在女性膝关节骨关节炎患者的步行过程中,对脊柱异位输入的时空映射进行了精细的自身感知反框架

科学领域:

• 生物力学 生物力学
• 神经科学是一个神经科学.
• 计算建模 计算建模

背景情况:

• 在膝关节骨关节炎 (KOA) 中,自身感知缺陷与神经肌肉控制异常有关.
• 了解KOA中脊柱亲感输入和神经肌肉策略之间的关系对于开发有效的康复至关重要.

研究的目的:

• 建立一个自感反框架,以调查KOA患者的脊柱自感输入模式.
• 分析这些模式与神经肌肉控制策略之间的关系.

主要方法:

• 开发了高保真度的肌肉 (MS) 和戈尔吉肌器官 (GTO) 模型.
• 使用量子遗传粒子群优化 (QGA-PSO) 优化了MS参数,并通过电肌学 (EMG) 校准了GTO.
• 与肌肉骨模型相结合的自受体模型将 afferent 活动映射到脊柱段 (L1-S2).

主要成果:

• 通过QGA-PSO优化,模拟误差减少了45.1%.
• KOA患者在L5出现了较早和较低的幅度Ia afferent峰值,S1-S2的激活减少,L1-L4.4的激活增加.
• 在KOA患者中,ib afferents表现出延迟的峰值,幅度显著增加,平均激活率提高.

结论:

• 开发的框架准确地模拟了自受体的功能,并绘制了脊柱 afferent 活动.
• 结果揭示了KOA患者脊柱输入的细分特定重组.
• 这为神经肌肉机制和KOA的潜在康复策略提供了新的见解.