《Frontiers in Neurorobotics》：Effect of robotic assistance on upper-limb sensorimotor recovery: a systematic review and meta-analysis
引言： 机器人辅助上肢神经康复能够实现多种有益的治疗要素，包括重复性任务导向训练、高训练强度、实时反馈、游戏化以及与患者肢体的持续物理交互。然而，将机器人辅助康复与治疗师提供的康复进行常规比较，无法确定机器人提供的物理辅助是否独立促进恢复。因此，本系统综述与荟萃分析专门聚焦于上肢康复的随机对照试验（RCTs），其中实验干预与对照干预的设计除了机器人辅助的存在、水平或模式不同外，其他方面尽量保持一致。
方法： 研究人员检索了截至2025年11月的PubMed、Scopus和Google Scholar数据库。研究筛选和过滤通过Covidence软件进行。共有13项研究符合定性合成的纳入标准，其中9项涉及272名卒中幸存者的研究提供了Fugl-Meyer评估（FMA）数据用于定量合成。研究人员计算了对照组与实验组干预前后FMA评分变化的标准化均差（SMD），以进行荟萃分析。此外，还进行了异质性计算、敏感性分析、偏倚风险评估、发表偏倚评估以及证据确定性评价。
结果： 主要荟萃分析的合并效应量（SMD = 0.425）倾向于支持实验组的机器人辅助条件，这一趋势在不同疾病阶段、辅助水平和目标肢体节段中均一致。然而，该总体效应不够精确（95% CI：[?0.007, 0.858]），且存在显著的异质性（62.62%）。在仅限于慢性卒中的研究中，合并效应量更大（SMD = 0.53），但同样存在不精确性[0.067, 0.992]和相似的异质性（60.72%）。针对肩肘部和手部训练的效应估计值也较小且不精确。敏感性分析表明，在不同考量下，合并效应的方向保持稳定。证据的确定性被评定为低，主要原因在于偏倚风险（主要是缺乏双盲）、不一致性和不精确性。探索性荟萃回归未发现明确的研究层面调节变量可以解释研究间异质性。此外，未检测到显著的发表偏倚。
讨论： 尽管本研究提供了初步证据，提示机器人辅助对上肢恢复可能存在正向的独立影响，但由于纳入研究数量有限、样本量小且异质性显著，尚无法得出确切结论。未来需要开展更大规模、统计效力充足的RCTs，在标准化其他干预成分的同时隔离机器人物理辅助的作用，以确立其对上肢感觉运动恢复的独立因果贡献。
引言
机器人辅助上肢神经康复已是一个活跃超过二十年的研究领域，开发了多种末端执行器和外骨骼系统，用于肩部、肘部、腕部、手部及全臂训练。这些系统能够在与患者肢体进行物理交互的同时提供重复性和高强度训练，通过辅助、引导、抵抗或以其他方式调整运动，促进感觉运动恢复。关于机器人辅助上肢康复的整体有效性已被广泛检验，系统综述表明机器人康复可改善上肢运动结局，但平均效果通常较为温和。
鉴于物理辅助或引导是机器人辅助治疗的核心组成部分，一个基本问题是：康复机器人提供的辅助是否独立地促进了感觉运动恢复？理解这一独立贡献在临床上对于设计合适的机器人辅助康复方案至关重要，在技术上也有助于指导康复机器人的设计与控制。然而，通过比较机器人辅助治疗与传统治疗的随机对照试验难以回答这一问题，因为两种干预在机器人辅助之外还存在多个方面的差异，包括训练的动作、治疗强度、剂量、反馈和训练环境。因此，观察到的任何恢复差异不一定能归因于机器人提供的物理辅助。
为了更直接地分离机器人辅助的贡献，需要进行这样的比较：实验组和对照组在执行可比任务且在相似训练条件下进行，其主要区别在于机器人辅助的存在、水平或模式。例如，有辅助与无辅助训练、高辅助与低辅助、固定引导与按需辅助、以及基于运动意图的辅助与非依从性辅助。据研究人员所知，此前尚无综述专门通过综合旨在分离机器人辅助成分的随机对照试验来确定机器人辅助对上肢感觉运动恢复的影响。即便近期有综述超越了评估机器人辅助康复整体有效性的范畴，开始考察可能影响治疗结局的因素（包括机器人设备特性、解剖目标、训练剂量、卒中后阶段和训练模式），但仍保留了传统治疗作为对照，并未专门分离机器人物理辅助的独立贡献。因此，本系统综述的主要目的是通过汇总上肢康复的随机对照试验来确定机器人物理辅助的贡献，这些试验的实验组和对照组接受其他方面可比的训练条件，主要区别在于机器人辅助的存在、水平或模式。次要目标是检验估计效应是否因卒中后阶段或训练的解剖目标而有所不同。
方法
本系统综述与荟萃分析按照PRISMA 2020框架进行报告。本研究方案未在国际前瞻性系统评价注册平台（PROSPERO）或等效注册中心进行前瞻性注册。未注册的决定反映了本综述问题的探索性和机制导向性框架（分离机器人辅助的独立效应），这不同于传统的干预与对照比较的系统综述，且是在对合格文献进行初步范围界定后才定义的。研究人员承认这是方法学透明性上的一个局限，并建议本综述的未来更新或与此主题相关的综述应进行前瞻性注册。
检索策略方面，研究提取使用了三个电子书目数据库：PubMed、Scopus和Google Scholar，检索时间截至2025年11月。采用了与主要医学主题词同义的各种关键词组合来定义检索策略。在数据库中，使用布尔逻辑规则进行关键词检索。通过数据库检索和额外引文检索确定的参考文献导入Covidence软件进行去重和筛选。
资格标准方面，通过审查标题、摘要以及必要时全文来筛选研究。排除标准包括：参与者年龄小于18岁或上肢损伤主要源于肌肉骨骼疾病；干预针对下肢、步态、平衡或全身康复；实验条件和对照条件在治疗组分上存在系统性差异（而非仅在机器人辅助的存在、水平或模式上不同）。据此，比较不同治疗剂量或强度、反馈策略、训练情境或机器人技术的研究被排除。
此外，如果参与者的主动参与和动机等主观因素在组间存在差异，则研究也被排除。当作者未明确报告这些差异时，如果干预协议中存在可能独立影响研究结局的组间差异，则推断为“隐含差异”。例如，比较主动与被动辅助的研究被排除，因为只有主动条件要求参与者进行随意运动，从而在实验组和对照组之间引入了重大差异。辅助与抗阻训练也被排除，因为与抗阻控制器交互需要额外的随意努力来克服施加的阻力。同样，错误增强与被动或错误减少训练也被排除，因为所比较的范式施加了不同的任务要求和自愿参与水平；错误在运动和技能学习中起着至关重要的作用，因此对错误的操控可能混淆机器人辅助的效果。这些差异可能独立影响组间的主动参与、动机和学习，从而混淆机器人辅助的孤立效应。潜在隐含组间差异的评估由两名研究人员在全文筛选中独立进行，使用预定义标准：任何能够独立影响自愿参与、任务需求、运动学习或治疗暴露的组间差异都会妨碍机器人辅助的隔离。分歧或边缘案例由两位研究人员讨论并通过共识解决。
非随机研究、病例报告、综述和仅有摘要的文献也被排除。详细的选择标准采用PICO框架列出。
研究选择方面，两位作者独立筛选参考文献并通过讨论解决冲突，最终筛选出23项研究。其中，两项关于主动与完全被动辅助的研究、三项关于辅助与抗阻机器人疗法的研究、以及两项涉及错误增强训练的研究因参与者主动参与在组间存在隐含差异而被进一步排除。此外，一项关于高与低机器人辅助的研究虽然表面上符合资格标准，但因是对一项随机对照试验数据的回顾性分析而被排除，其中对照组接受了自我引导治疗，且实验组个体机器人辅助水平的分配并非随机。另一项符合资格标准的研究也被排除，因为它报告的是已纳入本综述的另一研究的初步数据。还有一项相关研究因似乎是某项更大试验的一部分而无法在线找到其详细信息或记录，故未被纳入核心合成。不过，主要荟萃分析在包含该研究数据的情况下被重复进行，相应结果在补充材料中报告。最终，共有13项研究被纳入本系统综述，其中9项全部涉及卒中幸存者的研究的数据被用于荟萃分析。
数据提取由一名作者进行，记录每项纳入研究的以下信息至标准化电子表格：受试者人数、距卒中发作的时间、所用机器人、实验方案、治疗强度、结局指标以及干预前后FMA评分的变化。一名资深作者独立将提取的数据与原始出版物进行核对。两位作者之间的差异通过讨论解决，必要时咨询第三位作者直至达成共识；无需外部裁决。
偏倚风险和证据确定性评价方面，对所有13项研究进行了偏倚风险分析，涵盖五个领域：随机化过程产生的偏倚、偏离预期干预导致的偏倚、缺失结局数据导致的偏倚、结局测量中的偏倚以及报告结果选择性偏倚。决策完全基于阅读各研究文献后的个人判断。此外，还使用GRADE框架评估了主要结局的证据总体确定性，考虑了偏倚风险、不一致性、间接性、不精确性和发表偏倚。
统计分析方面，荟萃分析选取上肢损伤作为主要关注结局，通常使用FMA评分量化。基于数据可得性，从13项纳入研究中的9项中汇集了FMA评分。在这九项研究中，八项直接报告了数值型结局，一项的数据从FMA评分的图形表示中使用WebPlotDigitizer提取。为了验证提取准确性，同一作者对图形进行了两次独立的数字化处理，并比较了两组坐标值；差异超过2%的数值被重新数字化。最终提取值由另一位作者交叉核对。
研究人员提取了代表干预效果的干预前后FMA评分变化（均值±标准差）。若未直接报告均值和标准差，而是提供了中位数代替均值、标准误或置信区间或四分位距代替标准差，则使用相应的转换公式估算均值和标准差。同样，当分别报告干预前和干预后FMA评分而非干预前后变化分数时，使用公式计算FMA评分的平均变化及其标准差。计算了单个研究中实验组与对照组干预结局之间的标准化均差。
由于除一项研究外所有纳入研究的样本量均较小，计算了Hedges' g SMD及其95%置信区间并在各研究间进行汇集。根据Cohen标准，汇总效应量被解释为小、中等或大。同时使用了固定效应和随机效应模型以及异质性分析。当I2 > 50%时，考虑应用随机效应模型的汇总效应。统计显著性设定为α = 0.05。
荟萃分析在所有9项研究的汇集数据上进行，以评估不考虑疾病阶段、有无机器人辅助、辅助量及目标肢体节段的总体干预效果。然而，在慢性卒中幸存者和针对肩肘部与手部治疗的亚组上进行了亚组分析。此外，通过使用不同的假设干预前后测量相关系数以及纳入一项因试验报告和随机化不确定性而被排除的研究的数据来重复主要荟萃分析，进行了敏感性分析。
还使用漏斗图不对称性和Egger回归分析对参与核心荟萃分析的九项研究进行了发表偏倚分析。此外，进行了探索性随机效应荟萃回归分析，以调查研究层面特征是否能解释部分研究间异质性。候选调节变量包括仅慢性与混合阶段样本、训练解剖目标、疾病严重程度和治疗剂量。鉴于研究数量有限，荟萃回归分析仅限于单变量模型以避免过拟合。所有分析均使用Python进行。
结果
数据库检索识别出1365条记录，经过去重、筛选后，45篇全文报告被评估是否符合条件，最终13项随机对照试验被保留用于定性合成。其中9项试验提供了足够的FMA数据用于主要荟萃分析。
定性合成方面，13项对照研究（样本量13至74；总N = 369）检查了机器人辅助上肢康复：11项针对卒中，2项针对其他神经系统疾病。9项卒中研究纳入了慢性期参与者；2项结合了亚急性和慢性期参与者。治疗剂量范围为4.5至28小时。综合结果显示，对照组和实验组在治疗后损伤均有减轻。然而，少数研究显示实验组改善显著更大，有利于按需辅助优于恒定辅助、基于运动意图的辅助优于随机辅助、完全主动辅助优于主动与无辅助的组合、以及物理辅助优于虚拟辅助。
叙述性总结方面，主动机器人辅助在整个手部抓握-伸展训练中产生的功能和损伤恢复优于同等组合的辅助与无辅助训练。机器人辅助肩肘部伸够训练在多发性硬化症幸存者中也优于无辅助治疗。相反，主动辅助与无辅助机器人手部训练未显示显著的组间差异。类似地，主动机器人辅助与带重力补偿的非机器人辅助在亚急性和慢性卒中幸存者的肩肘部训练后未显示显著差异。物理机器人手部辅助在损伤恢复上显示出优于虚拟辅助的非显著趋势，而虚拟辅助显著改善了功能恢复。高辅助和低辅助机器人手部训练均改善了损伤和功能，但无显著组间差异，不过高辅助在损伤恢复、捏力和动机方面显示出趋势，尤其是在更严重受损的参与者中。按需辅助训练在肩肘部康复中产生了显著大于恒定引导的损伤和功能增益，而按需辅助与固定受试者触发控制在慢性不完全性脊髓损伤中未显示显著差异。缺陷力场与零力场训练也未显示显著差异，而速度依赖性负粘度训练改善了肘部运动表现。渐进式手臂重量支撑即使在没有主动机器人辅助的情况下也比完全手臂重量支撑产生了更大的改善。基于运动意图的机器人辅助在严重受损的慢性卒中幸存者中产生了优于非依从性辅助的手臂损伤恢复。然而，类似的基于运动想象的脑机接口手部训练方案使两组均有所改善而无显著组间差异。总体而言，此定性总结强调了各研究间对比鲜明的发现，仅少数研究显示了机器人辅助的正向效应，其余结果模棱两可。
偏倚风险分析显示，31%的试验偏倚风险较低，69%存在一定担忧，主要源于缺乏双盲。
定量合成方面，主要分析基于从九项对照试验汇集的干预前后FMA评分。主要分析涉及所有九项试验的数据，亚组分析基于具体目标涉及三到八项试验的数据。主要和亚组荟萃分析的合并结果显示了小到中等的效应量。相应的异质性分析揭示了20.57%至62.62%的研究间变异，多数≥45%，表明结果应谨慎解读。潜在的异质性来源包括样本量、样本人口统计学、疾病严重程度、机器人设备、训练动作/任务、方法学、机器人辅助类型以及是否接受额外常规治疗的差异。此外，如前所述，缺乏双盲构成了显著的偏倚风险。
主要荟萃分析中，FMA评分的固定效应汇总显著，随机效应汇总不显著，且存在显著异质性。汇集估计显示了一个小的正向平均效应，倾向于实验组的机器人辅助条件，无论疾病阶段、辅助模式、辅助水平和目标肢体节段如何。然而，随机效应置信区间包含了几乎无效应的情况，表明关于此益处的幅度和临床相关性存在相当大的不确定性。个别研究效应差异显著，范围从有利于对照到有利于实验条件的大效应，因此汇集效应并非均匀地由整个证据基础驱动，应谨慎解读。
森林图的视觉检查表明，主要分析中的异质性主要由两项研究报告的效应量远大于其余七项研究所驱动。这两项异常研究均涉及严重受损的慢性卒中幸存者，他们接受了密集的、依从性形式的辅助，这可能解释了其较大的效应。除了这两项研究，剩余的研究间变异性可能反映了机器人设备、康复方案、治疗强度、参与者特征和卒中后阶段的差异，这与定性异质性一致。因此，总体汇集估计不应被解释为代表跨不同患者群体或机器人辅助策略的统一治疗效果。
慢性卒中幸存者的亚组分析显示了一个显著的汇总效应，表明机器人辅助对慢性卒中上肢损伤恢复可能存在中等程度的益处。然而，宽的置信区间和显著的异质性表明关于此效应的幅度和普适性存在相当大的不确定性。因此，此亚组发现应被视为提示性而非确定性。
此外，针对肩肘部训练和手部训练的亚组分析显示了不显著的汇集效应。随机效应点估计相似，但相应的置信区间较宽。因此，尽管点估计数值相似，但现有证据不足以得出机器人辅助对近端和远端上肢训练具有等效效应的结论。
发表偏倚评估显示漏斗图存在轻微不对称，但Egger回归检验未发现漏斗图不对称或小研究效应的统计显著证据。尽管如此，鉴于纳入分析的研究数量有限，不能排除发表偏倚的可能性，这些发现应谨慎解读。
敏感性分析表明，纳入额外研究的数据或改变假设的干预前后测量相关系数不会改变汇集效应估计的方向，而效应的幅度、精度和异质性会发生变化。
探索性单变量随机效应荟萃回归分析未识别出明确的干预效应研究层面调节变量。四个被调查的调节变量中有三个未能解释效应量的变异。疾病阶段仅显示出较小的解释贡献，严重程度和剂量未显示解释价值，也没有线性剂量-反应关系的迹象。肢体节段作为调节变量显示了一个潜在的重要效应，全臂干预的SMD最高。然而，由于分析中包含的研究数量少且全臂类别仅有一项研究，此结果应被视为探索性调节效应，而非效应修饰的有力证据。
总体而言，定量结果表明存在一种小到中等程度的倾向支持机器人辅助，但此推断的强度受到显著的研究间异质性、宽的置信区间、小样本量以及参与者和干预特征的变异性的限制。敏感性分析表明汇集估计的方向在不同分析假设下总体稳定，而其幅度和精度有所变化。未检测到发表偏倚的统计显著证据，但纳入研究数量有限限制了此评估的可靠性。因此，结果显示了机器人辅助对运动损伤恢复可能存在有益的贡献，但此效应的幅度和普适性仍不确定。
证据确定性方面，与定量合成中观察到的不确定性一致，主要结局指标的总体GRADE证据确定性被判定为低。随机证据因偏倚风险被降一级，因不一致性被进一步降级，因不精确性再降一级。未因间接性而降级。
讨论
本系统综述与荟萃分析的发现突显了机器人辅助对上肢感觉运动恢复（尤其是卒中后）的潜在有益效应。13项随机对照试验的定性合成和9项随机对照试验的定量分析在一定程度上支持了康复机器人提供的物理辅助或引导可能有助于恢复的前提。然而，由于对照试验数量有限、样本量小、异质性显著以及干预特征的变异性，无法从现有证据中得出强有力的结论。这些发现也凸显了确定最佳机器人辅助水平和模式的复杂性，因为患者反应和干预参数存在变异性。
主要发现及其临床意义方面，研究结果与近期表明机器人康复具有异质性而非统一效应的证据大体一致。一项研究发现剂量匹配的机器人康复对上肢能力的平均益处很小，同时确定了几个设备和程序特征——包括机器人辅助水平——作为潜在的效应调节变量。他们的发现表明，问题不再仅仅是机器人康复是否有效，而是机器人康复的哪些特征促成了其有效性。本综述通过优先纳入实验条件主要在机器人辅助的存在、量或模式上不同的试验，解决了一个互补且更聚焦的问题。这提供了对辅助本身更直接的评估，尽管代价是证据基础明显缩小。另一项研究进一步强调，机器人训练模式可能与卒中后恢复阶段相互作用。他们的综合提示，辅助策略可能在慢性卒中中具有相关性，而主动辅助策略可能在亚急性期有用。本综述慢性亚组中观察到的正向点估计与此可能性相符，但由于研究数量有限和样本量小，不应被视为阶段特异性疗效的确认。
尽管证据仍属初步，但这些发现具有一定的潜在临床和实践意义。在肩肘部和手部训练中观察到的相似汇集效应量并未提供有力证据表明应根据机器人辅助本身的预期获益优先选择一个解剖目标。然而，两个估计值均不精确，且无法从现有证据中确定近端和远端训练策略的等效性。因此，设备选择应继续主要依据患者特定的损伤情况、康复目标和可用设备。
同样，在慢性卒中研究中观察到的较大汇集效应表明机器人辅助可能在早期恢复期之后仍然相关，但此观察结果应谨慎解读，因为存在显著的异质性和有限的证据基础。贡献了一些最大个体效应的研究涉及依从性或意图关联的辅助，如脑机接口触发或努力依从性控制。此观察结果与未来设备设计和临床方案中的按需辅助方法相容，但应被视为假设生成而非某种辅助策略优越性的证据。总体而言，鉴于现有证据的GRADE确定性较低，这些潜在含义不应被视为改变实践。
异质性来源方面，本综述的一个主要发现是显著的研究间异质性。研究在参与者严重程度、慢性程度、机器人平台、目标肢体节段、辅助策略、运动任务、治疗强度、反馈模式和伴随常规治疗等方面存在差异，所有这些都可能影响机器人辅助的效果。详细的干预回顾进一步显示，若干潜在重要的方案特征，包括运动几何形状、力量水平、重复次数、辅助进展、反馈计划和休息时间，报告不完整。
主森林图的视觉检查表明，异质性受到两项研究报告的效应远大于其余研究的不成比例影响。两者均涉及严重受损的慢性卒中个体，他们接受了密集的、依从性形式的辅助——分别为主动手部辅助和脑机接口依从性辅助——这可能导致了其较大的效应。然而，由于多项干预和参与者特征在研究间存在差异，这些特征不能被视为观察到的效应量的既定解释。
探索性荟萃回归分析表明，目标肢体节段可能部分解释了观察到的变异性，而卒中后阶段、严重程度和剂量似乎不能解释效应量的差异。然而，鉴于研究数量少且某些调节变量类别内代表性稀疏，这些发现应视为探索性。对于大多数被检查的调节变量，无法解释的异质性持续存在，表明研究间变异性很可能是多因素的，可能反映了机器人设备、康复方案、辅助策略、治疗强度、参与者特征和卒中后阶段的差异。若干干预参数报告不完整进一步限制了识别哪些特定方案特征造成了剩余变异性的能力。
机器人辅助的机制原理方面，机器人辅助能够实现高重复、高剂量训练，并可能扩大获得治疗的机会。它与脑机接口等技术集成以增强参与度和感觉运动反馈，特别是在严重受损的个体中。这些应用与本综述相关，本综述表明结局可能不仅取决于是否提供辅助，还取决于如何提供辅助，特别是它是否依从于参与者的意图或努力。
一个机器人辅助神经康复的结构因果模型提出了两种潜在机制：挑战-动机通路和增强的感觉反馈通路。机器人辅助可以实现可能无法自愿完成的运动，从而调节任务挑战和动机。据报道，物理机器人辅助比虚拟或无辅助产生更大的内在动机。因此，优化任务挑战和动机的适量机器人辅助可能通过促进治疗中更积极的参与来改善感觉运动结局。机器人辅助也可能实现比单独自愿运动更大和更快的运动。连同人机界面处的接触压力和交互力，这些运动可能产生与任务相关的感觉反馈。当在时间上与运动意图耦合时，这种反馈可能通过Hebbian样学习促成皮质变化。从这个角度来看，治疗效果可能取决于机器人辅助、感觉反馈、自愿努力和运动意图之间的耦合。
神经肌肉电刺激提供了一个相关的框架，因为它通过外周神经肌肉激活辅助运动，同时产生大量的传入反馈。综述报告了当神经肌肉电刺激与自愿努力结合时，上肢损伤和活动有适度改善，而另一篇综述发现脑机接口加神经肌肉电刺激比脑机接口加机器人辅助有更大的改善，支持了增强的运动相关感觉反馈的试探性作用。机器人辅助还可能通过实现超出主动关节活动度的运动并拉伸拮抗肌和关节周围结构来提供肌肉骨骼益处。然而，相对短期的拉伸方案，包括大约三个月的干预，并未显著改善关节活动度，表明肌肉骨骼效应对功能恢复的贡献仍然有限。
总体而言，这些机制提供了合理的通路，通过这些通路，机器人辅助的时机、幅度和依从性可能影响感觉运动恢复。然而，它们应被视为需要直接实验测试的假设，而非本荟萃分析中观察到的汇集效应的既定解释。未来的试验应在控制其他治疗组分的同时系统地操控辅助水平、努力依从性、感觉反馈特征和患者参与度，以确定哪些机制对恢复贡献最大。
局限性与未来研究启示方面，在解读研究结果时应考虑若干局限性。本综述专门聚焦于组间在机器人辅助的存在、水平或模式上存在差异的随机对照试验，并限于上肢康复。因此，研究结果不涉及其他人机物理交互形式，包括辅助与抗阻训练、错误增强与错误减少训练以及主动与被动训练。涉及下肢或全身康复的研究也未考虑。此外，本综述未考察机器人辅助对功能恢复或日常生活活动的更广泛影响。
有限的研究数量也限制了对研究间异质性的探索。尽管对选定的调节变量进行了荟萃回归分析，但研究数量少以及若干类别内代表性稀疏限制了统计效力，因此所得关联应视为探索性。此外，由于各研究间方案变异性大且报告不完整，与设备特性、辅助模式和其他干预特定参数相关的异质性无法得到稳健检验。因此，观察到的异质性中有相当一部分仍未得到解释。
未来研究应采用统计效力充足的随机化设计，在仔细匹配组间其他干预组分的同时隔离物理辅助的贡献。更一致地报告辅助幅度、控制策略、进展规则、运动几何形状、治疗剂量、反馈、重复次数和休息时间将便于研究间比较，并能更稳健地检验潜在效应调节变量。研究还应考察对机器人辅助的反应是否随参与者特征、恢复阶段、损伤严重程度、解剖目标和辅助模式而系统性变化。此类工作对于确定机器人辅助是否独立促进恢复以及哪些辅助策略最适合特定患者群体是必要的。
结论
本研究通过系统综述与荟萃分析考察了机器人辅助在上肢机器人康复随机对照试验中对感觉运动恢复的作用。研究结果最好被描述为初步的和碎片化的，而非结论性的：它们提供了令人鼓舞的、假设生成的证据，表明在条件匹配的情况下，机器人辅助的存在可能相对于无辅助训练改善神经系统疾病（尤其是卒中）后的上肢损伤结局，但尚未构成机器人辅助具有独立或机制性益处的确凿证据。
适当设计的研究数量有限、偏倚风险问题、样本量小、异质性显著、汇集效应周围的宽置信区间以及各研究间方法学的变异性限制了当前估计值的稳定性和普适性。干预方案、辅助策略、参与者特征和结局指标的差异也可能导致了观察到的变异性。因此，现有证据不允许就机器人辅助对感觉运动恢复的独立贡献得出确切结论。
尽管如此，本研究突显了评估治疗过程中机器人提供的物理辅助临床价值的严谨、统计效力充足的研究的匮乏。尽管在上肢神经康复领域投入了大量资源开发多样化的机器人系统，但机器人辅助对恢复的独立贡献仍知之甚少。最近的一项系统综述与荟萃分析也强调了关注机器人辅助疗法机制基础的必要性。从根本上说，如果没有物理辅助，机器人辅助康复与常规治疗相比的临床优势就不太可能实现。
