Coactivation受体激动剂和拮抗剂的肌肉参与监管的关节刚度和姿势不稳定。改变显示肌肉活动已经作为一个重要的危险因素下降。目前尚不清楚效果,与年龄相关的差异,长时间的要求任务的肌肉coactivation水平。我们比较肌肉活动振幅和coactivation股内侧肌、股二头肌、胫前肌,腓肠肌内侧从表面EMG在16个年轻人(年龄21-33)和8老年人(年龄66 - 72)在身边最大心率的70%。总的来说,老年人证明coactivation指数高于年轻的人。脚踝coactivation上半年减少摇摆的阶段,虽然coactivation的膝盖下半年增加挥拍阶段我们的长老。改变的肌肉活动和coactivation膝盖和脚踝更加突出接近着陆,在摇摆的阶段。我们的研究结果表明,这些变化可能表明潜在的担忧对下跌的风险。

人口老龄化是一种全球性的现象。2050年,欧洲将有一个老年人口的31.9%,即每三个人之一将是65岁以上的[1]。这个人口行为导致了新的挑战在公共卫生造成的财务影响住院的人口数量,其中大部分是由于下降的后果。跌倒的危险因素长老通常与成功之间的交互环境要求和内在因素[2]。与年龄有关的神经肌肉衰减函数,控制平衡和力量,都是关键因素,当分离或结合使老年人更容易下降[2,3]。因为大多数的下降发生在运动过程中,动态姿势控制衰减和步态表现指出[4]下降的危险因素。

稳定行走的运动学需要生成适当的运动模式,即肌肉coactivation[4]中扮演一个重要的角色。在各种各样的活动,包括走路,老年人使用比年轻人更coactivation [5]。当行走速度,coactivation拮抗剂腿部肌肉已经证明是更大的老年人和具有较高的协会代谢率[6]。因此,更多的能量消耗的一个活动,如快走,这意味着coactivation水平较高,可能会影响老年人步态性能随着时间的推移。根据[7],长期在跑步机上行走诱导下肢肌肉活动的变化,然而肌肉激活模式该如何随着时间的变化在快走没有描述。虽然之前的研究中关于影响身边的长老表明它是安全的速度执行高速的步行锻炼[8]。长野和合作者[9]表明,在短时间内快速走老年人被绊倒更容易摔倒。因此,目前尚不清楚是否可以执行身边没有对老年人实施风险。

Coactivation受体激动剂和拮抗剂的肌肉参与监管的关节刚度和姿势不稳定(5、10)。因此,改变肌肉活动可能反映了稳定行走。了解身边影响步态表现,分析神经肌肉感兴趣的改变。

本研究的目的是调查的影响身边的激活和coactivation下肢肌肉的年轻人和老年人。我们假设老年人会比年轻人更大的肌肉活动和coactivation步态,肌肉活动的水平和coactivation会增加整个任务。

参与者

数据的15个成人(27±5年;1.68±0.12米;68.3±17.3公斤)和8个老年人(69.6±3.8年;1.56±0.1米;66.9±8.2公斤)被认为是在这项研究中。成年人是从大学在学生中招募和老年参与者招募了来自当地社区参与这项研究。表1中描述的主题。排除标准是任何骨科、神经、视觉、前庭或心血管疾病,不允许执行所有的活动。给所有参与者签署同意参与这项研究。这项研究是由当地伦理委员会批准。

任务和程序

一个仪器的跑步机上所有参与者完成一个熟悉会话(美国马AMTI Inc .)走在他们的首选步行速度5分钟。老年男性和女性穿安全带挂在天花板上。一段熟悉的5分钟后,跑步机速度增加了0.5公里/小时每30秒,直到每个人都达到了速度,他们会在age-predicted最大心率的70%(220减去年龄年)。参与者被指示行走在这个强度为20分钟或直到自愿疲惫。心率(HR)测定在测试期间不断与极地人力资源监视器(2010极电Oy fi - 90440 Kempele,芬兰),以确保他们行走所需的强度。此外,评级的感知发挥规模得到整个协议使用修改后的Borg 10分制[11]。

数据记录每分钟30秒到最后的协议。因为并不是所有的参与者能够步行20分钟期间,五个时间点均匀分布是用来分析数据。第一个和最后一个三十秒的记录数据,第二个时间点是30年代记录之间的中间点第一个和最后一个,第二个和第四个时间点从中间时间之间的第一和第三点,分别第三个和最后一个时间点。

肌电图对肢体的股内侧肌(VM),股二头肌(BF),胫骨前内侧(TA)和腓肠肌(GM)肌肉记录使用Trigno无线采集系统(美国Delsys Inc .,波士顿,MA)在采样率为1000 hz,据SENIAM指南。表面电极极间距离10毫米,实验室中形成,和20 - 450赫兹的带宽,是应用于中线的触诊腹部肌肉,肌肉纤维平行取向。记录点刮,用酒精清洗,然后电极与低变应原的胶带贴在皮肤上。电极进一步获得减少运动工件使用灵活,无粘着力的包装环绕大腿(Retelast™管弹力绷带大,3 m医疗)。肌电图和运动学记录使用一个红外动作捕捉系统(Qualisys AB,哥德堡,瑞典)。步态脚跟罢工事件,脚趾头都只使用运动来计算数据的基础上,脚跟和脚趾标记轨迹[12]。肌电图数据处理提取平均线性包络在步态周期。EMG信号带通滤波(四阶巴特沃斯数字,20 Hz - 500 Hz),纠正和信号的均方根获得使用100 ms windows(视觉3 d v连续移动。5,C-motion Inc .)、美国马里兰州罗克维尔市)。RMS EMG平均量化和30多个连续的周期如下阶段:吸收阶段(从脚跟罢工峰膝盖弯曲),和推进阶段(从高峰膝盖弯曲脚趾)。所有数据归一化,表示为一个百分比最大的肌电图检测到在第一次的任务,对应于第一个30秒的审判。 The EMG signal were time normalized to the gait cycle starting from heel strike of the right foot to the subsequent ipsilateral heel strike. The average of 30 gait cycles provided one representative curve for each participant muscle activation data. Muscle amplitude data was ensembled averaged to obtain one curve per muscle for all participants at the five time points.

MG-TA的大小和BF-VM coactivations与coactivation量化指数(CoI)和计算加载响应部分的步态,从0到25%的立场阶段;的姿势和推进阶段的支持,从25到100%的立场阶段;和第一个和第二个一半的swing阶段(图2)。co-activation指数计算使用以下方程:

$C我=\frac{{\displaystyle \int E米G_{\mathrm{一个}NT}}}{{\displaystyle \int E米G_{\mathrm{一个}NT}+E米G_{\mathrm{一个}G}}}\times \mathrm{One\; hundred.}\%$

EMGANT是降低肌肉的肌电图的大小活动,和EMGAG从更高的肌肉肌电图的大小活动[13]。各自的价值观CoI得到平均每个参与者的值并提交的统计分析。

数据分析

数据报告为±标准差。单独的混合模型重复测量方差分析(2 x5)被用来检测年龄组之间的差异和群体内部时间和交互影响因变量。所有分析SPSS (IBM SPSS版本24日,芝加哥,IL),接受意义P < 0.05。