2. 中国康复研究中心 神经内科, 北京 100068
2. Department of Neurology, China Rehabilitation Research Center, Beijing 100068, China
据统计，全球超过10亿人身患残疾[1]。中国由于老龄化程度加深，残疾、失能人群占比不断增大[2-3]。卧床患者进行及时有效的运动康复治疗能提高肢体运动能力，防治褥疮、肌肉萎缩等并发症，从而提高他们卧床期间的生活质量[4-9]。目前，康复机器人已走出实验室，逐渐应用于临床，成为替代传统人工康复治疗的有效手段。失能老人比例的上升使得卧姿康复机器人需求量越来越大。然而，卧姿康复机器人目前临床使用率仍较低，主要原因在于卧姿康复训练的康复机制研究较少，缺乏明确的理论指导，运动功能较为单一，康复效率还有待提高。
国内外众多学者利用运动生物力学模型对难以测得的人体参数(如肌肉力)进行计算[10-12]，从而探索不同动作对人体肌肉关节的作用与康复机制。例如，Steele等[13]探究了蹲伏步态的支撑期肌肉对质心加速度和关节角加速度的作用规律，为步态异常患者的力量训练、手术决策等干预措施提供建议；Washabaugh等[14]研究了不同加阻形式对关节力矩、功率和肌肉激活的影响，为步态障碍患者选择合适的步态阻力训练提供依据。此外，也有一些学者对跑步[15]、跳跃[16]动作的生物力学特性进行了分析。Caruthers等[17]研究了成年人从坐位到站位转换过程的肌力变化规律以及不同肌群对质心加速度变化所做的贡献，用于评估老年人与骨关节炎患者的代偿策略，进而制定针对性干预措施。学者们还建立了人体上肢肌骨模型进行生物力学参数模拟计算[18-19]。然而，几乎没有学者对卧姿康复动作进行过相关仿真研究。
综上，本文筛选了仰卧踏车、仰卧抬腿、侧卧抬腿3种典型卧姿康复运动，并设计人体卧姿实验。基于OpenSim建立卧姿肌肉骨骼模型，通过数据采集测量与模型仿真计算相结合的方法探究不同卧姿康复动作的生物力学特征，以及运动速度、幅度等因素对运动学与生物力学表现的影响，为多功能卧姿康复机器人的方案设计提供理论指导。
1 方法 1.1 研究对象与动作选取10名青年受试者，6男4女，年龄(24.10± 1.45)岁，身高(171.00±7.69) cm，体重(66.40±13.02) kg。所有受试者均身体健康，无下肢关节病史与运动功能障碍。实验前所有受试者均签署知情同意书。
本实验选取了卧床患者康复治疗的3种典型动作：仰卧踏车、仰卧抬腿、侧卧抬腿。每种动作再进一步细分, 以探究不同因素的影响：
1) 仰卧踏车运动按踏车摆放位置的近、中、远3个距离分别进行。中距离定义为受试者主观感觉踏车最舒适的位置，远距离为受试者踏车过程最小屈膝角度接近0°的位置，近距离为受试者踏车过程最大屈膝角度接近145°的位置(即大小腿接近折叠)。受试者平躺于地面，双脚与无阻尼轻质踏车踏板绑定，进行顺时针圆周蹬踏运动。踏车仅起到约束受试者足部轨迹的作用，近似认为受试者与踏板的相互作用力为0 N。
2) 仰卧抬腿运动按速度分为适中、快速(抬腿角度与“适中”一致，但速度加快) 2个动作。受试者平躺于地面，自主抬起双腿后放下。
3) 侧卧抬腿运动按照速度与幅度分为适中、快速(抬腿角度与“适中”一致，但速度加快)、大幅度(抬腿速度与“适中”一致，但需抬高到自身极限活动角度)。受试者侧躺于地面，抬起惯用侧腿后放下。以下未加特别说明均为惯用侧肢体所对应的参数。
本文中，受试者完成3种动作的“适中”组时，均采用主观感觉最舒适的节奏完成，包括速度与幅度。主要关注的关节运动方向分别为：髋关节的屈伸与内收外展、膝关节的屈伸、踝关节的跖屈背伸与内翻外翻。
1.2 数据采集运动学数据采用具有8个摄像头的Vicon红外高速摄影系统(Vicon Motion System, UK)采集，采集频率为100 Hz。选取20个标志点对受试者躯干与下肢部位进行运动跟踪，标志点布局如图 1所示。肌电信号使用Noraxon表面肌电同步采集系统(Noraxon, USA)采集，采集频率为1 500 Hz。选取受试者惯用侧肢体的股直肌与股二头肌进行肌电(electromyography, EMG)信号采集，并与仿真计算结果进行对比。实验时，先测量受试者股直肌与股二头肌的最大自主收缩(maximal voluntary contraction，MVC) EMG信号。随后，受试者分别完成上述8个卧姿动作(仰卧踏车3个，仰卧抬腿2个，侧卧抬腿3个)，每个动作重复3次，对3次动作数据取均值，进行结果分析。
|
| 图 1 仿真模型动作捕捉标志点粘贴方案(左侧)、实验时肌电极与动作捕捉标志点粘贴(右侧)示意 |
1.3 仿真模型建立
OpenSim中大部分下肢肌肉骨骼模型用于步行与跑步动作的分析，模型的髋、膝关节活动范围小(最大屈髋与屈膝角度均为120°)，模拟更大活动角度运动时存在较大偏差。Catelli等[20]通过在下肢肌肉骨骼处添加路径包络面，重新搭建了具有更大关节运动范围的全身模型。本文将OpenSim原有的Gait_2392步态模型与Catelli等的模型结合建立新模型，既简化模型上半身对应的肌肉与骨骼，又能保证模型髋、膝关节活动范围满足实验动作的需求。新模型具有23个关节自由度、92块深层与表层的肌肉，最大屈髋角度为138°，最大屈膝角度为145°。
此外，由于本实验均在卧姿状态下进行，受试者进行指定运动时上半身与地面会产生接触力，该接触力无法采用力台准确测得。接触力数据缺失会造成仿真模型质心处残差过大，进而导致力学计算结果不准确。过去有学者在研究步态运动时采用足-地Hunt-Crossley接触力模型来预测地反力变化[21-22]，但对于本实验，由于受试者与地面接触面积大，接触力模型参数无法准确定义，因此上述模型并不适用。为解决这个问题，本文在模型上半身躯干与地面之间添加焊接约束(weld constraint)，将模型上半身固定于地面。仿真计算结果的准确性将在2.1节进行验证。实验与仿真过程如图 2所示。
|
| 图 2 受试者进行不同卧姿动作时实验与仿真图 |
1.4 数据处理与仿真模拟
实验测量的运动学数据在专用软件Vicon Nexus 1.8.5中直接处理，得到各标志点在运动过程中的空间位置变化数据，并得到运动过程中躯干平行于地面的位移量(相对于人体将位移方向定义为左右与前后)。再将位置数据导入OpenSim 4.0软件中，通过逆运动学、逆动力学、静态优化工具模拟计算关节角度与肌肉激活度。将肌肉激活度数据进一步处理得到不同动作一周期内的均方根(root mean square, RMS)值。为了便于肌肉激活度分析，本文参考Chen等[23]的方法，将功能相似、解剖学位置相近[24]的肌肉合并分析，对同一组内的肌肉激活度求均值，包括：POSAS(腰大肌、髂肌)、GL(臀大肌、臀中肌、臀小肌、梨状肌)、ADD(大收肌、长收肌、短收肌)、TFL(阔筋膜张肌)、SA(缝匠肌)、RF(股直肌)、VAS(股外侧肌、股中间肌、股内侧肌)、BF(股二头肌)、SOL(比目鱼肌、胫骨后肌)、TA(胫骨前肌)、GAS(腓肠肌)、EL(趾长伸肌、拇长伸肌)、PER(腓骨长肌、腓骨短肌)。
EMG数据在Delsys EMGworks analysis 4.3.1.0中依次进行去平均、全波整流、50~500 Hz四阶Butterworth带通滤波、平滑、幅值与时间归一化处理，得到受试者进行卧姿运动时股直肌与股二头肌2处肌肉激活度实验数据。进一步将实验数据与仿真得到的肌肉激活度数据进行对比，以一个动作周期肌肉激活度平均绝对误差值(mean absolute error, MAE)为指标评估模型计算结果的准确性[19, 25-26]。MAE计算公式为
| $\mathrm{MAE}=\frac{1}{n} \sum\limits_{i=1}^n\left|\mathrm{MA}_i-\mathrm{EA}_i\right| . $ | (1) |
式中: n表示一个动作周期内采样时间步的数量，MAi表示第i个采样点实验测得的肌肉激活度，EAi表示第i个采样点仿真计算得到的肌肉激活度。
采用SPSS 20.0对实验数据进行统计学分析。使用配对样本t检验进行事后多重比较。进行Bonferroni调整后，两两比较每种运动在适中强度下因变量的差异，再以适中强度为参考，进一步比较同一动作时运动速度、运动幅度产生的差异。显著性水平均设为P=0.05。
2 结果 2.1 仿真模型验证 2.1.1 残差验证首先，采用静态优化后的残差值对本文所建立的模型质量进行评定。对10名受试者的所有卧姿动作进行静态优化分析后，得到的质心处力与力矩最大残差值如表 1所示。一般认为，力最大残差值在0~10 N时模型质量为优，10~25 N时质量良好；力矩最大残差值在0~50 N·m时模型质量为优，50~75 N·m时质量良好[27]。从表 1可以看出，除了模型y方向(重力方向)的力最大残差值偏高(12.54 N)，其余力与力矩最大残差值均在“优”范围内，可见模型整体质量较好。
2.1.2 MAE验证
采用MAE值对仿真准确度进行评估，计算结果如表 2所示。一般认为，MAE值小于0.1时模型计算准确度最佳，处于0.1~0.2时计算准确度良好，大于0.2时计算准确度较差。从表 2的结果来看，本文所建立的模型对股二头肌激活度有极佳的计算准确度(0.023 3)，对股直肌激活度有较好的计算准确度(0.107 2)，总体表现较优(0.065 3)。
| 肌肉 | 踏车 | 仰卧抬腿 | 侧卧抬腿 | 平均 | |||||||
| 近距离 | 适中 | 远距离 | 适中 | 快速 | 适中 | 大幅度 | 快速 | ||||
| 股二头肌 | 0.006 5 | 0.009 2 | 0.003 0 | 0.065 3 | 0.056 1 | 0.002 2 | 0.006 3 | 0.008 0 | 0.023 3 | ||
| 股直肌 | 0.059 7 | 0.043 1 | 0.044 4 | 0.147 7 | 0.178 3 | 0.063 9 | 0.099 5 | 0.128 1 | 0.107 2 | ||
| 平均 | 0.033 1 | 0.0262 | 0.023 7 | 0.106 5 | 0.117 2 | 0.033 1 | 0.052 9 | 0.068 1 | 0.065 3 | ||
2.2 运动学数据
受试者在一个动作周期内各关节的活动度(range of motion, ROM)、躯干相对于地面平移量、单次动作用时等运动学数据如表 3所示。
| 动作 | 强度 | 髋 | 膝 | 踝 | 左右窜动/mm | 前后窜动/mm | 单次动作用时/s | ||||
| 屈伸/(°) | 内收外展/(°) | 屈伸/(°) | 跖屈背伸/(°) | 内翻外翻/(°) | |||||||
| 踏车 | 适中 | 30.19±1.74bc | 7.94±0.95c | 41.51±4.46bc | 19.52±4.04bc | 9.81±3.74 | 11.02±2.79c | 10.22±4.55b | 2.35±0.24bc | ||
| 近距离 | 32.50±2.27* | 9.51±7.17 | 35.95±5.31* | 18.61±7.41 | 9.66±3.65 | 14.04±3.78* | 9.32±3.69 | 2.22±0.11 | |||
| 远距离 | 36.03±4.88* | 8.09±2.13 | 58.43±5.27* | 23.42±4.02* | 16.60±5.10* | 11.80±6.21 | 14.72±4.81* | 2.57±0.75 | |||
| 仰卧抬腿 | 适中 | 51.90±16.57ac | 5.88±1.62c | 11.69±3.75a | 4.81±3.25a | 11.13±3.43 | 8.36±3.64c | 39.37±14.55ac | 4.51±0.65a | ||
| 快速 | 58.04±21.10 | 5.97±1.46 | 11.34±4.24 | 5.86±3.50 | 10.05±3.53 | 12.39±5.99 | 54.56±24.82 | 1.90±0.16* | |||
| 侧卧抬腿 | 适中 | 20.58±6.00ab | 35.37±8.01ab | 14.58±9.62a | 3.79±3.43a | 11.90±3.31 | 16.64±3.28ab | 10.93±6.11b | 4.33±0.85a | ||
| 大幅度 | 26.20±4.25 | 54.37±3.40* | 13.88±3.76 | 7.83±4.88 | 15.86±1.65 | 26.85±3.26* | 30.33±6.98* | 5.15±0.24 | |||
| 快速 | 25.14±5.73 | 39.96±7.78 | 9.58±3.63 | 5.81±3.80 | 12.68±3.86 | 24.18±6.12 | 15.66±2.16 | 1.83±0.41* | |||
| 注：*同一动作分类下的变量对因变量有显著影响；a在适中运动强度下与踏车动作具有显著差异；b在适中运动强度下与仰卧抬腿动作具有显著差异；c在适中运动强度下与侧卧抬腿动作具有显著差异。 | |||||||||||
由表 3可知，受试者在进行踏车运动时，比另2种动作具有更大的膝关节屈伸活动度与踝关节跖屈背伸活动度；在进行抬腿运动时，受试者具有更大的髋关节屈伸活动度与相对于地面的前后窜动量；在进行侧卧抬腿运动时，受试者具有更大的髋关节内收外展活动度与相对于地面的左右窜动量。在这3种动作中受试者的踝关节内翻/外翻活动度没有显著区别。
踏车安放距离越远，髋、膝关节的屈伸活动度与躯干相对地面的窜动量越大，且具有显著性差异。踝关节跖屈/背伸与内翻/外翻活动度也随距离增大有增加的趋势。不同距离踏车时受试者运动速度差异不显著。
对于抬腿运动，以不同速度抬腿所花时间具有显著差异，下肢关节活动度不具有显著性差异，符合实验设定要求。不同位姿下(仰卧与侧卧)受试者完成一周期抬腿动作的时间趋于一致。对于侧卧抬腿运动，当受试者以同样的速度将腿抬高到极限位置时，受试者髋关节内收/外展活动度显著增大，10位受试者的髋关节极限外展角度为(47.35±4.31)(°)，同时受试者躯干窜动量也显著增大。
图 3展示了受试者分别在近、中、远3个距离下进行踏车运动时，右侧膝关节角度的变化过程(选定右脚离躯干最近的位置为动作起点，膝关节角度绝对值越大，屈膝程度越大)。可以看出，踏车安放距离不同时受试者屈膝角度有着显著的区别，而受试者对于踏车舒适安放位置的主观感受趋于一致，符合实验设定要求。10位受试者于适中距离踏车时最大屈膝角度在108.36°左右波动，进一步说明膝关节屈曲角度是衡量踏车旋转中心安放位置舒适度的有效指标。
|
| 图 3 不同距离踏车时膝关节角度变化过程 |
2.3 肌肉激活度
将OpenSim静态优化计算结果进一步处理，得到受试者在一个动作周期内进行不同动作时肌肉激活度RMS值，如图 4所示。
|
| 注：a在适中运动强度下与踏车动作具有显著差异；b在适中运动强度下与仰卧抬腿动作具有显著差异；c在适中运动强度下与侧卧抬腿动作具有显著差异；*同一动作分类下的变量对因变量有显著影响。 图 4 进行一周期不同动作时肌肉激活度RMS值 |
由图 4可以看出，完成不同动作时相关肌肉激活的表现各不相同。踏车运动相较于仰卧抬腿运动与侧卧抬腿运动，肌肉的整体激活度偏低，远距离踏车时股直肌的激活度最大(20.41±4.38)%。随着踏车安放距离的增加，大部分肌肉的激活度随之增大，其中髂腰肌、缝匠肌、股二头肌、胫骨前肌的变化差异最为明显，股直肌在近距离踏车时激活程度显著降低，与中距离数据相比有显著差异。
仰卧抬腿运动时，髂腰肌、缝匠肌、股直肌具有较为突出的激活表现，最大肌肉激活度为(34.70±9.25)%，股内侧肌、股外侧肌、股中间肌也有较优的激活度，且差异显著。抬腿速度加快，POSAS、GL、ADD、RF、BF、TA、GAS、EL、PER等肌群的肌肉激活度均显著增大，而TFL与SA肌群的肌肉激活度显著降低。
侧卧抬腿运动时，臀大肌、臀中肌、臀小肌、梨状肌、阔筋膜张肌、缝匠肌、股二头肌、胫骨前肌、拇长伸肌、趾长伸肌相对另2种动作具有更显著的肌肉激活度，最大肌肉激活度为(43.23±6.07)%。运动速度加快时，POSAS、SA、RF、TA、EL肌群的肌肉激活度显著增大；运动幅度加大时，POSAS、GL、BF、TA、EL、PER肌群的肌肉激活度显著降低，SA与RF的肌肉激活度显著增加。
3 讨论 3.1 不同动作特征对比仰卧抬腿与侧卧抬腿分别以髋屈伸与髋内收外展作为主要活动方向，在运动过程中对相应的关节与肌群有着明显的激活作用。仰卧抬腿主要对髋关节屈肌具有较好的激活作用，包括髂腰肌、股四头肌、缝匠肌；侧卧抬腿主要对髋关节外展肌群具有较好的激活作用，包括阔筋膜张肌、臀肌、梨状肌、缝匠肌。这与以往通过EMG测量得到的结论一致[28-29]。同时，本文进一步得到了更深层肌肉的激活度结果。仰卧抬腿与侧卧抬腿常在康复最早期进行，以产生适当的神经肌肉控制与肌力来支持后期的功能锻炼[28]。它们还常用于膝关节受损或膝关节术后患者的康复中[29-30]，以减轻膝关节活动的负荷。踏车运动具有多关节协同运动的特点，能同时锻炼髋、膝、踝3个关节以及相应肌群。已有研究发现，踏车运动与步态具有相似的肌肉协同模式，对控制步态活动的相关肌群神经通路具有激活与重塑作用[31]，因此踏车运动常作为一些卧床患者进行步态训练前的主要康复措施。此外，由于受试者运动过程中仅受重力影响，运动阻力小，因此肌肉激活度整体偏低，与踝关节活动相关的小腿肌群的激活度明显低于髋肌与大腿肌群。已有研究表明，受试者进行有阻力的踏车训练时，踝关节力矩更大，相应的小腿肌群激活度也更高[32]，更有利于患者恢复行走功能。
本文还分析了不同动作下躯干平行于地面的窜动量，用于评估相应动作导致患者产生压疮的风险程度。若在患者在康复过程中与病床有过多的摩擦，则产生压疮或加重压疮的可能性增大，进而造成患者的不适，不利于他们积极参与康复治疗，因此要尽量避免训练时产生过大的位移。患者进行自主抬腿运动时，虽然能有效锻炼髋关节与相应肌群，但造成的躯干窜动也相对于踏车运动更明显，而随着运动速度与幅度的加大，窜动量存在一定增大，因此在卧床康复时，对康复动作的幅度与速度应当有严格控制。
3.2 运动幅度与运动速度的影响本文进一步探讨了运动幅度对踏车与侧卧抬腿2种动作的影响。对于踏车而言，踏车转轴中心距受试者距离越远，受试者关节活动范围与幅度越大，受试者的肌肉激活度大体上也随之变大，具有更好的锻炼效果。但是，随关节活动范围变大，受试者相对地面的窜动量也会变大。有文献记载，当骑车过程中膝关节最小屈曲角度<30°时，易引发髂胫束综合症[33-34]。为避免此类风险，建议患者在进行卧床踏车康复时足部不要离躯干过远。
对于侧卧抬腿运动，本文发现单次抬腿角度的增加虽然有助于提升关节活动度，但并不利于整体肌肉激活度的增大。其原因在于受试者自主进行侧卧抬腿运动时阻力来自下肢重力分量，抬腿角度越高，重力分量越小，肌肉发力也就越小。因此，大幅度抬腿一个周期内肌肉峰值激活度与适中幅度抬腿无太大区别，但全过程激活度的RMS值会显著降低，同时过大幅度的侧卧抬腿还会造成受试者躯干窜动量的显著增加。进一步地，本文也合理推测大幅度仰卧抬腿同样会有相似的表现。此外，实验中观察到股直肌与缝匠肌在大角度抬腿中具有更高激活度，原因在于受试者侧卧抬腿到极限角度时，腿部姿态会有更大的髋外旋与髋屈曲改变，导致缝匠肌与股直肌激活度增大。但是，这种姿态变形导致的激活度增加不能作为康复依据考虑。因此，建议患者在抬腿康复训练时，不必追求过大的运动幅度，以避免训练效率降低或在训练过程出现不适。
针对仰卧抬腿与侧卧抬腿2种运动，本文还探究了运动速度对其生物力学表现的影响。由计算结果可知，受试者运动速度提高后，肌肉激活度大体上得到了显著提升，这与以往的理论计算结果一致[35]。但是，髋关节外展肌群缝匠肌与阔肌膜张肌激活度显著降低，原因在于受试者在快速仰卧抬腿过程中具有更明显的髋关节内旋运动，从而限制了髋关节外展的活动。此外，运动速度加快会导致躯干窜动量增大。同时，对于卧床患者而言，康复速度过快会增大受伤的风险。因此，本文认为在实际制定康复训练方案时，应结合患者的实际身体状况，在患者能力范围内适当加大动作频率，以达到更好的训练效果。
3.3 样机研发本文为卧床患者康复方案的制定以及下肢康复机器人的设计提供了可靠的理论依据，本文作者所在团队在本研究基础上已研发出集成仰卧踏车、仰卧抬腿、侧卧抬腿3种运动功能的下肢康复装置[36]并完成样机的加工生产，如图 5所示。样机克服了传统康复机器人治疗手段单一的问题，能满足不同卧床患者的康复需求，为患者提供精确、重复性高的康复辅助。下一步工作将围绕样机临床有效性验证展开。
|
| 图 5 卧姿下肢康复样机 |
3.4 局限性与展望
本研究仍存在一些局限。首先，在进行仿真计算时，忽略的人体躯干窜动量以及受试者与踏车之间的轻微交互力，会对运算结果造成一定影响。其次，OpenSim静态优化工具是基于当前时刻模型的运动状态与外部条件估算得出各肌肉激活度，采用了优化算法，而实际上肌肉募集形式在个体间可能存在一定程度的差异。最后，本实验探究的是身体健康的青年受试者自主进行卧姿运动，而实际情况下卧床患者的年龄、身体状况[37-38]等因素会导致他们的肌肉骨骼模型与本实验模型有区别。因此，未来的模型可再进一步优化、扩展与改进，以提升计算的准确性，并依据个体差异对模型参数进行个性化调整修改，以更好地拟合实际情况。此外，自主运动比辅助运动具有更大的肌肉激活效果。卧床患者的运动康复以外界辅助的被动运动为主，为了更深入地探究辅助运动对他们肌肉骨骼系统的益处，本文模型可进一步推广应用于模拟患者与更加复杂的外界环境进行交互，探究在专业治疗师或专门的训练仪器辅助下进行康复活动时的运动学与生物力学规律，高效地探索不同因素对临床康复效果的影响，为未来实现医护系统的数字孪生提供基础。
4 结论本文旨在设计人体测量实验、建立肌肉骨骼模型，以量化不同卧姿康复动作对人体运动学与生物力学特性的影响，并进一步探究运动速度与运动范围的影响，从而为制定多功能卧姿康复机器人设计方案提供理论依据。本文借鉴了步行与坐姿的OpenSim肌肉骨骼模型，建立了包含23个关节自由度和92块肌肉的卧姿肌肉骨骼模型，能够模拟更大关节屈曲范围的卧姿下肢训练动作，并通过质心残差值以及EMG实验数据的MAE值验证了模型。结果表明，模型准确可靠，不同种类的动作、运动范围、运动速度均对下肢关节活动度、躯干窜动量、相关肌肉激活度产生不同程度的影响。本研究为卧姿下肢康复机器人设计提供了理论依据。
| [1] |
World Health Organization. World report on disability 2011[R]. Geneva: WHO, 2011.
|
| [2] |
GUO C, ZHENG X Y. Health challenges and opportunities for an aging China[J]. American Journal of Public Health, 2018, 108(7): 890-892. DOI:10.2105/AJPH.2018.304444 |
| [3] |
LUO Y N, SU B B, ZHENG X Y. Trends and challenges for population and health during population aging: China, 2015—2050[J]. China CDC Weekly, 2021, 3(28): 593-598. DOI:10.46234/ccdcw2021.158 |
| [4] |
MORRIS P E, GOAD A, THOMPSON C, et al. Early intensive care unit mobility therapy in the treatment of acute respiratory failure[J]. Critical Care Medicine, 2008, 36(8): 2238-2243. DOI:10.1097/CCM.0b013e318180b90e |
| [5] |
PASHIKANTI L, VON AH D. Impact of early mobilization protocol on the medical-surgical inpatient population: An integrated review of literature[J]. Clinical Nurse Specialist, 2012, 26(2): 87-94. DOI:10.1097/NUR.0b013e31824590e6 |
| [6] |
中华医学会神经病学分会神经康复学组, 中华医学会神经病学分会脑血管病学组, 卫生部脑卒中筛查与防治工程委员会办公室. 中国脑卒中康复治疗指南(2011完全版)[J]. 中国康复理论与实践, 2012, 18(4): 301-318. Neurorehabilitation Group of Neurology Branch of Chinese Medical Association, Cerebrovascular Disease Group, Neurology Branch, Chinese Medical Association, Office of the Stroke Screening and Prevention Engineering Committee of Ministry of Health. Chinese stroke rehabilitation treatment guidelines (2011 full version)[J]. Chinese Journal of Rehabilitation Theory and Practice, 2012, 18(4): 301-318. (in Chinese) |
| [7] |
李光丽, 赵德利. 长期卧床骨折患者常见并发症的护理[J]. 中国中医药现代远程教育, 2011, 9(10): 63-64. LI G L, ZHAO D L. Nursing care for common complications of long-term bedridden patients with fractures[J]. Chinese Medicine Modern Distance Education of China, 2011, 9(10): 63-64. DOI:10.3969/j.issn.1672-2779.2011.10.044 (in Chinese) |
| [8] |
WINKELMAN C. Bed rest in health and critical illness: A body systems approach[J]. AACN Advanced Critical Care, 2009, 20(3): 254-266. |
| [9] |
BURTIN C, CLERCKX B, ROBBEETS C, et al. Early exercise in critically ill patients enhances short-term functional recovery[J]. Critical Care Medicine, 2009, 37(9): 2499-2505. DOI:10.1097/CCM.0b013e3181a38937 |
| [10] |
SCHELLENBERG F, OBERHOFER K, TAYLOR W R, et al. Review of modelling techniques for in vivo muscle force estimation in the lower extremities during strength training[J]. Computational and Mathematical Methods in Medicine, 2015, 2015: 483921. |
| [11] |
MENEGALDO L L, DE TOLEDO FLEURY A, WEBER H I. Moment arms and musculotendon lengths estimation for a three-dimensional lower-limb model[J]. Journal of Biomechanics, 2004, 37(9): 1447-1453. DOI:10.1016/j.jbiomech.2003.12.017 |
| [12] |
THELEN D G, ANDERSON F C, DELP S L. Generating dynamic simulations of movement using computed muscle control[J]. Journal of Biomechanics, 2003, 36(3): 321-328. DOI:10.1016/S0021-9290(02)00432-3 |
| [13] |
STEELE K M, SETH A, HICKS J L, et al. Muscle contributions to support and progression during single-limb stance in crouch gait[J]. Journal of Biomechanics, 2010, 43(11): 2099-2105. DOI:10.1016/j.jbiomech.2010.04.003 |
| [14] |
WASHABAUGH E P, AUGENSTEIN T E, KRISHNAN C. Functional resistance training during walking: Mode of application differentially affects gait biomechanics and muscle activation patterns[J]. Gait & Posture, 2020, 75: 129-136. |
| [15] |
ZHOU H Y, XU D T, QUAN W J, et al. A pilot study of muscle force between normal shoes and bionic shoes during men walking and running stance phase using opensim[J]. Actuators, 2021, 10(10): 274. DOI:10.3390/act10100274 |
| [16] |
闫慧云, 邓云锋, 杨威, 等. OpenSim对跳跃动作上下肢肌肉协调性的仿真分析[J/OL]. 机械科学与技术. (2021-11-25)[2023-01-05] https://kns.cnki.net/kcms/detail/61.1114.TH.20211123.1342.014.html. YAN H Y, DENG Y F, YANG W, et al. OpenSim simulation analysis of muscle coordination of upper and lower limbs in jumping[J/OL]. Mechanical Science and Technology for Aerospace Engineering. (2021-11-25)[2023-01-05] https://kns.cnki.net/kcms/detail/61.1114.TH.20211123.1342.014.html. (in Chinese) |
| [17] |
CARUTHERS E J, THOMPSON J A, CHAUDHARI A M W, et al. Muscle forces and their contributions to vertical and horizontal acceleration of the center of mass during sit-to-stand transfer in young, healthy adults[J]. Journal of Applied Biomechanics, 2016, 32(5): 487-503. DOI:10.1123/jab.2015-0291 |
| [18] |
詹晓彤, 陈强, 李志勇. 基于OpenSim的腰部肌骨系统在体前屈状态下生物力学分析[J]. 医用生物力学, 2019, 34(1): 27-34. ZHAN X T, CHEN Q, LI Z Y. OpenSim-based biomechanical analysis of lumbar musculoskeletal system under forward flexion[J]. Journal of Medical Biomechanics, 2019, 34(1): 27-34. (in Chinese) |
| [19] |
ODLE B, REINBOLT J, FORREST G, et al. Construction and evaluation of a model for wheelchair propulsion in an individual with tetraplegia[J]. Medical & Biological Engineering & Computing, 2019, 57(2): 519-532. |
| [20] |
CATELLI D S, WESSELING M, JONKERS I, et al. A musculoskeletal model customized for squatting task[J]. Computer Methods in Biomechanics and Biomedical Engineering, 2019, 22(1): 21-24. DOI:10.1080/10255842.2018.1523396 |
| [21] |
MULLER A, PONTONNIER C, DUMONT G. Motion-based prediction of hands and feet contact efforts during asymmetric handling tasks[J]. IEEE Transactions on Biomedical Engineering, 2020, 67(2): 344-352. DOI:10.1109/TBME.2019.2913308 |
| [22] |
PORSA S, LIN Y C, PANDY M G. Direct methods for predicting movement biomechanics based upon optimal control theory with implementation in OpenSim[J]. Annals of Biomedical Engineering, 2016, 44(8): 2542-2557. DOI:10.1007/s10439-015-1538-6 |
| [23] |
CHEN G, KAUTZ S A, ZAJAC F E. Simulation analysis of muscle activity changes with altered body orientations during pedaling[J]. Journal of Biomechanics, 2001, 34(6): 749-756. DOI:10.1016/S0021-9290(01)00014-8 |
| [24] |
GOLDFINGER E. Human anatomy for artists[M]. New York: Oxford University Press, 1991.
|
| [25] |
CROWNINSHIELD R D. Use of optimization techniques to predict muscle forces[J]. Journal of Biomechanics, 1979, 12(8): 627. |
| [26] |
DE ZEE M, DALSTRA M, CATTANEO P M, et al. Validation of a musculo-skeletal model of the mandible and its application to mandibular distraction osteogenesis[J]. Journal of Biomechanics, 2007, 40(6): 1192-1201. DOI:10.1016/j.jbiomech.2006.06.024 |
| [27] |
NCSRR. Getting started with RRA[EB/OL]. [2022-10-12]. https://simtk-confluence.stanford.edu:8443/display/OpenSim/Getting+Started+with+RRA#GettingStartedwithRRA-EvaluatingyourResults.
|
| [28] |
MCBETH J M, EARL-BOEHM J E, COBB S C, et al. Hip muscle activity during 3 side-lying hip-strengthening exercises in distance runners[J]. Journal of Athletic Training, 2012, 47(1): 15-23. DOI:10.4085/1062-6050-47.1.15 |
| [29] |
SODERBERG G L, COOK T M. An electromyographic analysis of quadriceps femoris muscle setting and straight leg raising[J]. Physical Therapy, 1983, 63(9): 1434-1438. DOI:10.1093/ptj/63.9.1434 |
| [30] |
SINGH S, PATTNAIK M, MOHANTY P, et al. Effectiveness of hip abductor strengthening on health status, strength, endurance and six minute walk test in participants with medial compartment symptomatic knee osteoarthritis[J]. Journal of Back and Musculoskeletal Rehabilitation, 2016, 29(1): 65-75. DOI:10.3233/BMR-150599 |
| [31] |
BARROSO F O, TORRICELLI D, MORENO J C, et al. Shared muscle synergies in human walking and cycling[J]. Journal of Neurophysiology, 2014, 112(8): 1984-1998. DOI:10.1152/jn.00220.2014 |
| [32] |
BROWN D A, KAUTZ S A, DAIRAGHI C A. Muscle activity patterns altered during pedaling at different body orientations[J]. Journal of Biomechanics, 1996, 29(10): 1349-1356. DOI:10.1016/0021-9290(96)00038-3 |
| [33] |
HOLMES J C, PRUITT A L, WHALEN N J. Iliotibial band syndrome in cyclists[J]. The American Journal of Sports Medicine, 1993, 21(3): 419-424. |
| [34] |
KOTLER D H, BABU A N, ROBIDOUX G. Prevention, evaluation, and rehabilitation of cycling-related injury[J]. Current Sports Medicine Reports, 2016, 15(3): 199-206. |
| [35] |
BIGLAND B, LIPPOLD O C J. The relation between force, velocity and integrated electrical activity in human muscles[J]. The Journal of Physiology, 1954, 123(1): 214-224. |
| [36] |
潘飞羽, 王人成, 郝智秀, 等. 下肢床旁训练康复装置: 113827447B[P]. 2022-12-02. PAN F Y, WANG R C, HAO Z X, et al. Bedside training device for lower extremity's rehabilitation: 113827447B[P]. 2022-12-02. (in Chinese) |
| [37] |
THELEN D G. Adjustment of muscle mechanics model parameters to simulate dynamic contractions in older adults[J]. Journal of Biomechanical Engineering, 2003, 125(1): 70-77. |
| [38] |
JAKOBI J M, RICE C L. Voluntary muscle activation varies with age and muscle group[J]. Journal of Applied Physiology, 2002, 93(2): 457-462. |