Kävelyn havainnointi on jo pitkään ollut yksi keskeinen liikkumiskyvyn arvioinnin menetelmä. Teknologian kehittymisen myötä käyttöön on lisäksi tullut erilaisia mittalaitteita, joiden avulla on mahdollista saada entistä tarkempaa ja yksikohtaisempaa tietoa kävelyn eri parametreista.
Käveleminen vaatii paitsi riittävää lihasvoimaa ja hapenottokykyä, myös monenlaisia taitoja, kuten tasapainoa, koordinaatiota ja kykyä mukauttaa liikkeitä vaihtelevissa olosuhteissa. Kävelykyvyn edellytykset voivat heikentyä esimerkiksi ikääntymisen, sairauden tai vamman myötä, mikä voi vaikuttaa yksilön mahdollisuuksiin suoriutua itsenäisesti päivittäisistä toiminnoista. Kävelyn analysointi onkin keskeinen osa fysioterapeuttista tutkimista erityisesti alaraajojen ja selän alueella esiintyvien tuki- ja liikuntaelimistön ongelmien sekä erilaisten neurologisten oireiden yhteydessä. Tunnistamalla kävelyn poikkeavuuksia voidaan tehdä tärkeitä havaintoja yksilön toimintakyvystä sekä saada lisätietoa diagnoosin tekemistä ja kuntoutustarpeen arvioimista varten. (Levine, Richards & Whittle 2012: 83; Muro-de-La Herran, Garcia-Zapirain & Mendez-Zorrilla 2014: 3363–3364; Paróczai, Bejek & Illyes 2005: 63.)
Kävelyn arviointi on perinteisesti toteutunut visuaalisesti havainnoiden. Kävelyä havainnoitaessa on tarkasteltu muun muassa kävelyn rytmiä, symmetriaa, vartalon asentoa sekä nivelten ja lihasten toimintaa. Silmämääräisesti tehty havainnointi on edullista ja soveltuu hyvin erilaisissa ympäristöissä toteutettavaksi. Havainnoinnilla on kuitenkin heikkoutensa, sillä nopeita liikkeitä ja kävelyn aikaisia voimia ei ole mahdollista havaita silmämääräisesti. Lisäksi havainnoimalla saadut tulokset perustuvat aina havainnoijan subjektiiviseen tulkintaan ja voivat siten olla laadultaan vaihtelevia tai epätarkkoja. (Levine, Richards & Whittle 2012: 83–86.)
Liikkumisen analysointiin suunniteltujen mittalaitteiden kehittymisen myötä kävelyn havainnointi on siirtynyt havainnoijan subjektiivisesta arviosta objektiiviseen tietoon. Mittalaitteiden avulla voidaan saada tarkkaa tietoa kävelyn aika-paikka-muuttujista, voimista, jotka tuottavat liikkeen sekä lihasten sähköisestä aktiivisuudesta. Näiden laitteiden avulla kerättävää kvantitatiivista tietoa voidaan käyttää täydentämään havainnoinnin kautta saatuja tuloksia. (Muro-de-La Herran, Garcia-Zapirain & Mendez-Zorrilla 2014: 3363–3368.)
Tarkkaa dataa kävelyn spatiotemporaalisista muuttujista
Kävelyn spatiotemporaalisia, eli paikkaan ja aikaan liittyviä muuttujia, voidaan tarkastella erilaisilla videoanalyyseillä. Näistä tämän hetken korkeinta huipputeknologiaa edustaa 3D-liikeanalyysi. Menetelmässä hyödynnetään liikeanalyysikameroita, jotka havaitsevat asiakkaan kehoon asetetut heijastavat markkerit ja välittävät tiedot markkereiden liikkeistä analysointiohjelmistolle.
Markkeritietojen perusteella ohjelmisto muodostaa kävelystä kolmiulotteisen biomekaanisen mallin, jota voidaan tarkastella mistä suunnasta tahansa. Mallista voidaan määritellä kävelyn matkaan ja aikaan liittyviä muuttujia, kuten kävelynopeutta, askelpituutta, tuki- ja heilahdusvaiheen kestoa sekä askelleveyttä. Lisäksi 3D-liikeanalyysiohjelmiston avulla on mahdollista tarkastella muun muassa kävelyn aikaisia nivelkulmia, kulmanopeuksia ja niveliin kohdistuvia vääntömomentteja.
3D-liikeanalyysilaitteiston tärkeimpiä etuja ovat datan tarkkuus ja monipuolisuus, jotka ovat tehneet menetelmästä yhden biotekniikkaa tutkivan tieteenalan arvostetuimmista mittalaitteista.
3D-liikeanalyysilaitteistoa on käytetty monenlaisilla asiakasryhmillä kävelykyvyn arvioinnissa, kuntoutustarpeen suunnittelussa ja kuntoutuksen vaikuttavuuden seurannassa. Menetelmä on osoittautunut hyödylliseksi esimerkiksi tutkittaessa Parkinsonin taudin aiheuttamia liikkumiskyvyn muutoksia, kuten askelpituuden lyhenemistä, liikkeiden jäykistymistä ja askelten välistä epäsymmetriaa (Pistacchi ym. 2017). 3D liikeanalyysi soveltuu hyvin käytettäväksi myös muiden neurologisten sairauksien yhteydessä, esimerkiksi aivoverenkiertohäiriötä seuranneen toispuolihalvauksen aiheuttamia kävelyn muutoksia tutkittaessa (Titus, Hillier, Louw & Inglis-Jassiem 2018).
Myös akillesjänteen leikkauksen vaikutuksia CP-vammaisten lasten kävelykykyyn on tutkittu 3D-liikeanalyysilaitteiston avulla (Pilloni ym. 2019). Toistaiseksi menetelmän käyttöä rajoittaa kuitenkin järjestelmän korkea hinta ja käytön hitaus.
3D-liikeanalyysilaitteisto muodostaa liikkeestä biomekaanisen mallin kehoon asetettujen markkereiden avulla (Kuvat: Mikko-Samuli Elenius & Kaisa Heinonen)
Spatiotemporaalisten muuttujien mittaamiseen on myös yksinkertaisempia ja edullisempia mittalaitteita, kuten infrapuna-LED-signaalin avulla tietoa keräävä askelanalyysilaitteisto (Lee ym. 2014: 81–82). Menetelmän avulla saadaan tietoa askelpituudesta, askelleveydestä, askeltiheydestä ja kävelyvauhdista, sekä kävelyn eri vaiheiden kestosta. Sen sijaan nivelkulmia ja niiden nopeuksia tai niveliin kohdistuvia vääntömomentteja ei tällä mittalaitteella saada selville. Suhteellisen edullista ja helppokäyttöistä menetelmää voidaan kuitenkin hyödyntää monenlaisista alaraajavaivoista, kuten nivelrikosta ja nivelsidevaurioista kärsivien asiakkaiden kuntoutuksessa, sekä tutkittaessa erilaisten sairauksien, kuten sydän- ja verisuonitautien vaikutuksia kävelykykyyn. (Gaignon ym. 2020; Gommans ym. 2017; Jacksteit ym. 2018.)
Lisätietoa voimia mittaamalla
Kävelyn arviointia voidaan täydentää tarkastelemalla voimia, jotka tuottavat liikkeen. Voimien mittaus voidaan toteuttaa esimerkiksi voimalevyantureilla tai jalkineisiin sijoitettavilla painepohjallisilla.
Voimalevyllä mitataan askeleen alustaan tuottamia kontaktivoimia, jotka ovat yhtä suuria, kuin alustan kehoon tuottamat voimat. Voimalevyanturin avulla saadaan tietoa tukivaiheen kestosta, kontaktivoimien suuruudesta tukivaiheen eri osien aikana sekä alaraajojen kuormittumisen symmetriasta. (Vaverka, Elfmark, Svoboda & Janura 2015: 187–189; Muro-de-La Herran, Garcia-Zapirain & Mendez-Zorrilla 2014: 3371–3372.)
Voimien mittauksella usein täydennetään 3D liikeanalyysilaitteiston kamerajärjestelmän tekemiä mittauksia. Voimalevyn ja kameroiden yhdistelmää voidaan käyttää myös muun muassa arvioitaessa yksilön seisomaan nousua, porraskävelyä sekä selän ja yläraajojen liikkeitä (Levine, Richards & Whittle 2012: 122.)
Painepohjalliset puolestaan mittaavat niin sanottua plantaarista painetta. Niiden avulla saadaan tietoa jalkapohjaan kohdistuvan paineen tai kuormituksen jakautumisesta jalkapohjan alueelle sekä kuormituksen suuruudesta ja kuormitushuippujen kestosta kävelyn aikana. Painepohjallisten avulla voidaan havaita alaraajan rakenteellisia ja toiminnallisia poikkeamia sekä ennaltaehkäistä kudosvaurioiden syntymistä esimerkiksi diabeteksen aiheuttamasta neuropatiasta kärsivillä henkilöillä. (Bus 2016: 221-223, 225; Muro-de-La Herran, Garcia-Zapirain & Mendez-Zorrilla 2014: 3372–3373; Razak, Zayegh, Begg & Wahab 2012: 9885-9886.)
Jalkineisiin asetettavat painepohjalliset mittaavat jalkapohjan kudoksiin kohdistuvaa painetta (Kuvat: Mikko-Samuli Elenius & Kaisa Heinonen)
Elektromyografia kertoo lihasten sähköisestä aktiivisuudesta
Liikkeiden ja voimien lisäksi kävelyn analysoinnissa voidaan tarkastella lihasten supistumisen ja rentoutumisen oikeaa ajoitusta. Lihastoimintaa tutkitaan mittaamalla lihaksen sähköistä aktiviteettia elektromyografian avulla.
Tarkastelemalla eri lihasten aktivoitumisen kestoa ja järjestystä kävelyn eri vaiheissa voidaan saada tietoa kävelyyn vaikuttavista lihasheikkouksista, lihaskoordinaation vaikeuksista sekä erilaisista neurologisista häiriöistä. Kävelyn analysoinnissa elektromyografiaa voidaan hyödyntää esimerkiksi alaraajan nivelsidevamman ja tekonivelleikkauksen jälkeisessä hoidossa, neurologisten sairauksien, kuten Parkinsonin taudin ja MS-taudin kuntoutuksessa sekä diabeteksen aiheuttamien tunto- ja verenkiertohäiriöiden tutkimisessa. (Agostini ym. 2020: 1-2; Muro-de-La Herran, Garcia-Zapirain & Mendez-Zorrilla 2014: 3376.)
Elektromyografia mittaa lihasten sähköistä aktiivisuutta (Kuvat: Mikko-Samuli Elenius & Kaisa Heinonen)
Kävelyanalyysin tulokset kuntoutuksen suunnittelussa ja seurannassa
Kävelyanalyysi on keskeinen osa liikkumiskyvyn arviointia ja muiden tutkimusten ohella toimii pohjana kuntoutustarpeen arvioinnissa ja kuntoutuksen suunnittelussa. Tulosten tulkinta kuntoutusalan ammattilaisen kanssa tarjoaa asiakkaalle tärkeää tietoa omasta liikkumisesta ja siihen mahdollisesti vaikuttavista riskitekijöistä.
Tunnistamalla kävelyn poikkeavuuksia terapeutti ja asiakas voivat yhdessä laatia asiakkaan tarpeisiin sopivan yksilöllisen harjoitteluohjelman, joka voi tähdätä esimerkiksi tasapainon hallintaan, määrättyjen nivelten liikelaajuuksien kasvattamiseen tai tiettyjen lihasryhmien vahvistamiseen. Kävelyanalyysi voi lisäksi auttaa sopivien apuvälineiden, kuten erityisjalkineiden tai tukipohjallisten hankinnassa.
Muutoksia kuntoutujan liikkumiskyvyssä voidaan seurata vertailemalla lähtötilanteessa toteutetun kävelyanalyysin tuloksia seurantakäynneillä tehtyihin havaintoihin ja uusintamittauksiin. Liikkeen laadusta tehdyt havainnot, mittalaitteiden tarjoama data sekä tietysti asiakkaan omat kokemukset auttavat kuntoutuksen edistymisen arvioinnissa ja viitoittavat tietä mahdollisten jatkotoimenpiteiden varalta.
Lopuksi
Yhteenvetona voidaan todeta, että fysioterapeutin tekemän kävelyn visuaalisen havainnoinnin tueksi on olemassa monenlaisia uuden teknologian laitteistoja. Kehitys etenee koko ajan, mikä tarkoittaa entistä tehokkaampia ja pienempiä sensoreita, nopeampia analyysejä ja edullisempia hintoja. Ei myöskään tule unohtaa huipputeknologian laitteistojen rinnalle kehiteltyjä “kevytversioita”, kuten liikkeen analysointiin suunniteltuja älypuhelinsovelluksia, jotka tuovat mittaamisen työkalut yhä useampien saataville. Tässä katsauksessa on keskitytty vain kävelyn arviointiin, mutta edellä mainittua teknologiaa voidaan hyödyntää myös muun liikkumisen, kuten juoksemisen ja hyppimisen arvioinnissa sekä monien eri urheilulajien parissa (Muro-de-La Herran, Garcia-Zapirain & Mendez-Zorrilla 2014).
Kävelyanalyysiin on mahdollista päästä Metropolia Ammattikorkeakoulun HyMY-kylän (Hyvinvointia Myllypurosta) fysioterapia- tai jalkaterapiapalveluiden opetusasiakkaana. Analyysia voidaan toteuttaa sekä havainnoiden että Myllypuron kampuksen liikelaboratorion laitteistoja hyödyntäen. Liikelaboratorio monipuolisine mittalaitteineen palvelee myös yritysasiakkaita. Lisää tietoa saa osoitteista https://www.metropolia.fi/fi/asiakastyot-ja-palvelut/hyvinvointi-ja-terveyskyla ja https://www.metropolia.fi/fi/asiakastyot-ja-palvelut/hyvinvointi-ja-terveyskyla/liikelaboratorio.
Kirjoittajat
Kaisa Heinonen, fysioterapeuttiopiskelija, Metropolia AMK
Mikko-Samuli Elenius, fysioterapeuttiopiskelija, Metropolia AMK
Anu Valtonen, yliopettaja, Metropolia AMK
Lähteet
Agostini, Valentina, Ghishlieri, Marco, Rosati, Samanta, Balestra, Gabriella & Knaflitz, Marco 2020. Surface electromyography applied to gait analysis: How to improve its impact in clinics? Julkaisussa Frontiers in neurology 11. 1-13.
Bus SA 2016. Innovations in plantar pressure and foot temperature measurements in diabetes. Julkaisussa Diabetes Metabolism Research and Reviews 32(1). 221-226.
Gaignon, Marine ; Mazeas, Jean ; Traullé, Maude ; Vandebrouck, Amaury ; Duffiet, Pascal ; Ratte, Louis 2020. Determination of Risk Factors Associated with Walking Disorders After Anterior Cruciate Ligament Surgery with Hamstring Graft: A Controlled Multicenter Study. Julkaisussa Preprints.
Gommans, Lindy N.M ; Smid, Annemieke T ; Scheltinga, Marc R.M ; Cancrinus, Ernst ; Brooijmans, Frans A.M ; Meijer, Kenneth ; Teijink, Joep A.W. 2017. Prolonged stance phase during walking in intermittent claudication. Julkaisussa Journal of vascular surgery 66(2). 515-522.
Jacksteit, Robert ; Mau-Moeller, Anett ; Behrens, Martin ; Bader, Rainer ; Mittelmeier, Wolfram ; Skripitz, Ralf ; Stöckel, Tino. The mental representation of the human gait in patients with severe knee osteoarthrosis: a clinical study to aid understanding of impairment and disability. Julkaisussa Clinical Rehabilitation 32(1). 103-115.
Lee, Myung Mo, Song, Chang Ho, Lee, Kyoung Jin, Jung, Sang Woo, Shin, Doo Chul & Shin, Seung Ho 2014. Assessment of Spatio-temporal Parameters of the Gait of Young Adults. Julkaisussa Journal of Physical Therapy Science 26(1). 81-85.
Levine, David, Richards, Jim & Whittle, Michael W. 2012. Whittle’s Gait Analyisis. London: Elsevier.
Muro-de-La-Herran, Alvaro, Garcia-Zapirain, Begonya & Mendez-Zorrilla, Amaia 2014. Gait Analysis Methods: An Overview of Wearable and Non-Wearable Systems, Highlighting Clinical Applications. Julkaisussa Sensors 14(2). 3362-3394.
Pilloni, Giuseppina, Pau, Massilimiano, Costici, Francesco, Conduluci, Claudia & Galli, Manuela 2019. Use of 3D gait analysis as predictor of achilles tendon lengthening surgery outcomes in children with celebral palsy. Julkaisussa European Journal of Physical and Rehabilitation Medicine 55(2). 250-257.
Pistachi, Michele, Gioulis, Manuela, Sanson, Flavio, DeGiovannini, Filippi, Giuseppe, Rossetto, Francesca & Marsala, Sandro Zambito 2017. Gait analysis and clinical correlations in early Parkinson’s disease. Julkaisussa Functional Neurology 32(1) 28-34.
Paróczai, Robert, Bejek, Zoltán & Illyes, Árpád 2005: Kinematic and Kinetic parameters of healthy elderly people. Julkaisussa Periodica Polytechnica. Mechanical Engineering 49(1). 63-70.
Razak, Abdul Hadi Abdul, Zayegh, Aladin, Begg, Rezaul K. & Wahab, Yufridin 2012. Foot Plantar Pressure Measurement System: A Review. Julkaisussa Sensors 12(7). 9884-9912.
Titus, Adnil W, Hillier, Susan, Louw, Quinette A & Inglis-Jassiem Gakeemah 2018. An analysis of trunk kinematics and gait parameters in people with stroke. Julkaisussa Journal of Disability 310(7). 1-6.
Vaverka, František, Elfmark, Milan, Svoboda, Zdeněk & Janura, Miroslav 2015. System of gait analysis based on ground reaction force assessment. Julkaisussa Acta Gymnica 45(4).187-193.
Marianne Roivas (päätoimittaja),
Auli Räsänen, 
Ei kommentteja