文章来源：Orthopedics:38:E-E.编译：窦智医院疼痛科

腰椎管狭窄症在超过65岁的腰椎手术患者中占很大比例。其诊断依靠体格检查和腰椎管狭窄的影像学证据。但导致患者症状的椎管狭窄阶段很难判断，本研究中作者采用步态分析的方法来提高诊断的准确率。目前已有的腰椎管狭窄症相关的步态分析研究，几乎都采用了昂贵的步态分析专用设备，例如地面反作用力测力板（groundreactionforceplate），不利于临床应用。此外，此类设备也难以获取患者行走过程中的运动学状态。因此，作者试图使用一种较为简单的运动分析(motionanalysis)方法，来识别并定量分析腰椎管狭窄症病人的步态特征。并在此基础上，构建SVM（一种源于现代统计学习理论的机器学习算法）分类器，用以对健康受试者和伴有L4/L5神经根病的腰椎管狭窄症受试者进行分类。

本研究分为两个阶段，阶段I，获取伴有L4/L5神经根病的腰椎管狭窄症患者的步态特征。阶段II，利用SVM对患者及健康受试者进行分类。本研究纳入13名健康受试者，以及33名有神经源性间歇性跛行的腰椎管狭窄症患者。健康受试者（5男；8女；平均年龄40.2岁）无会引发步态紊乱的神经性或关节等疾病。腰椎管狭窄症患者分为2组：L4神经根病（L4组）和L5神经根病（L5组）其中L4组有7男、4女（平均年龄70.2岁），L5组有9男、13女（平均年龄73.8岁）。将发光二极管制成的标记物固定于受试者患侧五个部位（肩峰、髂前上棘、腓骨头、外踝，以及第五跖骨头）（图1）。随后，所有受试者在跑步机上进行步行测试。如果受试者出现下肢疼痛而无法步行，作者将停止数据采集，如果受试者未感受到疼痛，受试者将步行5分钟。通过图1所示数码摄像机记录行走过程，截取测试停止前10s范围内的片段进行步态分析。作者主要

转载请注明原文网址：http://www.lbomw.com/kjscyy/11038.html