Skip to main content
SpringerLink
Log in

Laufbandbasierte Gangreferenzdaten für gesunde Probanden

Abhängigkeit von funktionellen und morphologischen Parametern

Treadmill-based gait reference data for healthy subjects

Dependence on functional and morphologic parameters

  • Originalien
  • Published:
Manuelle Medizin Aims and scope Submit manuscript

Zusammenfassung

Hintergrund

Die klinische Ganganalyse ist ein etabliertes Verfahren zur Beurteilung des menschlichen Gangs. Die Ganggeschwindigkeit ist eine der wichtigsten Bezugsgrößen, die den Gültigkeitsbereich von kinematischen und kinetischen Gangparametern maßgeblich bestimmt. Ziel der Studie war es, geschwindigkeitsabhängige Referenzdaten für das Gehen auf dem Laufband unter Berücksichtigung von Geschlecht, Größe und Körpermasse zu erheben, da diese für eine valide Interpretation essenziell sind.

Probanden und Methoden

Auf einem dynamometrischen Laufband absolvierten 141 gesunde Probanden 3 unterschiedliche Ganggeschwindigkeiten (2, 4, 6 km/h) über jeweils 30 s. Sowohl kinematische als auch kinetische Parameter wurden mit dem Zebris FDM-TF1.8 System (Fa. zebris Medical GmbH, Isny, Deutschland) erfasst.

Ergebnisse

In 80 % (4/5) der kinematischen Gangparameter wurde ein signifikanter (η2 > 0,20) Einfluss der Ganggeschwindigkeit nachgewiesen. Dieser bewegte sich zwischen 89 % (Standphase: η2 = 0,887) und 98 % (Doppelschrittlänge: η2 = 0,982). Ein Geschlechtseffekt war bei 2 kinematischen Gangparametern (40 %) zu beobachten (Doppelschrittlänge: η2 = 0,209; Kadenz: η2 = 0,202).

Schlussfolgerung

Die Testergebnisse zeigen, dass die Ganggeschwindigkeit einen großen Einfluss auf die Kinematik des Gangs auf dem Laufband besitzt. Folglich sollte die Interpretation der Gangdaten in der klinischen Praxis unter Berücksichtigung der Ganggeschwindigkeit erfolgen. Die Verwendung einer standardisierten Geschwindigkeit wird für Längsschnittuntersuchungen dringend empfohlen.

Abstract

Background

Clinical gait analysis is an established component in the evaluation of human physiological and pathological gait. Walking speed is one of the most important determinants of kinematic and kinetic parameters, and velocity-specific reference data are thus essential for interpretation of results. The aim of this study was to evaluate kinematic and kinetic gait treadmill data with respect to velocity, gender, height, and body mass.

Subjects and methods

On a dynamometric treadmill, 141 healthy volunteers underwent three trials (30 s per trial) at walking speeds of 2, 4, and 6 km/h. Kinematic and kinetic parameters were obtained using the zebris FDM-TF1.8 Treadmill (zebris Medical GmbH, Isny, Germany).

Results

In 80% (4/5) of the kinematic gait parameters, a significant influence (η2 > 0.2) of walking velocity was demonstrated. This ranged from 89% (stance: η2 = 0.243) to 98% (stride length: η2 = 0.982). Gender effects were observed in two (40%) kinematic gait parameters (stride length: η2 = 0.209; cadence: η2 = 0.202).

Conclusion

Walking velocity has a large influence on the kinematics of gait on the treadmill. Therefore, clinical analysis of gait parameters should always be related to walking velocity. Use of a standardized velocity is highly recommended in a longitudinal investigation setting.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Log in via an institution

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

Abb. 1

Literatur

  1. Aoyagi K, Ross PD, Nevitt MC et al (2001) Comparison of performance-based measures among native Japanese, Japanese-Americans in Hawaii and Caucasian women in the United States, ages 65 years and over: a cross-sectional study. Bmc Geriatr 1:1

    Article  Google Scholar 

  2. Bohannon RW, Andrews AW (2011) Normal walking speed: a descriptive meta-analysis. Physiotherapy 97:182–189

    Article  Google Scholar 

  3. Cho SH, Park JM, Kwon OY (2004) Gender differences in three dimensional gait analysis data from 98 healthy Korean adults. Clin Biomech (Bristol, Avon) 19:145–152

    Article  CAS  Google Scholar 

  4. Cimolin V, Galli M (2014) Summary measures for clinical gait analysis: a literature review. Gait Posture 39:1005–1010

    Article  Google Scholar 

  5. Fischer D, Leuchte S, Schwesig R (2011) Einfluss der Ganggeschwindigkeit auf ausgewählte Gangparameter. Prax Physiother 4:228–233

    Google Scholar 

  6. Hegewald G (2000). Ganganalytische Bestimmung und Bewertung der Druckverteilung unterm Fuß und von Gelenkwinkelverläufen. Dissertation, Humboldt-Universität zu Berlin, Philosophische Fakultät.

    Google Scholar 

  7. Hof AL, Elzinga H, Grimmius W et al (2002) Speed dependence of averaged EMG profiles in walking. Gait Posture 16:78–86

    Article  CAS  Google Scholar 

  8. Kirtley C (2006) Clinical gait analysis – theory and practica. Elsevier, Edinburgh

    Google Scholar 

  9. Kirtley C, Whittle MW, Jefferson RJ (1985) Influence of walking speed on gait parameters. J Biomed Eng 7:282–288

    Article  CAS  Google Scholar 

  10. Lelas JL, Merriman GJ, Riley PO et al (2003) Predicting peak kinematic and kinetic parameters from gait speed. Gait Posture 17:106–112

    Article  Google Scholar 

  11. Mills PM, Barrett RS (2001) Swing phase mechanics of healthy young and elderly men. Hum Mov Sci 20:427–446

    Article  CAS  Google Scholar 

  12. Möckel G, Perka C, Labs K et al (2003) The influence of walking speed on kinetic and kinematic parameters in patients with osteoarthritis of the hip using a force-instrumented treadmill and standardised gait speeds. Arch Orthop Trauma Surg 123:278–282

    Article  Google Scholar 

  13. Montero-Odasso M, Schapira M, Soriano ER et al (2005) Gait velocity as a single predictor of adverse events in healthy seniors aged 75 years and older. J Gerontol A Biol Sci Med Sci 60:1304–1309

    Article  Google Scholar 

  14. Murray MP, Drought B, Kory RC (1964) Walking patterns of normal men. J Bone Joint Surg Am 46:335–360

    Article  CAS  Google Scholar 

  15. Murray MP, Kory RC, Sepic SB (1970) Walking patterns of normal women. Arch Phys Med Rehabil 51:637–650

    CAS  PubMed  Google Scholar 

  16. Perry J (1992) Gait analysis. Slack, New York

    Google Scholar 

  17. Schwartz MH, Trost JP, Wervey RA (2004) Measurement and management of errors in quantitative gait data. Gait Posture 20:196–203

    Article  Google Scholar 

  18. Schwartz MH, Rotzumalski A, Trost JP (2008) The effect of walking speed on the gait of typically developing children. J Biomech 8:1639–1650

    Article  Google Scholar 

  19. Schwesig R, Leuchte S, Fischer D et al (2011) Inertial sensor based reference gait data for healthy subjects. Gait Posture 33:673–678

    Article  Google Scholar 

  20. Schwesig R, Fischer D, Lauenroth A et al (2013) Can falls be predicted with gait analytical and posturographic measurement systems? A prospective follow-up study in a nursing home population. Clin Rehabil 27:183–190

    Article  Google Scholar 

  21. Stansfield BW, Hillman SJ, Hazlewood ME et al (2001) Normalized speed, not age, characterizes ground reaction force patterns in 5‑ to 12-year-old children walking at self-selected speeds. J Pediatr Orthop 21:395–402

    CAS  PubMed  Google Scholar 

  22. Whittle MW (2001) Gait analysis – an introduction, 3. Aufl. Butterworth-Heinemann, Oxford

    Google Scholar 

  23. Winter DA, Patla AE, Frank JS et al (1990) Biomechanical walking pattern changes in the fit and healthy elderly. Phys Ther 70:340–347

    Article  CAS  Google Scholar 

Download references

Danksagung

Das Autorenteam bedankt sich bei den Probanden für die engagierte Teilnahme an der Untersuchung sowie bei Dr. David Fischer und Steffen Müller für die Unterstützung bei der Datenerhebung.

Author information

Authors and Affiliations

  1. Department für Orthopädie, Unfall- und Wiederherstellungschirurgie, Martin-Luther-Universität Halle-Wittenberg, Ernst-Grube-Str. 40, 06120, Halle/Saale, Deutschland

    A. Lauenroth, S. Schulze, K.-S. Delank & R. Schwesig

  2. School of Kinesiology and Recreation, Illinois State University, Normal, IL, USA

    K. Laudner

  3. Sektion Schulterchirurgie und Sportorthopädie, Helios Klinikum Warburg/Westf., Warburg/Westf., Deutschland

    G. Fieseler

Authors
  1. A. Lauenroth
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. K. Laudner
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. S. Schulze
    View author publications

    You can also search for this author in PubMed Google Scholar

  4. K.-S. Delank
    View author publications

    You can also search for this author in PubMed Google Scholar

  5. G. Fieseler
    View author publications

    You can also search for this author in PubMed Google Scholar

  6. R. Schwesig
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to A. Lauenroth.

Ethics declarations

Interessenkonflikt

A. Lauenroth, K. Laudner, S. Schulze, K.-S. Delank, G. Fieseler und R. Schwesig geben an, dass kein Interessenkonflikt besteht.

Ein positives Ethikvotum der Ethikkommission der Martin-Luther Universität Halle-Wittenberg liegt vor.

Rights and permissions

Reprints and permissions

About this article

Check for updates. Verify currency and authenticity via CrossMark

Cite this article

Lauenroth, A., Laudner, K., Schulze, S. et al. Laufbandbasierte Gangreferenzdaten für gesunde Probanden. Manuelle Medizin 56, 182–187 (2018). https://doi.org/10.1007/s00337-017-0359-0

Download citation

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s00337-017-0359-0

Schlüsselwörter

Keywords

Search

Navigation