JoVE Logo

登录

本文内容

  • 摘要
  • 摘要
  • 引言
  • 研究方案
  • 结果
  • 讨论
  • 披露声明
  • 致谢
  • 材料
  • 参考文献
  • 转载和许可

摘要

将外骨骼辅助、体重支持的跑步机训练与基于游戏的虚拟现实相结合对中风幸存者双重任务能力的疗效尚未研究。因此,本康复计划旨在探讨这种组合在增强中风恢复期间步行能力方面的潜在功能和优势。

摘要

中风是一种脑血管事件,会显著影响患者的活动能力和独立性。恢复步态模式是中风康复的一个关键目标,基于技术的疗法已显示出有希望的结果。下肢外骨骼疗法、体重支持跑步机训练 (BWSTT) 和基于游戏的虚拟现实 (VR) 训练是改善中风患者肌肉力量、平衡和行走能力的创新方法。将这些疗法整合到综合康复计划中可能会增强中风幸存者的运动恢复和功能结果。本研究调查了将外骨骼辅助 BWSTT 与基于游戏的 VR 相结合在增强中风恢复过程中双重任务能力方面的潜在优势。Berg 平衡量表 (BBS) 在训练后表现出显着改善 (p = 0.03),但在定时起跑测试 (TUG,p = 0.15) 和功能独立性测量 (FIM,p = 0.38) 中未观察到统计学差异。 总之,这种治疗改善了患者的平衡。在中风后的急性期,在该康复方案中使用先进的技术设备是有希望的,值得通过随机对照试验进行进一步调查。

引言

2020 年,中国大陆的中风发病率大致如下:患病率为 2.6%,每年发病率为每 100,000 人 505.2 人,死亡率为每年每 1,00,000 人 343.4 人1。这种使人衰弱的状况会导致 70%-80% 的患者出现功能障碍、运动障碍和依赖性2。由于步行是人类运动的重要组成部分,因此它在独立转移、生理健康和整体身体活动中起着至关重要的作用3。因此,恢复中风患者的步态模式是康复的关键目标,因为它可以确保更大的独立性。虽然传统方法促进了中风后的行走能力,但近年来,基于技术的疗法在中风恢复方面取得了重大进展,创造了更密集的训练模式2。此外,中风康复的技术进步可以进一步激励和促进中风幸存者的康复。

下肢外骨骼 (EXO) 疗法是一种很有前途的创新方法,可以帮助因下肢运动缺陷而无法行走的患者3。这种疗法提供高剂量和高强度的训练计划,允许以更安全的方式更早地活动。最近的研究表明,这种疗法对中风患者有潜在的好处,包括改善肌肉力量、平衡和行走能力4。其他比较脊髓损伤个体的研究表明,外骨骼运动训练和基于活动的训练都显着改善了心血管指数,外骨骼运动训练在增强心脏对直立性压力的反应和降低站立心率方面显示出更大的效果5

本研究中使用的机器人辅助步态训练系统旨在帮助患者进行步行康复。这种机器人外骨骼设备在髋关节和膝关节配备了计算机化引擎,使患者能够遵循不同的编程步态模式进行被动或主动辅助行走。该系统包括一个机器人框架,可支撑患者的下肢,同时在行走过程中提供受控的帮助和阻力。反馈机制被集成到系统中,以指导患者的运动并向临床医生提供实时数据,从而增强运动学习过程。

体重支撑跑步机训练 (BWSTT) 是一种辅助步行训练系统,它结合了部分支撑患者体重的安全带和促进运动的电动跑步机6。本研究中采用的重量支撑系统使用吊索和框架的组合;该系统将患者体重的一部分重新分配给设备,有效减轻训练期间的重量负担。这种可调节的重量支撑系统鼓励有依赖性或异常步态模式的中风患者实现更高质量的步态。患者可以通过减少偏瘫侧下肢的负重来实现对患肢的更好的自助控制。此外,该安全带提供了一种在早期和密集活动期间防止跌倒的安全方法。BWSTT 在促进中风患者各种功能性步行水平的平衡技能、步态速度和行走耐力方面显示出显着的潜力7

基于游戏的虚拟现实 (VR) 训练系统允许中风患者通过娱乐计算机应用程序在真实环境中与物体和事件进行交互 6,8。本研究中使用的虚拟现实系统不依赖于 VR 耳机,而是通过使用外骨骼上的传感器将患者的动作传输到屏幕上显示的虚拟游戏环境中,模拟交互式虚拟现实场景,从而提供基本的虚拟现实体验。这种训练系统更具吸引力和启发性,提高了中风幸存者的偏好和依从性,与在整个耗时的恢复过程中的传统体能训练相比,可能会带来更显着的好处。此外,VR 康复作为一种替代干预措施,通过提供双重任务训练,在改善步态、平衡、认知能力和日常生活活动方面显示出有希望的结果8。目前的研究表明,当 VR 用作机器人辅助运动训练的辅助手段时,可以改善慢性中风患者的平衡和步态,突出了其推动中风患者功能增益的潜力9。此外,其他研究表明,机器人辅助康复,尤其是与 VR 相结合时,可以增强慢性中风患者的认知恢复和心理健康10

上述治疗设备可以有效地组合起来,根据每个患者的需求创建独特的康复计划。VR 辅助 BWSTT 作为一个组合,似乎是可行且有前途的。研究表明,它可以减少骨盆倾斜,并且可能优于传统的步态训练,尤其是在适度干预的情况下,有助于早期偏瘫患者11。相比之下,与上肢康复相比,对使用 VR 集成外骨骼进行下肢康复的探索最少12。Mirelman 等人证明了将外骨骼与 VR 和视频游戏相结合对踝关节和足部康复的功效,从而提高了行走速度,改善了麻痹性踝关节运动控制,增加了峰值跖屈力矩,并产生了更大的踝关节力量13

外骨骼与 BWSTT 和 VR 的结合提供了一种全面的中风康复方法(见 图 1)。这种综合疗法结合了外骨骼辅助步态训练、非沉浸式 VR 技术以及跑步机提供的可调节重量支撑的好处。这种方法有可能提高中风患者的运动恢复、平衡和整体功能结果6。虽然在各种研究中已经探索了利用这些技术的康复方案,但很少研究将外骨骼辅助 BWSTT 与基于游戏的 VR 相结合对中风幸存者双重任务能力的疗效。因此,本康复计划旨在探讨这种组合在增强中风恢复期间步行能力方面的潜在功能和优势。

研究方案

本研究是对北京协和医院中风后住院患者的回顾性病例系列。该康复计划已获得北京协和医院机构审查委员会的批准。在参与前获得所有患者的书面知情同意书。本研究中使用的设备和软件的详细信息列在 材料表中

1. 参与者招募

  1. 根据特定的纳入标准,在严格的筛选过程之后将患者纳入研究。组织患者的基本数据(见 表 1)。这些标准如下:
    1. 年龄:20-65 岁。
    2. 中风后由康复医生确认的医疗稳定性(缺血性/出血性)。
    3. 改良 Ashworth 量表 (MAS) 评分为 ≤2(轻微肌肉痉挛)2
    4. 能够在有或没有辅助设备的情况下步行 10 m 以完成评估,包括 Berg 平衡量表 (BBS)、定时起立测试 (TUG) 和功能独立性测量 (FIM)6
  2. 排除具有以下情况的患者:
    1. 髋关节或膝关节的活动范围 (ROM) 受限。
    2. 存在深静脉血栓形成 (DVT)。
    3. 简易精神状态检查 (MMSE) 评分10 分,低于 27 分(认知障碍)。
    4. 体重超过 150 公斤。
    5. 身高超过 200 厘米。
  3. 在每次治疗前重新筛查患者。如果出现以下任何症状,请终止试用:
    1. 意识改变:突然的意识模糊、定向障碍或意识丧失。
    2. 呼吸困难:呼吸急促、呼吸急促或其他呼吸窘迫。
    3. 心率异常:心率异常高或异常低、心悸或心律不齐。
    4. 血压异常: 血压显着升高或降低,伴有头晕或昏厥。
    5. 气道阻塞:咳嗽、窒息或突然呼吸困难。
    6. 疼痛或不适:剧烈疼痛、不适或不寻常的感觉。

2. 测量

注意:这些测量对于正确安装和定制外骨骼至关重要,确保其提供最佳支撑。虽然整个过程与同类别的其他设备相似,但软件作、控制按钮和表带固定等细节可能会因具体设备而异。

  1. 在患者坐着时进行测量。
    1. 使用柔性卷尺(ASIS 到 ASIS)测量骨盆宽度。
    2. 测量大腿长度(大转子到股骨外侧髁)。
    3. 测量小腿长度(外踝到股骨外侧髁)。
  2. 根据收集的数据调整外骨骼设备。
    注意:这些调整对于根据每个患者的解剖结构定制外骨骼至关重要。适当的配合和对齐使该设备能够有效地支持和增强活动性和康复能力。
    1. 使用转动手柄调整宽度(见 图 2A),将其增加 2-3 厘米,超出骨盆宽度。
    2. 拉动大腿机械臂上的插槽开关(图 2B),根据测量值调整长度,然后将开关推回。拧紧旋转开关以固定臂。将膝关节与设备的电机对齐,以实现平稳、同步的运动。
    3. 按照步骤 2.2.2 中概述的程序调整小腿的机械臂。
  3. 调整设备以适应患者的人体工程学,确保电源已插入。协助患者佩戴设备。

3. 穿上负重支撑系统

  1. 逆时针转动两个手柄(见 图 2C)以松开它们,然后向外拉动外骨骼(见 图 2D)以清理跑步机跑道并为患者创造空间。
  2. 引导患者走上跑道。
    1. 对于步行患者:引导他们从后坡道向前。
    2. 对于不能行走的患者:帮助他们用轮椅进入,并将他们放在前面。
  3. 使用遥控器降低悬架系统的线束(见 图 2E)(见 图 2F)。调整安全带,使其与患者的躯干齐平或略低于患者的躯干,确保正确贴合。
  4. 解开安全带,以便于为患者包扎。
    注意: 按照以下步骤,根据需要调整安全带,以方便患者进行敷料过程,无论他们是站着还是坐在轮椅上。
    1. 患者站立:从后面将解开的安全带套在患者的躯干上。将带子舒适地固定在躯干上。将腿带放在大腿周围并牢固地固定。
    2. 坐轮椅的患者:将患者的躯干从靠背上抬起。从后面将解开的安全带绕在躯干上,并舒适地固定带子。将腿带套在大腿上,并牢固地固定起来,确保舒适贴合。
  5. 抬高负重支撑系统,使患者处于站立姿势。当安全带产生轻微的收紧感时停止。使用遥控器调整减重效果并监控设备上的失重数据(参见 图 2G)。稍微抬高患者的身体以减轻重量,同时防止双脚悬空。
    注意: 在后续步骤中根据需要随时重复升高和降低,以确保患者的舒适度和足部间隙,而不会过度减轻患者的体重。
    1. 患者站立:使用遥控器根据患者的情况逐渐调整减重。
    2. 坐在轮椅上的患者:小心地将患者从轮椅上抬起,并使用上升悬架系统将其抬高至站立位置。将轮椅从跑道上移开,用遥控器调整病人的减重效果。

4. 穿上外骨骼

注意:通过遵循这些步骤,可以正确佩戴外骨骼,在康复或锻炼期间为患者提供必要的支撑和稳定性。

  1. 将向外打开的外骨骼向内复位,并顺时针旋转两个手柄以接合固定装置。
  2. 按下折叠和悬挂的外骨骼,将其从坐姿过渡到站立姿(见 图 2H)。
  3. 指导患者向后靠在外骨骼的躯干上并连接胸椎支固带。
  4. 调整设备的高度,使手臂电机的轴线与患者的髋关节和膝关节对齐。
  5. 将安全带收紧至舒适的水平。牢固地系紧大腿和小腿带,确保它们适当收紧,以保证患者的舒适度。
    注意:此步骤对于防止运动期间设备松动和确保患者安全至关重要。
  6. 如果患者有脚下垂,请使用踝关节稳定器。

5.作外骨骼

  1. 访问计算机上的控制软件并输入患者的基本信息。
  2. 在软件界面中调整两侧髋关节和膝关节的治疗持续时间、步行速度和最大允许关节活动度。
    注意:在本研究中,使用默认的关节运动范围设置,将患者的步行速度设置为 1.5 公里/小时,并将治疗持续时间设置为 20 分钟。
  3. 单击 Start 开始治疗。外骨骼和跑步机将开始一起运行。

6. 打开基于游戏的 VR 程序

注意: 表 2 提供了游戏及其机制的概述。每个游戏都旨在针对特定的下肢锻炼,以满足患者有效康复的个体需求。

  1. 在计算机上打开 ZEPU Gait Training and Evaluation 软件。选择 Game (游戏)。
  2. 在外骨骼辅助运动期间引导患者。当一条腿处于摆动期时,指导患者主动控制它。当腿部准备好推进时,指导患者用力推动它并进行髋关节屈曲。
    注意: 机械臂的传感器将检测患者的主动扭矩,并在游戏中显示反馈。
  3. 在第一次会话之前,向患者解释游戏交互步骤和原则。提供简短的练习课程并进行口头提醒,以帮助他们了解何时在正确的步态阶段施加主动力。一旦患者证明有能力正确使用该设备,就开始正式治疗。

7. 移除外骨骼

注意:确保患者在整个移除过程中的安全和舒适。

  1. 解开带子,松开外骨骼。
  2. 将外骨骼抬起至悬吊的坐姿。
  3. 逆时针旋转固定手柄(参见 图 2C)以释放它们。
  4. 向外展开外骨骼以清理跑道,以便安全移除。

8. 移除重量支撑系统

  1. 对于行走的病人:使用遥控器降低病人,解开带子,然后帮助他们离开跑道。
  2. 对于无法行走的患者:使用遥控器将患者放到轮椅上。解开肩带并取下减重系统。引导患者走出跑道。

9. 紧急情况

注意:如果患者在治疗期间出现步骤 1.3.1-1.3.6 中列出的任何症状,请停止运动并立即寻求医疗帮助。在整个康复过程中密切监测患者的症状和变化。

  1. 找到右侧导轨上的紧急停止装置(参见 图 2I)。用力按住按钮可停止设备。
  2. 危机过后,向上拉动按钮以恢复设备。

10. 评估和干预

  1. 确认参与者表现出有限的行走能力并旨在达到更高的功能水平。
  2. 进行干预前评估
    1. 使用 Berg 平衡量表 (BBS) 评估平衡能力,评分从 0(最低)到 56(最高)6
    2. 使用 Timed Up and Go (TUG) 测试6 评估步态。
    3. 使用功能独立性测量 (FIM) 6 测量日常生活活动。
    4. 在第一次治疗前 24 小时进行所有评估。
  3. 进行为期 4 周的干预
    1. 在 4 周内安排 10 次治疗。
    2. 在前三周的周一、周三和周五进行会议。
    3. 在第四周的星期一进行最后一次会议。
    4. 确保所有治疗课程都在下午 2:00 开始。
  4. 实施康复计划
    1. 在第一次治疗之前培训患者使用康复计划。
    2. 通过游戏应用程序提供简明的说明。
    3. 分配 4 个游戏,每个游戏持续 5 分钟,每节总共 20 分钟。
    4. 确保患者在整整 20 分钟内独立参与该计划。
    5. 在每次训练期间将体重支持设置为 50%。
    6. 使用默认的关节运动范围设置允许最大关节移动。
    7. 将步行速度设置为 1.5 公里/小时。
  5. 进行干预后评估
    1. 在最后一次治疗后 24 小时进行 BBS、TUG 和 FIM 评估6.
    2. 确保所有临床评估均由同一技术娴熟且经验丰富的物理治疗师进行,以保持一致性。

11. 统计分析

  1. 使用统计软件对实验结果进行统计分析。
  2. 应用 Shapiro-Wilk 检验以确认所有结果变量都服从正态分布。
  3. 对治疗前后的每个结果变量进行配对 t 检验 。将 p < 0.05 视为统计显著性的阈值。
  4. 使用绘图软件创建数据的图形表示。

结果

在完成 4 周的治疗而没有任何不良反应后,评估了患者的进展,结果总结见 表 3。BBS 评分6 从 43.88 ± 3.80 提高到 48.38 ± 3.66,表明反应积极。TUG 和 FIM 分数也均有所改善,TUG 从 21.88 ± 5.62 下降到 17.63 ± 5.42,FIM 从 92.75 ± 12.80 上升到 98.75 ± 13.38。

数据(见图 3)显示,在比较评估前和评估后的结果时,BBS 评分显示出显着改善 (p = 0.03,p < 0.05)。 尽管未观察到 TUG (p=0.15) 和 FIM (p=0.38) 的统计学显着差异,但临床上观察到改善趋势(见图 4)。这些发现表明,治疗方案显着增强了患者的平衡,而步态和日常生活技能的改善未达到统计学意义。

figure-results-626
图 1:外骨骼辅助体重支撑跑步机训练系统与基于游戏的虚拟现实相结合。 A) 训练系统集成了三种设备,使患者能够在进行减轻重量步行的同时进行双重任务训练。(B) 接受 EXO-BWSTT-VR 治疗的患者。 请单击此处查看此图的较大版本。

figure-results-1078
图 2:作程序和设备组件的演示。 该图概述了关键设备组件和程序,以增强对系统作的理解。(A) 圆形转动手柄。(B通过 插槽开关调整机械臂。(C) 圆形转动手柄。(D) 向外拉出的外骨骼(蓝色箭头)。(E) 线束。(F) 用于调整患者升高 (+)、降低 (-)、增加重量支撑 (p) 和减少重量支撑 (q) 的遥控器。(G) 重量支撑数据显示。(H) 向下按压的外骨骼(蓝色箭头)。(I) 紧急停止装置。 请单击此处查看此图的较大版本。

figure-results-1741
图 3:治疗结束时结果测量的变化。 A) Berg 平衡量表 (BBS) 评分的变化 (n = 8)。(B) 定时起跑 (TUG) 测试结果的变化 (n = 8)。(C) 功能独立性测量 (FIM) 评分的变化 (n = 8)。使用 EXO-BWSTT-VR 疗法在治疗前 (Pre) 和治疗后两周 (Post) 进行测量。误差线表示标准差 (SD)。*p < 0.05;NS:不显著。 请单击此处查看此图的较大版本。

figure-results-2310
图 4:每位患者治疗前后结果测量的趋势线。A) BBS 评分的变化。(B) TUG 测试结果的变化。(C) FIM 分数的变化。 请单击此处查看此图的较大版本。

特性SD ±平均值(范围)(除非另有说明)
年龄51±5.88 (44-62)
卒中后天数4.12±1.12 (3-6)
性别,男/女,n5/3
笔画一侧,右/左,n4/4
行程类型a, I/H, n6/2
MMSE29.88±0.35 (29-30)
辅助设备b、Y/N、n2/6
半忽视,n0
a. “中风类型”是指中风的两个主要细分:出血性中风和缺血性中风。
b. “辅助器具”是指患者用于帮助行走的工具或设备,例如助行器或手杖。

表 1:参与者的人口统计学和临床特征。 缩写: SD = 标准差;I = 缺血性;H = 出血性;MMSE = 简易精神状态检查;Y = 是;N = 否。

游戏内容游戏玩法
街区男孩当左下肢机械臂抬起时,患者通过主动和有力地抬起他或她的左下肢来配合。此时,左腿中的传感器接收到信号,以纵游戏中的角色向左移动。右侧移动的情况正好相反。指导患者在避开障碍物的同时获得尽可能多的硬币。
雪中漫步患者积极利用肢体运动来控制角色在游戏中的导航。在白雪皑皑的平原上,偶尔会出现与野生动物的相遇,需要患者通过解释视觉线索来小心避开它们。
跳舞时刻患者的腿部每正确用力 3 次后,左下角的信号网格数量就会出现,小女孩的动作会发生变化。当对腿部施加错误的力时,信号方格的数量会减少 1,小女孩的动作会恢复到前一个。
城市漫步该游戏旨在复制患者在社区环境中漫步的体验,其中使用机械臂来控制角色沿路径的运动。在行走的旅程中,会出现各种小水果,需要玩家巧妙地引导角色接近并在适当的时候收集它们。

表 2:基于游戏的虚拟现实程序的游戏内容和游戏玩法。 每个游戏应用程序都是为特定的任务导向练习而设计的,难度级别根据每个患者的下肢功能进行定制。

治疗前 (n = 8)治疗后 (n = 8)p
BBS(分数)43,88 ± 3.80 (41-52)48.38 ± 3.66 (44-55)0.03
拖船 (s)21.88 ± 5.62 (13-33)17.63 ± 5.42 (10-29)0.15
FIM (分数)92.75 ± 12.80 (73-108)98.75 ± 13.38 (80-115)0.38

表 3:基线和 4 周功能量表评估和测试。缩写: BBS = Berg 平衡量表;TUG = 定时启动测试;FIM = 功能独立性度量。*配对 t 检验。数据以 SD (范围) ±平均值表示。

讨论

在这项拟议的干预措施中,提出了一种综合治疗方法,该方法结合了体重支持系统和外骨骼疗法,并辅以 VR 技术,以促进中风相关下肢损伤患者的双重任务训练。跑步机训练与其他干预措施相结合时,已被确定具有最大的影响,尤其是在地面步态训练之前应用时,可以最大限度地提高训练效果14。机器人辅助康复基于运动学习原理,利用 VR 反馈和虚拟形象指导的练习来激活镜像系统,增强运动学习并在细胞和突触水平诱导显着的皮层和皮质下变化15

在神经康复中,治疗期间的参与水平会显着影响积极参与,与仅涉及 Ekso 或 ReWalk16 等外骨骼机器人的治疗相比,这种影响尤其明显。鉴于运动和认知领域之间的密切联系,结合多种干预策略似乎是一种很有前途的方法。强化、重复的运动训练与基于 VR 的反馈和双重任务练习相结合可能会影响感觉运动整合区域,有助于增强运动和认知恢复10。因此,近年来,将游戏化技术整合到已建立的神经康复模型中以提高参与者参与度变得越来越突出17

虽然没有直接评估认知功能,但游戏的互动元素引入了认知挑战,这增加了训练的复杂性。通过游戏和设备的协同交互,模拟环境的创建有可能提高患者的参与度,使原本重复的康复练习更加有趣和可持续。

然而,根据之前的研究,并非所有结果都是乐观的。一些学者认为,当仅限于机器人或安全带系统时,患有中风的卧床个体可能会经历更差的康复结果18。Hornby 等人发现,在按运动缺陷严重程度分层的 48 名非卧床慢性中风幸存者中,与类似剂量的机器人辅助运动训练相比,治疗师辅助运动训练导致行走能力的更大改善19。同时,Westlake 等人报告说,虽然训练后 Lokomat 组和手动 BWSTT 组的主要结局相似,但 Lokomat 组在自选步行速度、麻痹步长比和四项次要测量方面表现出改善,而手动组主要提高了他们的平衡分数20

导致结果可变性的一个因素可能是参与者群体的异质性。年龄、损伤严重程度和既往康复经验的差异可能会影响 exo-BWSTT 的有效性,导致研究结果不一致。此外,exo-BWSTT 干预的持续时间和强度差异很大。短期或强度较低的方案可能无法展示该技术的全部潜力,而长期或更密集的干预可能会产生更实质性的好处,这可以解释报告结局的一些差异。

该治疗方案旨在补充或可能取代传统的康复计划。这种干预的主要目标是增强运动功能并促进中风患者更大的独立性。通过结合创新技术和治疗策略,可以优化康复结果,最终改善中风患者的整体生活质量。

需要进一步的实际实施来为患者设计运动处方,包括确定训练持续时间、频率、步行速度进展、游戏选择和组合以及游戏难度调整。此外,在未来的临床实践中,应探索为个体患者量身定制的个性化体重支持处方。在未来的康复方案中,还应考虑将康复设备与传统物理疗法相结合,并在达到特定的步行改善目标后逐渐减少设备使用频率21。最终,目标是开发一个更全面的临床实践计划,以满足中风患者的个性化需求。

研究设计有一定的局限性。首先,它是一个回顾性病例系列,患者干预前后都有自我控制设计,缺乏适当的实验对照组。这限制了确定该系统是否比传统物理治疗方法更有效的能力。其次,相对较小的样本量可能会限制研究结果的泛化性,并降低检测显著差异的统计功效。此外,由于评估工具的选择,站立和行走技能不佳的患者未纳入本研究。

此外,患者住院时间的固有差异将干预限制在仅 10 次。这个有限的时间框架可能不足以观察到治疗的全部潜在益处。包括后续门诊治疗和随访评估将有助于评估干预的长期效果和可持续性。

本研究证明了康复计划对中风患者的行走能力、平衡、独立性和日常功能水平的有益影响。此外,它还强调了组合设备 EXO-BWSTT-VR 在中风康复中的研究价值。尽管存在大量关于康复机器人系统的文献,但这项研究仅代表了这项工作的一小部分。现有研究中种类繁多的机器人设备和治疗方案限制了这些发现的普遍性。

虽然系统评价和荟萃分析探讨了治疗频率和强度,但目前尚无基于这些发现的标准化治疗方案。例如,一些关于上肢机器人康复的研究建议每周进行 3 次机器人治疗,持续 10 周,每次持续 60 分钟22。然而,治疗方案因研究而异,缺乏标准化是本研究的局限性。未来的研究应侧重于在现有证据的基础上建立更一致的治疗指南。此外,未来的调查应旨在进行更精确、详细和设计良好的实验,以进一步探索这些方面。

披露声明

所有作者均声明无利益冲突。

致谢

该研究项目获得了北京协和医院临床研究专项资助,资助号为 2022-PUMCH-B-053。

材料

NameCompanyCatalog NumberComments
GraphPad Prismhttps://www.graphpad.com/features
SPSSIBPversion 18.0 
ZEPU Gait Training and Assessment System SoftwareShandong ZEPU Medical Technology Co., Ltd.V.1.0.1.2The ZEPU Gait Training and Assessment System Software is designed to not only assess but also facilitate targeted gait rehabilitation, offering tailored therapeutic programs to improve mobility and functional outcomes for patients.
ZP-AIGen Gait Training SystemShandong ZEPU Medical Technology Co., Ltd.ZEPU-AI1Using neuroplasticity principles, the device simulates natural walking patterns, guiding patients through repetitive gait training to restore normal walking. The AI learns gait patterns, offering personalized treatment options. It monitors and records patient progress, helping to create customized treatment plans.

参考文献

  1. Tu, W. J., et al. Estimated burden of stroke in China in 2020. JAMA Netw Open. 6 (3), e231455(2023).
  2. Zhang, T., et al. Chinese Stroke Association guidelines for clinical management of cerebrovascular disorders: executive summary and 2019 update of clinical management of stroke rehabilitation. Stroke Vasc Neurol. 5 (3), 250-259 (2020).
  3. Calafiore, D., et al. Efficacy of robotic exoskeleton for gait rehabilitation in patients with subacute stroke: a systematic review. Eur J Phys Rehabil Med. 58 (1), 1-8 (2022).
  4. Chang, W. H., Kim, Y. H. Robot-assisted therapy in stroke rehabilitation. J Stroke. 15 (3), 174-181 (2013).
  5. Evans, R. W., et al. Robotic locomotor training leads to cardiovascular changes in individuals with incomplete spinal cord injury over a 24-week rehabilitation period: A randomized controlled pilot study. Arch Phys Med Rehabil. 102 (8), 1447-1456 (2021).
  6. Lyu, T., et al. Comparative efficacy of gait training for balance outcomes in patients with stroke: a systematic review and network meta-analysis. Front Neurol. 14, 1093779(2023).
  7. Yamamoto, R., Sasaki, S., Kuwahara, W., Kawakami, M., Kaneko, F. Effect of exoskeleton-assisted body weight-supported treadmill training on gait function for patients with chronic stroke: a scoping review. J Neuroeng Rehabil. 19 (1), 143(2022).
  8. Hao, J., Xie, H., Harp, K., Chen, Z., Siu, K. C. Effects of virtual reality intervention on neural plasticity in stroke rehabilitation: a systematic review. Arch Phys Med Rehabil. 103 (3), 523-541 (2022).
  9. Akinci, M., Burak, M., Yasar, E., Kilic, R. T. The effects of robot-assisted gait training and virtual reality on balance and gait in stroke survivors: A randomized controlled trial. Gait Posture. 103, 215-222 (2023).
  10. Manuli, A., et al. Can robotic gait rehabilitation plus virtual reality affect cognitive and behavioural outcomes in patients with chronic stroke? A randomized controlled trial involving three different protocols. J Stroke Cerebrovasc Dis. 29 (8), 104994(2020).
  11. Mao, Y., Chen, P., Li, L., Li, L., Huang, D. Changes of pelvis control with subacute stroke: a comparison of body-weight-support treadmill training coupled virtual reality system and over-ground training. Technol Health Care. 23 (Suppl 2), S355-S364 (2015).
  12. Mubin, O., Alnajjar, F., Jishtu, N., Alsinglawi, B., Al Mahmud, A. Exoskeletons with virtual reality, augmented reality, and gamification for stroke patients' rehabilitation: Systematic review. JMIR Rehabil Assist Technol. 6 (2), e12010(2019).
  13. Mirelman, A., Patritti, B. L., Bonato, P., Deutsch, J. E. Effects of virtual reality training on gait biomechanics of individuals post-stroke. Gait Posture. 31 (4), 433-437 (2010).
  14. Lee, H. J., Cho, K. H., Lee, W. H. The effects of body weight support treadmill training with power-assisted functional electrical stimulation on functional movement and gait in stroke patients. Am J Phys Med Rehabil. 92 (12), 1051-1059 (2013).
  15. Calabrò, R. S., Naro, A. The role of virtual reality in improving motor performance as revealed by EEG: a randomized clinical trial. J Neuroeng Rehabil. 14 (1), 53(2017).
  16. Lequerica, A. H., Kortte, K. Therapeutic engagement: A proposed model of engagement in medical rehabilitation. Am J Phys Med Rehabil. 89 (5), 415-422 (2010).
  17. Putrino, D. Telerehabilitation and emerging virtual reality approaches to stroke rehabilitation. Curr Opin Neurol. 27 (6), 631-636 (2014).
  18. Hidler, J., et al. Multicenter randomized clinical trial evaluating the effectiveness of the Lokomat in subacute stroke. Neurorehabil Neural Repair. 23 (1), 5-13 (2009).
  19. Hornby, T. G., et al. Enhanced gait-related improvements after therapist- versus robotic-assisted locomotor training in subjects with chronic stroke: a randomized controlled study. Stroke. 39 (6), 1786-1792 (2008).
  20. Westlake, K. P., Patten, C. Pilot study of Lokomat versus manual-assisted treadmill training for locomotor recovery post-stroke. J Neuroeng Rehabil. 6, 18(2009).
  21. Louie, D. R., et al. Exoskeleton for post-stroke recovery of ambulation (ExStRA): Study protocol for a mixed-methods study investigating the efficacy and acceptance of an exoskeleton-based physical therapy program during stroke inpatient rehabilitation. BMC Neurol. 20 (1), 35(2020).
  22. Takebayashi, T., et al. Robot-assisted training as self-training for upper-limb hemiplegia in chronic stroke: a randomized controlled trial. Stroke. 53 (7), 2182-2191 (2022).

转载和许可

请求许可使用此 JoVE 文章的文本或图形

请求许可

探索更多文章

219

This article has been published

Video Coming Soon

JoVE Logo

政策

使用条款

隐私

科研

教育

关于 JoVE

版权所属 © 2025 MyJoVE 公司版权所有,本公司不涉及任何医疗业务和医疗服务。