Introducción

    El análisis del movimiento humano permite obtener información cuantitativa sobre la mecánica del sistema músculo-esquelético del ser humano durante la ejecución de un determinado movimiento o actividad física (Nigg et al., 1995). Ésta es una disciplina de largo recorrido dentro de la Biomecánica, que se inició con técnicas fotogramétricas que exigían un alto nivel de trabajo al especialista para marcar sobre la película filmada puntos de interés a partir de los cuales reconstruir las trayectorias y obtener la información de los ángulos articulares. En la actualidad, los sistemas de captura de movimiento incluyen equipos convencionales de video, cámaras infrarrojas y sistemas de emisión láser o acústico. Además, el laboratorio se puede ver complementado por placas de fuerza para la medición de los esfuerzos de reacción con el suelo, sensores de electromiografía superficial para el registro de la actividad muscular, giroscopios para la medición de velocidades angulares de determinados segmentos corporales, goniómetros para la medición del desplazamiento de las articulaciones y otros equipos para monitorizar el estado del paciente. Todos estos sistemas proporcionan gran información para el analista.

    En general, los sistemas de captura del movimiento permiten registrar con precisión la posición de marcadores reflectante situados en posiciones anatómicas de referencia, a partir de los cuales es sencillo recomponer el movimiento en 3D del sujeto de análisis. Las mejoras de estos sistemas van encaminadas al incremento de la precisión, al aumento del número de marcadores que cada cámara es capaz de registrar y a la reducción de los tiempos de cálculo del propio software. La reducción de costes de estos equipos se ha visto potenciada por sus aplicaciones en la industria cinematográfica y más recientemente por su uso en determinados deportes como el ciclismo y running, para la mejora del posicionamiento del ciclista en la bicicleta y el aumento del rendimiento en ambas disciplinas. Pero las aplicaciones de estos sistemas no sólo se centran en la mejora de la actividad de deportistas, sino que suponen una herramienta fundamental para evaluar desviaciones con respecto a un patrón de marcha considerado normal de una persona con una cierta patología asociada a la marcha.

    El análisis de la marcha humana tiene aplicaciones en muchas líneas de investigación. En concreto, se ha convertido en una importante herramienta para optimizar el rendimiento de atletas (Herzog, 2009; Milne and Davis, 1992; de Wit et al., 2000), para detectar patrones de marcha y desviaciones respecto a la normalidad (Cooney, et al. 2006; Crosbie and Nicol, 1990; Wang et al., 2003), para animar figuras creadas por ordenador (Menache, 2000), en el desarrollo de sistemas de realidad virtual (Mirelman et al., 2010) y estudios ergonómicos (Lee et al., 2001), y/o para mejorar el dispositivos de rehabilitación (Hansen et al., 2004; Glaister et al., 2009; Williams et al., 2009), etc.

    Este trabajo se centra en la detección de patrones alterados de marcha y en cómo un análisis exhaustivo de la marcha de personas con discapacidad puede determinar las acciones correctoras para la mejora de su calidad de vida.

Métodos

    La captura de movimiento comienza en el laboratorio de biomecánica mediante el registro del movimiento del paciente mediante el sistema de captura óptico. Para ello se utilizan marcadores reflectantes (Figura 1A) situados en posiciones anatómicas estratégicas que permiten realizar el registro con menor error que si estas estuvieran colocadas sobre masas de tejido blanco (Alonso, 2005). Las trayectorias de los marcadores, una vez filtradas mediante técnicas de procesamiento digital de señales basadas en Splines, pueden ser utilizadas para recomponer el movimiento de la estructura que representará el cuerpo humano. En este punto, es posible utilizar técnicas de dinámica multicuerpo para reconstruir el movimiento, y para tal efecto, es habitual desarrollar las rutinas de trabajo en un lenguaje de programación que permita un alto control sobre el sistema. En nuestro caso se utilizará el software Opensim (Delp et al.) que tiene implementadas estas librerías de dinámica multicuerpo y que permiten, de una manera muy destinada al usuario final, realizare el análisis de movimiento a partir de las trayectorias registradas.

    El modelo biomecánico utilizado en este software consiste en una cadena cinemática abierta compuesta por un número determinado de sólidos rígidos conectados por juntas cinemáticas que representan la estructura anatómica del ser humano. Cada sólido rígido representa una porción del cuerpo (segmento anatómico) caracterizado por una serie de propiedades físicas (masa, longitud, tensor de inercia respecto al centro de masas, posición del centro de masas en un sistema de coordenadas local). El primer paso, por tanto, es escalar el modelo biomecánico a las medidas del sujeto de análisis. Para ello se realiza una primera medición en estático, de manera que se pueda realizar el escalado en el software (Figura 1B). El siguiente paso es realizar un análisis cinemático inverso para obtener los ángulos articulares a partir de las trayectorias de los marcadores. Con estos resultados ya se podría realizar una comparativa entre el patrón de marcha del paciente y el patrón de marcha normal, obtenido de las bases de datos normalizadas de hospitales que han realizado este tipo de estudios en sujetos sanos.

    Si fuera necesario, el estudio se podría completar con el análisis dinámico. Para ello sería necesario utilizar placas de fuerza para medir los pares y esfuerzos de reacción con el suelo, que permiten obtener mediante análisis dinámico inverso los pares y esfuerzos de reacción articular. Además, se puede complementar el estudio con el análisis de la actividad muscular mediante electromiografía, para determinar si los grupos musculares asociados a un determinado instante de la marcha ejercen su acción en el momento adecuado o no.

    En este trabajo, se ha realizado el estudio de la marcha sobre un paciente que presenta las siguientes características: parálisis cerebral y diplejía espástica y se cuantifica las desviaciones de los ángulos corporales respecto a una base de datos normalizada. El paciente realiza una marcha en equino con espasticidad leve en los músculos Psoas, Recto anterior e Isquiotibiales de la pierna izquierda y además cuenta con anteversión femoral e intratorsión tibial. Para obtener resultados estadísticamente consistentes, el paciente realizó 30 ciclos completos de marcha (de apoyo de un pie hasta apoyo del mismo pie), de cuyos datos se pudo extraer el patrón de marcha normativo de dicho sujeto.

Figura 1. Marcadores utilizados en la captura de movimiento. Resultado de la pose estática para el sujeto de análisis

Resultados

    En la figura 1B se muestra el resultado de la pose estática para el paciente con las características patológicas presentadas anteriormente. Esta primera imagen ya es de gran utilidad para el especialista médico ya que permite determinar con precisión las desviaciones posturales del paciente. Sin conocer el historial del paciente, a la vista de la imagen se podría determinar que el paciente posee anteversión femoral e intratorsión tibial, que probablemente conduzcan a una marcha errática probablemente en equino. Además, sobre la imagen es posible determinar el grado de desviación con respecto a la normalidad y proponer acciones correctoras para mejorar esa posición.

    Atendiendo al patrón de marcha, cuyos resultados se muestran en la figura 2 para el plano sagital o de la marcha, se pueden ver las desviaciones respecto al patrón de marcha estándar obtenido de los datos estadísticos del The Royal Children’s Hospital de Melbourne para el rango de edad del sujeto de análisis. El número de muestras tomadas es suficientemente elevado como para evitar alteraciones en la marcha debidas a estímulos externos, con lo que queda registrada la manera de caminar de esa persona en concreto eliminando la subjetividad del especialista a la hora de realizar el diagnóstico.

Figura 2. Resultados del análisis de movimiento: patrón de marcha del sujeto analizado en el plano sagital frente al patrón 

de marcha normalizado (gris) del The Royal Children’s Hospital. Lado derecho: pierna derecha. Lado izquierdo: pierna izquierda

Discusión

    Los resultados muestran que el patrón de marcha de la pierna sana se acerca satisfactoriamente al patrón de marcha normal de la base de datos, mientras que las desviaciones en la pierna afectada se desvían considerablemente de dicho patrón de normalidad. Esto es de esperar dadas las características del paciente, pero el análisis del movimiento o de la marcha humana permite cuantificar dichas desviaciones y proponer acciones correctoras. En concreto, si nos fijamos en el ángulo articular del tobillo izquierdo vemos que se encuentra en extensión (ángulo articular menor que cero) durante todo el ciclo de marcha. En este caso se podría proponer el uso de un antiequino o DAFO que limitara la extensión y corrigiera esta posición para mejorar el ángulo articular durante el ciclo de marcha. Para estudiar el ángulo de la rodilla izquierda, sería necesario utilizar los resultados en los otros dos planos para cuantificar la manera en la que la anteversión femoral afecta al ángulo articular durante la marcha.

Conclusiones

    Este trabajo muestra la importancia del análisis de la marcha humana para la cuantificación objetiva de la discapacidad del paciente, tal y como se han demostrado en las figuras 1 y 2. Esta metodología de registro de la marcha humana para personas con discapacidad permite mejorar el diagnóstico y la prescripción de correctores. Además, permiten estudiar las características únicas de cada paciente y cuantificar de manera personalizada las alteraciones en el patrón de marcha para proponer medidas correctoras específicas. Si el estudio se complementa con un análisis de la señal de electromiografía para determinar el nivel de actividad muscular durante la actividad, los resultados pueden proporcionar información objetiva para actuar, además, a nivel neurológico, mejorando el proceso de rehabilitación del paciente.

    Además, estos resultados son específicos en cada paciente, de tal manera que se realiza, junto con la valoración y exploración clínica, un diagnóstico único y específico para cada persona basado en sus propios datos y no en tablas con ítems escalados bajo una puntuación subjetiva.

Bibliografía

• Alonso, F.J., (2005). Tratamiento de señales cinemáticas y de masas de tejido blando en el análisis dinámico inverso de modelos biomecánicos esqueletares. Phd. Thesis, Universidad de Extremadura, Spain.

• Cooney, K. M., Sanders, J. O., Concha, M. C., & Buczek, F. L. (2006). Novel biomechanics demonstrate gait dysfunction due to hamstring tightness. Clinical Biomechanics, 21(1), 59-66.

• Crosbie, W. J., & Nicol, A. C. (1990). Biomechanical comparison of two paraplegic gait patterns. Clinical Biomechanics, 5(2), 97-107.

• De Wit, B., De Clercq, D., & Aerts, P. (2000). Biomechanical analysis of the stance phase during barefoot and shod running. Journal of biomechanics, 33(3), 269-278.

• Glaister, B. C., Schoen, J. A., Orendurff, M. S., & Klute, G. K. (2009). A mechanical model of the human ankle in the transverse plane during straight walking: implications for prosthetic design. Journal of biomechanical engineering, 131(3), 034501.

• Hansen, A. H., Childress, D. S., Miff, S. C., Gard, S. A., & Mesplay, K. P. (2004). The human ankle during walking: implications for design of biomimetic ankle prostheses. Journal of biomechanics, 37(10), 1467-1474.

• Herzog, W. (2009). The biomechanics of muscle contraction: optimizing sport performance. Sport-Orthopädie-Sport-Traumatologie-Sports Orthopaedics and Traumatology, 25(4), 286-293.

• Lee, C. M., Jeong, E. H., & Freivalds, A. (2001). Biomechanical effects of wearing high-heeled shoes. International journal of industrial ergonomics, 28(6), 321-326.

• Menache, A. (2000). Understanding motion capture for computer animation and video games. Burlington, United States: Morgan Kaufmann.

• Milne, R. D., & Davis, J. P. (1992). The role of the shaft in the golf swing. Journal of Biomechanics, 25(9), 975-983.

• Mirelman, A., Patritti, B. L., Bonato, P., & Deutsch, J. E. (2010). Effects of virtual reality training on gait biomechanics of individuals post-stroke. Gait & posture, 31(4), 433-437.

• Nigg, B.M., Herzog, W., (1995). Biomechanics of the musculo-skeletal system. John Wiley & Sons Inc, New York, United States.

• Wang, L., Tan, T., Ning, H., & Hu, W. (2003). Silhouette analysis-based gait recognition for human identification. IEEE transactions on pattern analysis and machine intelligence, 25(12), 1505-1518.

• Williams, R. J., Hansen, A. H., & Gard, S. A. (2009). Prosthetic ankle-foot mechanism capable of automatic adaptation to the walking surface. Journal of biomechanical engineering, 131(3), 035002.

Otros artículos sobre Biomecánica

EFDeportes.com, Revista Digital · Año 22 · N° 230 | Buenos Aires, Julio de 2017   Lecturas: Educación Física y Deportes - ISSN 1514-3465 - © 1997-2017 Derechos reservados