der</strong> Einzelschritte<br />
(Steps), die in die Datenanalyse eingingen,<br />
bewegte sich zwischen 19<br />
und 65 Schritten.<br />
Alter, Größe, Gewicht, Geschlecht<br />
Einzig die Standphase und <strong>der</strong><br />
Einbeinstand besitzen eine nennenswerte<br />
Abhängigkeit zur Prädiktorvariable<br />
Alter (Tab. 4). Infolgedessen<br />
erfolgt die Ergebnisdarstellung<br />
<strong>mit</strong>tels Quantilregression ausschließlich<br />
unter Verwendung <strong>der</strong><br />
unabhängigen Variable Alter (Abb.<br />
2a–d).<br />
Im Altersgang verlängert sich die<br />
Standphase (Abb. 2a) und verkürzt<br />
878<br />
sich <strong>der</strong> zeitliche Anteil des Einbeinstandes<br />
am gesamten Gangzyklus<br />
(Abb. 2b). Beide Entwicklungen<br />
gewinnen vor allem ab <strong>dem</strong> 70.<br />
Lebensjahr deutlich an Dynamik.<br />
Der Wertebereich für die Standphase<br />
erstreckt sich von 56,2 Prozent<br />
(fünftes Perzentil: fünf Jahre)<br />
bis 70,0 Prozent (95. Perzentil: 99<br />
Jahre). Legt man den Median (50.<br />
Perzentil) zugrunde, so lässt sich<br />
das Minimum bei 59,1 Prozent im<br />
Alter von 52 Jahren lokalisieren<br />
(Maximum: 63,4 Prozent/100 Jahre).<br />
Die Werte für den zeitlichen<br />
Anteil des Einbeinstandes am<br />
Gangzyklus bewegen sich zwischen<br />
27,7 Prozent (95. Perzentil: 100<br />
Jahre) und 38,5 Prozent (fünftes<br />
Perzentil: fünf Jahre). Bezogen auf<br />
den Median lässt sich ein Minimum<br />
bei 35,9 Prozent (100 Jahre)<br />
und ein Maximum bei 40,7 Prozent<br />
(51,1 Jahre) er<strong>mit</strong>teln.<br />
Hinsichtlich <strong>der</strong> Symmetrie ist<br />
festzustellen, dass sich im Altersgang<br />
nur sehr diskrete Verän<strong>der</strong>ungen<br />
beobachten ließen. Tendenziell<br />
verschiebt sich die Balance zwischen<br />
<strong>der</strong> rechten und <strong>der</strong> linken<br />
Seite etwas zur linken Seite. Der geringste<br />
Abstand zum idealen Symmetrieindex<br />
(SI) von Null findet<br />
sich für die Standphase im Alter<br />
von 75,1 Jahren (SI=0,003 Prozent)<br />
und für den Einbeinstand im Alter<br />
von 77,4 Jahren (SI=-0,0001 Prozent).<br />
Die Wertebereiche bewegen<br />
sich für die Symmetrie Standphase<br />
zwischen -7,1 Prozent bis 4,9 Prozent<br />
und für die Symmetrie Einbeinstand<br />
zwischen -13,3 Prozent<br />
bis 10,1 Prozent. Alle vier genannten<br />
Minima beziehungsweise Maxima<br />
werden jeweils im Alter von<br />
99,5 Jahren erreicht.<br />
Diskussion<br />
Die Quantilregression (Abb. 2a–<br />
d) macht deutlich, dass die vielfache<br />
Verwendung definierter Alters-<br />
bereiche (zum Beispiel Dekaden)<br />
keine geeignete Auswertungsstrategie<br />
darstellt. Aufgrund <strong>der</strong> großen<br />
Dynamik in einzelnen Altersbereichen,<br />
insbeson<strong>der</strong>e im späteren<br />
Erwachsenenalter, sollte die unabhängige<br />
Variable Alter nicht ordinalisiert<br />
werden.<br />
Kavanagh und Menz [11] beobachteten<br />
im Alter ein vorsichtiges,<br />
„konservatives“ Gangmuster. Auch<br />
Perry [20] erkennt ab einem Alter<br />
von ca. 70 Jahren diesbezügliche<br />
Tendenzen. Die Autoren begründen<br />
dies <strong>mit</strong> einer Verkürzung <strong>der</strong><br />
Schrittlänge und einer Verringerung<br />
<strong>der</strong> Gehgeschwindigkeit. In<br />
dieser Untersuchung ist ebenfalls<br />
ab einem Alter von ca. 70 Jahren<br />
eine deutliche Verlängerung <strong>der</strong><br />
Gangparameter<br />
Unabhängige Variablen (r2 Alter<br />
in %)<br />
Geschlecht Körpergröße Körpergewicht<br />
Standphase [%] 4,1 0,1 0,1 1,0<br />
Einbeinstand [%] 5,5 1,3 0,1 1,2<br />
Symmetrie Standphase [%] 0,4 0,0 0,1 0,2<br />
Symmetrie Einbeinstand [%] 0,6 0,1 0,1 0,1<br />
Tab. 4 Einfluss <strong>der</strong> Prädiktoren Alter, Geschlecht, Körpergröße und Körpergewicht auf die<br />
Gangparameter Standphase und Einbeinstand sowie auf die dazugehörigen Symmetrieparameter<br />
(Regressionsanalyse, Prozedur: Kurvenanpassung; n=1860).<br />
Standphase und Verkürzung des<br />
Einbeinstandes festzustellen, die<br />
das Ergebnis einer verringerten<br />
Gehgeschwindigkeit und verkürzten<br />
Schrittlänge sind. Auf <strong>der</strong> Basis<br />
des 50. Perzentils ließ sich die maximale<br />
Gehgeschwindigkeit zum 50.<br />
Lebensjahr (1,42 m/s) und die<br />
maximale Doppelschrittlänge (stride<br />
length) zum 41. Lebensjahr<br />
(1,57 m) er<strong>mit</strong>teln. Danach sinken<br />
beide Werte bis zum 100. Lebensjahr<br />
auf 0,75 m/s beziehungsweise<br />
1,07 m.<br />
Demgegenüber scheint die Symmetrie<br />
kein Parameter zu sein, <strong>der</strong><br />
<strong>mit</strong> <strong>dem</strong> Alter konfundiert ist.<br />
Crowe et al. [6] sowie Giakas und<br />
Baltzopoulos [9] gehen davon aus,<br />
dass <strong>der</strong> normale (physiologische)<br />
Gang leicht asymmetrisch ist, was<br />
durch die Ergebnisse dieser Studie<br />
bekräftigt wird. Robinson et al. [22]<br />
geben einen „Grenzwert“ von zehn<br />
Prozent für die Differenzierung<br />
symmetrisch vs. asymmetrisch an.<br />
Herzog et al. [10] verweisen jedoch<br />
darauf, dass eine Gangasymmetrie<br />
nicht anhand einzelner Prozentwerte<br />
zu definieren ist und begründen<br />
dies <strong>mit</strong> den unterschiedlichen<br />
Wertebereichen <strong>der</strong> einzelnen Gang-<br />
Orthopädie-Technik 12/10
a<br />
c<br />
Abb. 2a–d Altersabhängige Darstellung <strong>der</strong> Parameter a) Standphase, b) Einbeinstand, c) Symmetrie Standphase und d) Symmetrie Einbeinstand<br />
<strong>mit</strong>tels Quantilregression. Die Linien symbolisieren die Quantile 5, 10, 25, 50, 75, 90 und 95 (von unten nach oben).<br />
parameter. Letztlich lässt sich auch<br />
diese Frage nur unter Zugrundelegung<br />
epi<strong>dem</strong>iologischer Referenzdatenstudien<br />
zweifelsfrei beantworten.<br />
Unter Verwendung des fünften<br />
Perzentils (Minimum) und 95. Perzentils<br />
(Maximum) bewegten sich<br />
die Wertebereiche zwar in etwa in<br />
<strong>der</strong> von Robinson et al. [22] genannten<br />
Größenordnung von ±<br />
zehn Prozent (Standphase: -7,8 Prozent<br />
bis +4,9 Prozent; Einbeinstand:<br />
-13,3 Prozent bis +10,1 Prozent).<br />
Dennoch ist von einer Generalisierung<br />
abzusehen und stattdessen,<br />
in Übereinstimmung <strong>mit</strong><br />
Leuchte und Luchs [14], eine parameterspezifische<br />
Betrachtung zu<br />
empfehlen.<br />
Li<strong>mit</strong>ationen<br />
Die Aussagekraft <strong>der</strong> Ergebnisse<br />
wird durch die ungleiche Zellenbelegung<br />
etwas eingeschränkt. So<br />
konnten im Altersbereich über 70<br />
Jahre „nur“ 132 Personen (Tab. 2)<br />
rekrutiert werden, wodurch sich die<br />
Quantillinien (Abb. 2a–d) teilweise<br />
überlagern.<br />
Durch die Nichterfassung <strong>der</strong><br />
Seitenprävalenz (Linkshän<strong>der</strong> ver-<br />
sus Rechtshän<strong>der</strong>) lassen sich keine<br />
Aussagen unter Berücksichtigung<br />
dieses Merkmals formulieren.<br />
Zusammenfassung und<br />
Ausblick<br />
Die erhobenen Referenzdaten für<br />
Frauen und Männer im Alter von<br />
fünf bis 100 Jahren (selbst gewählte<br />
Gehgeschwindigkeit, 20 m Gehstrecke,<br />
normales Schuhwerk) bil-<br />
den die Grundlage für zukünftige<br />
Studien im klinischen Setting (Evaluierung<br />
von Gangpathologien,<br />
Sturzrisikoprognose im höheren<br />
Lebensalter etc.). Gangparameter<br />
können nun präziser interpretiert<br />
werden, da nicht nur Vergleiche<br />
<strong>mit</strong> Altersbereichen (Dekaden)<br />
möglich sind, son<strong>der</strong>n auch <strong>mit</strong><br />
konkreten Zeitpunkten in <strong>der</strong> Lebensspanne.<br />
Die vorhandene Datenbank sollte<br />
vor allem im Altersbereich über<br />
Orthopädie-Technik 12/10 879<br />
b<br />
d
70 Jahre erweitert werden, um die<br />
Aussagekraft <strong>der</strong> Ganganalysedaten<br />
zu erhöhen.<br />
Außer<strong>dem</strong> ist ein Abgleich <strong>mit</strong><br />
an<strong>der</strong>en Ganganalysemesssystemen<br />
sinnvoll, um die Allgemeingültigkeit<br />
dieser Referenzdaten zu<br />
prüfen.<br />
Mit <strong>dem</strong> Messsystem RehaWatch<br />
steht nunmehr ein Assessment zur<br />
Literatur:<br />
[1] Auvinet, B., G. Berrut, C. Touzard,<br />
L. Moutel, N. Collet, D. Chaleil, E.<br />
Barrey: Reference data for normal<br />
subjects obtained with an accelerometric<br />
device. Gait Posture 16<br />
(2002), 124-134<br />
[2] Beck, R. J., T. P. Andriacchi, K. N.<br />
Kuo, R. W. Fermier, J. O. Galante:<br />
Changes in the gait patterns of<br />
growing children. J Bone Joint<br />
Surg Am 63 (1981), 1452-1457<br />
[3] Beckers, D., J. Deckers: Ganganalyse<br />
und Gangschulung – therapeutische<br />
Strategien für die Praxis.<br />
Berlin, Springer, 1997<br />
[4] Blanc, Y., C. Balmer, T. Landis, F.<br />
Vingerhoets: Temporal parameters<br />
and patterns of the foot roll over<br />
during walking: normative data<br />
for healthy adults. Gait Posture 10<br />
(1999), 97-108<br />
[5] Cho, S. H., J. M. Park, O. Y. Kwon:<br />
Gen<strong>der</strong> differences in three<br />
[6]<br />
dimensional gait analysis data<br />
from 98 healthy Korean adults.<br />
Clin Biomech 19 (2004), 145-152<br />
Crowe, A., M. M. Samson, M. J.<br />
Hoitsma, A. A. van Ginkel: The<br />
influence of walking speed on<br />
parameters of gait symmetry<br />
[7]<br />
determined from ground reaction<br />
forces. Hum Move Sci 15 (1996),<br />
347-367<br />
Feier, C., M. Lingner, R. Kauert, W.<br />
Liedecke, P. Weber: Vorrichtung<br />
zur Anordnung eines Sensors an<br />
einem Schuh. Offenlegungsschrift<br />
DE102004054220A1, 2004<br />
[8] Ferraris, F., U. Grimaldi, M. Parvis:<br />
Procedure for Effortless In-Field<br />
Calibration of Three-Axis Rate<br />
Gyros and Accelerometers. Sensor<br />
Mater 7 (1995), 311-330<br />
[9] Giakas, G., V. Baltzopoulos: Time<br />
and frequency domain analysis of<br />
ground reaction forces during walking:<br />
An investigation of variability<br />
and symmetry. Gait Posture 5<br />
(1997), 189-197<br />
[10] Herzog, W., B. M. Nigg, J. Read, E.<br />
Olsson: Asymmetries in ground<br />
reaction force patterns in normal<br />
880<br />
Verfügung, das eine differenzierte<br />
Betrachtung ganganalytischer Parameter<br />
auf <strong>der</strong> Grundlage <strong>der</strong> bis<br />
dato größten Datenbasis ermöglicht.<br />
Danksagung<br />
Das Autorenteam bedankt sich<br />
recht herzlich bei allen beteiligten<br />
Einrichtungen (n=62) und Proban-<br />
human gait. Med Sci Sports Exerc<br />
21 (1989), 110-114<br />
[11] Kavanagh, J. J., H. B. Menz: Accelerometry:<br />
A technique for quantifying<br />
movement patterns during<br />
walking. Gait Posture 28 (2008), 1-<br />
15<br />
[12] Kimura, T., H. N. E. Kobayashi, M.<br />
Hanaoka: Effects of aging on gait<br />
patterns in the healthy el<strong>der</strong>ly.<br />
Anthropol Sci 115 (2007), 67-72<br />
[13] Koenker, R., G. Bassett: Regression<br />
Quantiles. Econometrica 46<br />
(1978), 33–50<br />
[14] Leuchte, S., A. Luchs: Wie symmetrisch<br />
o<strong>der</strong> asymmetrisch ist <strong>der</strong><br />
normale beziehungsweise physiologische<br />
Gang in Abhängigkeit<br />
vom Alter? Phys Med Rehab Kuor<br />
16 (2006), 1-7<br />
[15] Menz, H. B., M. D. Latt, A. Tie<strong>dem</strong>ann,<br />
K. M. Mun San, S. R. Lord:<br />
Reliability of the GAITRite walkway<br />
system for the quantification<br />
of temporo-spatial parameters of<br />
gait in young and ol<strong>der</strong> people.<br />
Gait Posture 20 (2004), 20-25<br />
[16] Nigg, B., V. Fisher, J. L. Ronsky:<br />
Gait characteristics as a function<br />
of age and gen<strong>der</strong>. Gait Posture 2<br />
(1994), 213-220<br />
[17] Norlin, R., P. Odenrick, B. Sandlund:<br />
Development of gait in the<br />
normal child. J Pediatr Orthop 1<br />
(1981), 261-266<br />
[18] Ostrosky, K. M., J. M. Van Swearingen,<br />
R. G. Burdett, Z. Gee: A<br />
comparison of gait characteristics<br />
in young and old subjects. Phys<br />
Ther 74 (1994), 637-644<br />
[19] Öberg, T., A. Karsznia, K. Öberg:<br />
Basic gait parameters: reference<br />
data for normal subjects, 10-79<br />
years of age. J Rehabil Res Dev 30<br />
(1993), 210-223<br />
[20] Perry, J.: Gait Analysis, New York,<br />
Slack, 1992<br />
[21] Perry, J.: Ganganalyse, München,<br />
Jena, Urban & Fischer, 2003<br />
[22] Robinson, R. O., W. Herzog, B. M.<br />
Nigg: Use of force platform variables<br />
to quantify the effects of<br />
den (n=1860) für die Teilnahme an<br />
den Untersuchungen.<br />
Für die Autoren:<br />
PD Dr. phil. habil. René Schwesig<br />
Martin-Luther-Universität<br />
Halle-Wittenberg<br />
Department Sportwissenschaft<br />
06099 Halle/Saale<br />
chiropractic manibulation on gait<br />
symmetry. J Manipul Physiol Ther<br />
10 (1987), 172-176<br />
[23] Samson, W., G. Desroches, L.<br />
Cheze, R. Dumas: 3D joint dynamics<br />
analysis of healthy children’s<br />
gait. J Biomech 42 (2009), 2447-<br />
2453<br />
[24] Schwartz, M. H., A. Rozumalski, J.<br />
P. Trost: The effect of walking<br />
speed on the gait of typically developing<br />
children. J Biomech 41<br />
(2008), 1639-1650<br />
[25] Schwesig, R., D. Fischer, C. Hintze,<br />
A. Al Hasan, S. Leuchte: Einfluss<br />
<strong>der</strong> Streckenlänge auf die Messgenauigkeit<br />
eines inertialsensorbasierten<br />
Ganganalysemesssystems.<br />
In: VDR (Hrsg.), Qualität in <strong>der</strong><br />
Rehabilitation – Management,<br />
Praxis, Forschung. Tagungsband<br />
zum 19. Rehabilitationswissenschaftlichen<br />
Kolloquium vom 8.–<br />
10. März 2010 in Leipzig, 138-139<br />
[26] Senden, R., B. Grimm, I. C. Heyligers,<br />
H. H. Savelberg, K. Meijer:<br />
Acceleration-based gait test for<br />
healthy subjects: reliability and<br />
reference data. Gait Posture 30<br />
(2009) 192-196<br />
[27] Todd, F. N., L. W. Lamoreux, S. R.<br />
Skinner, M. E. Johanson, S. A.<br />
Moran, R. K. Ashley: Variations in<br />
the gait of normal children. A<br />
graph applicable to the documentation<br />
of abnormalities. J Bone<br />
Joint Surg Am 71 (1989), 196-204<br />
[28] Wheelwright, E. F., R. A. Minns, H.<br />
T. Law, R. A. Elton: Temporal and<br />
spatial parameters of gait in children.<br />
In: Normal control data. Dev<br />
Med Child Neurol 35 (1993), 102-<br />
113<br />
[29] Winter, D. A., A. E. Patla, J. S.<br />
Frank, S. E. Walt: Biomechanical<br />
walking pattern changes in the fit<br />
and healthy el<strong>der</strong>ly. Phys Ther 70<br />
(1990), 340-347<br />
Orthopädie-Technik 12/10