25dkou243 10.3205/25dkou243 urn:nbn:de:0183-25dkou2436 Meeting Abstract Stetter Stetter Bernd B

Institut für Sport und Sportwissenschaft, Karlsruher Institut für Technologie, Karlsruhe, Deutschland

author Dully Dully Jonas J

Institut für Sport und Sportwissenschaft, Karlsruher Institut für Technologie, Karlsruhe, Deutschland

author van Drongelen van Drongelen Stefan S

Dr. Rolf M. Schwiete Forschungsbereich für Arthrose, Klinik für Unfallchirurgie und Orthopädie, Universitätsklinikum Frankfurt, Frankfurt am Main, Deutschland

author Stief Stief Felix F

Labor für Funktions- und Bewegungsanalyse, Berufsgenossenschaftliche Unfallklinik Frankfurt, Frankfurt am Main, Deutschland

author Holder Holder Jana J

Fachbereich Sport- und Bewegungswissenschaft, Paris Lodron Universität Salzburg, Salzburg, Österreich

author Steingrebe Steingrebe Hannah H

Institut für Sport und Sportwissenschaft, Karlsruher Institut für Technologie, Karlsruhe, Deutschland Dr. Rolf M. Schwiete Forschungsbereich für Arthrose, Klinik für Unfallchirurgie und Orthopädie, Universitätsklinikum Frankfurt, Frankfurt am Main, Deutschland

author Zaucke Zaucke Frank F

Dr. Rolf M. Schwiete Forschungsbereich für Arthrose, Klinik für Unfallchirurgie und Orthopädie, Universitätsklinikum Frankfurt, Frankfurt am Main, Deutschland

author Sell Sell Stefan S

Institut für Sport und Sportwissenschaft, Karlsruher Institut für Technologie, Karlsruhe, Deutschland Gelenkzentrum Schwarzwald, Krankenhaus Neuenbürg, Neuenbürg, Deutschland

author Stein Stein Thorsten T

Institut für Sport und Sportwissenschaft, Karlsruher Institut für Technologie, Karlsruhe, Deutschland

author German Medical Science GMS Publishing House

Düsseldorf

610 20251031 germ This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). M0634 243 Deutsche Gesellschaft für Orthopädie und Unfallchirurgie Deutsche Gesellschaft für Orthopädie und Orthopädische Chirurgie Deutsche Gesellschaft für Unfallchirurgie Berufsverband für Orthopädie und Unfallchirurgie Deutscher Kongress für Orthopädie und Unfallchirurgie (DKOU 2025) Grundlagenforschung | Osteoarthrose 2 Berlin 20251028 20251031 AB35-2884 TextZielsetzung und Fragestellung: Ein umfassendes Verständnis spezifischer biomechanischer Ganganpassungen bei Hüftarthrose (HOA) und nach Hüftgelenkersatz ist essenziell für individualisierte Rehabilitationsmaßnahmen. Maschinelles Lernen bietet innovative Ansätze zur Analyse hochdimensionaler biomechanischer Datensätze. Die datengetriebene Auswertung hilft, die Pathophysiologie der HOA besser zu verstehen und personalisierte Behandlungsstrategien zu unterstützen , . Ziele dieser Studie waren: Die Identifikation von Subpopulationen mit unterschiedlichen Anpassungen der Gangkinematik und Gelenkmomente infolge von HOA. Die Untersuchung der subpopulationsspezifischen Auswirkungen nach Hüfttotalendoprothese (THR). Material und Methoden: Diese sekundäre Analyse basierte auf drei Datensätzen: PRÄ: 108 Patienten mit einseitiger HOA vor THRPOST: eine Untergruppe von PRÄ (64 Patienten), 7–25 Monate nach THRHC: 56 gesunde KontrollpersonenAlle Datensätze beinhalteten Gelenkwinkel und -momente aus biomechanischen Mehrkörpermodellierungen basierend auf 3D-Ganganalysedaten. Mittels Hauptkomponentenanalyse wurden Gelenkwinkel- und Gelenkmomentzeitreihen auf 14 Merkmale reduziert. Diese dienten als Grundlage für ein k-means-Clustering zur Identifikation von Subpopulationen innerhalb PRÄ. Zur Klassifikation der Subpopulationen und HC wurden lineare Support Vector Machines verwendet. Die Identifikation relevanter Gelenkwinkel und -momente erfolgte mittels SHapley-Additive Explanations. Ein Gang-Score wurde als Maß für die Gangqualität evaluiert . Die Verbesserung des Gang-Scores wurde mit einem gepaarten t-Test geprüft. Zur Beurteilung der Gangdefizite und postoperativen Verbesserungen wurden die biomechanischen Zeitreihen mit Statistical Parametric Mapping verglichen (PRÄ zu HC – ungepaarter t-Test, PRÄ zu POST – gepaarter t-Test).Ergebnisse: Drei Subpopulationen wurden innerhalb PRÄ identifiziert, mit signifikant unterschiedlichen Anpassungen in Gangkinematik und Gelenkmomente. Die Klassifikationsraten lagen zwischen 51,4% und 85,2%. Als wichtigste Merkmale für die Klassifikation wurden die Zeitreihen der Hüftflexion und -rotation identifiziert. Zwei Subpopulationen zeigten eine Reduktion der Hüftmomente, eine Subpopulation fiel durch veränderte Kinematik der Hüfte und des Beckens auf. Der Gang-Score verbesserte sich in allen PRÄ Subpopulationen im Vergleich zu POST (p<0.001), was auf eine positive Wirkung der THR hinweist (Tabelle 1 ). Subpopulation 2 zeigte jedoch nur geringfügige Verbesserungen der Gangbiomechanik. Das Ausmaß der Verbesserung ist also in unterschiedlichen Populationen trotz identischer Intervention variabel.Diskussion und Schlussfolgerung: Diese Studie liefert Einblicke in unterschiedliche Ganganpassungen bei HOA-Patienten sowie subpopulationsspezifische Veränderungen nach THR. Die datenbasierte Identifikation spezifischer Subpopulationen ermöglicht ein detaillierteres Verständnis individueller Ganganpassungen. Dadurch können gezielte Rehabilitationsprogramme entwickelt werden, die auf die spezifischen Bedürfnisse der Patientengruppen zugeschnitten sind. Danksagung: Diese Arbeit wurde von der Deutschen Forschungsgemeinschaft unterstützt (492686079). Halilaj E Rajagopal A Fiterau M Hicks JL Hastie TJ Delp SL Machine learning in human movement biomechanics: Best practices, common pitfalls, and new opportunities 2018 J Biomech 1-11 Halilaj E, Rajagopal A, Fiterau M, Hicks JL, Hastie TJ, Delp SL. Machine learning in human movement biomechanics: Best practices, common pitfalls, and new opportunities. J Biomech. 2018 Nov 16;81:1-11. DOI: 10.1016/j.jbiomech.2018.09.009 https://doi.org/10.1016/j.jbiomech.2018.09.009 van Drongelen S Stetter BJ Böhm H Stief F Stein T Meurer A Identification of Patients with Similar Gait Compensating Strategies Due to Unilateral Hip Osteoarthritis and the Effect of Total Hip Replacement: A Secondary Analysis 2021 Journal of Clinical Medicine 2167 van Drongelen S, Stetter BJ, Böhm H, Stief F, Stein T, Meurer A. Identification of Patients with Similar Gait Compensating Strategies Due to Unilateral Hip Osteoarthritis and the Effect of Total Hip Replacement: A Secondary Analysis. Journal of Clinical Medicine. 2021;10(10):2167. DOI: 10.3390/jcm10102167 https://doi.org/10.3390/jcm10102167 Christian J Kröll J Strutzenberger G Alexander N Ofner M Schwameder H Computer aided analysis of gait patterns in patients with acute anterior cruciate ligament injury 2016 Clin Biomech (Bristol) 55-60 Christian J, Kröll J, Strutzenberger G, Alexander N, Ofner M, Schwameder H. Computer aided analysis of gait patterns in patients with acute anterior cruciate ligament injury. Clin Biomech (Bristol). 2016 Mar;33:55-60. DOI: 10.1016/j.clinbiomech.2016.02.008 https://doi.org/10.1016/j.clinbiomech.2016.02.008 11

Tabelle 1

1 0 0 0