跌倒风险评估被写入国标：当TUG的秒数里没有步态与平衡的分解时我们要如何判断TA为什么摔？
发布时间：
2026-10-20 15:16
来源：
2026年9月1日起，卫生行业标准 WS/T 887—2026《社区老年人跌倒预防控制技术标准》开始实施，「步态和平衡功能」进入社区老年人跌倒风险评估的必评内容，风险按低、中、高三级划分，高风险者还要在1~3个月内随访复评。但机构里最常用的工具仍是TUG（计时起立-行走）这类量表——交出一个秒数、一个分值，答不出「TA为什么摔」。本文用9篇2025–2026年的最新研究讲清三件事：跌倒风险评估为什么被写进国标、TUG的秒数里丢了什么、以及把「分级」推进到「分解」的方案长什么样。
01 跌倒风险评估为什么写入国标
WHY GAIT AND BALANCE ENTERED THE STANDARD
先看负担有多大。在德国，65岁以上人群约24%每年至少跌倒一次，80岁以上升至约33%[1]；美国跌倒相关的年经济负担超过2800亿美元，其中直接医疗支出超过500亿美元[2]。跌倒不是偶发意外，而是可测量的功能衰退链条的终点之一。
为什么偏偏写「步态和平衡」？因为干预点在这里。一项针对跌倒后出院老人的前瞻研究发现，抑郁症状与跌倒风险的关联（20项研究的荟萃分析OR=1.46）主要由步态与动态平衡损害中介[1]——风险传导的中间环节恰恰是可测量、可训练的动作功能。步速早已被称作「第六生命体征」，可穿戴惯性传感器对前庭与神经损害人群的跌倒风险预测AUC可达0.75–0.88[3]。
图 1：可穿戴设备输出的数字化步态生物标志物：步数、距离、步速、步频、跨步长与变异性指标（引自文献[3]）
社区环境下的量化可行性也已验证：用低成本平衡板测得的压力中心（COP）路径长度，与专业姿势图的跌倒指数显著相关（r=0.349–0.561），对风险状态的判别AUC为0.783–0.865[4]。国标把步态与平衡写成必评项，前提正是这类客观测量手段已经成熟到可以下沉。
02 TUG评估遇到的挑战
WHAT A STOPWATCH CANNOT TELL
TUG的强项是分级与随访。一项社区老年人一年期随访研究显示，TUG评估的步态稳定性在一年内下降≥2分与跌倒发生相关[5]。但它是「总分」逻辑：一只秒表说不清变慢来自哪条腿、哪个关节、哪种控制策略。
被抹掉的第一层信息是左右差异。131名老年人的局部动态稳定性分析显示，跌倒者与非跌倒者在内外侧方向的长期稳定性上存在显著的左右交互差异[6]——不对称藏在两侧腿的分工里，TUG的秒数里没有它。
更敏感的信号在角速度而非用时。膝骨关节炎老人与同龄对照完成平衡板、单脚站立、TUG与步行任务时，多数身体节段的绝对角速度普遍更高[7]——姿势控制代偿加剧了，但TUG成绩未必看得出异常。
图 2：基于惯性测量单元的平衡与步态评估：传感器布于头部、胸、腰、双膝、双踝与足底（引自文献[7]）
量表回答「要不要干预」，回答不了「干预哪里」——这正是分级与诊断之间的断层。
多维输入的必要性已被量化：一项纳入276名60–80岁女性的研究里，12项平衡量表得分与步态参数的相关系数为r=0.35–0.67，机器学习集成模型对步态稳定性的分类AUC达0.91[8]。输入维度足够多，预测才立得住——单一TUG提供的维度远远不够。
03 判断跌倒根因的解决方案
FROM SCORING TO DIAGNOSING
把评估拆成三层：国标量表负责分级，动作捕捉负责分解，逆向动力学负责归因。分解层输出关节角度曲线、左右对称指数与躯干控制指标；归因层把「哪块肌肉、承受多大载荷」算出来。多维评估研究已经给出范式：12米标准化步道加双测力台与光学动捕相机阵列，能同时拿到运动学与动力学全量数据（图3）[8]。
图 3：标准化步态分析实验配置：12米步道、双测力台与光学动作捕捉相机阵列（引自文献[8]）
采集端，SMART-DX EVO分布式智能运动捕捉系统按机位分布式布置，与测力台、惯性传感器共用同一时基，可在社区康复室、日间照护中心这类非实验室场地快速架设——把上图实验室级的配置压缩到社区尺度。
分析端，BOB人体运动生物力学分析软件在内置600余个运动肌单位的骨骼肌肉模型上做逆向动力学，输出各关节角度与力矩曲线，并按左右分项给出对称指标。高危老人1~3个月后的复评，就从「重新打一次分」变成「两条曲线放在一起比」。
数字生物标志物的价值在干预随访里最直观：一项前庭康复研究用头戴式传感器量化步态中的头部运动稳定化，18次治疗后32人中有30人平衡与步态改善，「高跌倒风险」人数从19降到4[2]。风险等级在变，更关键的是每一次变化本身都能被量化记录。
图 4：头戴式传感装置用于步态中头部运动稳定化的评估（引自文献[2]）
往前再走一步是主动干预：多模态深度学习结合可穿戴传感的部署研究显示，接受实时警报的老年组3个月内跌倒次数比对照组少62%[9]。缺的从来不是算法，而是把老人走进门的每一步都变成可比较的数据。
国标给出了评估的必答题，而「分解」与「归因」才是「为什么摔」的答案。
参考文献
[1] Association of depressive symptoms, gait and dynamic balance with 12-month fall risk in older adults after emergency presentation. BMC Geriatrics, 2026. DOI:10.1186/s12877-026-07670-w
[2] Quantifying Changes in Balance, Gait, Fall Risk and Sensory Reweighting With a Digital Biomarker. Medical Devices: Evidence and Research, 2026. DOI:10.2147/mder.s590344
[3] Gait as a vital sign: integrating wearables and digital biomarkers. Frontiers in Neurology, 2026. DOI:10.3389/fneur.2026.1736898
[4] Validity of Center of Pressure Path Length Measured Using a Wii Balance Board for Fall Risk Screening. Healthcare, 2026. DOI:10.3390/healthcare14121685
[5] Predictive Ability of Systems of Postural Control for 1-Year Risk of Falls and Frailty in Community-Dwelling Older Adults. Journal of Ageing and Longevity, 2025. DOI:10.3390/jal5040045
[6] Functional differences between lower limbs during gait in relation to fall risk. Frontiers in Physiology, 2026. DOI:10.3389/fphys.2026.1743503
[7] Assessment of Gait and Balance in Elderly Individuals with Knee Osteoarthritis Using Wearable Inertial Sensors. Sensors, 2025. DOI:10.3390/s25206288
[8] Multidimensional balance assessment and machine learning gait stability prediction in elderly women. Scientific Reports, 2026. DOI:10.1038/s41598-026-52352-7
[9] Intelligent fall risk prediction and real-time warning system for elderly care based on multimodal deep learning and wearable sensor fusion. Scientific Reports, 2026. DOI:10.1038/s41598-026-56750-9
跌倒风险评估,TUG,步态与平衡,动作捕捉,运动生物力学分析