2018年第三期

可穿戴设备步态信息采集在老年人认知功能障碍评估中的应用

日期:2018-09-25

摘要

目的:阿尔茨海默病(AD)痴呆前阶段的预警与早期干预对于延迟发病、降低发病率具有重要意义。轻度认知功能障碍是AD痴呆前期的主要特征,而这一阶段的诊断方法尚未成熟。近年来的研究表明步态是认知功能的无创生物学指标,步态参数可用来评估个体的认知能力。本研究利用可穿戴设备对受试者进行步态信息采集,结合受试者的临床认知功能评定,探讨可穿戴设备在AD痴呆前阶段患者步态信息采集中的应用。方法:选取MMSE/MoCA量表评定具有认知功能障碍的受试者10例,利用可穿戴设备对受试者的日常步态进行采集,收集受试者人口学与临床量表评定信息。对比不同受试者的行走步态参数信息与认知评定结果,以及个体受试者的连续步态参数情况,探讨步态信息在认知功能评定中的应用可能。结果:利用可穿戴设备成功对10例受试者进行了连续跟踪步态信息采集并得到相关步态参数信息。其中认知功能评定结果较差的受试者在步相、步频与跨步时间等参数方面表现出异常。进一步的统计学分析结果需要在此初步研究的基础上扩大受试者数量与队列分组得出。结论:利用可穿戴设备对个体进行连续的步态信息采集与步态参数分析,结合临床认知功能评定在AD痴呆前阶段患者辅助诊断方面具有广阔前景。

Abstract

Objective Early warning and intervention in the pre-dementia stage of Alzheimer’sdisease (AD) are important for delaying the onset and reducing the incidence of AD. Mild cognitive impairment is a major feature of pre-dementia in Alzheimer’s disease, and the diagnosisat this stage is difficult. Recent studies have shown that gait is a non-invasive biological indicator of cognitive function, and gait parameters can be used to assess an individual’s cognitive ability. In this study, the gait information was collected from the subjects using wearable devices, and the clinical cognitive evaluation of the subjects wascombined to investigate the application of wearable devices in the gait information collection of patients with Alzheimer’s Disease dementia. Methods Ten patients with cognitive impairment were assessed with the MMSE/MoCA scale. The daily gait of the subjects was collected using wearable devices, and the demographic and clinical scale assessment information was collected. The gait parameter information and cognitive assessment results of different subjects and the continuous gait parameters of individual subjects were compared to explore the application of gait information in cognitive function assessment. Results Ten subjects were successfully tracked with gait information and the relevant gait parameter information was obtained using the wearable device. Subjects with poor cognitive function assessment showed abnormalities in parameters such as step phase, stride frequency and stride time. Further statistical analysis results need to expand the number of subjects and queues. Conclusion The use of wearable devices for continuous gait information collection and gait parameter analysis, combined with clinical cognitive function assessment, has broad prospects in the auxiliary diagnosis of patients with AD dementia.

关键词

步态 / 可穿戴设备 / 阿尔茨海默病痴呆前阶段 / 认知功能

Key words

Gait / Wearable devices / Pre-dementia stage of Alzheimer’s disease / Cognition

引用本文

陶帅 蔡华英 谢海群 田秋姣 魏鹏绪 吕泽平可穿戴设备步态信息采集在老年人认知功能障碍评估中的应用临床研究. 阿尔茨海默病及相关病杂志. 2018, 1(3): 174-179 https://doi.org/10.3969/j.issn.2096-5516.2018.03.004
TAO Shuai CAI Huaying XIE Haiqun TIAN Qiujiao WEI Pengxu LYU ZepingApplication of wearable devices for gait information collection inevaluation of cognitive impairment in the elderly. Chinese Journal of Alzheimer's Disease and Related Disorders. 2018, 1(3): 174-179 https://doi.org/10.3969/j.issn.2096-5516.2018.03.004

阿尔茨海默病(Alzheimer's disease, AD)是一种以进行性认知功能障碍为主要临床特征的中枢神经系统变性疾病,是老年人失智失能的主要原因。伴随全球老龄化进程的加剧和早发型AD的增多,AD已成为全球经济与卫生体系的沉重负担。AD的致病原因尚未明确,目前,以Aβ淀粉样蛋白沉积变性和tau蛋白过度磷酸化为主流致病机制学说,同时高龄与易感基因等是AD风险因素。然而,针对AD的治疗与药物研发尚无重大突破,只能缓解临床症状,并不能治疗和阻止AD的进程。2011年美国修订的NIA-AA诊断标准首次提出AD痴呆前阶段[1-2],即尚未出现临床症状的临床前阶段,这一标准的修订将AD的干预时期提前,强调临床前期至临床症状期的器质性病变演变过程,在痴呆前阶段采取干预手段,如早期药物干预和高风险因素的排除等,可能有效地延迟AD的发病,延缓病情进展,减少AD患者数目。
然而,由于AD痴呆前阶段缺乏有效的诊断指标与方法和这一阶段的疾病转归的不确定性,目前痴呆前阶段AD仍处于探索与科研阶段[3]。因此,深入研究AD发病机制,寻找有效特异的标志物,尤其是临床前期的变化指标等是实现AD临床前干预的前提。在AD临床发病前15~20年即开始发病进程,逐渐侵害认知功能,历经临床前期、早期(轻度认知功能障碍期)而最终发展至痴呆期。近年来研究表明,人行走时呈现的步态特征与信息能够反映人的认知功能情况[4],认知域累及的步态障碍常表现为谨慎步态、步态平衡性下降等特征[5]。本研究中采用一种基于惯性传感器原理的可穿戴设备(智能鞋),对受试者行走时的步态进行采集,横向对比各受试者间步态参数的差异,以及单个受试者的连续步态参数变化情况,结合受试者基本信息、MMSE和MoCA量表评定情况,探讨可穿戴设备采集步态信息与步态参数分析在临床前AD筛查中的应用可能性。

1 资料与方法

1.1 受试者的选择

选取2017年间在国家康复辅具研究中心附属康复医院神经内科就诊,主诉记忆障碍的患者10例,其中病例8为明显主观记忆功能下降就诊者。排除标准:肌力下降、视力状况影响行走能力、影响行动能力的外伤和手术;中枢神经系统的感染、外伤和脑部肿瘤疾患;严重的精神疾患;帕金森病和路易体痴呆等其他导致认知与步态障碍的疾病。本研究经院伦理委会批准并取得受试者签署的知情同意书。

1.2 方法

1.2.1 受试者人口学信息收集。

1.2.2 MMSE与MoCA认知功能评定量表的检测评估。

1.2.3 步态信息的采集

受试者穿戴智能鞋(图1),每日保证行走累积时间达到30 min以上,连续7 d进行步态信息采集。
图1 步态采集可穿戴设备示意图

Full size|PPT slide

1.3 步态信息处理与步态参数定义

对可穿戴设备采集的原始传感器参数进行滤波等数据处理,利用惯性导航相关算法提取排除干扰的步态参数信息[6],用于后续统计分析。受试者步态数据按时间数据包形式上传至云端。
各步态参数定义如下:
支撑相占比:是指下肢接触地面并承受重力的时间占步行周期的百分比。
步频:单位时间内行走的步数称为步频,以步数/分钟表示。
步速:单位时间内行走的距离称为步行速度,以米/秒表示,正常人平均自然步速约为1.2 m/s左右。
驱动指数:足尖离地时最大离地俯仰角度归一化值。
制动指数:足跟着地时最大着地俯仰角度归一化值。
驱动对称性:左右脚驱动能力对称性。
制动对称性:左右脚制动能力对称性。
跨步时间对称性:左右脚跨步时间对称性。
跨步时间变化率:跨步时间的标准差与跨步时间平均数的比值,是反映跨步时间稳定性指标。

1.4 统计学方法

采用SPSS14.0统计学软件处理数据,连续变量资料以�¯±�表示。参数间的相关性分析采用Pearson相关性分析,p< 0.01为有显著相关性。

2 结果

2.1 一般资料收集与认知功能量表评定

见表1。
表1 受试者一般人口学情况与认知功能评定
编号性别年龄身高/cm体重/kgMMSEMoCA学历
167152562318文盲
26816058.42621小学
37415551.52012初中
470157682722初中
571162502924小学
665155551716初中
777166782922专科
872160652929本科
984160602019本科
1062167832822本科

2.2 连续7日步态信息参数数据分析结果

见表2。
表2 受试者步态参数采集分析数据
编号支撑相占比步频步速制动指数驱动指数制动对称性驱动对称性跨步时间对称性跨步时间最大变化率
10.716±0.010101.71±2.7291.02±0.2690.96±0.0140.83±0.0551.02±0.0220.95±0.0420.99±0.0260.07
20.715±0.009107.73±6.6191.13±0.1030.86±0.0190.85±0.0461.09±0.0501.04±0.0201.00±0.0230.06
30.740±0.006104.89±4.1511.27±0.2570.93±0.0270.91±0.0220.95±0.0260.91±0.0241.00±0.0130.08
40.702±0.003119.62±4.0811.04±0.0870.91±0.0170.77±0.0181.04±0.0271.03±0.0310.99±0.0150.07
50.710±0.006114.53±2.7261.03±0.2650.90±0.0460.81±0.0320.91±0.0290.98±0.0271.01±0.0210.06
60.720±0.013102.41±4.3861.00±0.1050.77±0.0440.87±0.0520.95±0.0310.99±0.0231.00±0.0250.04
70.700±0.006115.37±5.0351.23±0.3770.82±0.0270.94±0.0631.04±0.050.98±0.0311.01±0.0340.05
80.700±0.029109.78±5.5910.94±0.2390.99±0.0210.71±0.0211.00±0.0240.91±0.0381.01±0.0350.03
90.740±0.018108.36±6.9750.96±0.0670.73±0.3200.91±0.0821.00±0.0381.06±0.0440.98±0.0610.06
100.710±0.024108.92±8.1491.09±0.1440.89±0.0320.88±0.0191.06±0.0361.02±0.0471.01±0.0530.06

2.3 MMSE/MoCA评分结果与步态参数的相关分析

见图2。
图2 MMSE/MoCA与支撑相占比相关性

Full size|PPT slide

2.4 对MMSE与MoCA评定分值与各步态参数进行相关性分析

其中步态参数中的支撑相占比与MMSE和MoCA分值的Pearson相关性分别为-0.799和-0.767,显著性分别为0.006与0.01。步态参数中的支撑相占比与认知评估结果呈显著相关性,且为负向相关(见图2),即认知功能较差的受试者在整个行走过程中与地面接触的时间较长,迈腿摆动时间较短。

3 讨论

步态的采集与分析研究由来已久,并在临床诊断、人物识别以及机械仿真方面具有广泛应用。步态是人行走过程整体情况,反映从规划运动、执行运动与结束运动的生物学过程,涉及神经系统、骨骼肌系统、心血管系统等多个系统协调发挥功能,因此步态在临床上具有广泛的应用价值。近年来,步态与认知功能的相关性研究较多,Rosano等[7]对步态与认知功能的机制进行了长期而深入的研究,他们首先发现前额区的体积减小反映在大脑信息处理能力下降并导致步速减慢[7];进一步探索机制研究表明,步态减慢和认知障碍有共同脑影像改变支持,即右侧海马体的缩小,这一机制的发现表明了长期步态减慢作为痴呆风险早期指标的价值[8]; Best等[9]团队进而进行了对无临床症状的老年群体的长期观察研究,结果发现步速下降是认知功能下降的先兆[9]
近年来,越来越多的研究表明认知功能与神经系统疾病可以反映在某些步态参数的改变。在AD与步态方面,研究显示在AD早期即可检测出步态的平衡性下降,同时在双任务执行时,步速显著降低等特征[10]。一项历时两年的,对轻度AD患者步态跟踪的研究表明,两年间个体步速与步长显著下降,步态的时间和空间不稳定性增加,跌倒风险提高[11]。在AD痴呆前阶段出现轻微至轻度的认知功能障碍,在影像学与生化学不具备检出的条件,行走过程涉及多系统的协调运动,而行走的执行规划能力与认知功能由共同的脑功能域控制,因此认知功能障碍的改变可在早期通过更为敏感的步态参数反映出来。对中晚期AD患者的步态研究发现,该阶段器质病变已累及额叶病,患者呈现明显的步速下降、步长变短和跨步时间变化率提高的特征[12-13]。另一方面,一项纳入43例接受多奈哌齐药物治疗的轻度AD患者的II期临床试验次要结果显示,经过4个月的治疗,轻度AD患者的步速从108.4±18.6提高到113.3±19.5 cm/s,P=0.010;双任务下,步速从80.6±23.0提高85.3±22.3 cm/s,P=0.028。步幅时间变化率(STV)的变化虽无统计学意义,但朝改善方向发展[14]。以上结果提示多奈哌齐可改善轻度AD患者的步态,同时步态可以成为AD等神经系统疾病治疗效果的评价指标。
传感器的小型化使得可穿戴式的步态采集设备成为可能,对比之前基于高速摄像原理的步态采集系统,具有采集信息更加准确、成本低廉、操作简便和应用场景更广等优势[15]。一项基于英国痴呆整合平台开展的多中心联合研究,旨在探讨以步态作为临床生物标志物,利用可穿戴式的三轴加速度计完成基于临床和日常生活的步态评估,结果表明受试者在研究期间具有良好的依从性,在医院和家中佩戴可穿戴设备具有便利性,并倡导未来更多的研究步态作为AD生物标志物的可能性[16]
本研究利用惯性传感器嵌入的智能可穿戴设备对有记忆障碍就诊的受试者进行了行走步态信息采集。结果显示这种智能可穿戴设备能够实时采集并上传受试者的步态信息包,经过数据的滤波处理与参数提取得到受试者的各项步态参数。结合受试者的基本人口学信息与认知评定分值分析显示,步态参数中的支撑相占比与受试者的认知功能呈显著负相关,提示认知功能较差的受试者在整个行走过程中与地面接触的时间较长,迈腿摆动时间较短。本研究为智能可穿戴设备采集受试者步态信息进而分析步态参数的初步试探性研究,亦存在许多局限性,因而受试者数目较少,采集时间较短,本次研究未发现其他步态参数与认知功能评定的显著关联性;另一方面,本研究采用了认知整体评估量表对受试者进行评测,没有细化认知功能域,同时本次研究的步态采集周期较短,连续而长期的步态参数变化更利于监测步态与认知功能的变化并探讨二者之间的关联。针对以上问题,下一步研究将以此次的步态采集情况与参数和认知评定分析为基础,扩大受试者规模,同时细分认知功能域评定,进行长期的观察研究与受试者随访工作,以期得出步态参数与认知功能之间的关系,以及二者在临床前AD方面的转化应用潜力。
现阶段针对AD等神经退行性病变尚无有效的治疗方法和药物,患者就诊时已发展为中晚期AD,因此早期筛查和降低高危因素对于延缓病情十分关键。在缺乏有效诊断方法的临床前AD阶段,步态可能成为一个有效的预测指标,进一步的多中心大规模研究和AD进程跟踪研究可揭示哪些步态参数是AD痴呆前的敏感特异指标,从而实现AD痴呆前阶段的诊断与早期干预,最终达到延迟发病,延缓AD进程的目的。

参考文献

[1]
McKhann GM, Knopman DS, Chertkow H, et al. The diagnosis of dementia due to Alzheimer’s disease: recommendations from the National Institute on Aging- Alzheimer’s Association workgroups on diagnostic guidelines for Alzheimer’s disease[J]. Alzheimers Dement20117(3): 263-269.
[2]
Sperling RA, Aisen PS, Beckett LA, et al. Toward defining the preclinical stages of Alzheimer’s disease: recommendations from the National Institute on Aging- Alzheimer’s Association workgroups on diagnostic guidelines for Alzheimer’s disease[J]. Alzheimers Dement20117(3): 280-292.
[3]
中国痴呆与认知障碍诊治指南写作组, 2018中国痴呆与认知障碍诊治指南(六): 阿尔茨海默病痴呆前阶段[J]. 中华医学杂志201898(19):1457-1460.
[4]
陶帅, 韩芳, 步态在老年认知功能障碍中的研究与应用进展[J]. 中国老年保健医学201715(5): 15-18.
[5]
Snijders AH, van de Warrenburg BP, Giladi N, et al. Neurological gait disorders in elderly people: clinical approach and classification[J]. Lancet Neurol20076(1): 63-74.
[6]
Tao S, Zhang X, Cai H, et al. Gait based biometric personal authentication by using MEMS inertial sensors[J]. J Ambient Intell Humaniz Comput2018: 1-8.
[7]
Rosano C, Studenski SA, Aizenstein HJ, et al. Slower gait, slower information processing and smaller prefrontal area in older adults[J]. Age Ageing201241(1): 58-64.
[8]
Rosano C, Studenski SA, Aizenstein HJ, et al. Slowing gait and risk for cognitive impairment: the hippocampus as a shared neural substrate[J]. Neurology201789(4): 336-342.
[9]
Best JR, Liu-Ambrose T, Boudreau RM, et al. An evaluation of the longitudinal, bidirectional associations between gait speed and cognition in older women and men[J]. J Gerontol A Biol Sci Med Sci201671(12): 1616-1623.
[10
Gras LZ, Kanaan, SF, McDowd, JM, et al. Balance and gait of adults with very mild Alzheimer disease[J]. J Geriatr Phys Ther201538(1): 1-7.
[11]
Cedervall Y, Halvorsen K, Aberg AC, et al. A longitudinal study of gait function and characteristics of gait disturbance in individuals with Alzheimer's disease[J]. Gait Posture201439(4): 1022-1027.
[12]
Gillain S, Drame M, Lekeu F, et al. Gait speed or gait variability, which one to use as a marker of risk to develop Alzheimer disease? A pilot study[J]. Aging Clin Exp Res201628(2): 249-255.
[13]
Castrillo, A, Olmos, LM, Rodríguez, F, et al. Gait disorder in a cohort of patients with mild and moderate Alzheimer’s disease[J]. Am J Alzheimers Dis Other Demen201631(3): 257-262.
[14]
Montero-Odasso M, Muir-Hunter SW, Oteng-Amoako A, et al. Donepezil improves gait performance in older adults with mild Alzheimer’s disease: a phase II clinical trial[J]. J Alzheimers Dis201543(1): 193-199.
[15]
TarniŢă D, Wearable sensors used for human gait analysis[J]. Rom J Morphol Embryol201657(2): 373-382.
[16]
Ardle R, Morris R, Hickey A, et al. Gait in mild Alzheimer’s disease: feasibility of multi-center measurement in the clinic and home with body-worn sensors: a pilot study[J]. J Alzheimers Dis201863(1): 331-341.