L'analyse de la marche est un domaine en plein essor auquel les cliniciens portent de plus en plus d'intérêt. Elle constitue en effet un outil efficace pour les aider dans leur exercice. Plusieurs structures hospitalières et cliniques se sont dotées de centres spécialisés pour réaliser les analyses de la marche et un examen a vu le jour, l'Analyse Quantifiée de la Marche (AQM). L'Unité Clinique d'Analyse de la Marche et du Mouvement (UCAMM) de Bois-Larris est un des centres qui réalisent cet examen chez des enfants. De la nécessité de mieux comprendre cet examen et les outils qui le rendent possible, une convention de stage a été signée avec l'UCAMM. Le travail présenté dans ce mémoire est ainsi basé sur des AQM réalisées à l'UCAMM lors de ce stage.

L'Analyse Quantifiée de la Marche fournit une vaste quantité de données (cinématiques*, spatiotemporelles, cinétiques*, électromyographiques) relatives à la marche d'un patient. L'interprétation approfondie de celles-ci demande la connaissance et la compréhension des systèmes qui enregistrent le mouvement, ainsi qu'une formation à la lecture de ces analyses qui peut être complexe. L'interprétation de ces résultats peut être difficile. Deux index ont donc été proposés pour simplifier la lecture des données fournies par les différents systèmes d'analyse de la marche.

1. Le Gillette Gait Index (ou Normalcy Index) : c'est une mesure de la déviation de la marche d'un sujet par rapport à une population saine de référence. Il est calculé à partir des données cinématiques angulaires et des paramètres spatiotemporels enregistrés par un système optoélectronique d'analyse du mouvement.

2. Le Functional Ambulation Profile (FAP) : ce score est calculé lors du passage du patient sur un tapis de marche et caractérise la sévérité des anomalies de la marche affectant un sujet. Il est calculé sur la base des paramètres spatiotemporels et de leur variabilité sur l'ensemble des cycles de marche enregistrés par le tapis. A partir d'un score initial de 100, des points sont retranchés selon les anomalies de la marche détectées sur le sujet.

Le Gillette Gait Index et le Functional Ambulation Profile se proposent d'évaluer la même chose : la pathologie de la marche. Si cela est le cas, pourquoi continuer de les inclure tous deux dans les rapports d'analyse de la marche ? Le clinicien a-t'il intérêt à utiliser les deux ? L'un apporte-t-il des résultats complémentaires par rapport à l'autre ? Au cours de ce mémoire, notre volonté sera de vérifier l'intérêt de leur utilisation concomitante en nous appuyant sur les AQM d'enfants diplégiques et hémiplégiques.

Pour lire la suite, téléchargez le fichier au format pdf.

En téléchargement, au format pdf, le décret relatif au remboursement de l'acte "Analyse Quantifiée de la Marche"

Historique des versions du Rapport d'Analyse Quantifiée de la Marche
Version 4.1 (12/07/07)
Ajout des paramètres de l'examen neuro-orthopédique. Cet examen suit en tout point celui effectué au service de chirurgie orthopédique infantile de l'Hôpital Robert Debré à Paris.
Version 4.0 (12/06/07)
Changement majeur de version du rapport d'analyse de la marche :
Ajout d'une aide à propos de l'analyse quantifiée de la marche, du Functional Ambulation Profile et du Gillette Gait Index. Cette aide est (...)

Le GGI est un index très pratique lorsqu'il s'agit de résumer le pattern de marche d'un individu par un nombre simple. Son calcul, à partir de données cinématiques, nécessite toutefois l'enregistrement du mouvement par un système optoélectronique et requiert donc le traitement des données par un opérateur qualifié.
D'autres outils d'analyse de la marche, plus simples d'utilisation, permettent quant à eux de caractériser davantage les paramètres spatiotemporels. Les tapis de marche mesurent directement des (...)

Publication sur la comparaison de plusieurs systèmes de capture de mouvement 3D. Cette publication n'est en rien récente mais je viens de la retrouver sur le site des archives ouvertes de l'INSEP. L'auteur est Stéphane Vieilledent maître de conférence à l'UFR STAPS de Brest et anciennement enseignant-chercheur à l'INSEP. On peut dire que j'ai collaboré de loin. Attention, dans tous les cas cette étude n'est plus représentative des performances des systèmes actuels. Résumé : Ce travail a eu pour objectif d'examiner les performances des principaux systèmes commerciaux d'analyse du mouvement utilisant les images. Il a pris en compte deux types de critères : ceux relatifs à la précision et la reproductibilité de la mesure et ceux relatifs à l'ergonomie c'est à dire à la facilité et la durée de mise en œuvre, de recueil, de reconstruction 3D et de post traitement des données. Les parties I et II ont permis de montrer que seuls quelques systèmes obtiennent d'excellentes performances pour tous les types de tests. A télécharger ICI

From Pr Benoit BARDY website

 

Acronym: POSTURAL DYNAMICS
Name: Human Postural Dynamics
Type: Collaborative project
Funds: French Institut Universitaire de France - European Network of Excellence ENACTIVE - French Ministery of Research
UM1 key researchers: Benoît Bardy – Déborah Varoqui (PhD student)
Collaborators: Olivier Oullier (Univ. Provence) – Elise Faugloire, Tom Stoffregen (Univ. Minnesota, USA) - F. Mégrot (UCAMM, CMPRE Bois Larris, French Red Cross) - P. Fraisse, V. Bonnet (Dept Robotics, LIRMM-Univ Montpellier 2)

POSTURAL DYNAMICS is a theoretical and experimental project demonstrating the existence of typical signatures of self-organization in the human postural system. These hallmarks may be used by the central nervous system to control efficiently and with parsimony the human segments during stance and other supra-postural behaviours.

Theory and recent research:

The maintenance of stable upright stance is required in many daily activities in humans and other bipeds. Stable stance requires the body’s center of mass to be kept above the feet. Postural control actions consist mainly of coordinated rotations around the hips and ankles. Many patterns of ankle-hip coordination will maintain the center of mass above the feet, but only a few of these are effective across a broad range of situations.

Functionality depends in part on the task in which the person is engaged. For example, some coordination patterns that prevent falling may be avoided because they hamper the realization of other, simultaneous goals, such as maintaining gaze, or manual contact with an object. Other coordination patterns may both prevent falling and facilitate performance on these supra-postural tasks, and so may be preferred. This fact has implications for pre-existing patterns of postural coordination, but also for the acquisition of new patterns.

In our research on postural dynamics (e.g., Bardy et al., 1999; Bardy et al., 2002; Marin et al., 1999; Oullier et al., 2002, 2004), standing participants have been instructed to maintain a constant distance between their head and a visual target that oscillates along the line of sight.

They have not been given any instructions about how standing posture was to be controlled during the tracking task. We measured rotations at the ankles and hips, and analyzed the relative phase, Φrel, of rotations at these joints. Two coordination modes between ankles and hips have been consistently observed. An in-phase mode, with Φrel of about 20-25°, emerged when the visual tracking target moved at small amplitude (e.g., Bardy et al., 1999) or low frequency (e.g., Bardy et al., 2002). An anti-phase mode, with Φrel close to 180°, has emerged when the visual target moved with large amplitude or high frequency.

The differential emergence of these modes was influenced by intentional constraints (i.e., the instruction to track target motion), by behavioral constraints (i.e., height of the center of mass, length of the feet, body stiffness, expertise in sport), and by environmental constraints (i.e., surface properties, target amplitude or frequency); (see Bardy, 2003 for a review). It was the simultaneous, interacting pressures — cooperative or competitive —imposed by the task, the body, and the environment that determined the selective emergence of the in-phase and anti-phase modes (cf. Newell, 1986).

We also observed that transitions between in-phase and anti-phase ankle-hip modes revealed characteristics of non-equilibrium phase transitions (Bardy et al., 2002). As we increased or decreased the frequency at which the visual target moved, a frequency-induced loss of stability occurred, yielding critical fluctuations in the vicinity of the region of the frequency range in which there was a transition between coordination patterns (see Figure below).

Transitions between in-phase and anti-phase modes were abrupt, and exhibited hysteresis: Transitions from in-phase to anti-phase occurred at a higher frequency of target motion than transitions from anti-phase to in-phase. Finally, we applied an external perturbation (a sudden shift in the direction in which the target was moving). The perturbation was applied either near to or far from the region (frequencies) in which transitions between modes were known to occur.

Each mode was found to be less stable when the perturbation was applied close to the transition region, and more stable when it was applied far from it, as evidenced by a larger relaxation time in the latter situation (critical slowing down).

In summary, our research has shown that postural modes (i) emerge out of the coalescence of multiple constraints, (ii) exhibit persistence and change that are characteristic of self-organized systems, and (iii) are modulated by the actor’s intentions. Co-existence of the in-phase and the antiphase patterns during a tracking task (individual subject). Participants were asked to use head motion to track 10-cm (peak-to-peak) oscillations of a visual target while we measured coordination between the ankle and the hip. The grey line (plain) represents a trial during which the frequency of oscillation increased, while the black line (dashed) represents a trial during which the frequency of the target decreased. The shaded region represents the region of bi-stability, that is, the region in which both coordination patterns co-exist (adapted from Bardy et al., 2002).

Current research:

The similarities between postural phase transitions in humans and non-biological phenomena (e. g., in physics or economics) suggest the existence of general and common principles governing pattern formation and flexibility in complex systems, and circumscribe the generality of neurophysiologically-based theories of postural coordination. Current research aims at investigating the emergence/disappearance of new postural modes accompanying learning (e.g., Faugloire et al., 2006, Mégrot et al., 2002, 2006), post-stroke rehabilitation (Varoqui, 2006; Bardy et al., in preparation),  aging, using virtual reality techniques applied to postural control. The comparison between human and non human (HRP2 robot) postural coordination modes is also under investigation, in collaboration with P. Fraisse & V. Bonnet (Robotic department, LIRMM Montpellier).

Virtual Posture, a customized TM software package to investigate the emergence and stabilization of new postural patterns. Left: Standing participants are instructed to draw with their body the requested figure in the ankle-hip plane (here a 90° phase relation between ankles and hips). Right: Produced postural coordination as a function of requested coordination in normal subjects (adults) showing attractors at 20° and 180° (from Faugloire et al., 2005).

Key references (downloadable version in page Vitae):

1. Bardy, B. G. (2003). Postural coordination dynamics in standing humans. In V.K. Jirsa and J.A.S. Kelso (Eds.), Coordination Dynamics : Issues and Trends, Vol.1 Applied Complex Systems (pp. 103-121). New York: Springer Verlag.
2. Bardy, B.G., Faugloire, E., & Fourcade, P. (2006). Stabilization of old and new postural patterns in standing humans. In M. Latash & F. Lestienne (Eds.), Motor Control and learning over the life span (pp. 77-87). Berling: Springer Verlag.
3. Bardy, B.G., Marin, L., Stoffregen, T.A., & Bootsma, R.J. (1999). Postural coordination modes considered as emergent phenomena. Journal of Experimental Psychology: Human Perception and Performance, 25, 1284-1301.
4. Bardy, B.G., Oullier, O., Bootsma, R.J., & Stoffregen, T.A. (2002). The dynamics of human postural transitions. Journal of Experimental Psychology: Human Perception and Performance, 28, 499-514.
5. Faugloire, E., Bardy, B. G., Merhi, O., & Stoffregen, T.A (2005). Exploring coordination dynamics of the postural system with real-time visual feedback. Neuroscience Letters, 374, 136-141.
6. Faugloire, E., Bardy, B.G., & Stoffregen, T.A. (2006). The dynamics of learning new postural patterns. Influence on pre-existing spontaneous behaviors. Journal of Motor Behavior, in press.
7. Mégrot, F., Bardy, B.G., & Dietrich, G. (2002). Dimensionality and the dynamics of human unstable equilibrium. Journal of Motor Behavior, 34, 323-328.
8. Mégrot, F., & Bardy, B. G. (2006). Changes in phase space during learning an unstable balance. Neuroscience Letters, 402, 7-21.
9. Oullier, O., & Bardy, B.G., Stoffregen, T.A., & Bootsma, R.J. (2002). Postural coordination in looking and tracking tasks. Human Movement Science, 21, 147-167.
10. Oullier, O., Bardy, B.G., Stoffregen, T.A., & Bootsma, R.J. (2004). Task-specific stabilization of postural coordination during stance on a beam. Motor Control, 7, 174-187.

Megrot F, Bardy BG. 1: Neurosci Lett. 2006 Jul 10;402(1-2):17-21. Epub 2006 May 2. Six participants learned to maintain an unstable balance on a stabilometer, during 6 consecutive days of practice (total of 90 trials). Lateral and angular variations of body segments and body center of mass were analysed, and their evolution over the learning period was compared to the changes in dimensional variables capturing the structure of the movement itself (embedding and correlation dimension, largest Lyapunov exponent). Results indicated that (i) learning occurred, (ii) was accompanied by persistence in the dimension of the movement, and (iii) by a reduction in chaotic (or stochastic) components. Compared to other results in the learning literature, these results suggest that dimensional changes over learning are task-specific.

Exp Brain Res. 2006 Sep;174(2):256-69. Epub 2006 May 10. Roerdink M, De Haart M, Daffertshofer A, Donker SF, Geurts AC, Beek PJ. Faculty of Human Movement Sciences, Institute for Fundamental and Clinical Human Movement Sciences, Vrije Universiteit, Van der Boechorststraat 9, 1081 BT, Amsterdam, The Netherlands, m.roerdink@fbw.vu.nl. In a recent study, De Haart et al. (Arch Phys Med Rehabil 85:886-895, 2004) investigated the recovery of balance in stroke patients using traditional analyses of center-of-pressure (COP) trajectories to assess the effects of health status, rehabilitation, and task conditions like standing with eyes open or closed and standing while performing a cognitive dual task. To unravel the underlying control processes, we reanalyzed these data in terms of stochastic dynamics using more advanced analyses. Dimensionality, local stability, regularity, and scaling behavior of COP trajectories were determined and compared with shuffled and phase-randomized surrogate data. The presence of long-range correlations discarded the possibility that the COP trajectories were purely random. Compared to the healthy controls, the COP trajectories of the stroke patients were characterized by increased dimensionality and instability, but greater regularity in the frontal plane. These findings were taken to imply that the stroke patients actively (i.e., cognitively) coped with the stroke-induced impairment of posture, as reflected in the increased regularity and decreased local stability, by recruiting additional control processes (i.e., more degrees of freedom) and/or by tightening the present control structure while releasing non-essential degrees of freedom from postural control. In the course of rehabilitation, dimensionality stayed fairly constant, whereas local stability increased and regularity decreased. The progressively less regular COP trajectories were interpreted to indicate a reduction of cognitive involvement in postural control as recovery from stroke progressed. Consistent with this interpretation, the dual task condition resulted in less regular COP trajectories of greater dimensionality, reflecting a task-related decrease of active, cognitive contributions to postural control. In comparison with conventional posturography, our results show a clear surplus value of dynamical measures in studying postural control.

L'Unité Clinique d'Analyse de la Marche de Bois-Larris se visite maintenant en virtuel. Ci dessous, deux visites au format QuicktimeVr (si vous avez Apple Quicktime aucun soucis, sinon c'est par ici). Mode d’emploi : cliquez sur la photo. Une fois la scène affichée, cliquez dedans avec le bouton gauche de la souris et sans lacher, balladez-vous dans la scène. Visite du centre de la piste de marche     Visite de l'ensemble de l'U.C.A.M.M.Sinon pour ceux qui ne souhaitent pas installer Quicktime sur leur machine, il y a le panorama juste ci-dessous.

Le sous-site AQM Learning de Megrot.com a été mis à jour. L'objectif, fournir une place, un lieu d'échange et de savoir autour de l'analyse de la marche. Certaines ressources sont disponibles à tous, d'autres sont réservées aux membres inscrits et d'autres concernent des personnes précises. Un ensemble de ressources sur le Normalcy Index est disponible à cette adresse. Ce cours est ouvert à tous. Il s'agit surtout de familiariser le lecteur, le prescripteur d'analyses de la marche, avec cet excellent outil. Le Normalcy Index est avant tout un nombre sans dimension permettant d'un coup d'oeil de mesurer l'écart entre la marche normale et la marche pathologique. Basé sur la cinématique, on peut lui reprocher de ne pas prendre en compte la cinétique ou encore l'activité EMG. Toutefois, c'est un moyen assez fiable de quantifier l'anormalité d'une marche ou bien les progrès effectués par l'enfant après une chirurgie, une injection de toxine botulique ou encore une rééducation. Tableau des valeurs du Normalcy Index en fonction des pathologies, selon Elke Viehweger, Michel Jacquemier, Antoine Hamel, Sandrine Scorsone-Pagni Marianna Romei, Manuela Galli, Michael H Schwartz Gérard Bollini ...dans le désordre.