Ausgeprägte Koordinationsmuster integrieren explorative Kopfbewegungen in das Ganze

Nov 12, 2023

Scientific Reports Band 13, Artikelnummer: 1235 (2023) Diesen Artikel zitieren

692 Zugriffe

2 Altmetrisch

Details zu den Metriken

Die visuelle Gangführung ist eine wichtige Fähigkeit für die Alltagsmobilität. Während dies häufig mithilfe von Eye-Tracking-Techniken untersucht wurde, haben neuere Studien gezeigt, dass die visuelle Erkundung mehr als nur das Auge betrifft; Für eine erfolgreiche visuelle Erkundung sind Kopfbewegungen und möglicherweise der gesamte Körper beteiligt. Diese Studie zielte darauf ab, mit Kopfbewegungen verbundene koordinative Muster zu untersuchen, und es wurde die Hypothese aufgestellt, dass sich diese Muster über den gesamten Körper erstrecken und nicht lokalisiert sind. Einundzwanzig (nach Ausschlüssen) gesunde junge erwachsene Freiwillige folgten einem Laufprotokoll zum Gehen auf dem Laufband, das darauf ausgelegt war, verschiedene Arten von Kopfbewegungen hervorzurufen (keine Reize im Vergleich zu Reizen, die horizontale, vertikale und gemischte Blickwechsel erfordern). Die Hauptkomponentenanalyse wurde verwendet, um korrelierte Ganzkörpermuster von Markerbewegungen (Hauptbewegungen; PMs) im Zusammenhang mit der Aktivität des Kopfes zu ermitteln. Insgesamt wurden 37 PMs höherer Ordnung mit Kopfbewegungen in Verbindung gebracht. Zwei davon zeigten signifikante Unterschiede zwischen den Versuchen im Zusammenhang mit starken Kopfrotationen in der horizontalen und sagittalen Ebene. Beides war mit einem Ganzkörperaktivitätsmuster verbunden. Eine Analyse der Komponenten höherer Ordnung ergab, dass explorative Kopfbewegungen mit unterschiedlichen Bewegungsmustern verbunden sind, die sich über den gesamten Körper erstrecken. Dies zeigt, dass visuelle Erkundung Bewegungsmuster des gesamten Körpers hervorrufen kann, die möglicherweise einen destabilisierenden Einfluss haben. Diese Ergebnisse werfen ein neues Licht auf etablierte Ergebnisse in der visuellen Suchforschung und sind für die Sturz- und Verletzungsprävention von Bedeutung.

Visuelle Erkundung ist ein grundlegendes Verhalten, das für die erfolgreiche Handlungssteuerung sowohl beim Menschen1,2 als auch bei anderen Tieren3,4,5 entscheidend ist. Insbesondere ist die visuelle Erkundung von entscheidender Bedeutung für die Führung eines unserer wichtigsten Verhaltensweisen: Während der Fortbewegung wird unser visuelles System verwendet, um sicher zu Zielen zu navigieren und dabei Hindernissen auszuweichen6,7,8,9. Vielleicht wird die Bedeutung der visuellen Erkundung beim alltäglichen Gehen nicht deutlich, aber sie wird deutlicher, wenn das Wahrnehmungs-Motorik-System bis zum Versagen beansprucht wird (versuchen Sie zum Beispiel, mit geschlossenen Augen zu gehen), was möglicherweise zu Stolperfallen führt. Stürze oder andere Verletzungen. Daher könnten Kenntnisse über die visuelle Gangführung in diesen Situationen mit hoher Belastung, die natürlicherweise beim Sport auftreten, oder in Situationen, in denen ein erhöhtes Sturzrisiko für ältere Menschen besteht, besonders relevant sein. Obwohl die Funktion des visuellen Systems isoliert gut untersucht wurde6, muss interessanterweise noch geklärt werden, wie das visuelle Erkundungsverhalten mit der Haltungskontrolle des gesamten Körpers koordiniert wird.

Der Zusammenhang zwischen Sturzrisiko, Augenbewegung und Gang wurde bereits zuvor untersucht10. Studien haben die Koordination zwischen den Bewegungen der Augen und des Kopfes beim Gehen auf dem Laufband11, beim Gehen durch verschiedene Umgebungen12 und beim Gehen beim Suchen13 betont. Darüber hinaus gibt es Forschungsergebnisse, die die Merkmale der Blickstrategie direkt mit den Merkmalen des Gangs verknüpfen. Beispielsweise fanden Chapman und Hollands heraus, dass ältere Menschen mit einem erhöhten Sturzrisiko mehr Zeit für die Planung und Durchführung mediolateraler Schrittanpassungen14 benötigten und schneller von Schrittzielen wegschauten ihre Gegenstücke mit geringem Risiko15, was zu einem höheren Fehler bei der Fußplatzierung führt. Offensichtlich gibt es eine gewisse Veränderung in der Art und Weise, wie wir die visuelle Erkundung beim Gehen nutzen, was mit einem erhöhten Sturzrisiko verbunden ist.

Die Messung der visuellen Erkundung in der Forschung wird üblicherweise mithilfe von Eye-Tracking durchgeführt, einer Technik, die den Fokus des zentralen Sehens aufzeichnet. Allerdings deckt das zentrale Sehen allein beim alltäglichen Gehen nicht die volle Funktion der visuellen Erkundung ab. Das bedeutet, dass Augenbewegungen oft mit Kopf- und Körperbewegungen verbunden sind, was eine größere Reichweite der Erkundung ermöglicht10,12,13,16. Untersuchungen im Vereinsfußball haben beispielsweise gezeigt, dass Bewegungen der Augen und des Kopfes für die Quantifizierung der visuellen Erkundung wichtig sind17. Die Koordination zwischen sakkadischer Augen- und Kopfbewegung wird durch die Größe der Blickverschiebung bestimmt. Kleinere Blickwechsel sind nur mit einer Sakkade verbunden, wobei der Kopf nach hinten folgt, um die Augen nach dem Wechsel wieder zu zentrieren. Hingegen erfolgen Blickverschiebungen, die die Augen nahe ihrer mechanischen Grenze ausrichten würden, mit einem größeren anfänglichen Beitrag der Kopfbewegung18 oder des gesamten Körpers19,20.

Betrachtet man diese Kopplung zwischen Augen-, Kopf- und Körperbewegungen, ist es offensichtlich, dass explorative Aktivitäten die Haltungskontrolle beeinflussen könnten. Da Blickverschiebungen häufig zusammen mit einer verzögerten Neupositionierung des Kopfes nach einer Sakkade koordiniert werden18, spekulieren wir, dass die Aktivität der Kopfbewegungen auf einen Zeitpunkt verzögert werden könnte, bei dem sie die Haltungskontrolle des gesamten Körpers nur minimal beeinträchtigt. Wenn man also Körperbewegungsmuster beim Gehen während einer visuellen Erkundungsaufgabe untersucht, könnte man erwarten, dass koordinative Muster entstehen, die Kompensationsstrategien in den Gangzyklus integrieren.

Die Hauptkomponentenanalyse (PCA) wird zur Operationalisierung von Beurteilungen der Ganzkörperkoordination eingesetzt21,22,23. Mithilfe der PCA kann man lineare Muster oder Hauptkomponenten bestimmen, die einen Teil der Gesamtvarianz im Datensatz erklären. Diese Komponenten stellen Bewegungsstrategien dar, also Muster korrelierter Körpersegmentbewegungen, die als „Principal Movements“ (PMs)24 bezeichnet werden. Darüber hinaus ist PCA eine Methode zur Dimensionsreduktion: Die kinematischen Eingaben mit hohen Dimensionen können zuverlässig in einer kleinen Anzahl von PMs zusammengefasst werden. Beispielsweise erklären die ersten drei PMs beim ruhigen Stehen oder Gehen bereits mehr als 90 % der Varianz23,24. Aufgrund dieses Ziels hinsichtlich der Datenreduzierung ist es üblich, nur die ersten paar PMs zu betrachten, bis einige Kriterien erfüllt sind. Dieses Verfahren wird implementiert, da die Komponenten höherer Ordnung nur einen kleinen Teil der Gesamtvarianz pro Komponente erklären und ein schlechteres Signal-Rausch-Verhältnis aufweisen. Jüngste Erkenntnisse deuten jedoch darauf hin, dass diese höheren Komponenten in menschlichen Bewegungsdaten möglicherweise immer noch relevante Informationen enthalten, die kleinere, stärker lokalisierte Bewegungen oder schnellere Kontrollstrategien25,26 oder Bewegungsmuster widerspiegeln, die mit einer kleinen Amplitude verbunden sind, wie Atmung oder Kopfbewegung beim Stehen im Gleichgewicht24. Beim Gang wird erwartet, dass Kopfbewegungen zu den PMs höherer Ordnung gehören, da die PMs niedrigerer Ordnung wahrscheinlich von der größeren Amplitude der Arm- und Beinbewegungen überschattet werden und wir daher davon ausgehen, dass eine Konzentration auf Bewegungskomponenten höherer Ordnung gerechtfertigt ist26.

Ziel der aktuellen Studie ist es, spezifische Bewegungskoordinationsmuster zu identifizieren, die mit explorationsinduzierten Kopfbewegungen beim Gehen verbunden sein können. An diese spezifischen Muster können gegensätzliche Erwartungen gestellt werden. Erstens könnten diese Muster unabhängig vom Gangmuster sein, was zur Identifizierung von Kopfbewegungs-PMs führen könnte, die nur sehr wenig Darstellung anderer Körperbewegungen sehen. Wir gehen jedoch davon aus, dass die Kopfbewegung mit der Ganzkörperbewegung zusammenhängt. In diesem Fall umfassen PMs, die Kopfbewegungen darstellen, auch verteilte Muster. Eine Analyse dieser verteilten Muster sollte Einblick in die Kompensationsstrategien geben, die zur Unterstützung der Kopfbewegung beim Gehen eingesetzt werden.

Der beim Gehen auf dem Laufband implementierte visuelle Erkundungsreiz löste erfolgreich eine Kopfbewegung aus, was durch einen signifikanten Effekt der Reizausrichtung („Bedingung“) auf die Ausrichtung der Kopfmarkierungen gezeigt wurde (Abb. 1a, b; Kopfneigung: F(3, 54) = 10,5, p < 0,001, η2 = 0,170; Kopfgieren: F(1,23, 22,09) = 24,8, p < 0,001, η2 = 0,369). Dies ist eine wichtige Annahme in der Analyse, da der Abstand zwischen den LEDs, die als Reize verwendet wurden, technisch gesehen keine Kopfbewegung eines Teilnehmers erfordert (d. h. eine Sakkade könnte ausreichen). Bonferroni korrigierte (α = 0,05/6 = 0,008). Paarweise Vergleiche der Variation des Kopfneigungswinkels zeigten signifikante Unterschiede zwischen der horizontalen Bedingung und allen anderen Bedingungen (alle p-Werte < 0,008), jedoch nicht zwischen den anderen Bedingungen. Für die Variation des Gierwinkels des Kopfes identifizierten Bonferroni-korrigierte paarweise Vergleiche signifikante Unterschiede zwischen der horizontalen Bedingung und sowohl den vertikalen als auch den Kontrollbedingungen (p-Werte < 0,008) sowie zwischen der gemischten Bedingung und den vertikalen und Kontrollbedingungen (p-Werte < 0,008). ); Die Unterschiede zwischen den vertikalen und Kontrollpaaren und den horizontalen und gemischten Paaren waren nicht signifikant. Hinweis: Shapiro-Wilk-Tests hatten eine Normalitätsannahme gestützt, die Analyse identifizierte jedoch zwei Ausreißer, die mehr als 3,5 Standardabweichungen von ihren Gruppendurchschnitten entfernt waren und von der Kopfbewegungsanalyse ausgeschlossen wurden (Abb. 1a, b).

Boxplots der Auswirkungen der Kopfbewegungsvariabilität zwischen den Bedingungen (a und b), der durch PCA identifizierten Hauptbewegungsmuster (PM1–PM4, Panel c–f) und der beiden PMs, die hauptsächlich mit Kopfbewegungen verbunden sind (PM19 und PM23, Panel g und h). ). Horizontale Balken über den Panels zeigen signifikante Unterschiede beim paarweisen T-Test (Panel a und b) und dem paarweisen Durbin-Conover-Test (Panel c–h) an, alle mit Bonferroni-Korrektur für mehrere Vergleiche.

Zwei PMs waren erforderlich, um etwa 90 % der Varianz im Datensatz zu erklären, und fünf PMs waren mit einem relativen Eigenwert von mehr als 1 Prozent vorhanden (ergänzende Abbildung 1). Unterschiede zwischen den Bedingungen in diesen PMs niedrigerer Ordnung sind in Abb. 1c – f dargestellt. Abbildung 2 zeigt die Summe der Kopfmarkerladungen in jedem PM. Die folgenden Trends in Abb. 2 sind bemerkenswert: 1) Es wurden keine überproportionalen (d. h. ein PM mit einer Kopfmarkierungsbelastung, die größer ist als der ungefähre Gewichtsprozentsatz, den der Kopf in einem durchschnittlichen Körper darstellt) Kopfmarkierungsbeiträge gefunden ersten 16 Uhr. 2) Eine erste Gruppe von Kopfmarkierungsbeladungen wird um PM17–25 herum gefunden. 3) Ein zweiter, größerer Cluster ist zwischen PM34 und PM76 zu finden. 4) Es wurden keine überproportionalen Kopfmarkerbeiträge zwischen PM77 und 117 gefunden. Insgesamt wurden 37 PMs mit einer überproportionalen Kopfmarkerbelastung (Beitrag größer als 5 %) identifiziert, die hinsichtlich der relativen Unterschiede weiter analysiert wurden Varianz zwischen Bedingungen.

Summe der Kopfmarkerbelastung pro PM (Bereich: PM1–PM117). Die horizontale Linie stellt den Schwellenwert von 5 % dar (ungefähre Körpermasse, dargestellt durch den Kopf), was darauf hinweist, dass Belastungen oberhalb dieser Linie eine relativ hohe Kopfaktivität nach sich ziehen. Es wurden 37 PCs mit einer kombinierten Kopfmarkierungsbelastung über dem Schwellenwert gefunden. Schattierung und Größe der Marker über dem Schwellenwert weisen auf Unterschiede zwischen den Bedingungen in einem Friedman-Test hin, wobei die kleinsten Marker (heller Farbton) keinen Unterschied zeigen, die mittelgroßen Marker (mittlerer Farbton) einen Unterschied mit einem unkorrigierten Alpha von 0,05 und der größte ( Die dunkelsten Marker zeigen signifikante Unterschiede, selbst wenn ein Alpha für 37 parallele Vergleiche korrigiert wurde. Es ist hier wichtig zu beachten, dass bei allen PMs, die Effekte zwischen den Bedingungen zeigen, die Kopfbewegung nicht isoliert ist, sondern dass mindestens 20 % der Varianz in verteilten Mustern zu finden sind.

Die relative Varianz der 37 Kopfbewegungs-PMs wurde einem Friedman-Test unterzogen, um Unterschiede zwischen verschiedenen Reizausrichtungen zu bewerten. Aufgrund des erhöhten Typ-I-Fehlers im Zusammenhang mit 37 parallelen Vergleichen wurde eine Bonferroni-Korrektur angewendet (αc = 0,05/37 = 0,0014). Angesichts des erhöhten Typ-II-Fehlers bei einer so starken Alpha-Korrektur wurden jedoch auch unkorrigierte Werte gemeldet. Acht Kopfbewegungs-bezogene PMs zeigten signifikante Unterschiede zwischen Bedingungen mit einem unkorrigierten Alpha (mittlere Marker in Abb. 2: PM19, PM23, PM25, PM37, PM45, PM60, PM70, PM75). Es wurden zwei PMs identifiziert, die nach der Alpha-Korrektur signifikante Unterschiede zwischen den Bedingungen aufwiesen (Abb. 1g, h und große Markierungen in Abb. 2;). Erstens: PM19 (χ2(3) = 19,00, p < 0,001), Durbin-Conover paarweise Vergleiche (Abb. 1g) mit Bonferroni-Korrektur (αc = 0,008) zeigten signifikante Unterschiede zwischen der horizontalen und der vertikalen Bedingung (p < 0,001). sowie die horizontale und gemischte Bedingung (p < 0,001). Zweitens wurden signifikante Ergebnisse bei PM23 gefunden (Abb. 1h, χ2(3) = 36,50, p < 0,001). Bonferroni-korrigierte (αc = 0,008) Durbin-Conover-Tests zeigten signifikante Effekte zwischen den horizontalen und sowohl den vertikalen als auch den Kontrollbedingungen sowie zwischen den gemischten und sowohl den vertikalen als auch den Kontrollbedingungen. PM19 beschreibt korrelierte Markertrajektorien im Zusammenhang mit einer starken Rotation des Kopfes in der Sagittalebene (dh Nicken) mit verteilten Mustern in den Armen und Beinen, ebenfalls größtenteils in der Sagittalebene (Abb. 3). PM23 beschreibt eine starke Drehung des Kopfes in der horizontalen Ebene (dh Gieren), zusammen mit verteilten Frontalebenenmustern im linken Arm und Rumpf und gemischter Aktivität in den Beinen (Abb. 3).

Visuelle Darstellung der Markerbelastung pro Körpersegment für die ersten 6 PMs und die 6 mit der höchsten Markerbelastung am Kopf. Das Bedienfeld „Bewegungsebenen“ zeigt einen Farbindex für die anderen Bedienfelder: Grün dargestellte Körpersegmente sind in der Sagittalebene am aktivsten, rot dargestellte Segmente sind in der Frontalebene am aktivsten und blau dargestellte Segmente sind in der horizontalen Ebene am aktivsten. Die Bilder des Bewegungsebenen-Panels wurden angepasst von: https://commons.wikimedia.org/wiki/File:Planes_of_Body_unlabeled.jpg, unter CC4.0, unter Verwendung von paint.net. „Am aktivsten“ bedeutet in diesem Fall, dass die Segmentbelastung einen Beitrag von über 80 % auf den beiden Achsen innerhalb einer Ebene erreicht hat (z. B. wenn der Beitrag der anterior-posterioren und der vertikalen Segmentbelastung zusammen über 80 % beträgt, wird der Beitrag als sagittal klassifiziert Flugaktivität). Körpersegmente in Graustufen sind in keiner bestimmten Ebene dominant. Das Basisbild-Panel zeigt das Bild für den Fall, dass alle Markierungsladungen gleich 0 wären, um eine Basislinie für die PM-Panels festzulegen. PM-Panels zeigen die Markerbeladung pro Körperteil, dunklere Farbtöne weisen auf eine höhere Markerbeladung für dieses Segment hin. Sternchen weisen auf signifikante Unterschiede zwischen den Bedingungen hin, wobei ein einzelnes Sternchen die Signifikanz in einem unkorrigierten Friedman-Test anzeigt und ein doppeltes Sternchen die Signifikanz in einem Friedman-Test anzeigt, der für 37 parallele Vergleiche korrigiert wurde. Bemerkenswert sind hier die mit Kopfbewegungen verbundenen Muster, die über den Körper verteilt auftreten.

Die Ergebnisse bestätigten, dass die Blickrichtungsaufgabe Kopfdrehungen hervorrief, die mit koordinativen Mustern verbunden waren, die sich über den gesamten Körper erstreckten. Kopfbewegungen in der Sagittalebene waren mit einem verteilten Bewegungsmuster in der Sagittalebene im Rumpf und in den Beinen verbunden, während Kopfbewegungen in der Horizontalebene hauptsächlich mit Bewegungsmustern in der Frontalebene im linken Arm und rechten Unterschenkel verbunden waren. Es ist zu beachten, dass die Ergebnisse der PCA-Analyse spezifisch für dieses experimentelle Paradigma sind und die Replikation beim natürlichen Gehen (unter einer Reihe sehr unterschiedlicher Einschränkungen27,28), wo die Erkundung häufig eher im eigenen Tempo erfolgt als vorschreibend, zu unterschiedlichen PCA führt -Merkmale wie Kopfbewegungs-PM-Aufträge und Segmentladungen. Die relevanten Take-Home-Messages liegen daher nicht in diesen Details der PMs, sondern im allgemeinen Muster der Ergebnisse. Die Hauptaussagen sind: 1. Erkundende Kopfbewegungen sind mit verteilten Bewegungsmustern über den Körper verbunden. 2. Diese Bewegungsmuster wurden in den Komponenten niedrigerer Ordnung nicht dargestellt, aber PMs höherer Ordnung müssen beurteilt werden, um die Koordination zwischen Auge, Kopf und Körper zu verstehen. 3. Kopfbewegungen in der Sagittalebene waren im Allgemeinen mit der Aktivität der Körpersegmente in der Sagittalebene verbunden, während Kopfdrehungen in der Horizontalebene eher mit der Aktivität in der Frontalebene verbunden waren.

Auf funktioneller Ebene sind diese Ergebnisse nicht überraschend. Für die visuelle Erkundungsaufgabe wären zwei mögliche Aktivitätsmuster möglich gewesen. Erstens wäre eine kopflokalisierte Strategie möglich, bei der Kopfbewegungen weitgehend unabhängig von Körperbewegungen sind. Allerdings würde eine solche Strategie extremere Nackenbewegungen und eine starke, ineffiziente Fixierung des Körpers erfordern. Da die Aufgabe des Gehens relativ einfach ist, ist eine solche „Einfrier“-Strategie29 nicht ideal und wie vermutet, etablierten die aktuellen Ergebnisse koordinative Muster des gesamten Körpers, um die visuelle Erkundung zu ermöglichen. In dieser Umgebung mit geringer Nachfrage können das Bedürfnis nach Stabilisierung und Erkundung nebeneinander bestehen: Haltungsbewegungen können zugelassen werden, und sie führen nicht zu Ereignissen der Instabilität. Es könnte jedoch eine zukünftige Hypothese sein, dass solche explorativen Schwankungen in Situationen, in denen das Gleichgewicht in Frage gestellt ist, zu Instabilität führen könnten, was auf einen Kompromiss zwischen Stabilität und Exploration hinweist. Während des Gehens ist der Mensch in der Regel gut in der Lage, visuell zu erkunden, bevor er den gesamten Körper aktiv einbezieht30. Hier haben wir gezeigt, dass selbst beim Gehen unter geringen Anforderungen die explorative Kopfbewegung immer noch mit der Ganzkörperkoordination während des Gangs verbunden ist, was darauf hindeutet, dass beim Gehen möglicherweise ein Kompromiss zwischen Exploration und Stabilisierung besteht. Wo sich Menschen in diesem Kompromiss befinden, wäre ein Ergebnis der Einschränkungen, die mit der Ausführung der Aufgabe verbunden sind27. Das heißt, wenn eine Aufgabe einfach ist und/oder eine Person sehr geschickt ist (wie es in der aktuellen Studie der Fall war), wird der Kompromiss nicht betont und die aktive Erkundung wird zu einer Gelegenheit zum Handeln31. Wenn jedoch die Anforderungen an die Stabilität steigen, wird weniger Exploration möglich sein. Es handelt sich um eine Empfehlung für zukünftige Studien, um diesen Kompromiss und die Reaktion der Menschen auf hohe Anforderungen an Stabilität und Erkundung weiter zu untersuchen.

Ein potenzieller Bereich, in dem Einblicke in die Kompensationsstrategien des gesamten Körpers im Zusammenhang mit der visuellen Erkundung relevant sein könnten, ist der Sport. Hier treten Situationen auf, in denen sowohl explorative als auch Stabilitätsanforderungen hoch sind. Eine Haltungskompensationsstrategie im Zusammenhang mit visueller Erkundung könnte zusätzlich zu den ohnehin hohen Haltungsanforderungen des Sports (z. B. Umgang mit Geräten beim Sprinten, Springen oder scharfen Wenden) das Verletzungsrisiko erhöhen. Auch wenn der hier beschriebene Kompromiss zwischen Erkundung und Stabilisierung zum jetzigen Zeitpunkt noch spekulativ ist, könnte er sich bei der Erklärung von Verletzungen wie Verletzungen des vorderen Kreuzbandes als wertvoll erweisen, die bekanntermaßen häufig auftreten, wenn sich Sportler in der Nähe eines Gegners befinden (was auf erhöhte Erkundungsanforderungen hinweist), wenn das Gleichgewicht liegt gestört ist oder ein anspruchsvolles Manöver durchführt (was auf erhöhte Stabilitätsanforderungen hinweist), wie z. B. Abbremsen oder seitliches Ausweichen32. Für zukünftige Studien besteht hier die Möglichkeit, die Erkundungs- und Stabilitätsanforderungen im Vorfeld von Verletzungsereignissen mittels Videoanalyse zu quantifizieren. Die mit der Erkundung verbundenen verteilten koordinativen Muster könnten sich als störende Rolle bei der Verletzungsursache erweisen.

Während viele Studien PCA als Methode zur Dimensionsreduktion verwenden und darauf abzielen, nur eine geringe Anzahl von Komponenten zu analysieren und gleichzeitig die kritischen Informationen beizubehalten, berichteten wir über Ergebnisse, die eindeutig darauf hindeuteten, dass potenziell relevante Informationen immer noch in den Komponenten höherer Ordnung vorhanden sein könnten. Wenn die aktuelle Studie traditionellen Richtlinien gefolgt wäre und nur PMs einbezogen hätte, bis ein „deutlicher Abfall“ der Eigenwerte beobachtet werden kann22, bis wir 90 % der erklärten Varianz erreicht hätten, z. B.33,37,35 oder indem alle PMs einbezogen worden wären, die mehr erklären als ein Prozent der Gesamtvarianz36, dann hätten wir eine Analyse an jeweils einem, zwei oder fünf PMs durchgeführt (ergänzende Abbildung 1). In Bezug auf Kopfbewegungen hätte dies die Analyse auf einen Fokus auf PM3 und PM4 beschränkt, die Unterschiede zwischen den Bedingungen zeigten (Abb. 1e, f), aber die PMs ausgeschlossen, die Muster zeigten, die Drehungen des Kopfes ähneln: PM19 und PM23 (vergleiche Abb. 1a,b,g,h). Diese Analyse beweist, dass ein Fokus auf PMs niedrigerer Ordnung zwar eine gute Strategie zur Dimensionsreduzierung sein könnte, ein Fokus auf PMs höherer Ordnung jedoch eine Analyse spezifischer Bewegungsmuster ermöglicht, die systematisch während der Bewegung auftreten.

Zusammenfassend wurden in der aktuellen Studie koordinative Muster des gesamten Körpers untersucht, die mit durch visuelle Erkundung hervorgerufenen Kopfbewegungen während des Gehens verbunden sind. Bei der Analyse der aus PCA resultierenden Komponenten höherer Ordnung stellten wir fest, dass explorative Kopfbewegungen mit spezifischen Bewegungsmustern im gesamten Körper verbunden sind, wobei Kopfrotationen in der Sagittalebene im Allgemeinen mit Aktivität in der Sagittalebene und Kopfbewegungen in Querebene eher mit Aktivität in der Frontalebene verbunden waren. Diese Ergebnisse deuten auf einen Kompromiss zwischen Exploration und Stabilisierung hin, der für ein besseres Verständnis der visuellen Exploration während des Gangs sowie von Verletzungen, die während des Gangs auftreten, von Bedeutung sein könnte. Weitere Untersuchungen sollten die Generalisierbarkeit und Anwendbarkeit der Ergebnisse auf das alltägliche Gangverhalten in der Allgemeinbevölkerung bewerten, da die untersuchten Zusammenhänge für die Gleichgewichts- und Haltungskontrollforschung über die gesamte Lebensspanne hinweg relevant sind.

Eine Stichprobe von 23 Teilnehmern (13 Frauen, Durchschnittsalter: 25,7 Jahre) wurde aus der örtlichen Studentenschaft rekrutiert, zwei Teilnehmer wurden jedoch aufgrund von Messfehlern nach der visuellen Datenprüfung ausgeschlossen. Alle Teilnehmer hatten in den letzten 6 Monaten keine Verletzungen der unteren Extremitäten oder andere Gesundheitsprobleme, die sich möglicherweise auf ihr Gangmuster auswirken könnten. Das Protokoll der Studie wurde von der Kommission für ethische Fragen in der Wissenschaft der Universität Innsbruck (38/2020) genehmigt und in Übereinstimmung mit der Deklaration von Helsinki ausgeführt. Alle Teilnehmer gaben vor der Teilnahme an der Studie ihre Einverständniserklärung ab.

Die Teilnehmer wurden mit 39 reflektierenden Markern ausgestattet (Vicon Ganzkörper-Plug-in-Gangmarkierungsset). Zehn Infrarotkameras wurden verwendet, um Markierungspositionen bei 250 Hz aufzuzeichnen (Vicon Motion Systems Ltd, UK). In der Mitte des Labors wurde ein Laufband aufgestellt und die Geschwindigkeit des Laufbands für alle Bedingungen auf 4 km/h eingestellt, um die resultierenden Daten zwischen den Teilnehmern vergleichbar zu machen. Um Augen- und Kopfbewegungen zu stimulieren, wurde ein programmierbarer Satz LED-Leuchten verwendet. Drei LEDs wurden auf ungefähr Augenhöhe an einer Wand vor dem Teilnehmer befestigt und eine wurde auf dem Boden zwischen Laufband und Wand befestigt (Abb. 4). Die LEDs wurden so programmiert, dass sie eine nach der anderen aufleuchteten, und der Teilnehmer wurde angewiesen, dieser Aufleuchtsequenz mit seinem Blick zu folgen.

Draufsicht auf den Versuchsaufbau. Drei rechte LEDs sind ungefähr in Augenhöhe vom Laufband an einer Wand montiert. Die zwischen dem Laufband und der Wand positionierte LED wurde auf dem Boden in einem Abstand positioniert, der etwa 2 Schritte vor der Mitte des Laufbands entspricht. Die für eine Bewegung zwischen den seitlichsten LEDs erforderliche horizontale Kopfdrehung (Gieren) beträgt etwa 37°. Die erforderliche Drehung der Sagittalebene von der Boden-LED zu den an der Wand montierten LEDs beträgt etwa 49°. Die genauen Winkel hängen von der Körpergröße des Teilnehmers und der genauen Position auf dem Laufband ab.

Die Teilnehmer betraten das Laufband und führten zunächst eine „Kontrollmaßnahme“ durch, indem sie zwei Minuten lang ohne besondere Anweisung gingen. Nach einer kurzen Pause stieg der Teilnehmer wieder auf das Laufband und die LED-Sequenz wurde aktiviert. Die LEDs leuchteten in automatischer Reihenfolge über 6 Minuten in verschiedenen Einstellungen auf, wie in Tabelle 1 angegeben. Es wurden unterschiedliche Frequenzen eingeführt, um sicherzustellen, dass die Teilnehmer ihre Erkundung nicht mit ihrem Gangzyklus synchronisieren konnten oder umgekehrt, da dies jedoch nicht das Hauptziel der Studie war In der weiteren Analyse wurden Durchschnittswerte zwischen Nieder- und Hochfrequenzaufzeichnungen verwendet (dh ein Wert für vertikale, horizontale, gemischte und Kontrollbedingungen).

Aufgezeichnete Markertrajektorien wurden mit Vicon Nexus (Version 2.9.2) rekonstruiert und beschriftet und dann zur weiteren Verarbeitung in MATLAB (MathWorks Inc., Natick, MA, USA) exportiert. Unter Verwendung von MATLAB wurden Datendateien (Zeilen: Zeitpunkte, Spalten: Markierungsbahnen) in 50-Sekunden-Dateien geschnitten, die stationäres Gehen in jeder Bedingung enthalten (wobei 5 Sekunden vor und nach der Änderung der Bedingung abgeschnitten wurden, um mögliche Synchronisierungs- und Eingewöhnungsprobleme zu vermeiden). ). Anschließend wurde der Ursprung des Achsensystems auf die Mitte zwischen den hinteren linken und rechten Markierungen der Beckenwirbelsäule zurückgesetzt, um den Einfluss von Positionsverschiebungen auf dem Laufband auf die Ergebnisse der Analysen zu minimieren.

Um die Wirksamkeit der Manipulation zu beurteilen, wurde die Kopforientierung anhand der vier Kopfmarker berechnet. Daraus ergaben sich zwei Variablen, die die Kopfrotation in der sagittalen (Nick) und horizontalen Ebene (Gieren) beschreiben. Standardabweichungen dieser Flugbahnen wurden bestimmt, um ein Maß für das Ausmaß der Drehung in jeder Ebene während eines vollständigen Versuchs zu erhalten. Ausreißer wurden entfernt, wenn sie mehr als 3,5 SD vom Gruppenmittel entfernt waren, und die Normalität wurde mithilfe von Shapiro-Wilk-Tests beurteilt. Eine Varianzanalyse mit wiederholten Messungen (RM-ANOVA) mit Bonferroni-korrigiertem paarweisen Vergleich wurde verwendet, um Zustandseffekte auf die Standardabweichung der Nick- und Giertrajektorien zu bewerten (die das Ausmaß der Variation in der sagittalen und horizontalen Ebene, d. h. Aktivität in jeder Ebene, darstellen). Drehung). Bei Verstößen gegen die Sphärizitätsannahme wurde eine Greenhouse-Geisser-Korrektur angewendet. Die Analyse wurde in Jamovi (Version: 2.2.5) mit einem Alpha-Wert von 0,05 durchgeführt.

Die Datendateien wurden mit dem „PManalyser“, einem Open-Source-Softwarepaket auf MATLAB-Basis für PCA37, weiterverarbeitet. Die folgenden Vorverarbeitungsschritte wurden abgeschlossen: 1) Implementieren einer Normalisierung des „mittleren euklidischen Abstands“24,37, die erstens die aufgezeichneten Körperhaltungen hinsichtlich ihrer Abweichung von der mittleren Körperhaltung für jeden Versuch neu definiert und zweitens die Varianz der einzelnen Datendateien neu skaliert, sodass alle Datendateien dies haben einen gleichen Einfluss auf die resultierende Analyse haben. Zusammengenommen minimiert dies den Einfluss anthropometrischer Unterschiede zwischen den Teilnehmern (d. h. eine große Person, die größere Schritte macht, wirkt sich genauso auf die Analyse aus wie eine kleine Person, die kleinere Schritte macht). 2) Für jede Marker-Trajektorie wurde eine Gewichtung anhand des in jedem Körpersegment repräsentierten prozentualen Körpergewichts vorgenommen (basierend auf einer Kombination von Daten aus38,39,40). Die Gewichtung der asymmetrischen Marker wurde auf einen Wert nahe Null gesetzt, um deren Einfluss auf die Analyse zu minimieren. Die Markierungsgewichtung wurde implementiert, um ein besseres Gleichgewicht zwischen kleinen Amplituden, Ganzkörperkompensationsstrategien und großen Bewegungen zu erreichen, die in leichteren Segmenten wie den Händen dargestellt werden. 3) Eine Datenmatrix wird aus allen vertikal verketteten separaten Datendateien berechnet, sodass unterschiedliche Markertrajektorien in Spalten dargestellt werden und unterschiedliche Teilnehmer, Bedingungen und Frames alle in einer verschachtelten Struktur in den Zeilen dargestellt werden. Dank dieser Normalisierungs- und Verkettungsschritte konnte eine PCA für den gesamten Datensatz aller Teilnehmer zusammen durchgeführt werden und die Ergebnisse wurden zwischen den Teilnehmern direkt vergleichbar24.

PCA führt zu einer Reihe von PM-Eigenwerten und der relativen Varianz, die durch jede Komponente erklärt wird. Um das Engagement bestimmter Körpersegmente in bestimmten PMs zu quantifizieren, wurden die Belastungswerte jedes Markers auf jedem PM berechnet. Zur Beurteilung wurden die Belastungswerte für an einem Körpersegment angebrachte Markierungen (insgesamt 19 Segmente: Kopf, Hals, Brust, Bauch und Becken sowie zwei Schultern, Oberarme, Unterarme, Hände, Oberschenkel, Unterschenkel und Füße) summiert der Beitrag jedes Segments in der spezifischen PM. PMs, bei denen die Kopfmarker eine relativ hohe Belastung lieferten, wurden für weitere Analysen berücksichtigt. Der Schwellenwert hierfür wurde auf eine Mindestbelastung von 5 % durch die Kopfmarkierungen festgelegt, da der Anteil des Kopfes am Körpergewicht bei etwa 5 % liegt38,39,40.

Für diejenigen PMs, bei denen festgestellt wurde, dass sie einen großen Beitrag zur Kopfbewegung leisten, wurde die relative Varianzausgabe weiter analysiert. Änderungen der relativen Varianz pro PM zwischen den Bedingungen spiegeln Änderungen im Ausmaß wider, das ein aufgezeichneter PM zu den gesamten Körperbewegungen während der einzelnen Bedingungen beitrug. Eine signifikante Veränderung deutet also darauf hin, dass sich die gesamte Bewegungsstruktur verändert hat. Aufgrund von Problemen mit der Normalität dieser Variablen wurden Friedman-Tests eingesetzt, um Unterschiede zwischen Bedingungen in der relativen Varianz für alle PMs im Zusammenhang mit Kopfbewegungen zu bewerten. Alpha wurde auf 0,05 festgelegt, allerdings wurde eine Bonferroni-Korrektur auf die Ergebnisse angewendet, um das Risiko einer Alpha-Inflation zu mindern. Es werden sowohl korrigierte als auch unkorrigierte Ergebnisse gemeldet, um einen objektiven Überblick über die analysierten Auswirkungen zu geben.

Die während der aktuellen Studie verwendeten und/oder analysierten Datensätze sind auf begründete Anfrage beim entsprechenden Autor erhältlich.

Ishak, S., Adolph, KE & Lin, GC Erkennen von Möglichkeiten für die Passung durch Öffnungen. J. Exp. Psychol. Summen. Wahrnehmung. Ausführen. 34, 1501–1514 (2008).

Artikel Google Scholar

Lee, DN Eine Theorie der visuellen Bremskontrolle basierend auf Informationen über die Zeit bis zur Kollision. Wahrnehmung 5, 437–459 (1976).

Artikel CAS Google Scholar

Warren, WH Aktionsmodi und Kontrollgesetze zur visuellen Handlungsführung. Adv. Psychol. 50, 339–379 (1988).

Artikel Google Scholar

Lee, DN & Reddish, PE Sinkende Tölpel: Ein Paradigma der ökologischen Optik. Natur 293, 293–294 (1981).

Artikel ADS Google Scholar

Gibson, JJ & Gibson, J. Visuell kontrollierte Fortbewegung und visuelle Orientierung bei Tieren. Br. J. Psychol. 49, 182–194 (1958).

Artikel CAS Google Scholar

Hollands, MA, Hollands, K. & Rietdyk, S. Visuelle Kontrolle der adaptiven Fortbewegung und Veränderungen aufgrund des natürlichen Alterns. In Fortbewegung und Körperhaltung bei älteren Erwachsenen: Die Rolle des Alterns und Bewegungsstörungen (Hrsg. Barbieri, F., Vitório, R.) 55–72 (Springer, Cham., 2017). https://doi.org/10.1007/978-3-319-48980-3_5.

Matthis, JS, Yates, JL & Hayhoe, MM Blick und die Kontrolle der Fußposition beim Gehen in natürlichem Gelände. Curr. Biol. 28, 1224-1233.e5 (2018).

Artikel CAS Google Scholar

Warren, WH, Young, DS & Lee, DN Visuelle Kontrolle der Schrittlänge beim Laufen über unregelmäßiges Gelände. J. Exp. Psychol. Summen. Wahrnehmung. Ausführen. 12, 259–266 (1986).

Artikel Google Scholar

Warren, WH Visuell kontrollierte Fortbewegung: 40 Jahre später. Ökologisch. Psychol. 10, 177–219 (1998).

Artikel Google Scholar

Tomasi, M., Pundlik, S., Bowers, AR, Peli, E. & Luo, G. Mobiles Blickverfolgungssystem für Verhaltensstudien beim Gehen im Freien. J. Vis. 16, 27–27 (2016).

Artikel Google Scholar

Cinelli, M., Patla, A. & Stuart, B. Beteiligung von Kopf und Rumpf bei der Neuausrichtung des Blicks beim Stehen und Gehen auf dem Laufband. Exp. Gehirnres. 181, 183–191 (2007).

Artikel Google Scholar

Hart, BM & Einhauser, W. Beachten Sie den Schritt: Komplementäre Auswirkungen einer impliziten Aufgabe auf Augen- und Kopfbewegungen bei der Blickzuweisung im wirklichen Leben. Exp. Gehirnres. 223, 233–249 (2012).

Artikel Google Scholar

Franchak, JM, McGee, B. & Blanch, G. Anpassung der Koordination von Augen und Kopf an Unterschiede in der Aufgabe und Umgebung während der vollständig mobilen visuellen Erkundung. PLoS ONE 16, e0256463 ​​(2021).

Artikel CAS Google Scholar

Chapman, GJ & Hollands, MA Altersbedingte Unterschiede in den visuellen Probenanforderungen während der adaptiven Fortbewegung. Exp. Gehirnres. 201, 467–478 (2010).

Artikel Google Scholar

Chapman, GJ & Hollands, MA Hinweise auf einen Zusammenhang zwischen Veränderungen des Blickverhaltens und dem Sturzrisiko bei älteren Erwachsenen während der adaptiven Fortbewegung. Ganghaltung 24, 288–294 (2006).

Artikel CAS Google Scholar

Warman, GE, Cole, MH, Johnston, RD, Chalkley, D. & Pepping, G.-J. Einsatz von Mikrotechnologie zur Quantifizierung des Rumpfwinkels während eines Spiels im Feldhockey. J. Strength Cond. Res. 33, 2648–2654 (2019).

Artikel Google Scholar

McGuckian, TB, Cole, MH, Chalkley, D., Jordet, G. & Pepping, G.-J. Visuelle Erkundung, wenn man von Angeboten umgeben ist: Die Häufigkeit der Kopfbewegungen ist prädiktiv für die Reaktionsgeschwindigkeit. Ökologisch. Psychol. 31, 30–48 (2019).

Artikel Google Scholar

Freedman, EG Koordination der Augen und des Kopfes während der visuellen Orientierung Edward. Experimental Brain Researcha 190, 369–387 (2008).

Artikel Google Scholar

Mccluskey, MK & Cullen, KE Augen-, Kopf- und Körperkoordination bei großen Blickwechseln bei Rhesusaffen: Bewegungskinematik und der Einfluss der Körperhaltung. J. Neurophysiol. 97, 2976–2991. https://doi.org/10.1152/jn.00822.2006 (2022).

Artikel Google Scholar

Hollands, MA & Ziavra, NV Ein neues Paradigma zur Untersuchung der Rolle von Kopf- und Augenbewegungen bei der Koordination von Ganzkörperbewegungen. Exp. Gehirnres. 23, 261–266 (2004).

Artikel Google Scholar

Troje, NF Zerlegung biologischer Bewegung: Ein Rahmen für die Analyse und Synthese menschlicher Gangmuster. J. Vis. 2, 371–387 (2002).

Artikel Google Scholar

Daffertshofer, A., Lamoth, CJC, Meijer, OG & Beek, PJ PCA beim Studium von Koordination und Variabilität: Ein Tutorial. Klin. Biomech. 19, 415–428 (2004).

Artikel Google Scholar

Federolf, PA, Tecante, K. & Nigg, B. Ein ganzheitlicher Ansatz zur Untersuchung der zeitlichen Variabilität im Gang. J. Biomech. 45, 1127–1132 (2012).

Artikel Google Scholar

Federolf, PA Ein neuartiger Ansatz zur Untersuchung der menschlichen Haltungskontrolle: „Hauptbewegungen“, gewonnen aus einer Hauptkomponentenanalyse kinematischer Markerdaten. J. Biomech. 49, 364–370 (2016).

Artikel Google Scholar

Promsri, A. & Federolf, PA Analyse der Haltungskontrolle mittels Hauptkomponentenanalyse: Die Relevanz von Haltungsbeschleunigungen und ihrer Frequenzabhängigkeit für die Auswahl der Anzahl der Bewegungskomponenten. Vorderseite. Bioeng. Biotechnologie. 8, 480 (2020).

Artikel Google Scholar

Maurer, C., Federolf, P., von Tscharner, V., Stirling, L. & Nigg, BM Unterscheidung von geschlechts-, geschwindigkeits- und schuhabhängigen Bewegungsmustern bei Läufern mithilfe der Ganzkörperkinematik. Ganghaltung 36, 40–45 (2012).

Artikel Google Scholar

Newell, KM Einschränkungen bei der Entwicklung der Koordination. In „Motorische Entwicklung bei Kindern: Aspekte der Koordination und Kontrolle“ (Hrsg. Wade, MG & Whiting, HTA) 341–360 (Martinus Nijhoff Publishers, 1986).

Kapitel Google Scholar

van Andel, S., Cole, M. & Pepping, G.-J. Mind the Gap – Zur Notwendigkeit einer situativen Taxonomie für die Gestaltung und Bewertung von Ganginterventionen. In Nature and Health (Hrsg. Brymer, E. et al.) 47–59 (Routledge, Taylor & Francis Group, 2021).

Kapitel Google Scholar

Bernstein, N. Die Koordination und Regulierung der Bewegung (Pergamon Press, 1967).

Google Scholar

Adolph, KE, Eppler, MA, Marin, L., Weise, IB & Wechsler Clearfield, M. Exploration im Dienste der prospektiven Kontrolle. Säugling. Verhalten. Entwickler 23, 441–460 (2000).

Artikel Google Scholar

Gibson, JJ Die Sinne als Wahrnehmungssysteme betrachtet (Houghton Mifflin, 1966).

Google Scholar

Carlson, VR, Sheehan, FT & Boden, BP Videoanalyse von Verletzungen des vorderen Kreuzbandes (ACL): Eine systematische Übersicht. JBJS Rev. 4, e5 (2016).

Artikel Google Scholar

Majed, L., Heugas, AM & Siegler, IA Veränderungen in der Bewegungsorganisation und Kontrollstrategien beim Erlernen eines biomechanisch eingeschränkten Gangmusters, Racewalking: eine PCA-Studie. Exp. Gehirnres. 235, 931–940 (2017).

Artikel CAS Google Scholar

Sadler, EM, Graham, RB & Stevenson, JM Geschlechterunterschied und Hebetechnik unter leichten Lastbedingungen: Eine Hauptkomponentenanalyse. Theor. Probleme Ergon. Wissenschaft. 14, 159–174 (2013).

Artikel Google Scholar

Reid, SM, Graham, RB & Costigan, PA Differenzierung des Treppensteiggangs junger und älterer Erwachsener mithilfe der Hauptkomponentenanalyse. Ganghaltung 31, 197–203 (2010).

Artikel Google Scholar

Kaiser, HF Die Anwendung elektronischer Computer zur Faktorenanalyse. Educ. Psychol. Mess. 20, 141–151 (1960).

Artikel Google Scholar

Haid, TH, Zago, M., Promsri, A., Doix, A.-CM & Federolf, PA PManalyzer: Eine Software, die das Studium der sensomotorischen Steuerung von Ganzkörperbewegungen erleichtert. Vorderseite. Neuroinform. 13, 24 (2019).

Artikel Google Scholar

De Leva, P. Anpassungen der Segmentträgheitsparameter von Zatsiorsky-Seluyanov. J. Biomech. 29, 1223–1230 (1996).

Artikel Google Scholar

Labor für Marine-Biodynamik. Anthropometrie und Massenverteilung für menschliche Analoga Band I: Militärische männliche Flieger. https://www.humanics-es.com/ADA304353.pdf (1988).

Dempster, WT & Gaughran, GRL Eigenschaften von Körpersegmenten basierend auf Größe und Gewicht. Bin. J. Anat. 120, 33–54 (1967).

Artikel Google Scholar

Referenzen herunterladen

Institut für Sportwissenschaft, Universität Innsbruck, Fürstenweg 185, 6020, Innsbruck, Österreich

Steven van Andel, Andreas R. Schmidt und Peter A. Federolf

IJsselheem-Stiftung, Camp, Niederlande

Steven van Andel

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Alle Autoren waren für die Konzeptualisierung der Studie verantwortlich. AS und SvA waren für die Pilottests und AS für die Datenerfassung verantwortlich. PF und SvA waren für die Datenverarbeitung und -analyse verantwortlich. SvA hat den ersten Entwurf des Manuskripts verfasst. Alle Autoren haben das Manuskript überprüft.

Korrespondenz mit Steven van Andel.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

van Andel, S., Schmidt, AR & Federolf, PA Eindeutige Koordinationsmuster integrieren explorative Kopfbewegungen mit Ganzkörper-Bewegungsmustern beim Gehen. Sci Rep 13, 1235 (2023). https://doi.org/10.1038/s41598-022-26848-x

Zitat herunterladen

Eingegangen: 20. September 2022

Angenommen: 21. Dezember 2022

Veröffentlicht: 22. Januar 2023

DOI: https://doi.org/10.1038/s41598-022-26848-x

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.