雒甜甜，徐秀瑛，甘華松，張麗麗，周亞莉，李貴香

（1 福建中醫(yī)藥大學護理學院，福建福州，350122；2 福建省廈門市仙岳醫(yī)院康復與社會工作管理部，福建廈門，361000）

腦卒中是由腦血管破裂或堵塞引起的腦功能紊亂［1］，其具有高發(fā)病率、高致殘率等特點，是目前世界范圍內(nèi)成年人殘疾的主要原因之一［2］。據(jù)統(tǒng)計，我國總體卒中終生發(fā)病風險為39.9%，位居全球首位［3］，在患者中，約3/4 遺留不同程度的功能障礙，如偏癱及平衡功能障礙等［4］。下肢功能障礙作為腦卒中患者最常見的功能障礙之一， 伴隨步態(tài)明顯的不對稱性，步態(tài)參數(shù)表現(xiàn)為步寬加大，步長及步幅縮短、步頻和步速降低等?；颊叱Ｒ虿綉B(tài)不穩(wěn)、步態(tài)速度和姿勢控制能力降低增加跌倒風險［5］，不僅直接影響患者的行動能力和日常生活， 還會大大降低其生存質(zhì)量［6］。因此，改善患者卒中后的步態(tài)模式，下肢運動功能康復訓練尤為重要。機器人輔助步態(tài)訓練作為一種新興且高效的康復訓練手段， 其特點是通過應用機器人系統(tǒng)幫助患者進行運動再學習， 從而模擬正常的生理步態(tài)模式，避免偏癱步態(tài)［7］。目前，國內(nèi)外關于機器人輔助步態(tài)訓練對腦卒中患者干預效果的系統(tǒng)評價， 多針對下肢運動功能及平衡功能的分析［8-9］，尚未對相關研究的步態(tài)參數(shù)進行定量綜合評價， 且該訓練在腦卒中下肢功能障礙患者相關步態(tài)參數(shù)中雖有較多應用，但干預效果仍存在爭議［10］。因此， 本研究通過對機器人輔助步態(tài)訓練在腦卒中下肢功能障礙患者步態(tài)的干預效果進行Meta 分析，從而為臨床中的應用提供循證依據(jù)。

1 資料與方法

1.1 文獻納入標準

1.1.1 研究類型 研究機器人輔助步態(tài)訓練對腦卒中下肢功能障礙患者步態(tài)干預效果的隨機對照試驗（randomized condomized trial，RCT）。

1.1.2 研究對象 診斷標準符合1989年WHO 腦卒中診斷標準［11］或1995年全國第四次腦血管病會議制定的診斷標準［12］，經(jīng)相關影像學檢查首次確診的對象。納入標準：①年滿18 周歲，首次發(fā)病且存在下肢功能障礙的患者；②生命體征平穩(wěn)，意識清晰，無認知障礙及其他神經(jīng)系統(tǒng)疾病。

1.1.3 干預措施 對照組采用常規(guī)康復治療（重量支持訓練、步態(tài)訓練，平衡訓練等）；干預組在對照組基礎上進行機器人輔助步態(tài)訓練干預。

1.1.4 結(jié)局指標 ①步態(tài)參數(shù)（步速、步長、步頻、步幅、步寬）：采用步態(tài)分析系統(tǒng)測量步態(tài)參數(shù)，10m 步行試驗（10-meter walk test，10MWT）僅測量步速；②耐力： 采用6min 步行試驗 （6-minute walking test，6MWT）測量；③平衡功能：采用Berg 平衡量表（Berg balance scale，BBS）評估；④下肢運動功能：采用Fugl-Meyer 評分法（Fugl-Meyer assessment，F(xiàn)MA）評估下肢部分。文獻為符合以上指標中任一即可納入進行數(shù)據(jù)合并。

1.2 文獻排除標準

①同一研究重復出版物或二級分析；②數(shù)據(jù)不全或無法進行數(shù)據(jù)提取的文獻；③干預時間不明確。

1.3 文獻檢索策略

計算機檢索8 個數(shù)據(jù)庫：CochraneLibrary、PubMed、Web of Science、Embase、中國生物醫(yī)學文獻數(shù)據(jù)庫（CBM）、中國知網(wǎng)、維普、萬方數(shù)據(jù)庫，檢索時限均為建庫至2022年5月。檢索詞：腦卒中/中風/腦梗死/腦缺血/腦出血/偏癱/機器人/下肢/步態(tài)/隨機；stroke/cerebral infarction/cerebral ischemia/cerebral hemorrhage/ hemiplegia/ robot/ lowerlimb/ lokomat robot/gait/Randomized controlled trial/randomization/ RCT。以PubMed 檢索流程為范例，見圖1。對于非公開出版文獻、非常規(guī)文獻、難以獲取文獻等進行灰色文獻網(wǎng)、俄羅斯國立科技公共圖書館或OpenSIGLE 數(shù)據(jù)庫檢索。

圖1 PubMed 檢索流程圖

1.4 文獻篩選和資料提取

由2 名研究者閱讀全文后按照已制定好的納入標準與排除標準，分別進行文獻篩選以及資料提取，提取信息包括納入研究的特征以及納入研究參與者的相關特征。若出現(xiàn)不同意見，則由第3 名研究者仲裁后決定其是否納入。文獻篩選具體步驟：①將檢索文獻全部導入EndNote 軟件進行查重和初篩，非RCT 的研究剔除；②閱讀題目和摘要，進一步篩選符合納入標準與排除標準的文獻；③全文閱讀，納入最終文獻。

1.5 文獻質(zhì)量評價

由2 名研究者分別進行文章質(zhì)量評價，參照Cochrane 隨機對照試驗偏倚風險評估工具［13］，評估內(nèi)容見表2。若評估內(nèi)容全為低風險，說明幾乎不發(fā)生偏倚，質(zhì)量為A 級；若部分滿足低風險，說明發(fā)生偏倚的風險為中等，質(zhì)量為B 級；若都不滿足低風險，說明發(fā)生偏倚的風險極高，質(zhì)量為C 級。

表2 納入文獻的質(zhì)量評價(n=22)

1.6 統(tǒng)計學方法

采用RevMan5.3 軟件進行數(shù)據(jù)分析。計量資料：采用均數(shù)差（MD）或標準化均數(shù)差（SMD）及95%置信區(qū)間（CI）表示。采用I2定量判斷研究間的異質(zhì)性，若P≥0.05，I2＜50%，選用固定效應模型進行分析；若P＜0.05，I2≥50%，異質(zhì)性來源于統(tǒng)計學，則采用隨機效應模型；若異質(zhì)性來源于方法學，則進行亞組分析或放棄合并，只對結(jié)果進行統(tǒng)計描述。結(jié)果穩(wěn)定程度：采用逐一剔除法對剩余文獻進行敏感性分析，觀察合并結(jié)果的變化情況。發(fā)表偏倚采用SPSS 16 軟件分析，Egger’s 檢驗法判定是否存在發(fā)表偏倚，以P＜0.05 判定存在發(fā)表偏倚。

2 結(jié)果

2.1 文獻檢索結(jié)果

初檢得到相關文獻2 983 篇（中文1 215 篇，英文1 768 篇，通過其他資源補充獲得文獻0 篇）。剔除重復文獻1 518 篇，閱讀題目和摘要后排除文獻1 408 篇，初步篩選得到文獻57 篇。閱讀剩余文獻全文后，去除干預方法和結(jié)局指標不符、干預時間不明、重復發(fā)表及無法獲取數(shù)據(jù)的文獻后，最終納入文獻共22 篇［14-35］，其中中文文獻5 篇，英文文獻17 篇。文獻篩選流程圖及結(jié)果見圖2。

圖2 文獻篩選流程圖及結(jié)果

2.2 納入文獻的基本特征

納入文獻的基本特征見表1。由表1 可見，納入的22 篇文獻，合計902 例患者，其中對照組456 例，干預組446 例。21 篇文獻［14-25，27-35］探討了機器人輔助步態(tài)訓練對腦卒中患者步態(tài)參數(shù)的影響；7 篇文獻［14-15，17-18，20，29，32］探討了機器人輔助步態(tài)訓練對腦卒中患者耐力的影響；10 篇文獻［16，19，21-22，24，26，32-35］探討機器人輔助步態(tài)訓練對腦卒中患者平衡功能的影響；7篇文獻［16-18，20-21，33-34］探討了機器人輔助步態(tài)訓練對腦卒中患者下肢運動功能的影響。

2.3 方法學質(zhì)量評價

納入文獻采用Cochrane 隨機對照試驗偏倚風險評估工具［13］進行評價，結(jié)果納入的22 篇文獻均為B 級，質(zhì)量中等，納入文獻質(zhì)量評價見表2。

2.4 Meta 分析結(jié)果

2.4.1 機器人輔助步態(tài)訓練對腦卒中患者步態(tài)參數(shù)的影響

2.4.1.1 步速 21 篇文獻［14-25，27-35］報道了機器人輔助步態(tài)訓練對腦卒中患者步速的影響，見圖3。由圖3 可見，各研究無明顯異質(zhì)性（P=0.40，I2=5%），采用固定效應模型，Meta 分析結(jié)果顯示：MD=0.08，95%CI（0.06，0.09），P＜0.001，差異有統(tǒng)計學意義。因研究間采用步態(tài)分析系統(tǒng)和10MWT 兩種方式進行步速測量，故進行亞組分析。其中8 篇文獻［16-19，23-24，27，33］采用步態(tài)分析系統(tǒng)測量，各研究無明顯異質(zhì)性（P=0.53，I2=0%），采用固定效應模型進行分析；10 篇文獻［14-15，20-22，29-32，34］采用10MWT，各研究無明顯異質(zhì)性（P=0.31，I2=15%），采用固定效應模型進行分析，Meta分析結(jié)果顯示：MD=0.05，95%CI（0.01，0.10），P＝0.02，亞組分析結(jié)果提示不同測量方式對步速影響不大，分析結(jié)果較為穩(wěn)定。其余3 篇文獻［25，28，35］因數(shù)據(jù)不能合并，僅進行描述性分析。趙雅寧等［35］使用步態(tài)分析系統(tǒng)測量步速，研究顯示，接受Lokomat 康復機器人訓練步速改善效果明顯優(yōu)于常規(guī)康復治療。OCHI等［25］及UCAR 等［28］在常規(guī)治療基礎上進行機器人輔助步態(tài)訓練， 發(fā)現(xiàn)兩組間的步速沒有顯著差異，但增加肌肉扭矩很可能會提高步速。

圖3 機器人輔助步態(tài)訓練對腦卒中患者步速的影響

表1 納入文獻的基本特征(n=22)

2.4.1.2 步長 9 篇文獻［17-19，23-24，27，33-35］報道了機器人輔助步態(tài)訓練對腦卒中患者步長的影響，見圖4。由圖4 可見，各研究間存在較大異質(zhì)性（P=0.001，I2=69%），采用隨機效應模型進行分析，Meta 分析結(jié)果顯示：MD=3.58，95%CI（2.01，5.15），P＜0.001，差異有統(tǒng)計學意義，干預組步長改善效果優(yōu)于對照組。

圖4 機器人輔助步態(tài)訓練對腦卒中患者步長的影響

2.4.1.3 步頻 10 篇文獻［14，16，18-19，23-24，27，33-35］報道了機器人輔助步態(tài)訓練對腦卒中患者步頻的影響， 見圖5。由圖5 可見，各研究間存在較大異質(zhì)性（P＜0.001，I2=78%），采用隨機效應模型進行分析，Meta 分析結(jié)果顯示：SMD=0.77，95%CI（0.36，1.18），P＜0.001，差異有統(tǒng)計學意義，干預組步頻改善效果優(yōu)于對照組。

圖5 機器人輔助步態(tài)訓練對腦卒中患者步頻的影響

2.4.1.4 步幅 4 篇文獻［14，18-19，27］報道了機器人輔助步態(tài)訓練對腦卒中患者步幅的影響，見圖6。由圖6可見，各研究間無明顯異質(zhì)性（P＝0.88，I2=0%），采用固定效應模型進行分析，Meta 分析結(jié)果顯示：MD=2.35，95%CI（1.12，3.57），P＜0.001，差異有統(tǒng)計學意義，干預組步幅改善效果優(yōu)于對照組。1 篇文獻［16］因數(shù)據(jù)未能合并，因此采用描述性分析，該研究采用下肢康復機器人作為干預，協(xié)助腦卒中患者進行康復訓練，研究結(jié)果顯示：治療8w 后患者的左右步幅差明顯減少且低于對照組。

圖6 機器人輔助步態(tài)訓練對腦卒中患者步幅的影響

2.4.1.5 步寬 2 篇文獻［17，35］報道了機器人輔助步態(tài)訓練對腦卒中患者步寬的影響，見圖7。由圖7 可見，各研究間存在較大異質(zhì)性（P＝0.14，I2=54%），采用隨機效應模型進行分析，Meta 分析結(jié)果顯示：MD=-0.91，95%CI（-4.17，2.34），P＝0.58，差異無統(tǒng)計學意義，干預組步寬改善效果并不優(yōu)于對照組。

圖7 機器人輔助步態(tài)訓練對腦卒中患者步寬的影響

2.4.2 機器人輔助步態(tài)訓練對腦卒中患者耐力的影響 7 篇文獻［14-15，17-18，20，29，32］報道了機器人輔助步態(tài)訓練對腦卒中患者耐力的干預效果，見圖8。由圖8可見，各研究無明顯異質(zhì)性（P＝0.16，I2=36%），采用固定效應模型進行分析，Meta 分析結(jié)果顯示：MD=26.75，95%CI（6.89，46.60），P=0.008，差異有統(tǒng)計學意義，干預組耐力改善效果優(yōu)于對照組。

圖8 機器人輔助步態(tài)訓練對腦卒中患者耐力的影響

2.4.3 機器人輔助步態(tài)訓練對腦卒中患者平衡功能的影響 10 篇文獻［16，19，21-22，24，26，32-35］報道了機器人輔助步態(tài)訓練對腦卒中患者平衡功能的影響，見圖9。由圖9 可見，各研究間存在較大異質(zhì)性（P＜0.001，I2=81%），采用隨機效應模型進行分析，Meta 分析結(jié)果顯示：MD=3.29，95%CI（1.64，4.94），P<0.001，差異有統(tǒng)計學意義，干預組平衡功能改善效果優(yōu)于對照組，且干預措施與時間之間有明顯的交互作用。為進一步處理統(tǒng)計學異質(zhì)性，依據(jù)不同的干預時間分為干預時間≥4w 和干預時間＜4w 兩個亞組，其中8項研究［16，21，24，26，32-35］干預時間≥4w，各研究無明顯異質(zhì)性（P＝0.59，I2=0%），采用固定效應模型進行分析，Meta 分析結(jié)果顯示：MD=4.26，95%CI（3.68，4.85），P<0.001，差異有統(tǒng)計學意義，干預組平衡功能改善效果優(yōu)于對照組；2 項研究［19，22］干預時間＜4w，各研究無明顯異質(zhì)性（P＝0.21，I2=36%），采用固定效應模型進行分析，Meta 分析結(jié)果顯示：MD=-1.14，95%CI（-5.59，3.32），P＝0.62，差異無統(tǒng)計學意義，干預組平衡功能改善效果并未優(yōu)于對照組，同時也提示不同干預時長可能是異質(zhì)性的來源。

圖9 機器人輔助步態(tài)訓練對腦卒中患者平衡功能的影響

2.4.4 機器人輔助步態(tài)訓練對腦卒中患者下肢運動功能的影響 7 篇文獻［16-18，20-21，33-34］報道了機器人輔助步態(tài)訓練對腦卒中患者下肢運動功能的影響，見圖10。由圖10 可見，各研究間存在較大異質(zhì)性（P=0.02，I2=61%），采用隨機效應模型進行分析，Meta 分析結(jié)果顯示：MD=3.04，95%CI（1.73，4.35），P<0.001，差異有統(tǒng)計學意義，干預組下肢運動功能改善效果優(yōu)于對照組。

圖10 機器人輔助步態(tài)訓練對腦卒中患者下肢運動功能的影響

2.4.5 敏感性分析 進行步速的Meta 分析時，排除1 篇［23］干預周期最短且異質(zhì)性較大的文獻后，各研究仍無明顯異質(zhì)性（P=0.34，I2=10%），采用固定效應模型進行分析，Meta 分析結(jié)果顯示：［MD=0.08，95%CI（0.06，0.09），P<0.001］，合并結(jié)果并無明顯變化，提示Meta 分析結(jié)果穩(wěn)定。

2.4.6 發(fā)表偏倚分析 本研究納入22 項隨機對照試驗，采用基于回歸的Egger’s 檢驗法分別檢測研究中關于步速和平衡功能研究文獻>10 項的發(fā)表偏倚情況，見圖11。由圖11 可見，步速改善的文獻檢驗結(jié)果顯示：P=0.629＞0.05；平衡功能改善的文獻檢驗結(jié)果顯示：P=0.058＞0.05，提示無明顯發(fā)表偏倚。

圖11 步速、平衡功能發(fā)表偏倚Egger’s 檢驗結(jié)果

3 討論

3.1 納入研究方法學質(zhì)量分析

本次納入22 篇文獻均為B 級，質(zhì)量中等。所有研究均已描述有無退出和失訪，且結(jié)局指標均有報道。其中15 篇文獻［14，16-17，19-25，27-29，31-32］說明了使用隨機區(qū)塊、信封法或隨機數(shù)表法的隨機序列生成方式，6 篇文獻［14，16，17，21，24-25］使用不透明信封進行分配隱藏，11 篇文獻［15，17-18，20-21，24-27，29，32］對評價者施盲，因此產(chǎn)生測量偏移的可能性較小。盡管如此，本研究仍嚴格按照Meta 分析方法對納入文獻進行綜合分析，且各項結(jié)局指標較為集中，總體證據(jù)可信度較高。

3.2 機器人輔助步態(tài)訓練對腦卒中患者步態(tài)干預效果的分析

本研究結(jié)果顯示，機器人輔助步態(tài)訓練能提高腦卒中患者的步速和步頻，增加步長及步幅，與相關研究報道相似［36-37］。其相關機制分析如下：第一，通過運用下肢康復機器人作為治療工具，協(xié)助患者進行重復性、交互式和高強度的特定肢體訓練任務，增加肢體擺動相對于地面的推進，降低患側(cè)下肢張力，糾正足下垂等現(xiàn)象，進而提高患者的步速和步頻、增加步長及步幅；第二，穿戴機器人后可給予患者一定助力，承擔部分的肢體重量，控制患者訓練的步速及下肢活動角度，通過模擬正常人的步行姿勢，促進肌肉活動協(xié)調(diào)性， 實現(xiàn)重心轉(zhuǎn)移， 從而提高步行速度，這將大大改善患者的步態(tài)能力［36-37］。此外，本研究發(fā)現(xiàn)，機器人輔助步態(tài)訓練對于腦卒中患者的步寬改善效果并不顯著，分析原因可能與報道此類指標的研究及樣本量較少有關，建議今后增加樣本量進一步研究。

本研究納入機器人類型為外骨骼型康復機器人，此類機器人臨床應用及研究更加廣泛，其中大多數(shù)研究以Lokomat 外骨骼機器人訓練為主。國外一項在Lokomat 機器人系統(tǒng)輔助研究中發(fā)現(xiàn)，患者下肢單支撐相時間差異明顯縮小，不僅發(fā)現(xiàn)了腦卒中患者步態(tài)時間的不對稱性，又為Lokomat 改善患者步態(tài)功能和偏側(cè)化異常步態(tài)模式提供了依據(jù)［38］，這與本研究機器人輔助步態(tài)訓練改善腦卒中患者的步態(tài)功能發(fā)現(xiàn)一致。此外，本研究結(jié)果顯示，Lokomat 康復機器人效果明顯優(yōu)于常規(guī)康復治療， 尤其在步速、步長、步頻等步態(tài)參數(shù)中效果更為顯著。本次Meta分析納入研究中有10 項研究［15，20-21，24，28-31，34-35］使用了Lokomat 康復機器人系統(tǒng)作為干預，干預時長為2～10w 不等，其中7 項［20-21，29-31，34-35］選擇了6～10w 的干預時長，采取每周3～5 次，每次30～45min 的訓練方式。分析不同研究采取的不同時長干預周期，可以發(fā)現(xiàn)周期較短時，研究者采取了增加每周次數(shù)或每次時長的調(diào)整方式以保證干預的效果。除了Lokomat機器人系統(tǒng)外，其他機器人輔助步態(tài)訓練系統(tǒng)包括Lokohelp［33］、LOPES［17］及A3［16］型康復機器人等，都屬于下肢外骨骼機器人，在腦卒中患者的步速、步頻改善中均具有一定治療效果。分析原因可能與康復機器人減重系統(tǒng)有關，該系統(tǒng)主要通過提高患者軀干及骨盆的穩(wěn)定性，減小因肌力不足以及平衡功能欠佳對于步行訓練的影響，從而提高步速和步頻。

3.3 機器人輔助步態(tài)訓練對腦卒中患者耐力干預效果的分析

本研究結(jié)果顯示，機器人輔助步態(tài)訓練能夠有效改善腦卒中患者的耐力。其作用機制可能為：第一，下肢康復機器人作為可調(diào)節(jié)的體重支撐物，能夠減輕患者因過量運動或錯誤動作導致的肌肉酸痛和疲勞，進而降低患者的最大耗氧量，提高運動耐力；第二，機器人輔助步態(tài)訓練通過增加重復訓練時長、強度和特異性，時刻測量患者下肢的負重，為患者提供有效反饋，同時對弱化的肌肉進行功能性電刺激，復制患者在訓練期間正常的行走模式，從而快速恢復肌肉力量和耐力，增加患者短時間內(nèi)的正常行走距離。目前，已有多項研究報道［39-40］，認為機器人輔助步態(tài)訓練可以通過改善腦卒中患者的耗氧量及疲勞程度，從而提高患者的運動耐力，這與本研究結(jié)果相似。

3.4 機器人輔助步態(tài)訓練對腦卒中患者平衡及下肢功能干預效果的分析

本研究結(jié)果顯示，機器人輔助步態(tài)訓練對腦卒中患者的平衡和下肢運動功能改善效果較明顯?？赡芘c以下機制有關：其一，機器人輔助步態(tài)訓練運用下肢康復機器人定時測量患者下肢運動軌跡，不斷修正和調(diào)節(jié)關節(jié)的活動范圍，調(diào)整下肢位置為其助力，以便糾正軌跡偏離，改善腦卒中患者步態(tài)的時空不對稱性，最終促進平衡功能的改善和康復；第二，作為提供高重復性的任務訓練，下肢康復機器人協(xié)調(diào)肌肉收縮能力增強，可使患者及時儲存運動模式，強化當前步行姿勢，誘導持久性的運動學習及神經(jīng)功能重塑［41］，進而有效改善腦卒中患者的下肢運動功能。

4 結(jié)論

本研究發(fā)現(xiàn)，機器人輔助步態(tài)訓練可有效改善腦卒中患者的步態(tài)、平衡功能及下肢運動功能，提高患者步速和步頻，增加步長及步幅。但本Meta 分析尚存在一定的局限性：①研究對象均為腦卒中患者，對于病程和腦卒中的類型未進行限制，范圍比較廣；②納入研究質(zhì)量中等，部分未提及盲法和分配隱藏；③部分研究樣本量較小，且存在撤出及退出數(shù)據(jù)，仍需更多大樣本且高質(zhì)量的研究進行驗證；④本研究僅對部分指標干預周期進行了系統(tǒng)分析，尚未對干預中的系統(tǒng)類型、 整體干預周期進行亞組分析。目前，康復機器人的相關研究仍然存在很大的發(fā)展空間，如與虛擬現(xiàn)實技術、機電技術和生物反饋技術等結(jié)合，伴隨著科學技術的進步與發(fā)展，機器人相關功能不斷得到改進和提升，這將為患者提供更為智能化、全面性的康復治療帶來美好的前景。