丹麥奧爾堡大學體育技術系的碩士生嘗試了一種新的分析方法，僅通過Xsens MVN Analyze的輸入就能估計腰椎的內部負荷。

在與工作相關的肌肉骨骼疾病中，腰痛是最常見的一種。它通常由人工搬運物料的工作導致，例如搬運重物。這種工作對脊柱施加大量壓力，尤其在L4-L5椎間盤周圍最為明顯，可能導致椎間盤和椎骨終板的骨折、變性或永久性損傷（Brinckmann et al. 1998）。然而，由于涉及侵入性方法，在現場對脊柱負荷做評估充滿挑戰，而且這種做法很少見。出于這個原因，幾種其他方法被用來估計這些力，包括采用解剖詳細、基于計算機形成的肌肉骨骼模型（Dreischarf et al. 2016）。直到最近，準確的肌肉骨骼模型一直需要基于相機的動作捕捉和底座上的力板，方法昂貴且不便于現場使用（Faber et al. 2008）。

動態運動追蹤系統的最新進展允許在任何工作環境中應用全身運動捕捉，而最小化受磁扭曲影響，例如Xsens MVN Analyze（Filippeschi et al. 2017）。利用全身移動慣性運動捕捉（IMC）測量方向估計，肌肉骨骼模型的運動學輸入已經通過使用地面反作用力(GRF)預測方法的逆動態計算進行了測試（Karatsidis et al. 2018）。但是，在典型的人工搬運任務中，這種方法尚未得到驗證。因此，本研究的目的是基于各種搬運和移動重物任務期間，由IMC數據和GRF預測驅動的肌肉骨骼模型來驗證L4-L5脊柱用力的估計。為此，我們將L4-L5椎間盤上的關節反作用力與光學運動捕捉（OMC）和測力板驅動的肌肉骨骼模型進行了比較。這種方法將有助于確定由IMC數據驅動的肌肉骨骼模型和預測的GRF是否可用于估計在現場脊柱負荷。

13名健康受試者進行了三次試驗，每次試驗包括四個搬運任務，包括對稱搬運、不對稱搬運和負荷轉移。在搬運任務中，受試者將10公斤的箱子從地面抬起到豎直位置，放在面前的桌子上，以及不對稱地放置在側面的桌子上。負荷轉移涉及在兩個桌子之間移動一個10公斤的箱子。同時使用OMC和IMC系統進行運動分析。OMC包括42個被動反射標記的全身軌跡，用8個紅外攝像機在120赫茲采樣測量。使用17個慣性測量單元（IMU）在60赫茲下采樣測量IMC。使用三個安裝在地板上的測力板測量GRF和力矩，放于腳下方及盒子下方，以1200赫茲采樣。所有測量均在Xsens MVN Analyze中同步上傳。

根據實驗室測量結果，開發了三種肌肉骨骼模型，每種模型都來自不同的運動和動力學輸入：

1）光學動作捕捉和測量地面的反作用力（OMC-MGRF）

2）光學動作捕捉和預測地面的反作用力（OMC-PGRF）

3）慣性動作捕捉和預測地面的反作用力（IMC-PGRF）

肌肉骨骼模型是在AnyBody建模系統（AMS）中開發的。 OMC-MGRF被認為是黃金標準，因為它是最常用的系統，用于為肌肉骨骼模型提供運動和動力學輸入。 IMC-PGRF模型是根據.bvh文件中包含的段之間的關節與關節的距離進行縮放的。在由.bvh數據和AMS中的肌肉骨骼模型創建的棍形圖形上引入虛擬標記，以在兩個模型之間執行標記跟蹤（Karatsidis et al. 2018）。使用類似于先前研究的方法（Karatsidis et al. 2018; Skals et al. 2017），預測IMC-PGRF和OMC-PGRF模型的GRF和力矩。

根據逆動力學分析，計算了L4-L5椎間盤上的軸向壓縮力和前后剪切力。將力標準化為體重百分比（％BW），并將力矩標準化為體重百分比乘以體高（％BW?BH）。每個搬運和轉移任務的參與者進行平均試驗。單個數據序列的時間歸一化為100%，表示負荷物不與地面接觸的周期。

預測的GRF&Ms以及估計的L4-L5關節反作用力的準確性，采用基于IMC數據的逆動態肌肉骨骼建模方法來試驗。分析顯示，與OMC-MGRF和OMC-PGRF相比，IMC-PGRF可用于在人工搬運期間估計L4-L5椎間盤的壓縮力和前后剪切力，具有高精度。與IMC-PGRF相關的不準確性已進行試驗，并可作為未來研究的考慮因素。該方法可用于簡單人工搬運過程中肌肉骨骼負荷的估算。利用這種肌肉骨骼模型作為分析工具，準確地估計椎體之間的關節反作用力，可能會使在現場環境中的人機工程學分析發生革命性的變化。

主題：人體動作測量，運動分析

應用：生物力學分析，人類工程學

產品：Xsens MVN Analyze