下肢外骨骼機器人對腦卒中患者時空步態影響的Meta分析

洪雅晴,劉銓權,張清芳,段麗紅,柯美華,支亮,龍建軍

腦卒中是常見的死亡原因,也是導致殘疾的主要原因之一[1]。有超過80%的患者存有運動功能障礙,其中步行障礙最為常見[2]。而步行能力直接影響患者的日常生活和社會參與能力,因此患者需要花費大量的時間專注于提高步行能力[3]。治療師通常采用傳統的治療性鍛煉如坐站訓練、步態訓練等以改善卒中患者的步態模式、平衡、下肢力量和耐力[4-5]。但傳統的步態訓練會對治療師造成負擔,且需要治療師具有較好的身體條件[6]。而機器人可以通過量化性的重復運動、協調練習,以喚起肌肉激活的協同作用和神經可塑性,并且提供高度規范、重復和嚴格的訓練,最大限度地減輕治療師的負擔,并能進行客觀、定量的評估[7]。目前,臨床上外骨骼機器人應用更加廣泛,它可分為基于平臺訓練的機器人,如Lokomat等[8];以及基于平地行走訓練的機器人,如Rewalk等[9],其中可移動性是最大的特點[10]。已有相關的meta分析表明機器人介導訓練可以改善卒中患者的功能[11-14]。但是,多數研究聚焦于Fugl-Meyer運動功能(Fugl-Meyer assessment of lower extremity,FMA-LE)、Berg平衡(Berg balance scale,BBS)等較為主觀的結局指標[13,15-16]。很少有將時空步態參數作為結局指標進行分析。因此,本研究將步長、步速等時空步態參數作為結局指標,旨在系統地分析下肢外骨骼機器人對卒中患者的步態功能的影響,以期為機器人作為臨床康復工具提供依據。本研究已在PROSPERO國際系統評價注冊平臺(https://www.crd.york.ac. uk/PROSPERO) 注 冊 (No. CRD42023415368)。

1 資料與方法

1.1 檢索策略 計算機檢索PubMed、Cochrane Library、Embase、Web of science、WanFang Data、CNKI和維普期刊VIP數據庫,搜索關于下肢外骨骼機器人對腦卒中患者步態功能恢復的隨機對照研究(randomized controlled trial ,RCT)。檢索時限為建庫至2023年3月28日,語種限制為中文和英文。同時,追溯查找其文章中所提及的重要參考文獻。檢索文獻采取主題詞與自由詞相結合的方式,英文檢索詞包括:stroke、robotic、gait、randomized controlled trial等;中文檢索詞包括:腦卒中、機器人、步態等。以Pubmed為例,具體檢索策略為:#1＂stroke＂[MeSH] or strokes or Cerebrovascular Accident Oovascular Accidents or CVA OR CVAs;#2＂Exoskeleton Device＂[Mesh] or ＂Robotics＂[Mesh] or exoskeleton or robotic;#3＂Gait＂[Mesh] or gaits;#4＂Randomized Controlled Trial＂[Publication Type] or randomized controlled study or randomized controlled trials or randomized control study or randomized study or randomized control trial or randomized trial or random control study or RCT;#5 #1 and #2 and #3 and #4。

1.2 納入標準與排除標準

1.2.1 納入標準 ①下肢外骨骼機器人改善腦卒中患者步態功能的RCT,為中、英文文獻。②研究對象符合中華醫學會第四次全國腦血管病學術會議修訂的標準或類似標準[17],且經腦部CT與MRI檢查診斷為腦卒中并伴隨著步行功能障礙。③對照組采用常規康復治療包括Bobath 療法、運動再學習技術、翻身轉移訓練等,和(或)常規步行訓練,試驗組在此基礎上進行下肢外骨骼機器人訓練,訓練頻率為1～2次/d,訓練時長為20～60min/次。④結局指標:時空步態參數:步長、步速、步頻、步寬、步行周期、步態時相。

1.2.2 排除標準 ①個案報道、病例對照研究、會議論文、綜述等非隨機對照研究。②試驗未完成,無法統計2組患者的年齡、病程等基線資料差異是否有統計學意義或者未報告基線情況。③伴有嚴重認知障礙的患者。④重復發表的文獻、報道信息不全、數據不完整和無法找到全文的文獻。⑤結局指標非時空步態參數,或者數據缺失。⑥改良Jadad量表評分<4分。

1.3 文獻篩選與數據提取 由2名研究員獨立對照納、排標準進行文獻的篩選,提取數據等資料,并交叉核對。若出現分歧,則由第三方進行處理。提取數據的資料為納入研究的基本信息,如:作者、年份、患者的年齡和病程、干預措施、樣本量、干預周期、步長、步速、步頻等。

1.4 文獻質量評價 由2名研究員對納入的研究獨立評價其偏倚風險,并相互核對整理。當缺乏共識時,由第三人進行處理。按照Cochrane手冊5.1.0進行偏倚風險評價,結果為低偏倚風險、高偏倚風險和不清楚3種情況。同時根據改良Jadad評分量表對納入的研究進行質量評價,1～3分視為低質量,4～7分視為高質量。

1.5 統計學方法 采用Revmen 5.4和Stata 17.0軟件進行Meta分析。納入的結局指標均為連續型變量,以均數差(mean difference, MD)和95%置信區間(Confidence Interval, CI)表示。以I2表示各研究間的異質性,當I2<50%,P>0.1,表示各研究之間存在的異質性較小,使用固定效應模型進行合并分析,當I2≥50%,P<0.1時,表示各研究之間存在較大的異質性,使用隨機效應模型進行合并分析;當異質性較高時,采用亞組分析、敏感性分析等方法,探討異質性來源。將時空步態參數的結局指標根據不同的機器人類型、病程、干預周期進行亞組分析。Meta分析后對異質性較高的合并結果進一步進行敏感性分析,并且觀察各結局指標合并效應量的穩定性。對納入10篇以上的文章進行發表偏倚評估。

2 結果

2.1 文獻檢索結果 按照檢索式在各數據庫中檢索,共獲得文獻1277篇,英文文獻946篇,中文文獻331篇。通過標準篩選文獻的流程一一進行篩選,最終共納入文獻15篇[18-32],共計713例患者。篩選文獻流程圖。見圖1。

圖1 文獻篩選流程圖

2.2 納入研究的基本特征 納入研究的基本特征見表1,根據Cochrane手冊5.1.0進行偏倚風險評價,納入的研究中,14項研究對隨機分配的方法[18-21,23-32],進行了明確的描述;2項研究使用不透光的密封信封[18,23],1項研究采用計算機以進行隨機化的分配隱藏[19];2項研究在文中提及對結局評估者實施盲法[22-23],1項研究對試驗人員實施盲法[19],1項研究采用了雙盲[18],1項研究不設盲法[20];15項研究均報道完整[18-32]。對于納入的研究使用改良Jadad評分量表進行質量評價,結果見表1。納入研究的方法學質量的評價結果。見圖2、圖3。

表1 納入文獻的基本特征

2.3 Meta分析結果

2.3.1 步長 6項RCT評估了下肢外骨骼機器人對步長的影響[18,20,22,23,26,27],共計198例患者。異質性檢驗顯示I2=0%,P=0.44,采取固定效應模型。結果顯示:試驗組的步長較對照組有明顯改善[MD=2.61,95%CI:(1.79,3.44),P<0.0001]。見圖4。

圖4 下肢外骨骼機器人對腦卒中患者步長的影響

2.3.2 步速 13項RCT評估了下肢外骨骼機器人對步速的影響[18,20-30,32],共計601例患者。異質性檢驗顯示I2=13%,P=0.32,采取固定效應模型。結果顯示:試驗組的步速較對照組有明顯改善[MD=0.08,95%CI:(0.07,0.10),P<0.0001]。見圖5。

圖5 下肢外骨骼機器人對腦卒中患者步速的影響

2.3.3 步頻 15項RCT評估了下肢外骨骼機器人對步頻的影響[18-32],共計713例患者。異質性檢驗顯示I2=40%,P=0.06<0.1,采取隨機效應模型。結果顯示:試驗組的步頻較對照組有明顯改善[MD=6.10,95%CI:(3.67,8.53),P<0.0001]。見圖6。敏感性分析各研究的異質性來源,發現剔除Bang等[18]研究后,其異質性為(I2=15%,P=0.29),其原因可能是該研究納入的樣本量太少,采取固定效應模型。其結果為[MD=6.96,95%CI:(5.03,8.90),P<0.0001],仍表明試驗組的步頻較對照組有明顯改善,結果穩定。

圖6 下肢外骨骼機器人對腦卒中患者步頻的影響

2.3.4 步寬 4項RCT評估了下肢外骨骼機器人對步寬的影響[25,29,30,32],共計286例患者。異質性檢驗顯示I2=0%,P=0.96,采取固定效應模型。結果顯示:試驗組的步寬較對照組有明顯改善[MD=-2.22,95%CI:(-2.93,-1.51),P<0.0001]。見圖7。

圖7 下肢外骨骼機器人對腦卒中患者步寬的影響

2.3.5 步行周期 3項RCT評估了下肢外骨骼機器人對步行周期的影響[24,28,31],共計149例患者。異質性檢驗顯示I2=73%>50%,P=0.02<0.1,采取隨機效應模型。結果顯示:試驗組在改善腦卒中患者步行周期方面與對照組相比并無差異[MD=-0.01,95%CI:(-0.37,0.35),P=0.94]。見圖8。敏感性分析各研究的異質性來源,發現剔除王艷艷等[28]研究后,其異質性為(I2=30%,P=0.23),采取固定效應模型。其結果為[MD=0.14,95%CI:(-0.01,0.40),P=0.27],仍表明試驗組在改善腦卒中患者步行周期方面與對照組相比,并無差異,結果穩定。

圖8 下肢外骨骼機器人對腦卒中患者步行周期的影響

2.3.6 步態時相:健側與患側支撐期比值 3項RCT評估了下肢外骨骼機器人對步態時相的影響[25,29,32],共計246例患者。異質性檢驗顯示I2=22%,P=0.28,采取固定效應模型。結果顯示:試驗組的步態時相要優于對照組。[MD=-0.08,95%CI:(-0.11,-0.06),P<0.0001]。見圖9。

圖9 下肢外骨骼機器人對腦卒中患者步態時相:健側與患側支撐期之比的影響

2.3.7 亞組分析 對結局指標中的步長、步速、步頻,根據不同機器人的類型、病程、干預周期進行亞組分析,結果顯示,基于平臺訓練的機器人、病程<6個月、不同干預周期中的試驗組患者,在干預后其步長、步速、步頻較對照組有明顯改善。而基于平地行走訓練的機器人組在干預后其步長、步頻的改善與對照組之間無顯著性差異,步速較對照組有明顯改善,病程>6個月組的患者在干預后其步速與對照組之間無顯著性差異,步頻較對照組有改善。見圖4～6,表2。

表2 下肢外骨骼機器人對腦卒中患者時空步態參數影響的亞組分析結果

2.4 發表偏倚分析 對結局指標中的步速、步頻使用漏斗圖評估發表偏倚,針對步速這一結局指標,發現各散點基本均分在倒置的漏斗圖中,而步頻各散點也基本均分。見圖10,圖11。另外采用Stata 17.0軟件,進行Egger檢驗評估發表偏倚,其中步速:P=0.892>0.1,步頻:P=0.132>0.1。見表3、表4。結果顯示本研究中納入的各項研究不存在顯著的發表偏倚。

表3 步速的Egger檢驗

表4 步頻的Egger檢驗

圖10 步速漏斗圖

圖11 步頻漏斗圖

3 討論

腦卒中是血管原因導致腦功能局部或整體突然受損,相關偏癱是因為下行神經通路被中斷[33]。肌肉無力、疼痛、運動控制等因素影響卒中患者的步態功能,降低日常生活活動能力[34]。卒中患者的步態模式在時間空間上并不對稱,這與健康人不同,且此步態模式與跌倒的風險增加有關[35]。時空步態參數常用于定量分析步態的對稱性,卒中患者步態的時空特征為:步速降低,步長、步頻縮短,步寬增大,且卒中患者的支撐相階段與擺動相階段也發生了改變,為了保持身體的穩定性,卒中患者會減少患側支撐相的時間并延長擺動相的時間,因此患者健側與患側支撐相之比會增大[36-37]。此外,對稱的步態被認為是最有效的步態模式,當機體在空間中平穩前進,會產生最小的機械運動和生理能量消耗,而偏癱步態基于時空、運動學、動力學等的不對稱性,以及重心位置的改變,增加了能量消耗[38]。因此,步態也是反映卒中患者運動恢復的重要指標。

本研究中,共納入了15項RCT,結果表明下肢外骨骼機器人有效地改善了卒中患者的步態功能,可能是因為機器人輔助患者以正常的行走姿勢、高重復性的進行步態訓練,通過激活肌肉骨骼和腦血管系統,同時輸入正確的感覺反饋,增強大腦恢復,改善了突觸活動,緩解了肌肉痙攣[39]。Hobbs等[40]也表明機器人可以大量增加中風后的步行練習量,促進功能的恢復。針對步行周期這一結局指標,試驗組與對照組相比沒有顯著差異,可能是因為,納入此結局指標的研究太少,以及影響步行周期的混雜因素較多,如年齡、身高、步速等[41]。

根據不同機器人的類型、病程以及干預周期對步長、步速、步頻進行了亞組分析,其結果顯示,基于平臺訓練的機器人組在干預后腦卒中患者的步長、步速、步頻較對照組有明顯改善,基于平臺訓練的機器人通過懸吊減重系統,減輕患者自身重量對髖和腿部的負荷,提高自身穩定性,根據患者自身情況調節運動參數進行對應的訓練模式,使患側的肌肉激活順序趨于正常,提高步態模式的對稱性。而基于平地行走訓練的機器人在干預后,腦卒中患者的步長、步頻較對照組無顯著性差異,步速較對照組有明顯改善。但發現剔除王艷艷等[28]研究,發現試驗組在步速方面與對照組之間無顯著性差異,結果不穩定[MD=0.04,95%CI:(-0.07,0.14),P=0.49],而王艷艷等[28]研究的干預周期為2個月。這與李希等[42]的結論相一致,可能是治療周期不夠長,沒有達到訓練的閾值,使得機器人的潛力還未發揮。病程<6個月的患者,其機器人介導的訓練效果是積極穩定的,但對于病程>6個月患者的步速較對照組無明顯改善,發現剔除張楠等[24]研究后,異質性下降(I2=0%,P=0.46),步速較對照組有明顯改善,結果不穩定[MD=0.09,95%CI:(0.06,0.13),P<0.0001];而步頻在干預后較對照組有明顯改善。基于結果的不穩定性,病程>6個月患者的干預效果暫無法得出明確的結論,其原因可能是納入文獻研究的數量較少且存在部分方法學質量欠佳的文獻。此外,不論干預周期的長短,其訓練效果是有效且穩定的,同時干預周期>4周的效果更佳。

下肢外骨骼機器人作為輔助手段以提高卒中患者的步行能力,矯正異常步態等,且可結合運動意圖識別技術、人機交互技術等多種高新技術,經過控制器分析,以幫助運動功能障礙的患者進行康復訓練[43]。雖然,外骨骼機器人還不能取代傳統康復治療,但其獨特的優越性,也會逐漸成為康復醫學中的主角。此外,在王開等[44]可視化分析中可看出機器人康復現多聚集于較發達、科研水平較高的地區,各研究機構間也無連線,缺乏合作。未來可以進行跨區域、跨機構間的合作,同時支援下級醫院,以促進機器人在康復醫學中的應用,進一步探索不同類型的外骨骼機器人對卒中患者步態功能的影響。

雖然,本研究的結論是正面的,但仍存在一定的局限性,首先納入的文章大部分在中國發表,缺乏歐美國家的文章,影響了結果的普遍性;其次對納入研究的樣本量并未做限制,分析一些結局指標時,納入的研究太少,可能會產生一定的偏倚;再者,納入的研究中,部分文獻未提及分配隱藏的方法和盲法,影響了納入研究的質量;最后,基于平地行走訓練的機器人納入的研究太少,可能會對此結果產生偏倚。考慮到本研究所納入的結局指標,客觀地反映外骨骼機器人對卒中患者步態功能的改善,希望隨著越來越多的研究的出現,以納入大樣本、多中心、大量的國內外高質量文獻,從而得出更準確的分析和結論,并予以證實不同類型的機器人對卒中患者步態功能的影響。