Advertisement

Manuelle Medizin

, Volume 56, Issue 2, pp 182–187 | Cite as

Laufbandbasierte Gangreferenzdaten für gesunde Probanden

Abhängigkeit von funktionellen und morphologischen Parametern
  • A. Lauenroth
  • K. Laudner
  • S. Schulze
  • K.-S. Delank
  • G. Fieseler
  • R. Schwesig
Originalien
  • 98 Downloads

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.

Schlüsselwörter

Diagnostische Techniken und Verfahren Gang Ganggeschwindigkeit Referenzdaten Belastungsuntersuchung Laufband 

Treadmill-based gait reference data for healthy subjects

Dependence on functional and morphologic parameters

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.

Keywords

Diagnostic techniques and procedures Gait Walking speed Reference data Exercise test Treadmill Diagnostics 

Notes

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.

Einhaltung ethischer Richtlinien

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.

Literatur

  1. 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 1:1CrossRefGoogle Scholar
  2. 2.
    Bohannon RW, Andrews AW (2011) Normal walking speed: a descriptive meta-analysis. Physiotherapy 97:182–189CrossRefPubMedGoogle Scholar
  3. 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) 19:145–152CrossRefGoogle Scholar
  4. 4.
    Cimolin V, Galli M (2014) Summary measures for clinical gait analysis: a literature review. Gait Posture 39:1005–1010CrossRefPubMedGoogle Scholar
  5. 5.
    Fischer D, Leuchte S, Schwesig R (2011) Einfluss der Ganggeschwindigkeit auf ausgewählte Gangparameter. Prax Physiother 4:228–233Google Scholar
  6. 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. 7.
    Hof AL, Elzinga H, Grimmius W et al (2002) Speed dependence of averaged EMG profiles in walking. Gait Posture 16:78–86CrossRefPubMedGoogle Scholar
  8. 8.
    Kirtley C (2006) Clinical gait analysis – theory and practica. Elsevier, EdinburghGoogle Scholar
  9. 9.
    Kirtley C, Whittle MW, Jefferson RJ (1985) Influence of walking speed on gait parameters. J Biomed Eng 7:282–288CrossRefPubMedGoogle Scholar
  10. 10.
    Lelas JL, Merriman GJ, Riley PO et al (2003) Predicting peak kinematic and kinetic parameters from gait speed. Gait Posture 17:106–112CrossRefPubMedGoogle Scholar
  11. 11.
    Mills PM, Barrett RS (2001) Swing phase mechanics of healthy young and elderly men. Hum Mov Sci 20:427–446CrossRefPubMedGoogle Scholar
  12. 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 123:278–282CrossRefPubMedGoogle Scholar
  13. 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 60:1304–1309CrossRefPubMedGoogle Scholar
  14. 14.
    Murray MP, Drought B, Kory RC (1964) Walking patterns of normal men. J Bone Joint Surg Am 46:335–360CrossRefPubMedGoogle Scholar
  15. 15.
    Murray MP, Kory RC, Sepic SB (1970) Walking patterns of normal women. Arch Phys Med Rehabil 51:637–650PubMedGoogle Scholar
  16. 16.
    Perry J (1992) Gait analysis. Slack, New YorkGoogle Scholar
  17. 17.
    Schwartz MH, Trost JP, Wervey RA (2004) Measurement and management of errors in quantitative gait data. Gait Posture 20:196–203CrossRefPubMedGoogle Scholar
  18. 18.
    Schwartz MH, Rotzumalski A, Trost JP (2008) The effect of walking speed on the gait of typically developing children. J Biomech 8:1639–1650CrossRefGoogle Scholar
  19. 19.
    Schwesig R, Leuchte S, Fischer D et al (2011) Inertial sensor based reference gait data for healthy subjects. Gait Posture 33:673–678CrossRefPubMedGoogle Scholar
  20. 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 27:183–190CrossRefPubMedGoogle Scholar
  21. 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 21:395–402PubMedGoogle Scholar
  22. 22.
    Whittle MW (2001) Gait analysis – an introduction, 3. Aufl. Butterworth-Heinemann, OxfordGoogle Scholar
  23. 23.
    Winter DA, Patla AE, Frank JS et al (1990) Biomechanical walking pattern changes in the fit and healthy elderly. Phys Ther 70:340–347CrossRefPubMedGoogle Scholar

Copyright information

© Springer Medizin Verlag GmbH, ein Teil von Springer Nature 2018

Authors and Affiliations

  • A. Lauenroth
    • 1
  • K. Laudner
    • 2
  • S. Schulze
    • 1
  • K.-S. Delank
    • 1
  • G. Fieseler
    • 3
  • R. Schwesig
    • 1
  1. 1.Department für Orthopädie, Unfall- und WiederherstellungschirurgieMartin-Luther-Universität Halle-WittenbergHalle/SaaleDeutschland
  2. 2.School of Kinesiology and RecreationIllinois State UniversityNormalUSA
  3. 3.Sektion Schulterchirurgie und SportorthopädieHelios Klinikum Warburg/Westf.Warburg/Westf.Deutschland

Personalised recommendations