Analyse de la marche

La marche est le mouvement de base de la locomotion humaine, fondamental pour l'autonomie de l'individu. La marche représente la première forme d'exercice recommandée par les autorités sanitaires car elle permet de prévenir les problèmes articulaires, cardiaques et pulmonaires, tout en accélérant le métabolisme et en réduisant le risque de diabète [1]: il n'est donc pas surprenant que la restauration de son efficacité totale soit l’objectif final de multiples protocoles thérapeutiques.

La marche n'est pas aussi simple que cela puisse paraître : l'attention cognitive et la force musculaire doivent être adéquates et accompagnées d'un bon contrôle moteur, indispensable pour coordonner les inputs sensoriels et la contraction musculaire [2]. Un trouble du mouvement peut donc agir sur différents aspects, mais il se manifeste toujours par une variabilité et une asymétrie accrues du geste, entraînant des compensations, une inefficacité et une plus grande dépense énergétique [3].

La présence de déséquilibres et de dyskinésies a toujours fait l'objet d'études et au fil du temps des instruments de mesure de plus en plus raffinés ont été introduits qui ont permis de dépasser l'observation purement visuelle en faveur de la Gait Analysis (GA) d'aujourd'hui [4]. La GA est reconnu comme une méthode d'évaluation utile dans le domaine de la recherche sur les mouvements humains car elle permet d'objectiver le comportement moteur. Dans le domaine clinique, les systèmes vidéo, les plates-formes de force et les sondes électromyographiques sont désormais couramment utilisés pour obtenir des informations sur la cinétique, la cinématique et l'activation musculaire. Un examen complet nécessite également l'implication de multiples spécialistes (physiatre, kinésithérapeute, ingénieur biomédical…): le coût global est donc important [5].

La présence d'équipements encombrants et de multiples opérateurs observant l'exercice peut cependant affecter la qualité de la marche d'un patient. La capacité à capturer le mouvement humain dans un environnement écologique (naturel) entraînerait donc divers avantages dont la possibilité d'évaluer différents gestes moteurs avec une préparation rapide et minimale sans implication particulière du sujet analysé et donc d'obtenir des valeurs plus représentatives [6]. Pour encourager une plus grande utilisation de la GA, il est donc de plus en plus important de s'affranchir de l'utilisation de grands laboratoires coûteux au profit de technologies plus flexibles et portables rendues disponibles par le progrès technologique.

L'une des principales réponses en ce sens a été apportée par les systèmes de détection inertielle et optique, tels que Gyko et Optogait, qui permettent l'analyse des valeurs spatiotemporelles et posturales: la quantification de ces macro-paramètres au cours d'une marche de récupération aide l'identification précoce des problèmes potentiels et soutient la définition des prochaines étapes en objectivant les tendances, les améliorations ou les changements dans les schémas moteurs spécifiques.
 

Parmi les paramètres les plus importants et principalement surveillés figurent:

  • Durée (en pourcentage du cycle de marche) des phases de la marche; comme la marche est un mouvement cyclique, le cycle ou la foulée (gait cycle ou stride) étant traditionnellement définis comme la période de temps ou la séquence d'événements ou de mouvements pendant la locomotion, qui commence lorsqu'un pied entre en contact avec le sol et se termine au prochain contact du même pied au sol. Chaque cycle de la marche (100%) est divisé en phase de soutien (stance phase - phase de posture, généralement environ 60%) et phase d’envol (swing phase - phase de déplacement, 40%). Les deux phases peuvent être subdivisées en sous-phases (voir figure 1).
  • Longueurs du pas et du cycle de la marche;
  • Paramètres temporels; parmi ceux de première importance, nous trouvons le temps du pas (du support du pied à appui controlatéral), le temps du cycle et la cadence.  La phase dans laquelle le pied est en contact avec le sol peut être divisée en trois sous-phases caractérisées par une fonction différente (voir figure 2).
  • Vitesse de marche.
  • Posture dynamique du tronc; son monitorage permet d'identifier d'éventuels mouvements compensatoires du haut du corps (voir figure 3). 

Une fois en possession de ces valeurs, il est important d'évaluer la présence d'asymétries entre les membres droit et gauche qui, si elles sont élevées, peuvent indiquer des difficultés à contrôler l'équilibre et des inefficacités dans la marche.

Enfin, il est important que la variabilité du geste soit limitée car une augmentation de sa valeur pourrait indiquer un plus grand risque de chute, de fragilité, d'écarts de la fonction musculaire et du contrôle postural [7]. 
 

Fig.1

Figure 1 L'image représente la subdivision en phases du cycle de marche, gait cycle.

Figure 2 L'image représente la subdivision en sous-phases de la phase d'appui (stance phase).

Figura 3

Figure 3 La figure montre les paramètres posturaux qui sont le plus souvent évalués dans l'analyse de la marche : mouvements médio-latéraux et antéro-postérieurs et zone de mouvement.

BIBLIOGRAPHIE

[1]          S. Hanson and A. Jones, “Is there evidence that walking groups have health benefits? A systematic review and meta-analysis,” Br. J. Sports Med., vol. 49, no. 11, pp. 710–715, Jun. 2015, doi: 10.1136/bjsports-2014-094157.

[2]          “Human gait and Clinical Movement Analysis - Abu‐Faraj - - Major Reference Works - Wiley Online Library.” https://onlinelibrary.wiley.com/doi/abs/10.1002/047134608X.W6606.pub2 (accessed Sep. 03, 2019).

[3]          “Gait disorders in adults and the elderly.” https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5318488/ (accessed Sep. 03, 2019).

[4]          “The history of gait analysis before the advent of modern computers. - PubMed - NCBI.” https://www.ncbi.nlm.nih.gov/pubmed/17306979 (accessed Sep. 09, 2019).

[5]          S. R. Simon, “Quantification of human motion: gait analysis—benefits and limitations to its application to clinical problems,” J. Biomech., vol. 37, no. 12, pp. 1869–1880, Dec. 2004, doi: 10.1016/j.jbiomech.2004.02.047.

[6]          “Capturing Human Motion in Natural Environments - ScienceDirect.” https://www.sciencedirect.com/science/article/pii/S2351978915008872 (accessed Sep. 09, 2019).

[7]          J. M. Hausdorff, “Gait variability: methods, modeling and meaning,” J. Neuroengineering Rehabil., vol. 2, p. 19, Jul. 2005, doi: 10.1186/1743-0003-2-19.