
-
生物通官微
陪你抓住生命科技
跳动的脉搏
机器人辅助步态训练对中风患者功能性行走能力的影响:一项基于五种不同机器人设备的回顾性实际应用分析
《Journal of NeuroEngineering and Rehabilitation》:Robot-assisted gait training on functional ambulation in patients with stroke: a retrospective real-world analysis across five robotic devices
【字体: 大 中 小 】 时间:2026年05月20日 来源:Journal of NeuroEngineering and Rehabilitation 5.2
编辑推荐:
摘要背景机器人辅助步态训练(RAGT)在脑卒中康复中的应用日益广泛。然而,不同类型设备之间的疗效比较仍不明确。本研究利用真实临床数据探讨了RAGT与传统治疗方法的有效性。方法这项回顾性队列研究纳入了2015年至2022年间在某医疗机构接受住院康复治疗的2,947名脑卒中患者。患者
机器人辅助步态训练(RAGT)在脑卒中康复中的应用日益广泛。然而,不同类型设备之间的疗效比较仍不明确。本研究利用真实临床数据探讨了RAGT与传统治疗方法的有效性。
这项回顾性队列研究纳入了2015年至2022年间在某医疗机构接受住院康复治疗的2,947名脑卒中患者。患者被分为RAGT组和传统治疗组。功能改善定义为在功能性行走评分中提高≥1分。通过多变量逻辑回归以及分类与回归树(CART)模型来识别影响良好预后的因素(效应变量),并探讨设备选择的临床决策过程。
RAGT组的基线功能较差,但效应变量比例(58.0%)与对照组(62.5%)相似。总体而言,RAGT与对照组相比并未显示出显著的疗效差异。在RAGT设备中,Morning Walk(调整后的比值比[aOR] = 3.25;95%置信区间[CI]:1.79–5.87)和Exowalk(aOR = 4.42;95% CI:1.84–10.64)与较高的效应变量发生率显著相关,而Erigo则与较低的发生率相关(aOR = 0.58;95% CI:0.35–0.96)。CART模型确定出Berg平衡量表、简易精神状态检查及Fugl-Meyer评估等临床指标为效应变量的关键预测因素,并揭示了机器人设备分配的规律。
虽然RAGT并不优于传统治疗方法,但某些设备确实与步态功能的改善相关。这些发现强调了个性化机器人干预的重要性。
机器人辅助步态训练(RAGT)在脑卒中康复中的应用日益广泛。然而,不同类型设备之间的疗效比较仍不明确。本研究利用真实临床数据探讨了RAGT与传统治疗方法的有效性。
这项回顾性队列研究纳入了2015年至2022年间在某医疗机构接受住院康复治疗的2,947名脑卒中患者。患者被分为RAGT组和传统治疗组。功能改善定义为在功能性行走评分中提高≥1分。通过多变量逻辑回归以及分类与回归树(CART)模型来识别影响良好预后的因素(效应变量),并探讨设备选择的临床决策过程。
RAGT组的基线功能较差,但效应变量比例(58.0%)与对照组(62.5%)相似。总体而言,RAGT与对照组相比并未显示出显著的疗效差异。在RAGT设备中,Morning Walk(调整后的比值比[aOR] = 3.25;95%置信区间[CI]:1.79–5.87)和Exowalk(aOR = 4.42;95% CI:1.84–10.64)与较高的效应变量发生率显著相关,而Erigo则与较低的发生率相关(aOR = 0.58;95% CI:0.35–0.96)。CART模型确定出Berg平衡量表、简易精神状态检查及Fugl-Meyer评估等临床指标为效应变量的关键预测因素,并揭示了机器人设备分配的规律。
虽然RAGT并不优于传统治疗方法,但某些设备确实与步态功能的改善相关。这些发现强调了个性化机器人干预的重要性。