感知-交互作用增强康复方法在中风后康复中的有效性：一项基于真实世界数据、采用倾向匹配方法的队列研究

《Journal of Stroke and Cerebrovascular Diseases》：Effectiveness of Perception–Interaction-Enhanced Rehabilitation in Post-Stroke Recovery: A Real-World Propensity-Matched Cohort Study

感知交互技术联合康复治疗可显著改善卒中患者上肢运动功能及日常生活能力，其疗效独立于年龄、卒中严重程度等混杂因素，且与依从性、多模态联合干预及治疗时长呈正相关。

　　在现代医学领域，中风后康复一直是重要的研究方向，尤其是在提高患者上肢功能恢复和日常活动能力方面。随着科技的不断进步，感知与互动技术被越来越多地应用于康复治疗中，但其在实际临床环境中的作用和价值仍需进一步验证。本文通过一项回顾性、单中心、倾向评分匹配的队列研究，探讨了感知与互动技术在中风后上肢运动功能恢复中的实际效果及其预测因素。研究团队来自浙江省杭州市的临安区人民医院康复科，旨在为中风康复治疗提供更具现实意义的证据，推动个性化、技术整合的康复策略在临床中的应用。

### 研究背景

中风是全球导致长期残疾的主要原因之一，据估计，全球有超过8000万中风幸存者，且在低收入和中等收入国家，如中国，中风的发病率持续上升。尽管在急性期中风治疗和早期康复干预方面取得了进展，但许多患者，尤其是那些上肢运动功能受损的患者，仍然难以恢复足够的功能独立性。上肢功能障碍在中风初期就非常普遍，超过80%的患者出现上肢功能障碍，且超过一半的患者在6个月后仍存在残留功能障碍，这凸显了开发高效神经康复策略的迫切需求。传统物理治疗和职业治疗虽然在康复过程中发挥基础作用，但往往无法提供足够的治疗强度、针对性和患者的参与度，以促进神经可塑性。此外，现实世界中的治疗实施受限于治疗师的可及性、治疗方式的差异性以及患者依从性的不一致性，使得优化中风康复仍然是一个重要的临床挑战，尤其是在资源有限的三级医疗机构中。

感知与互动技术作为新兴的康复手段，通过利用感觉-运动整合、任务特定反馈和脑机接口等技术，增强了神经重塑的可能性。这些技术包括功能性电刺激（FES）、虚拟现实（VR）辅助环境以及表面肌电图生物反馈（EMG biofeedback），它们通过主动患者参与和实时性能反馈来激活感觉运动回路。基于活动依赖性神经可塑性和海伯学习（Hebbian learning）原理，这些技术旨在通过同步输入和输出信号促进大脑皮层的重新映射和突触强化。尽管有研究表明这些技术在控制条件下具有一定的疗效，但其在日常康复实践中的应用仍存在一定的局限性。目前的研究证据主要来源于高度控制的试验，这些试验可能无法准确反映临床复杂性和长期效果。因此，迫切需要进行更具现实意义的研究，以评估这些技术在常规康复框架中的实际效果。

### 研究方法

本研究采用回顾性、单中心、倾向评分匹配（PSM）的队列研究设计，数据来源于2020年至2023年期间在临安区人民医院接受住院康复治疗的成年患者（年龄40-85岁），这些患者有轻度至中度的上肢功能障碍。所有患者均接受了常规康复治疗，其中一部分患者还接受了至少一种感知与互动技术的辅助治疗，包括FES、VR或EMG生物反馈。患者的运动和功能结果在入院和出院时通过Fugl-Meyer评估（FMA）和改良巴塞尔指数（MBI）进行评估。临床意义上的改善被定义为FMA评分的提高≥8分。通过多变量逻辑回归分析，研究团队确定了影响康复效果的独立预测因素。

研究采用倾向评分匹配方法，以减少因选择偏差导致的混杂因素。具体而言，研究团队在入组前确定了多个协变量，包括年龄、性别、血管危险因素、中风类型、发病到康复的时间间隔以及合并症等。通过1:1最近邻匹配和互补的逆概率加权（IPW）方法，确保了组间可比性。匹配后的样本平衡通过标准化均值差异（SMD）进行评估，要求|SMD|<0.10。研究中还对未匹配的患者进行了敏感性分析，以进一步验证研究结果的稳健性。

### 研究结果

在最终的匹配样本中，共有160名患者参与研究（每组80名）。结果显示，接受感知与互动技术辅助治疗的干预组在运动功能改善方面明显优于对照组。干预组的FMA评分中位数变化为12.0分（IQR为9.0-16.0），而对照组为7.0分（IQR为4.0-10.0），差异具有统计学意义（P<0.001）。同时，干预组在功能独立性方面的改善也更为显著，MBI评分中位数变化为18.0分（IQR为13.0-24.0），而对照组为11.0分（IQR为6.0-16.0），同样具有统计学意义（P<0.001）。此外，干预组中达到临床有意义改善的患者比例为70.0%（56/80），而对照组为45.0%（36/80），差异显著（P=0.002）。

多变量分析进一步确认了感知与互动技术作为运动功能恢复的独立预测因素（OR=2.21，95% CI: 1.15-4.24，P=0.017）。此外，患者依从性≥80%（OR=1.84，95% CI: 1.01-3.39，P=0.045）和较长的训练时长（每增加10分钟，OR=1.22，95% CI: 1.01-1.47，P=0.041）也被证实为独立的预测因素。亚组分析表明，接受多种技术组合的患者在运动功能改善方面效果更佳，且高依从性的患者表现出更高的康复反应率。

### 研究讨论

研究结果表明，感知与互动技术在中风康复中具有显著的临床价值，尤其是在提高上肢运动功能和日常活动能力方面。与传统康复治疗相比，这些技术不仅能够提供更强烈的刺激，还能增强患者的参与度和治疗的针对性，从而促进神经可塑性。此外，研究还发现，治疗的依从性和持续时间是影响康复效果的重要因素，进一步支持了经验依赖性神经可塑性的理论基础。

值得注意的是，亚组分析揭示了治疗效果的异质性。在接受多种技术组合的患者中，运动功能改善最为显著，这表明不同感觉和运动通路的协同作用可能对康复效果产生积极影响。此外，年轻患者、基线NIHSS评分较低的患者以及初始FMA评分较高的患者更可能获得显著的康复效果。这些发现不仅为个性化康复策略提供了实证支持，也强调了根据患者个体特征调整康复强度和方式的重要性。

然而，研究也指出了其局限性。由于采用的是回顾性设计，无法完全排除因临床判断、患者选择和资源限制等因素导致的非交换性。尽管倾向评分匹配和逆概率加权方法提高了组间平衡性，但未测量的变量（如患者动机、非正式护理和治疗师水平）仍可能影响结果。此外，研究仅在单中心进行，可能限制了其在不同医疗体系中的适用性。因此，研究结果应被视为现实世界中的有效信号，并需在前瞻性、多中心研究中进一步验证。

### 研究结论

综上所述，本研究证实了感知与互动技术在中风康复中的显著作用，尤其是在提高上肢运动功能和日常活动能力方面。这些技术的效果似乎与基线中风严重程度和人口学特征无关，且在高依从性和较长训练时长的情况下效果更为明显。将FES、VR和EMG生物反馈等技术整合到常规康复方案中，可能为中风康复提供一种实用的策略，以优化神经可塑性。此外，研究发现的剂量-反应关系支持了根据患者个体特征调整康复强度和方式的个性化康复方法，这可能有助于弥合精准医学与神经康复之间的差距。

本研究的结论不仅为中风康复治疗提供了新的视角，也为未来的研究方向提供了参考。尽管当前的研究结果表明感知与互动技术在现实世界中的应用具有潜力，但进一步的前瞻性研究和成本效益分析仍有必要，以全面评估这些技术的长期效果和临床适用性。未来的研究可以探索不同技术组合对不同患者群体的影响，以及如何在资源有限的环境中有效实施这些技术，从而提高中风康复的整体效果。