这是一篇开放获取的文章,根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上不受限制地使用、分发和复制,前提是正确引用最初发表在JMIR康复和辅助技术上的原创作品。必须包括完整的书目信息,https://rehab.www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
测量和调整与运动相关的关节负荷对下肢骨关节炎(OA)的治疗是不可或缺的。虽然传统方法依赖于在实验室或临床环境中进行的测量,但惯性传感器提供了在患者自然环境中量化这些结果的机会,提供了更大的生态有效性,并有机会开发大型运动数据集,以开发OA干预措施。
这篇叙述性综述旨在讨论和总结使用惯性传感器评估髋膝骨性关节炎患者日常活动中的运动的最新进展,并确定如何将其转化为改善这一人群的远程医疗保健。
2018年11月进行了文献检索,并于2019年7月和2021年3月使用PubMed和Embase数据库对过去5年内出版的关于髋和膝关节OA中惯性传感器的英文出版物进行了重复检索。搜索词包括办公自动化和可穿戴传感器。重复研究、系统综述、会议摘要和研究方案也被排除在外。1名审稿人筛选了搜索结果标题,删除了不相关的研究,2名审稿人筛选了研究摘要,以确定使用惯性传感器作为主要传感技术的研究和与运动质量相关的主要结果。此外,在2021年3月检索后,2名审稿人重新筛选了所有先前纳入的研究,以确认其与本综述的相关性。
从检索过程中,43项研究被确定为相关,随后被纳入本综述。惯性传感器已成功应用于评估OA的存在和严重程度(n=11),评估疾病进展风险并为步态再训练提供反馈(n=7),以及远程监测干预结果并识别对干预的潜在应答者和无应答者(n=14)。此外,研究还验证了惯性传感器在这些应用中的使用(n=8),并分析了用于测量不同感兴趣指标的最佳传感器放置组合和数据输入分析(n=3)。这些研究为髋关节和膝关节骨性关节炎的远程医疗监测和干预提供了希望,但许多研究集中在步行,而不是一系列日常生活活动,并且是在小样本(<100名参与者)和实验室中进行的,而不是在现实环境中进行的。
惯性传感器在髋部和膝关节骨性关节炎患者的远程监测、风险评估和干预传递方面显示出前景。未来的机会仍然是在日常生活的一系列活动中验证这些传感器,并优化传感器的放置和数据分析方法。
近年来,在患者自然环境中提供护理和评估结果取得了长足进步。2019冠状病毒病(COVID-19)大流行进一步产生了对远程卫生保健方法的需求,并加快了采用这种方法的速度。可穿戴传感器,用于描述可穿戴在身上的小型轻量测量设备[
骨关节炎是一种机械驱动的疾病,也是中老年人残疾的主要原因[
用于OA应用的最常见的可穿戴运动传感器是加速度计、陀螺仪和磁力计。加速度计测量沿敏感轴施加的加速度(即线速度变化率)[
本综述的目的是分析目前使用惯性传感器评估髋关节或膝关节骨性关节炎患者(包括接受关节置换手术的患者)日常活动中的运动的用途和局限性,并确定如何将其转化为改善这一人群的远程医疗保健。最后,我们重点讨论了潜在的未来应用和需要进一步开发的剩余领域。这一综述可用于指导当前的实践和进一步研究这些有前途的技术。
在这篇叙述性综述中,我们于2018年11月在PubMed和Embase数据库中进行了初步的文献搜索,并于2019年7月和2021年3月重复了搜索。用于搜索的关键词是(“IMU”或“惯性传感器”或加速度计或陀螺仪或磁力计或可穿戴式*或传感器)和(骨关节炎或关节炎或“TKR”或“TKA”或“膝关节置换术”或“膝关节成形术”)。
我们纳入了符合以下标准的研究:(1)用英语发表的原创研究,(2)在过去5年内发表的,(3)使用惯性传感器研究人体运动,(4)包括OA患者或膝关节置换术患者的数据。我们排除了使用惯性传感器研究其他相关结构(如睡眠质量和身体活动)但没有直接研究运动模式的研究。我们排除了那些专注于膝关节损伤但未诊断为膝关节骨性关节炎(如前交叉韧带撕裂和半月板损伤)的研究。重复研究、系统综述、会议摘要和研究方案也被排除在外。一名研究人员(SE或MJR)筛选了搜索结果标题,删除了与本综述不相关的研究。对于其余研究,由2名研究人员(SE和DK或MJR和KEC)阅读每项研究摘要,以确定是否应纳入该研究。最终的决定是由MJR、KEC和DK协商一致做出的。共有2位作者(SE和MJR)回顾了纳入的研究,并注释了关键信息,包括研究目标、研究人群、惯性传感器的细节、传感器使用的具体应用以及研究结果。在回顾这些信息后,我们根据研究目标对纳入的研究进行分类,以便为读者组织这篇综述。具体而言,我们将这些研究分为与惯性传感器测量的有效性和可重复性相关的研究(n=8), OA存在和严重程度的评估(n=11),与OA进展和步态再训练相关的运动模式评估(n=7), OA干预结果评估(n=14),以及传感器放置和数据分析(n=3)。 For each of these sections, we synthesized the findings from the included studies with a focus on applications, limitations, challenges, and possible future directions. Tables are presented for each section, summarizing the key information from the included studies. Detailed descriptions of the study and sensor applications can be found in tables in
我们的文献检索共确定了536篇论文,其中43篇被确定相关并纳入了本综述(
文献检索过程。
随着可穿戴技术用于运动质量评估的增加,有必要评估这些技术的可重复性和有效性(
惯性传感器测量运动的有效性和可靠性。
研究 | 人口 | 传感器 | 发现 |
布拉维等,2020年[ |
健康(n=10), THA一个(n=10), TKAb(n = 10) | 单一的IMUc(G-WALK, BTS生物工程)在主干上 | 单个IMU可可靠地测量拐杖患者的时空步态 |
查尔顿等人,2019年[ |
健康(n = 20) | 单一的IMUc(MPU-9150, InvenSense)嵌入鞋跟下的鞋底 | 在地上行走中测量足进角的可靠性好到极好 |
Fennema等人,2019 [ |
拟人化的幻影腿 | 2 IMUc(MetaMotionR, mbientlab)大腿和小腿 | 2个不同IMU位置的运动测量范围可接受的重复性 |
Hafer等人,2020 [ |
健康者(n=20)及膝关节OAd(n = 9) | 4 IMUc(OPAL, APDM)在脚,小腿,大腿和下背部 | 最小的IMU设置和可重复的方法可以准确地捕获步态指标 |
Ismailidis等人,2020年[ |
健康(n=45)和髋部OA (n=22) | 7 IMUc(reha步态,Hasomed)在骨盆,脚,小腿和大腿 | 验证商业IMU系统与文献中基于标记的髋关节OA和健康个体之间的数据差异 |
Ismailidis等人,2021年[ |
健康(46例)和膝关节OA(22例) | 7 IMUc(reha步态)在骨盆,脚,小腿和大腿 | 传感器能够区分膝关节骨性关节炎和健康人,以及单侧膝关节骨性关节炎的患侧和未患侧 |
Konrath等人,2019年[ |
健康(n = 8) | 17 IMUc(Xsens Awinda, Xsens Technologies BV) | 在膝关节内收力矩和胫股关节接触力计算之间发现中度到强Pearson相关系数 |
Zügner等,2019 [ |
那(n = 49) | 6 IMUe(GaitSmart, Dynamic Metrics Ltd)在髂嵴,大腿和小腿 | 验证imu测量平均骨盆倾斜和膝盖弯曲角度 |
一个全髋关节置换术。
bTKA:全膝关节置换。
cIMU:惯性测量单元(包括加速度计、陀螺仪和磁力计)。
d办公自动化:骨关节炎。
eIMU与加速度计和陀螺仪。
本综述中确定的惯性传感器最常见的应用之一是使用imu衍生的运动参数来确定髋关节或膝关节骨性关节炎的存在或严重程度(
惯性传感器和评估骨关节炎的存在和严重程度。
研究 | 人口 | 传感器 | 发现 |
Barrois等人,2016 [ |
健康(n=12),膝关节或髋关节骨性关节炎一个(n = 48) | 4 IMUb(MTw, Xsens Technologies BV)的脚,下背部和头部 | 发现OA严重组在双足水平加速度均数和均方根参数上的判别能力 |
De Brabandere等人,2020 [ |
髋部OA (n=20) | 单一的IMUc(三星Galaxy J5 2017,三星)手机内,附在臀部 | 训练机器学习管道估计髋关节和膝关节负荷;误差太大,不适合临床使用 |
Dindorf等人,2020 [ |
健康(n=27)和THAd(n = 20) | 7 IMUc(Awinda, Xsens Technologies BV)在脚,小腿,大腿和背部 | 自动提取的特征使机器学习在区分THA与健康个体时具有最佳的准确性 |
Ismailidis等人,2020年[ |
健康(n=48)和髋部OA (n=24) | 7 IMUb(reha步态,Hasomed)在骨盆,脚,小腿和大腿 | 在速度匹配条件下,髋关节OA与健康个体之间存在显著的髋关节和膝关节运动学变化 |
Ismailidis等人,2020年[ |
健康(n=28)及膝关节OA (n=23) | 7 IMUb(reha步态)在骨盆,脚,小腿和大腿 | 以自选速度行走时,各组间各时空参数均有显著差异 |
Na和Buchanan, 2021 [ |
健康(n=13)及膝关节骨性关节炎(n=26) | 5 IMUc(3D myoMOTION, Noraxon)在骨盆,大腿和小腿 | 线性加速度(显著)和猛跳(不显著)与自我报告的不稳定性呈负相关 |
Odonkor等人,2020 [ |
健康(n=10)及膝关节OA (n=10) | 2 IMUb(Shimmer3, Shimmer Sensing) | 站立和双支撑比是OA与对照组最一致的鉴别特征 |
Tadano等人,2016 [ |
健康(n=8)及膝关节骨性关节炎(n=10) | 7 IMUc(h -步态系统,北海道大学生物力学设计实验室)在骨盆,大腿,小腿和脚上 | 与健康对照组相比,骨性关节炎患者膝关节轨迹间的夹角几乎是前者的两倍 |
谷本等人,2017 [ |
健康(n=11)及膝关节骨性关节炎(n=12) | 单一的IMUc(MVP-RF8-GC-500, Microstone) | 两组之间在峰值柄角速度的任何参数上均无差异 |
Van der Straaten等人,2020 [ |
健康(n=12)及膝关节骨性关节炎(n=19) | 15 IMUb(MVN BIOMECH Awinda)全身 | 患有膝关节骨性关节炎的个体走路时躯干旋转明显减少,站立时摆动时骨盆内旋转减少,以及膝关节屈曲减少 |
Van der Straaten等人,2020 [ |
健康(n=12)及膝关节骨性关节炎(n=19) | 15 IMUb(MVN BIOMECH Awinda)全身 | 膝关节OA患者在执行单脚站立任务时,躯干外侧更倾向于对侧腿,髋部更倾向于屈曲 |
一个办公自动化:骨关节炎。
bIMU:惯性测量单元(包括加速度计、陀螺仪和磁力计)。
cIMU与加速度计和陀螺仪。
d全髋关节置换术。
其他研究使用更复杂的计算方法提取时空参数和关节运动学在行走过程中使用IMU数据。Ismailidis等人[
除了行走,imu还用于比较OA患者和对照组患者在其他日常活动中的运动模式。在同一队列的终末期膝关节骨性关节炎患者和对照组的2项研究中,van der Straaten等人[
本节的最后2项研究在IMU数据的后处理过程中使用了机器学习方法[
尽管区分患有和不患有骨性关节炎的人很重要,但能够在疾病过程的早期识别出有疾病恶化风险的个体将更有价值。为此,惯性传感器的另一个关键应用是使用这些相对低成本的传感器来量化之前与膝关节骨性关节炎进展相关的重要步态参数(
与骨关节炎进展和步态再训练相关的惯性传感器和运动模式评估。
研究 | 人口 | 传感器 | 发现 |
科斯特洛等人,2020 [ |
膝OA一个(n = 26) | 3 IMUb(Trigno IM Sensors, Delsys Inc)用于大腿、小腿中部和小腿远端 | 单腿传感器指标与内翻推力的替代测量相关,大腿中间内收速度与膝关节外内收力矩峰值显著相关 |
石井等,2020 [ |
膝关节OA (n=44) | 2 IMUc(WAA-010, ATR-Promotions)放置在胫骨和脚上 | 内侧半月板挤压变化与外侧推力呈正相关 |
Iwama等人,2021 [ |
膝关节OA (n=22) | 6 IMUc(TSND151, ATR-Promotions)用于骨盆、胸骨、小腿和大腿 | IMU框架的加速度峰值与KAM之间存在中度相关性,其中小腿IMU的值相关性最强 |
Karatsidis等人,2018 [ |
健康(n = 11) | 7 IMUb(MTw, Xsens Technologies BV)在骨盆,大腿,小腿和脚 | 足进角测量的准确性和重复性高,可穿戴式和实验室反馈设置之间的反馈有效性相似 |
Wang等,2020 [ |
健康(n=12),膝关节骨性关节炎(n=78) | 2 IMUc(DA14583, Dialog Semiconductor) | 两种机器学习算法高度准确( |
wda等人,2021 [ |
健康(n = 5) | 2 IMUb(MTw awanda, Xsens Technologies BV) | 良好的相关系数,以区分不同的足进角步行条件 |
夏等,2020 [ |
健康(n = 10) | 单一的IMUb(定制)嵌入鞋底 | 参与者能够在行走过程中对反馈做出反应,并采用目标足进角条件 |
一个办公自动化:骨关节炎。
bIMU:惯性测量单元(包括加速度计、陀螺仪和磁力计)。
cIMU与加速度计和陀螺仪。
在行走过程中使用不同的传感器配置来量化步态中的内翻推力;一项在大腿、小腿中部和小腿远端使用传感器的研究表明,大腿中部传感器指标与光学运动捕获推力测量相关,但其变异性小于小腿中部传感器[
步态再训练以改变与OA进展相关的参数是上述工作的自然后续。在膝关节骨性关节炎中,步态再训练通常旨在降低KAM [
人们对使用可穿戴技术远程监控OA干预后的数据也有相当大的兴趣(
惯性传感器和骨关节炎干预结果的评估。
研究 | 人口 | 传感器 | 发现 |
Bloomfield等人,2021年[ |
TKA一个(n = 82) | 4 IMUb(MetaMotionR, MBientLab)在大腿和小腿 | 随机森林模型仅使用传感器数据,不采用特征选择方法,能够以93%的准确率将响应者与维护者分开 |
布卢姆菲尔德等人,2019 [ |
TKA (n = 68) | 4 IMUb大腿和小腿 | 根据术前功能数据成功地将患者分为高功能和低功能短期恢复组 |
Bolink等,2016 [ |
健康(n=30)和THAc(n = 36) | 单一的IMUd(惯性链接,微应变)髂后上棘 | 低功能组和高功能组术前步态参数差异在术后3个月时消失 |
蒋等,2017 [ |
TKA (n = 18) | 2 IMUb(OPAL, APDM)大腿和小腿 | 术后不久接受不同止血剂的患者会出现不同范围的运动模式 |
Di Benedetto等人,2019年[ |
TKA (n = 26) | 4 IMUb(Bioval Movea) | 一种TKA种植体在旋转屈曲和自由度方面优于其他种植体 |
戈耶利斯卡等人,2020 [ |
健康者27例,TKA者54例 | 2 IMUb大转子和胫骨粗隆远端 | 不同康复方案对OA患者膝关节位置感影响无显著性影响e组 |
Grip等人,2019年[ |
健康(8例),THA(15例) | 5 IMUd(MoLab, AnyMo AB)在骨盆,大腿和小腿 | 大股骨头全髋关节置换术组比传统全髋关节置换术组屈曲活动范围更大 |
Hsieh等人,2020 [ |
那(n = 26) | 6 IMUd(OPAL)在胸部,背部,大腿和小腿 | 基于AdaBoost机器学习技术的定时和走时子任务分割准确率>90% |
克鲁格等人,2018年[ |
健康(n=24)、TKA (n=24) | 2 IMUd(Shimmer3, Shimmer Sensing)在每个脚上 | 可穿戴衍生指标与先前关于tka后人群步态功能的文献一致 |
Kobsar等人,2017 [ |
膝关节OA (n=39) | 4 IMUd(意法半导体iNEMO惯性模块)脚、小腿、大腿和背部 | 在预测髋关节强化计划的反应时,传感器数据比患者报告的结果测量更准确 |
科萨和费伯,2018年[ |
膝关节OA (n=8) | 4 IMUd(iNEMO惯性模块)脚,小腿,大腿和背部 | 需要平均84个主成分来描述与临床结果改善相关的95%的步态模式方差 |
Lebleu等人,2020年[ |
健康(n=12),膝关节骨性关节炎(n=14) | 7 IMUb(x-IMU, x-io Technologies)在腰部,大腿,小腿和脚 | 注射神经阻断剂后,节奏和步幅时间发生显著变化,趋向于健康个体的值 |
Menz等人,2016 [ |
第一例跖趾OA (n=97) | 4 IMUd(LEGSys, Biosensics)在大腿和小腿上 | 矫形器在时空和运动学参数上没有产生显著的变化,摇臂鞋底降低了节奏到较小的影响,增加了%站立时间,降低了矢状面髋关节ROM到中等的影响 |
Shah等人,2019年[ |
THA (n=10)和TKA (n=7) | 单一的IMUb(Lumo Lift, Lumo Bodytech)骨盆 | 原始数据比24小时汇总数据更能理解与患者报告的结果指标的相关性 |
一个TKA:全膝关节置换。
bIMU:惯性测量单元(包括加速度计、陀螺仪和磁力计)。
c全髋关节置换术。
dIMU单元与加速度计和陀螺仪。
e办公自动化:骨关节炎。
可穿戴传感器数据可以提供关于恢复的信息,超出主观变化测量所捕获的信息。Bolink等[
可穿戴传感器也被用于比较各种OA治疗的结果。迪·贝内代托等[
由于异质OA人群可能对干预措施产生不同的反应,预测对治疗的反应是一个令人兴奋的发展领域。例如,使用2个磨损的imu评估术前高步态功能可预测TKA后功能下降,这表明术前功能较低的患者获益更多[
本节讨论的大多数研究样本量小,有些是初步的。然而,这些研究证明了使用可穿戴传感器监测干预结果和预测干预反应的广泛可能性。
考虑到在髋关节和膝关节骨性关节炎或关节置换术人群中使用惯性传感器的研究中使用的各种不同参数和传感器配置,也有兴趣研究传感器配置和数据分析对结果的影响(
惯性传感器传感器布置和数据分析。
研究 | 人口 | 传感器 | 发现 |
Boekesteijn等人,2021 [ |
健康(n=27),膝关节骨性关节炎一个(n=25),髋部OA (n=26) | 4 IMUb(OPAL, APDM)在脚,腰椎和胸骨 | 步幅长度和节奏对OA组在转弯和行走时的双任务表现具有最强的影响大小 |
Sharifi等,2020 [ |
膝关节OA (n=14)和TKAc(n = 15) | 7 IMUd(Xsens Technologies BV)在骨盆,大腿,小腿和脚上 | 脚-大腿传感器组合被认为是测量时空步态参数的最佳方法 |
Teufl等人,2019 [ |
健康(n=24)和THAe(n = 20) | 7 IMUb(Xsens Technologies BV)在骨盆,大腿,小腿和脚上 | 关节角度在组间区分门的准确率为97%,时空指标的准确率为87.2% |
一个办公自动化:骨关节炎。
bIMU:惯性测量单元(包括加速度计、陀螺仪和磁力计)。
cTKA:全膝关节置换。
dIMU与加速度计和陀螺仪。
e全髋关节置换术。
除了各种传感器放置组合之外,还探索了分析惯性传感器数据的各种方法。Teufl等[
本综述旨在研究在患者自然环境中使用惯性传感器来评估髋关节和膝关节OA临床护理中的运动。我们确定了过去5年发表的惯性传感器在髋关节和膝关节骨性关节炎中的各种应用,包括评估骨性关节炎的存在和严重程度,评估和干预骨性关节炎进展的危险因素,跟踪干预结果,并确定最有可能对干预有反应的个体。虽然还需要进一步的工作来验证现实环境中的发现,并确定最佳的传感器放置和数据分析方法,但在髋关节和膝关节OA中的这些应用中使用惯性传感器可以改善远程研究和临床护理的机会,特别是考虑到COVID-19大流行导致的医疗保健格局的变化[
以前有两篇关于可穿戴传感器在骨关节炎或成形术后人群中的综述;然而,这些研究集中于非常具体的应用(步态分析或术后结果),而这篇综述试图评估惯性传感器在这些人群中的所有当前和潜在应用。Kobsar等人的范围综述[
最后,我们要承认这篇综述在当前研究和全球事件的更广泛范围内的及时性。撰写本文时,全球COVID-19大流行仍在继续[
在解释这篇综述的结果时,应该考虑到一些局限性。首先,尽管在本研究中,我们旨在提供可穿戴惯性传感器用于评估OA人群运动质量的各种应用的叙述概述,但叙述格式和搜索范围的变化可能导致所包括研究的选择偏差。为了降低选择偏倚的风险,2名研究人员(MJR和KEC)审查了最终搜索策略中所有确定的摘要,以寻找潜在的纳入,并额外审查了选择纳入早期搜索的研究,以确定它们是否符合更新的范围。其次,考虑到本综述的叙述形式,未对纳入研究的质量进行评估。第三,将检索限制在过去5年内发表的研究可能会导致排除在这一范围之外发表的相关研究。之所以做出这种务实的选择,是因为近年来关于可穿戴传感器的出版物数量显著增加,以介绍这一快速发展领域的当前结果。第四,在所纳入的研究中,传感器放置的显著可变性限制了我们就特定应用的最佳实践得出结论的能力。最后,这篇综述没有涉及患者和临床医生对可穿戴技术的看法。建议读者在实施惯性传感器评估OA人群的运动时考虑利益相关者的观点。
本综述的结果强调了可穿戴传感器在远程监测OA患者和识别可能需要干预的高危人群方面的潜力。然而,这项工作主要是在步行步态方面进行的,对其他类型的运动(弓步、楼梯升降、下蹲、坐立和单腿站立)进行的研究相对较少。[
此外,我们发现只有少数研究关注OA患者的运动模式训练,在我们确定的研究中,所有研究都关注步态再训练干预的可行性和有效性。围绕惯性传感器驱动的步态再训练或类似项目的大规模部署仍然存在问题。关于干预措施的有效性和可接受性的结论是有趣的。最后,尽管本综述中包括的一些研究报告了从惯性传感器数据中提取的指标具有良好的可靠性和有效性,但在本文综述的各种应用中使用了广泛的惯性传感器系统和提取的参数。继续研究最佳传感器的放置,以最好地捕获相关结果,同时对个体患者或参与者的负担最小,这可能会鼓励在现实环境中广泛使用这些系统来捕获生物力学数据。
使用惯性传感器来增强髋关节和膝关节OA的远程医疗保健存在多种机会。在过去的5年里,在这些人群中使用惯性传感器的研究主要集中在测量的有效性和可重复性、OA存在和严重程度的评估、与OA进展和步态再训练相关的运动模式的评估、OA干预结果的评估,以及传感器的放置和数据分析。虽然这些应用显示出巨大的前景,但还需要进一步的工作来研究惯性传感器在现实环境中的使用,在各种日常生活活动中,以及在髋部和膝关节骨性关节炎患者的更大样本中。
详细的研究表包括在论文的结果部分。关于研究人群(人口统计数据)、传感器使用和规格以及应用细节的附加信息。
脚进角
惯性测量装置
膝盖内收力矩
骨关节炎
活动范围
全髋关节置换术
全膝关节置换术
作者要感谢作者们,他们的工作被包括在这篇综述中。本刊报道的研究得到了来自美国国立卫生研究院的奖励号K01AR069720 (DK)、T32AR007598 (KEC)和F32AR076907 (KEC)的支持。美国国立卫生研究院(National Institutes of Health)没有参与研究设计;数据的收集、分析或解释;或者决定将手稿提交出版。
DK构思了这个研究。MJR, KEC, SE和DK选择期刊文章纳入。所有作者都参与了手稿的综合和批准。DK对工作的完整性负责。
没有宣布。