编辑推荐：
本文对基于电刺激（ES）的下肢康复决策支持系统（DSS）进行综述。通过文献计量分析和系统回顾，探讨其研究趋势、系统特征等。发现相关研究虽有进展，但 “决策支持” 仍处早期，未来需完善 DSS 以提升康复效果。
1. 引言
下肢肌肉康复对因神经肌肉损伤或疾病而影响行动能力的患者至关重要。像中风导致的瘫痪、膝骨关节炎和肌肉减少症等病症，在老年人中较为常见，会引发严重的行动问题，降低生活质量。随着人口老龄化，这些病症的患病率上升，迫切需要有效的康复策略。
电刺激（ES）是一种有前景的下肢肌肉康复技术，它通过电脉冲促进肌肉激活，有助于改善患肢的力量和协调性，促进功能恢复。然而，ES 的应用面临挑战，尤其是在治疗的个性化和适应性方面，需要动态精确地调整刺激参数，以确保干预的有效性和安全性。
决策支持系统（DSS）可整合临床数据、刺激参数和实时反馈，为物理治疗师提供有价值的信息，助力更精准地调整和监测治疗。随着对个性化、循证治疗需求的增长，开发有效的基于 ES 的康复 DSS 变得愈发重要。本文采用系统文献回顾方法，探讨 DSS 在下肢 ES 康复中的应用，提出六个研究问题，旨在全面了解该领域的研究现状和趋势。
2. 方法
2.1 关键词识别
确定关键词是文献回顾的关键步骤。本研究涉及多学科领域，相关研究数量庞大且存在许多不相关研究。为此，确定了 “系统”“决策支持”“电刺激” 三个核心概念，并以此构建初始检索查询 “Query_Inclusion”，包含相关同义词和等效词。在 PubMed、Web of Science 和 Scopus 数据库中检索，利用 R Studio 工具和 Bibliometrix 库分析检索结果。发现部分关键词和期刊与研究范围不相关，进而创建排除关键词的 “Query_Exclusion”，经过迭代优化，最终得到 “Query_Final”。优化后的查询大幅减少了检索到的文章数量，提高了研究的相关性和效率。
2.2 系统文献回顾方法
系统文献回顾遵循 Kitchenham 和 Charters 的方法，分为规划、执行和总结三个阶段。
- 规划：明确研究目的，聚焦于过去五年学术文献中用于下肢肌肉电刺激康复的决策支持系统。提出六个研究问题（RQs），包括系统架构特征、数据使用与获取、敏感数据保护、推理方法、电刺激修改方式以及系统验证方法等。确定关键词后，在指定数据库中检索 2019 - 2023 年发表的会议和期刊文章，并排除综述文章。制定详细的纳入和排除标准，确保研究的准确性和相关性。
- 执行：按照规划阶段的协议在数据库中检索，将结果导入 StArt 软件管理文章，利用 PRISMA 声明记录文章筛选流程，保证回顾报告的透明度、质量和可重复性。在筛选阶段，通过阅读标题、摘要和作者关键词排除不相关文章，最终 58 篇文章进入全文阅读，其中 29 篇符合所有纳入标准且无排除标准，用于进一步信息提取。排除文章的主要原因包括未有效应用刺激、未将电刺激应用于下肢等。
3. 研究趋势
对 1980 - 2023 年相关文献进行文献计量分析，共收集 1464 篇文章，去除重复后得到 1048 篇用于分析。
从年度科学产量来看，20 世纪 80 年代初至 90 年代中期相关研究较少，此后研究活动显著增加。2007 年和 2016 年出现两个转折点，文章发表数量持续上升，2022 年达到峰值 67 篇，表明该领域呈指数增长并逐渐成熟。
通过提取文章摘要中的二元词组进行分析，发现 “控制系统” 多年来一直是主要术语，反映出研究人员对运动控制的持续关注。“肌肉疲劳” 自 2010 年起受到更多关注，“神经网络” 使用频率呈上升趋势但有波动，“FES Cycling” 和 “Electric Motor” 自 2015 年起受到关注且相关性较高。
通过共现网络分析，识别出五个不同的研究集群，分别为系统开发、控制方法、人工智能、生物反馈和 FES Cycling。这些集群反映了该领域不同的研究方向，它们之间的交叉为跨学科研究和创新方法的整合提供了机会。
4. 系统文献回顾
对 2019 - 2023 年的 29 篇文章进行系统回顾发现，没有文章明确描述决策支持系统，所选研究主要聚焦于电刺激控制系统，这些系统通常是自动调整刺激参数的解决方案，缺乏物理治疗师的积极参与和临床进展的实时监测。
所选文章主要涉及三个主题：17 篇关注 FES Cycling，8 篇关于外骨骼，4 篇研究膝关节控制。从发表类型看，8 篇来自会议，21 篇为期刊文章。相应作者来自多个国家，美国贡献最多。
FES - Cycling 是一种结合固定自行车和下肢肌肉电刺激的治疗方法，可改善心肺、神经肌肉和骨骼系统功能，但可能导致疲劳。其主要挑战是协调电刺激与自行车电机，以维持有效舒适的节奏。美国 Warren Dixon 团队在该领域贡献突出。
外骨骼是康复领域的重要创新，为运动障碍患者提供支持和帮助。所选研究中的外骨骼模型结合电刺激辅助运动，称为混合外骨骼或 FES 外骨骼，其挑战在于协调刺激器和电机，对于复杂运动，如行走，需要更复杂的控制系统。
膝关节控制器是一种相对简单的康复技术，仅使用 FES 刺激控制膝关节，主要刺激股四头肌，旨在增加腿部运动范围或维持重复运动而不过度疲劳。它可作为其他应用（如外骨骼）的概念验证，为新技术的实施提供基础。
4.1 系统架构的主要特征
多数研究未精确描述系统架构，通常提及一系列设备通过电缆连接到计算机，使用 MATLAB/Simulink 或内部开发软件进行处理，缺乏详细信息。常用的刺激机器是 Hasomed RehaStim。
有三项研究提出更统一的方法：一项研究采用模块化系统架构，由两组无线模块组成，通过 WiFi 与多平台软件通信；一项基于机器人操作系统（ROS）构建模块化架构，使用 IMU 运动传感器；还有一项使用电子板通过蓝牙与 Android 移动应用通信，并集成了功率计，但数据离线处理和整体系统集成细节不明。
与相关医疗应用（如糖尿病管理平台）的 DSS 架构相比，当前下肢康复研究中的系统架构在计算复杂性、数据管理和集成能力方面存在差距，需要更全面的架构来支持临床决策和持续康复。
4.2 使用的数据及获取方式
研究使用多种传感器和工具收集数据，主要用于控制电刺激，部分用于验证。多数研究依赖关节角度，如膝关节、大腿、脚踝和髋关节角度，FES - Cycling 研究中常用曲柄角度。编码器是最常用的采集工具，用于测量曲柄角度、自行车速度和加速度，IMU 传感器和电子测角仪也逐渐得到应用，部分研究还使用了 EMG 传感器评估肌肉活动，但使用较少。
4.3 敏感数据的保护方式
所选研究均未明确提及或详细说明保护敏感患者信息的策略，包括数据存储、安全措施等。这引发了对患者隐私和伦理问题的担忧，可能影响系统在临床中的应用和与现有医疗基础设施的集成，未来研究需重视并解决数据保护问题。
4.4 系统中使用的推理方法
虽未明确描述决策支持系统，但刺激控制系统中包含特定推理方法，可分为基于模型、基于规则和机器学习三类。基于模型的推理方法应用最广泛，通过数学或计算模型模拟肌肉和关节动态，结合传感器数据调整刺激参数，但对系统建模和参数估计要求较高。基于规则的推理方法使用预定义逻辑条件控制刺激，计算需求低但适应性有限。机器学习方法包括神经网络、强化学习等，能识别复杂模式，实现更灵活的控制，但需要大量多样的数据，临床应用受限，仍处于研究探索阶段。
4.5 系统修改电刺激的方式
多数研究仅调整单个刺激参数，16 项研究选择调整脉冲宽度，6 项调整强度（部分研究中强度含义包括脉冲宽度和幅度）。少数研究调整多个参数，有两项同时调整脉冲宽度和强度，一项调整脉冲宽度、强度和频率。还有部分研究未明确描述参数调整或使用固定预定义值。系统的优势在于自适应自动控制和新兴的生物反馈及人工智能技术，可实时根据患者肌肉反应调整。
4.6 系统的验证方式
系统验证对新技术发展至关重要。分析所选文章发现，共有 137 名受试者参与研究，其中 40 名患有神经系统疾病，主要是下肢完全瘫痪。不同类型研究的参与者数量差异较大，部分研究涉及较多参与者，部分仅在少数个体甚至单个参与者中进行验证。一些研究取得了显著临床成果，如验证了闭环控制系统的性能和多参数调制的有效性，但多数系统仍处于初步阶段，需要更广泛的多中心临床验证来确定其临床疗效、普遍性和长期康复影响。
5. 结论
本文通过严谨的方法对基于 ES 的下肢康复 DSS 进行综述。文献计量分析展示了研究趋势，系统回顾回答了关键问题。研究发现 “决策支持” 在下肢 ES 康复系统中尚处于早期阶段，系统架构简单，缺乏数据管理描述。但现有研究在控制电刺激和临床验证方面取得一定进展，机器学习算法的应用具有发展前景。DSS 在该领域是新兴话题，有广阔的探索空间，而关节控制和参数适应策略已有坚实的科学基础，未来需进一步完善 DSS，以提高下肢康复效果。
