Locomotor adaptation can persistently reorganize stride-to-stride regulation of centre of mass error dynamics

Sintesi Tecnica: Adattamento Locomotore e Dinamica dell'Errore del CoM da Passo a Passo

Definizione del Problema
Sebbene gli esseri umani siano in grado di adattare la propria andatura a nuovi ambienti (ad esempio, tapis roulant a velocità differenziata o split-belt), la comprensione attuale di questo processo è limitata. Gli studi tradizionali si affidano a metriche scalari, come l'asimmetria della lunghezza del passo o il Margine di Stabilità (MoS), che forniscono istantanee momentanee degli esiti dell'andatura. Queste metriche non riescono a catturare le regole latenti che governano il modo in cui la stabilità viene regolata da un passo all'altro. Inoltre, rimane poco chiaro se l'adattamento locomotore comporti semplicemente la riduzione degli errori di stabilità o una fondamentale riorganizzazione della struttura dinamica sottostante che controlla tali errori. Inoltre, non è ben compreso fin dove si estenda la ritenzione e la rapida richiamabilità (risparmio o savings) di tali adattamenti legati alla stabilità in seguito alla riesposizione a una perturbazione.

Metodologia
Gli autori hanno impiegato un approccio multidimensionale basato sui sistemi dinamici per modellare la dinamica dell'errore del Centro di Massa (CoM) durante la deambulazione su tapis roulant a velocità differenziata (split-belt).

• Framework del Modello: Hanno utilizzato un semplice modello di pendolo inverso 3D per definire una mappa lineare passo-passo degli stati di errore del CoM durante la fase di appoggio medio (midstance). Il vettore di stato include la posizione mediolaterale ($\delta x$), la velocità mediolaterale ($\delta \dot{x}$) e la velocità antero-posteriore ($\delta \dot{y}$). Il sistema è modellato come $\delta \mathbf{x}(n+1) = A \delta \mathbf{x}(n)$, dove la matrice $A$ rappresenta la dinamica di regolazione dell'errore passo-passo.
• Dati Sperimentali: Lo studio ha analizzato i dati di 14 partecipanti sottoposti a un protocollo split-belt che comprendeva blocchi di base (cinta unificata o tied-belt), apprendimento (split-belt), lavaggio (washout, tied-belt) e risparmio (savings, riesposizione a split-belt).
• Analisi:
  1. Validazione Scalare: È stata utilizzata l'ANOVA a misure ripetute per confermare la riduzione dell'entità dell'errore del CoM durante l'apprendimento e il lavaggio.
  2. Fitting del Modello: Sono state adattate mappe lineari ($A_{block}$) ai dati di regime stazionario per ogni blocco e per ogni gamba. La validità del modello è stata valutata tramite l'Errore Quadratico Medio Normalizzato (NRMSE) e "punteggi di abilità" (skill scores) confrontando il modello con i benchmark di persistenza e di predittore della media.
  3. Analisi dell'Autostruttura (Eigenstructure): Per testare la riorganizzazione strutturale (Ipotesi H2), gli autori hanno confrontato gli autovalori e gli autovettori delle matrici $A$ tra i diversi blocchi. Hanno analizzato specificamente la somiglianza degli autovettori dominanti tra le condizioni di apprendimento, risparmio e base utilizzando il bootstrapping per determinare se le dinamiche di apprendimento e risparmio si raggruppino insieme, distinguendosi dalla condizione di base.
  4. Analisi del Richiamo (Recall): Per testare il richiamo strutturale (Ipotesi H3), hanno confrontato quanto bene il modello di apprendimento a regime stazionario ($A_L$) rispetto al modello di lavaggio ($A_W$) predicesse le traiettorie di errore del primo blocco di risparmio (primi 30 passi).

Risultati Chiave

• Riduzione dell'Errore (H1): I partecipanti hanno ridotto significativamente l'entità dell'errore del CoM nelle direzioni mediolaterale e antero-posteriore durante i blocchi di apprendimento e di lavaggio, confermando l'errore del CoM come un segnale di apprendimento valido.
• Riorganizzazione Strutturale (H2): Le dinamiche di errore lineari differivano significativamente tra le condizioni a cinta unificata (tied-belt, base/lavaggio) e a velocità differenziata (split-belt, apprendimento/risparmio). Nello specifico, gli autovettori dominanti (che rappresentano la direzione del decadimento più lento dell'errore) ruotavano significativamente. Nella deambulazione a velocità unificata, la persistenza dell'errore era dominata dalla velocità mediolaterale. Nella deambulazione split-belt, la direzione dominante si è spostata lontano dalla velocità mediolaterale, allineandosi maggiormente con la velocità antero-posteriore. Ciò indica una riorganizzazione delle priorità di controllo.
• Richiamo Strutturale (H3): La dinamica a regime stazionario appresa durante l'iniziale esposizione split-belt ($A_L$) ha predetto le traiettorie di errore del primo blocco di risparmio in modo significativamente migliore rispetto alle dinamiche di lavaggio ($A_W$). Fondamentalmente, $A_L$ ha predetto il primo blocco di risparmio meglio di quanto abbia predetto l'inizio dell'apprendimento, suggerendo che la somiglianza non è semplicemente un risultato dei vincoli meccanici dello split-belt, ma riflette il rapido richiamo di una struttura dinamica precedentemente appresa.
• Asimmetria della Gamba: Questi cambiamenti strutturali sono stati osservati principalmente nella gamba lenta, in linea con le precedenti scoperte secondo cui la cinetica della gamba lenta guida le misure di asimmetria.

Significato e Rivendicazioni
Il documento sostiene che l'adattamento locomotore comporta più della semplice riduzione scalare dell'errore; esso include una persistente riorganizzazione della struttura geometrica della regolazione del movimento del CoM passo dopo passo.

• Oltre le Metriche Scalari: Lo studio dimostizza che le metriche scalari come il MoS o l'asimmetria della lunghezza del passo sono insufficienti per rilevare questi cambiamenti fondamentali nella strategia di controllo. La riorganizzazione viene rivelata solo attraverso l'analisi dell'autostruttura delle dinamiche di errore.
• Rapido Richiamo: I risultati suggeriscono che il sistema nervoso apprenda una nuova struttura dinamica per regolare la stabilità in ambienti insoliti, la quale non viene immediatamente sovrascritta durante il lavaggio e può essere rapidamente richiamata in caso di riesposizione.
• Intuizione Meccanicistica: Spostando l'attenzione dalla riduzione dell'esito alla geometria della regolazione dell'errore, gli autori forniscono una spiegazione meccanicistica di come la stabilità venga prioritizzata diversamente nella deambulazione split-belt rispetto a quella tied-belt (ad esempio, de-prioritizzando l'errore di velocità antero-posteriore a favore dell'errore di velocità mediolaterale).

Gli autori concludono che il loro approccio ai sistemi dinamici offre una nuova parametrizzazione per indagare l'apprendimento e il richiamo locomotore, rivelando che gli adattamenti rilevanti per la stabilità sono strutturali e persistenti, piuttosto che semplici aggiustamenti transitori dell'entità dell'errore.