《Medicine》：Predicting independent dressing after stroke using path and neural network analyses
编辑推荐：
本研究前瞻性探索了运动与认知功能如何影响脑卒中患者穿衣技能，并创新性地利用卷积神经网络（CNN）预测其日常穿衣表现。研究通过回顾性队列分析，揭示了运动功能障碍、单侧空间忽视（USN）和注意力障碍等因素通过影响穿衣速度间接作用于日常表现，而穿衣速度是独立性的关键预测指标。CNN模型在预测能够自主穿衣的患者的日常表现时，取得了高达0.939 ± 0.015的曲线下面积（AUROC），展现出卓越的预测能力。研究强调了穿衣速度在康复评估中的核心价值，为制定精准康复策略提供了新视角。[1]
1. 引言
上半身穿衣技能与多种运动及认知功能相关。脑卒中可同时影响这两类功能，穿衣障碍是其常见的后遗症。日常活动能力可分为基于运动技能的“能够”与“不能够”，以及基于日常生活表现的“独立”与“依赖”。先前研究表明，穿衣表现与穿衣技能之间存在不匹配的情况，准确预测脑卒中患者在日常生活中的穿衣表现对于有效康复至关重要。尽管穿衣技能已被广泛研究，但日常生活中穿衣表现的研究尚不充分。
通常，人体运动中“速度”与“准确性”呈反比关系。早前研究表明，实践能力需要流畅性。因此，仅凭穿衣技能不足以预测日常穿衣表现。实际上，多项针对穿衣以外其他运动的研究，均强调了运动速度或时间的重要性，指出实践能力不仅包括准确性，还应包含执行效率。穿衣速度可作为实践穿衣能力，进而作为日常穿衣表现的重要预测指标。然而，在康复领域，大量研究聚焦于运动准确性，却鲜有报告运动速度。
因此，基于对运动功能、认知功能、穿衣技能及穿衣速度之间相互关系的定量分析，来预测日常生活中的上半身穿衣表现，对脑卒中患者的康复至关重要。传统上，常采用基于线性函数的判别分析等技术，根据因子得分来区分人类活动。这些传统方法在活动与影响因素间关系可通过线性函数清晰界定时是有效的。然而，人类活动与其影响因素之间的关系通常是复杂且非线性的。此时，依赖线性函数进行判别的传统方法便显不足。路径分析有助于分析当因素间复杂相互影响时，哪些因素会影响目标变量。近年来，深度学习模型，特别是卷积神经网络，已被开发并应用于复杂的非线性判别任务，在预测复杂患者结局方面尤为有效。
基于既往关于脑卒中后穿衣能力的研究，我们假设：运动功能、认知功能、穿衣技能和穿衣速度对日常穿衣表现具有层级影响；这些层级因素可用于预测日常穿衣表现。为验证这些假设，本研究旨在通过路径分析阐明运动功能、认知功能、穿衣技能、穿衣速度与日常穿衣表现之间的相互关系，并利用CNN模型预测独立穿衣能力。
2. 方法
2.1. 研究设计与参与者
我们进行了一项回顾性研究，纳入2014年3月1日至2021年8月1日期间的患者。研究包含两个阶段：第一轮和第二轮数据分析。
第一轮数据分析旨在阐明日常穿衣表现的层级结构。纳入标准包括脑卒中后两个月内的患者。使用G*Power 3.1计算样本量，设定为232人，以达到80%的检验效能，在双尾α为5%的情况下检测效应量d=0.37。
第二轮数据分析侧重于预测日常穿衣表现。纳入第一阶段中能够独立穿上纽扣衬衫的患者。使用相同统计软件计算样本量为128人，以达到80%的检验效能，在双尾α为5%的情况下检测效应量为0.5。
本研究获St. Marianna大学伦理审查委员会批准，并遵循《赫尔辛基宣言》进行。
2.2. 测量指标
2.2.1. 运动功能
我们使用Brunnstrom分期评估运动麻痹的严重程度，这是一个评估运动恢复的7级量表。握力测量的是非麻痹侧的最大握力，采用JAMAR握力计在坐姿、肘关节屈曲90°、前臂中立位时进行测量。
2.2.2. 认知功能
认知功能从整体认知功能、注意力障碍和单侧空间忽视三方面评估。整体认知功能使用简易精神状态检查量表进行评估，该问卷最高分30分，截止分23分。连线测验A部分用于判断是否存在注意力障碍，该测试包含25个目标，记录完成任务所需时间。单侧空间忽视采用行为疏忽测试中的线段划销测验进行评估，该任务最高分36分，低于35分表示存在损害。
2.2.3. 穿衣技能
上半身穿衣技能在康复室中使用功能独立性评定量表的上半身穿衣项目进行评估。该量表采用7分制，评分基于所需的辅助水平：1分代表完全依赖，2分代表最大程度辅助，3分代表中等程度辅助，4分代表最小程度辅助，5分代表监护或准备，6分代表有条件的独立，7分代表完全独立。
2.2.4. 穿衣速度
为评估穿衣速度，我们测量了患者穿上衣所需时间。时间从将衬衫递给患者开始计时，直到所有纽扣扣好为止，包括“将麻痹侧手臂穿入袖子”、“将非麻痹侧手臂穿入袖子”和“扣纽扣”三个步骤。
2.2.5. 日常穿衣表现
评估在患者出院前3天内进行。日常穿衣表现由患者和护士在评估当天共同确认。患者根据其日常生活中是否能在无辅助情况下穿上纽扣衬衫被分为“独立”和“依赖”两组。若双方均确认其能独立穿衣，则视为独立。反之，若任何一方表示需要辅助，则视为依赖。
2.3. 数据分析
2.3.1. 第一轮数据分析
我们采用路径分析检验假设模型，该模型假设运动功能、认知功能、穿衣技能和穿衣速度是与日常穿衣表现相关的因素。分别对存在运动麻痹组和无运动麻痹组进行路径分析。使用多种指标评估模型拟合度，包括卡方检验、近似误差均方根、标准化残差均方根和比较拟合指数。卡方检验的P值应>0.05。对于良好模型拟合，近似误差均方根应小于0.06，标准化残差均方根应小于0.09，比较拟合指数应大于或等于0.95。利用受试者工作特征曲线和约登指数最大值，确定直接影响独立穿衣的显著变量的最佳临界点。
2.3.2. 第二轮数据分析
我们利用深度学习来预测在康复环境中“能够”自行穿衣的患者的日常穿衣表现。为了减轻CNN由于实际样本量有限而产生的分类变异性，我们为独立和依赖穿衣状态生成了1000个Bootstrap数据集。这些数据集通过从一系列层级因素中随机抽取创建。Bootstrap重采样方法已在既往研究中广泛应用。这些包含层级因素和穿衣依赖/独立状态的聚合Bootstrap数据集，随后被随机分为80%的训练集和20%的测试集用于交叉验证。Bootstrap训练数据用于训练CNN模型。
我们采用的CNN模型包含4层，512个单元，批次大小为100。我们使用Bootstrap训练数据集来建立CNN算法和分类模型。应用Adam优化方法进行为期20个轮次的模型训练。经过训练的CNN模型随后被用于对测试数据集中的每位参与者进行分类，作为交叉验证过程的一部分。上半身穿衣包含三个组成活动：“将麻痹侧手臂穿入袖子”、“将非麻痹侧手臂穿入袖子”和“扣纽扣”。为获得CNN算法和分类模型，使用了路径分析中直接影响独立穿衣的显著变量中这3个组成活动的组合。使用受试者工作特征曲线下面积，采用5折交叉验证评估模型性能。
我们的分析使用Python中的Scikit-learn包和R 3.5.2软件进行。P值小于0.05被认为具有统计学意义。
3. 结果
3.1. 参与者
研究最初纳入644名脑卒中住院患者。排除401名患者的原因如下：52名患者死亡，97名患者在住院前无法穿衣，194名患者无法理解穿衣指令，58名患者数据不完整。第一轮数据分析包括243名脑卒中患者，而第二轮数据分析包括153名患者。
在第一轮数据分析的243名患者中，153人能够在康复环境中进行穿衣活动。相反，90人无法在康复环境中进行穿衣活动。在这243名患者中，109人能在日常生活中独立穿衣，134人需要辅助。
表1总结了243名参与者的人口学特征。所有患者的平均年龄为70.5岁。从脑卒中发病到评估的平均时间为29.5天。其中，136名患者表现出运动麻痹，而107名患者无运动麻痹。在存在运动麻痹的患者组中，46人是独立的，90人是依赖的。相反，在没有运动麻痹的患者中，63人是独立的，44人是依赖的。
3.2. 第一轮数据分析（穿衣独立性的因果模型）
在存在运动麻痹组中，麻痹严重程度、单侧空间忽视、注意力障碍、穿衣技能和穿衣速度的路径系数存在统计学显著的因果关系。在无运动麻痹组中，整体认知功能、单侧空间忽视、穿衣技能、注意力障碍和穿衣速度的路径系数也观察到类似的统计学显著因果关系。在两个模型中，穿衣速度对日常穿衣表现都有直接影响，路径系数达到0.7或更高。
存在运动麻痹患者的路径分析显示出良好的模型拟合度。具有统计学显著性的路径系数包括：从麻痹严重程度到穿衣技能为0.48，从单侧空间忽视到穿衣技能为0.51，从穿衣技能到穿衣速度为-0.59，从注意力障碍到穿衣速度为-0.43，从穿衣速度到日常穿衣表现为-0.82。运动功能和认知功能不直接影响日常穿衣表现，而是通过影响穿衣技能和穿衣速度间接影响该能力。
同样，无运动麻痹患者的路径分析也显示出良好的模型拟合度。具有统计学显著性的路径系数包括：从简易精神状态检查量表到穿衣技能为0.46，从单侧空间忽视到穿衣技能为0.47，从穿衣技能到穿衣速度为-0.66，从注意力障碍到穿衣速度为-0.41，从穿衣速度到日常穿衣表现为-0.76。运动功能不具有统计学显著性，因此被排除在模型之外。认知功能不直接影响日常穿衣表现，而是通过影响穿衣技能和速度间接产生影响。
受试者工作特征曲线下面积为0.923。基于穿衣速度预测独立穿衣的临界值为97.8秒，此时约登指数最高。
3.3. 第二轮数据分析（预测独立穿衣）
在实际数据集中，独立患者穿衣所需的平均时间为43.2 ± 31.1秒，依赖患者为291.1 ± 228.0秒。两组间的穿衣时间差异具有统计学显著性。在Bootstrap数据集中，独立患者的平均穿衣时间为42.6 ± 29.3秒，依赖患者为294.1 ± 222.3秒。
表2显示，基于三重因素组合进行预测时，受试者工作特征曲线下面积最高，为0.939 ± 0.015。双重因素组合的受试者工作特征曲线下面积分别为：“麻痹侧手臂穿袖”与“扣纽扣”为0.852 ± 0.018；“麻痹侧手臂穿袖”与“非麻痹侧手臂穿袖”为0.845 ± 0.020；“非麻痹侧手臂穿袖”与“扣纽扣”为0.785 ± 0.014。单因素受试者工作特征曲线下面积为：“麻痹侧手臂穿袖”为0.851 ± 0.015；“非麻痹侧手臂穿袖”为0.819 ± 0.021；“扣纽扣”为0.787 ± 0.015。
4. 讨论
我们研究了运动功能、认知功能、穿衣技能、穿衣速度和日常穿衣表现之间的相互关系。本研究首次通过路径分析探讨这些因素，并使用CNN模型预测日常穿衣表现。
本研究第一个新发现是，运动功能、认知功能、穿衣技能和穿衣速度对穿衣表现具有层级影响，其中穿衣速度成为强有力的预测因子。这与先前关于流畅性的研究一致，即执行速度是技能表现的关键组成部分。这一见解对制定独立穿衣的康复策略具有重要意义。
在我们的因果模型中，未发现运动功能与认知功能对穿衣独立性存在直接相互作用，但两者均通过影响穿衣速度同时作用于穿衣独立性。此外，单侧空间忽视直接影响穿衣技能，注意力障碍影响穿衣速度，进而直接影响穿衣表现。这些发现不仅证实了先前研究指出的单侧空间忽视影响穿衣能力，还引入了穿衣速度是表现关键决定因素这一新观察。这些结果与先前研究表明流畅性在行为表现中起关键作用的研究相符，且流畅性训练对穿衣独立性的影响已有文献记载，这强调了穿衣速度作为康复环境中宝贵表现指标的价值。
我们的发现增加了证据，表明运动与认知功能之间的关系错综复杂，并间接影响日常表现。这在考虑存在与不存在运动麻痹患者间观察到的差异效应时尤为相关。影响穿衣表现的模型根据是否存在运动麻痹而有所不同。在存在运动麻痹的情况下，运动麻痹和单侧空间忽视的严重程度直接影响穿衣技能。反之，在没有运动麻痹的情况下，整体认知功能和单侧空间忽视直接影响穿衣技能。先前研究提示偏瘫严重程度与穿衣能力相关。此外，与双侧手臂功能正常的患者相比，上肢严重麻痹的患者穿衣能力更差。与早期研究一致，我们的研究证实运动麻痹影响脑卒中患者的穿衣技能，并建议特定的康复策略可能对偏瘫患者有益。
虽然我们的发现与多项先前研究的结果相互印证，但也揭示了一个新见解：穿衣速度可作为穿衣表现的预测指标。本研究的第二个新发现是，穿衣速度是提高穿衣独立性的关键度量指标。我们的研究表明，穿衣速度是评估穿衣表现的极佳预测指标，三重因素组合高达0.939 ± 0.015的受试者工作特征曲线下面积证明了这一点，该值高于单因素或双因素组合。许多人类行为由一系列组成动作构成，这意味着穿衣的各组成部分间存在显著关联。因此，我们的研究结果证实，穿衣速度是流畅性的关键指标，也是表现的关键决定因素。关于康复意义，穿衣速度应被用作关键的评估和预测指标。利用穿衣速度作为预测指标，可极大地帮助设定康复目标。
在单因素CNN分析中，“将麻痹侧手臂穿入袖子”的受试者工作特征曲线下面积最高，突显了其在整体穿衣速度中的重要性。穿衣中的关键动作已被识别和预测，表明康复应聚焦于“将麻痹侧手臂穿入袖子”。这些见解代表了新颖的贡献，并为定制旨在促进独立穿衣的康复计划提供了宝贵信息。
本研究存在若干局限。首先，依赖护士和患者的自我报告评估日常穿衣表现虽然实用，但可能引入回忆和评估者间偏倚。未来研究需要在评估患者穿衣独立性时对评估者进行标准化培训。
其次，作为一项观察性研究，它缺乏对促进独立穿衣的干预策略的正式检验。虽然我们的发现表明穿衣速度是一个关键指标，但我们无法为“以速度为目标的训练”方法的有效性提供直接证据。此外，横断面设计意味着尚不清楚运动功能和认知功能的长期恢复如何影响穿衣独立性。因此，未来需要进行纵向研究，考虑脑卒中发病后的持续时间，以考察恢复轨迹对穿衣独立性的影响。此外，随机对照试验对于验证特定训练干预对穿衣速度和独立性的效果至关重要。
