可穿戴传感器揭示单侧脑瘫儿童与典型发育儿童上肢自发使用的差异性模式

编辑推荐：为解决单侧脑瘫（UCP）儿童上肢（UpL）功能评估局限于临床环境的问题，意大利IRCCS Fondazione Stella Maris团队通过Actigraph传感器对比54名UCP与26名典型发育（TD）儿童在辅助手评估（AHA）和一周日常生活中的上肢不对称性（AI）。研究发现，日常AI与AHA评分显著相关（R=-0.89），且UCP儿童日常不对称性（30.39%）显著高于TD儿童（2.67%），为客观监测康复疗效提供了新方法。

　　在儿童康复医学领域，单侧脑瘫（UCP）患者常面临上肢（Upper Limb, UpL）运动功能障碍的挑战，这不仅影响日常活动（Activities of Daily Living, ADLs），还可能引发社交和学习障碍。传统临床评估如辅助手评估（Assisting Hand Assessment, AHA）虽能量化结构化环境中的UpL功能，却难以捕捉真实生活中的自发行为差异。这一局限促使研究者探索可穿戴技术的潜力，以填补临床评估与日常表现（WHO-ICF定义的"capacity"与"performance"）之间的鸿沟。

意大利IRCCS Fondazione Stella Maris的Elena Beani团队在《Journal of NeuroEngineering and Rehabilitation》发表研究，首次通过Actigraph传感器对80名儿童（54名UCP，26名TD）进行长达一周的UpL运动监测，结合AHA测试，系统分析了两组儿童在临床与日常环境中的不对称性（Asymmetry Index, AI）。研究采用三轴加速度计（采样率80 Hz）计算活动计数（Activity Count, AC），并定义AI公式量化双手使用差异，通过线性回归和ANOVA模型验证数据相关性。

研究结果部分：

1. 临床与日常不对称性的强关联：AHA评分与AI_AHA（R=-0.92）及AI_WEEK（R=-0.89）均呈显著负相关，表明日常不对称性能有效反映临床评估结果。
2. TD与UCP儿童的鲜明对比：TD儿童AI_WEEK中位数仅2.90%，而UCP儿童高达30.81%，揭示UCP群体存在显著自发运动偏侧化。
3. MACS分层的差异：MACS 1级（轻度障碍）儿童AI_WEEK（22.60%）低于MACS 3级（33.83%），但MACS 2级与3级间无统计学差异，提示环境适应可能掩盖功能差异。
4. 非主导手的关键作用：UCP儿童的AI_AHA主要与日常非主导手使用量（AC_ND,week）相关（R²=0.30），而TD儿童无此规律，凸显UCP康复需针对性强化患侧训练。

讨论指出，该研究首次证实Actigraph可长期（>80%佩戴依从性）客观监测儿童UpL行为，且AI指标与临床分级（MACS）具有一致性。尽管样本存在异质性（如脑损伤类型未细分），但为个性化康复方案制定提供了新思路。未来可结合机器学习分析时序数据，进一步揭示UpL使用模式与功能预后的关系。

这项研究的突破性在于将可穿戴技术的便捷性与临床评估的严谨性结合，不仅验证了AHA在真实场景中的生态效度，还为儿童脑瘫康复开辟了动态监测的新范式。