综述:糖尿病可穿戴式步态评估:系统性综述

《Applied Sciences》:Wearable Gait Assessment for Diabetes: A Systematic Survey Ahmed Amarak, Maria Valero and Valentina Nino

【字体: 大 中 小 】 时间:2026年03月20日 来源:Applied Sciences 2.5

编辑推荐:

  本系统性综述考察了步态分析如何被应用于理解、检测和管理糖尿病及其并发症,重点关注可穿戴传感技术与计算方法。研究人员通过系统检索与筛选流程,从 IEEE Xplore、Scopus 和 Google Scholar 数据库中共识别出30项研究。数据提取遵循结构化

  
本系统性综述考察了步态分析如何被应用于理解、检测和管理糖尿病及其并发症,重点关注可穿戴传感技术与计算方法。研究人员通过系统检索与筛选流程,从 IEEE Xplore、Scopus 和 Google Scholar 数据库中共识别出30项研究。数据提取遵循结构化框架,围绕步态应用、技术手段及相关参数等研究问题展开。结果表明,可穿戴传感技术结合先进计算建模与机器学习(ML),能够捕捉与长期代谢失调及神经病理性改变相关的有意义步态异常。其应用范围涵盖糖尿病神经病变检测、足溃疡预防、干预效果评估以及早期生物标志物识别。该综述强调了当前研究进展,并提出未来发展方向,即迈向预测性步态分析,此类分析可作为代谢状态的间接次级标志,并改善糖尿病照护结局。此外,该综合分析为将可穿戴步态评估整合进糖尿病管理方案提供了证据,潜在上可实现并发症早期检测、个体化干预策略制定,以及对传统葡萄糖测量形成补充的无创监测路径。
1. Introduction

糖尿病(diabetes mellitus)是21世纪全球最重要的公共卫生挑战之一。正文首先从流行病学层面说明其疾病负担持续上升,并指出其与失能、心血管事件、神经病变、肾衰竭及下肢截肢等严重后果密切相关。在此基础上,文章强调糖尿病对步态与运动功能的影响是一个具有临床意义但常被低估的问题。尤其在糖尿病周围神经病变(diabetic peripheral neuropathy, DPN)患者中,常见表现包括步行速度下降、步幅缩短、支撑时间延长、关节活动范围减小以及足底载荷分布异常。这些改变不仅削弱活动能力,还会增加跌倒风险并促进足部并发症发生。

作者进一步提出,步态能够综合反映肌肉骨骼系统、周围神经系统、心血管系统和代谢系统的功能状态,因此步态偏离可作为糖尿病相关功能恶化的早期指征。文章还讨论了血糖波动与长期代谢失衡的关系,指出当前一个新兴研究方向是:步态或足底载荷的细微累积变化,是否能够反映长期代谢波动及进行性神经病理损伤,而非直接实时反映急性血糖水平。结合采用步态加速度信号与混合深度学习模型的既有研究,作者认为步态中可能嵌入与代谢控制相关的特征模式。若后续得到进一步验证,则基于步态的监测可作为慢性代谢状态及神经病变进展的间接、次级数字表型。

随后,文章概述了惯性测量单元(inertial measurement units, IMUs)、压力感测鞋垫和智能纺织品等可穿戴技术的发展,指出这些技术使实验室外的连续或半连续监测成为可能,并推动评估模式从单次门诊快照转向纵向、自由生活环境下的生态化测量。同时,人工智能(artificial intelligence, AI)与移动健康系统的发展使高频步态信号的大规模处理及临床意义数字生物标志物提取具备可行性。基于上述背景,作者认为有必要开展结构化综合,以梳理现有方法、归纳已验证发现并指出限制真实世界应用的关键问题。

2. Materials and Methods

2.1. Research Questions

本节说明,该系统性综述旨在全面考察步态分析与可穿戴传感技术在糖尿病相关研究中的应用,并综合其在检测与监测葡萄糖相关变化或神经病理变化方面的有效性证据。研究人员采用 PICO 框架构建研究问题,其中研究对象包括1型或2型糖尿病患者以及有发生糖尿病神经病变风险的人群;干预措施包括步态分析技术、可穿戴传感器或计算方法;对照为非糖尿病或健康人群,或未采用相关技术的情形;结局则包括步态参数差异、糖尿病并发症检出、葡萄糖估计以及运动相关健康指标改善。

在此框架下,全文围绕三个核心研究问题展开:步态分析如何作为代谢状态的间接标志或用于检测糖尿病相关神经病理与运动改变;用于采集和分析糖尿病或葡萄糖相关步态的技术与计算方法有哪些;哪些步态参数与血糖水平或糖尿病神经病变、足部疾病等并发症关联最为密切。

2.2. Search Strategy

文中说明,研究人员选择 Scopus、IEEE Xplore 和 Google Scholar 三个数据库开展检索,以覆盖临床、工程、生物力学和计算研究等多学科文献来源。检索时间范围为2015年至2025年,并在标题、摘要和关键词中采用统一检索式:gait OR walking AND diabetes OR diabetic OR glucose OR glycemia AND sensor OR technology OR device。最终共获得101篇研究,其中 IEEE Xplore 62篇、Scopus 10篇、Google Scholar 29篇,并将检索结果导出至 Excel 以供后续筛查与分析。

2.3. Eligibility Criteria

该部分指出,为减少偏倚并确保纳入文献能够直接回答既定研究问题,研究人员在综述方案中设定了纳入与排除标准。采用排除标准先行剔除满足任一排除条件的文献,再保留满足全部纳入条件的研究进入后续评审。正文提及具体标准汇总于表格,但在现有文本中未逐条展开,因此可明确确认的是,研究团队通过预设资格标准缩小研究范围,以提高主题相关性与证据针对性。

2.4. Paper Selection

论文筛选由两位独立评审者完成标题、摘要筛查及全文评估,如存在分歧则通过讨论达成一致,必要时由第三位评审者裁定。筛选共分三轮进行。首先删除8篇重复文献;随后依据与糖尿病及步态分析的相关性筛除34篇未涉及糖尿病参与者的研究和28篇与步态或运动无关的研究;另有1篇因仅关注儿童人群而被排除。最终,30篇研究满足全部纳入标准并进入全文分析与数据提取。该过程按照 PRISMA 流程组织,体现出较规范的系统综述筛选路径。

2.5. Data Extraction and Synthesis

数据提取采用结构化模板,对30项纳入研究系统记录与研究问题相关的信息,包括研究特征、技术路径、分析方法及糖尿病步态评估相关临床发现。完成提取后,研究人员依据 Cochrane Handbook 指南开展定性综合,通过比较分析识别方法学模式、技术趋势和一致性发现。每项研究均经过交叉核验以保证提取信息的准确性与可重复性。与此同时,研究设计、样本量、传感器验证方式及统计严谨性等方法学特征也被纳入提取框架,用于支持后续证据基础的结构化评估。最终,综合后的研究被划分为五个主要主题领域,以概括糖尿病可穿戴步态评估的主要研究方向。

3. Results

3.1. Quality Assessment and Risk of Bias

纳入研究的方法学质量与偏倚风险由两位评审者采用 Joanna Briggs Institute(JBI)批判性评价清单独立评估。鉴于纳入研究设计具有异质性,包括横断面观察研究、准实验性设备评价和干预试验,作者针对不同设计采用相应的 JBI 清单。评价维度包括纳入标准清晰度、暴露与结局测量可靠性、混杂因素识别情况及统计分析适宜性。总体上,纳入研究呈现中等至较高的方法学质量:16项研究被评为高质量,占53%;9项为中等质量,占30%;5项为低质量,占17%。横断面观察研究总体得分较高,而设备开发研究由于早期技术工作中常缺乏对照组和临床验证,得分偏低。常见局限包括样本量较小、横断面设计占主导、混杂因素控制不足以及结局评估缺乏盲法。

3.2. RQ1: How Has Gait Analysis Been Used as an Indirect Marker of Metabolic Status or to Detect Diabetes-Related Neuropathic and Locomotor Changes?

针对第一个研究问题,作者将30篇文献归纳为五类主要应用。第一类是糖尿病及糖尿病周围神经病变(DPN)的检测。相关研究利用多传感器加速度计系统、混合深度学习模型以及置于下背部的单个惯性测量单元(IMU)开展分析,表明步态分析可作为无创筛查工具,用于识别糖尿病状态及其并发神经病变。

第二类是糖尿病足评估与溃疡预防,也是纳入研究中数量最多的方向。研究涉及集成压力、温度和湿度传感器的仪器化鞋垫,以及具有多孔结构的新型鞋垫设计;更进一步,还包括通过液压执行器主动降低步行中足底压力的主动式鞋垫,以及用于早期溃疡检测的电阻抗断层成像系统。该类研究集中体现了步态与足底负荷评估在糖尿病足风险管理中的应用潜力。

第三类为干预与辅助器具评估。相关工作利用步态参数量化振动鞋垫、运动治疗方案、移动设备管理的间歇步行训练以及不同助行器具的效果,显示步态分析可作为疗效评价与设备优化选择的重要客观依据。

第四类是步态异常与跌倒风险监测。研究显示,糖尿病人群可出现步速降低、步幅缩短及动态平衡受损等特征,其中步态起始阶段参数对识别跌倒风险具有较高敏感性,尤其适用于伴 DPN 的老年患者。该方向强调了步态评估在跌倒预防策略中的意义。

第五类是早期生物标志物识别。一些研究发现,即使在尚无临床神经病变表现的2型糖尿病(T2DM)患者中,也已存在细微步态改变;另有研究识别了脑卒中合并 DPN 患者的运动学异常,以及用于检测足下垂的足底压力新指标。这些结果支持步态分析在临床表现出现前识别并发症风险的可能性。

3.3. RQ2: What Technologies and Computational Methods Are Used to Capture and Analyze Gait in Relation to Glucose or Diabetes?

在技术层面,研究首先归纳了感测技术。惯性测量单元(IMUs)是最常见的传感技术,被部署于下背部、髋部、膝部、踝部及骶骨等部位。尤其是单 IMU 配置在临床应用上显示出较好可行性。压力感测鞋垫是第二类重要技术,用于测量足底压力,并逐步扩展至温度和湿度同步监测。动作捕捉系统则提供高精度运动学数据,能够描绘多平面关节角变化。多模态传感系统通过整合 IMU、压力传感器、测力台或环境传感器,实现动力学、运动学及生理参数的关联分析。除此之外,文中还提到若干专用传感方案,如用于早期溃疡检测的电阻抗断层成像、用于治疗干预的压电执行器以及用于足部温度监测的电阻温度检测器。

在计算方法方面,传统机器学习分类器被广泛用于糖尿病和 DPN 检测,常见算法包括多层感知器、逻辑回归和支持向量机。深度学习方面,卷积神经网络-长短期记忆网络(CNN-LSTM)混合模型被用于从原始步态加速度数据中自动提取时序特征,并取得较优检测性能。与此同时,许多研究仍以统计分析为主,利用 t 检验、方差分析、相关分析及受试者工作特征(ROC)曲线分析建立组间差异与参数关联。另有研究应用有限元分析优化鞋垫结构、预测足底压力分布和组织载荷,并有部分研究实现了基于微控制器、蓝牙通信和移动应用的实时处理与反馈系统,从而支持面向糖尿病足预防的即时干预。

3.4. RQ3: Which Gait Parameters Are Most Strongly Associated with Glucose Levels or Diabetic Complications Such as Diabetic Neuropathy and Foot Disorders?

关于与糖尿病及其并发症关联最强的步态参数,作者从时空参数、运动学参数、动力学参数以及平衡与变异性指标四方面进行了归纳。时空参数中,步行速度降低是最稳定的发现之一,多项研究证实糖尿病患者尤其是 DPN 患者步速明显下降;步幅缩短同样常见,甚至在尚未出现临床神经病变的 T2DM 患者中也可观察到;支撑相时间和双支撑期延长则与 DPN 严重程度相关。

运动学参数揭示了糖尿病步态异常背后的生物力学机制。研究记录到矢状面上髋、膝、踝关节角度的显著差异,提示患者通过代偿策略维持稳定性。步态起始特征被认为对早期功能损害尤其敏感,例如 DPN 老年患者在步态起始时需要更多步数且动态平衡更差。对于晚期 DPN 常见的足下垂,研究提出了 Plantar Distance Heel(PDH)参数,并显示其具有较好的区分能力。

动力学参数方面,足底压力及受力分布是评估糖尿病足并发症的核心指标。前足区域压力升高与溃疡风险密切相关,而主动式鞋垫等干预可以显著降低峰值足底压力。剪切应力也是一个重要但易被忽视的指标,有研究发现神经病变且伴胼胝患者在蹬离期的足底剪切应力更高,提示其可能参与胼胝形成及后续溃疡发生。压力分布模式本身也具有诊断价值,并可与热成像等方式联合用于早期溃疡识别。

在平衡与变异性指标方面,动态平衡受损和步态不稳定性增加与跌倒风险高度相关。步宽变异性在不平整地面条件下对预测严重跌倒损伤显示出潜力。质心(center of mass, CoM)动力学分析则表明,早期 DPN 患者在睁眼和闭眼条件下均可表现出多方向摆动增加,提示其通过髋策略和踝策略进行稳定性代偿。最后,一些参数还被证明对干预具有响应性,例如振动鞋垫和运动干预可改善动态平衡与步速,因此这些步态指标也适合用作疗效监测终点。

4. Discussion

4.1. Study Limitations

作者指出,本综述虽然系统筛查了三大数据库并纳入30项研究,但仍存在若干局限。其一,主要检索来源限定于 IEEE Xplore、Scopus 和 Google Scholar,尽管研究团队使用相同检索式在 PubMed 中进行了补充核验,结果显示符合标准的研究已被覆盖或不满足纳入条件,但数据库范围仍可能影响检索完整性。其二,未采用滚雪球检索或参考文献手工检索等补充方法,因此可能遗漏部分相关研究。其三,综述主要聚焦技术应用和步态参数关联,对用户体验、患者依从性、可用性及临床实施障碍涉及有限。作者据此认为,未来综述应加强对长期实施挑战的系统评价。

4.2. Challenges and Future Directions in Wearable Gait Assessment for Diabetes

在挑战与未来方向方面,文章首先指出,传感器配置、佩戴位置和衍生步态指标之间存在显著异质性,妨碍了研究间直接比较及标准化评估协议的形成。因此,未来工作需要建立关于传感器放置、采样频率和核心结局指标的共识性规范。其次,当前许多研究主要在实验室环境中验证技术性能,而在自由生活环境中的生态学有效性证据仍较有限,因此需要开发能够适应日常步态自然波动的稳健算法,并优先开展真实世界验证。

作者还强调,多模态数据整合是重要发展方向,即将步态参数与葡萄糖测量、患者报告结局和临床生物标志物联合,以构建更全面的糖尿病数字表型。与此同时,随着云端分析与移动健康应用的普及,隐私保护、数据安全及合规性将成为临床转化中的关键问题。对于老年患者及伴多种共病的人群,现有文献对可及性与可用性的关注仍然不足。

尤为重要的是,文章明确指出,现阶段文献尚未提供关于急性血糖水平变化与特定步态改变之间直接、实时因果联系的有力证据。已有研究更多反映的是长期代谢失调后果,如周围神经病变、肌肉骨骼改变和血管损伤,而不是急性血糖波动本身。因此,必须严格区分“步态作为慢性代谢状态和神经病变进展的间接指标”与“步态作为实时血糖替代指标”这两个命题。未来研究应结合时间同步的连续葡萄糖监测与步态采集,并控制疲劳、药物和共病等混杂因素,以更严格地检验短时血糖波动是否会产生可检测的步态特征。

整体而言,作者认为该领域未来有望通过三方面实现突破:一是借助人工智能与机器学习提取可作为早期神经病变或长期代谢变化数字表型的细微步态特征;二是发展基于步态分析提供实时反馈或自适应干预的闭环系统;三是开展更大规模纵向研究,以确立步态参数对足溃疡、跌倒风险和疾病进展等长期结局的预测价值。随着这些问题逐步解决,可穿戴步态评估有望从研究工具转化为可操作的临床方案。

5. Conclusions

结论部分总结认为,可穿戴步态分析作为一种无创工具,在改进糖尿病管理和检测神经病理并发症方面展现出明显潜力。惯性传感器与压力传感器结合机器学习,可支持神经病变早期识别、溃疡风险评估及治疗干预评价。尽管现有研究报告了较有前景的准确性,但要实现更广泛临床应用,仍需方法学一致性以及真实世界环境下的充分验证。未来应重点推进标准化评估框架、纵向验证研究,以及步态指标与葡萄糖及临床数据的联合建模。基于人工智能驱动的步态建模进展,步态未来可能成为慢性代谢状态的间接、互补性数字生物标志物,从而支持并发症早期识别,并推动糖尿病照护向连续化、个体化监测转型;但急性血糖水平与步态之间直接因果关系的建立,仍是需要前瞻性严格研究回答的开放性问题。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号