《Sensors》：Validity of Functional Performance Outcomes and Gait Metrics Measured by Smartphone Application in Patients with Chronic Stroke
编辑推荐：
对卒中后受损运动能力的准确评估对于追踪康复进程和指导干预至关重要。传统上，物理治疗师通过半客观评定量表或人工记录各项测试表现来进行评估。技术发展，尤其是利用惯性传感器运动数据的自动化算法，为更高效、更客观的评估提供了有前景的解决方案。本横断面分析检验了治疗师记
对卒中后受损运动能力的准确评估对于追踪康复进程和指导干预至关重要。传统上，物理治疗师通过半客观评定量表或人工记录各项测试表现来进行评估。技术发展，尤其是利用惯性传感器运动数据的自动化算法，为更高效、更客观的评估提供了有前景的解决方案。本横断面分析检验了治疗师记录指标与智能手机应用（OneStep）在30秒坐立试验（Chair Stand Test, CST）、计时起立行走测试（Timed Up and Go, TUG）和六分钟步行试验（Six-Minute Walk Test, 6MWT）测量结果之间的一致性，共纳入42名慢性卒中受试者（平均年龄54岁，50%为男性）。分析采用双向随机效应组内相关系数ICC(2,1)（绝对一致性）和Bland–Altman一致性界限进行评价。ICC(2,1)在CST为0.989 [0.980, 0.994]，TUG为0.995 [0.985, 0.998]，6MWT为0.921 [0.776, 0.967]。平均差值（治疗师?应用评分）分别为?0.08次（CST）、?1.03 s（TUG）和?69英尺（6MWT）。在CST（标准测量误差比应用/治疗师0.91 [0.76, 1.05]）或TUG（1.36 [0.92, 2.13]）方面，应用与治疗师的组内重测重复性未检测到差异；TUG估计值不精确，不能确立等效性。由于患者疲劳导致未能完成多次测试，6MWT未纳入组内重复性分析。应用失败率相对较低，CST为2/80、TUG为3/76、6MWT为5/36。与患者报告结局、临床医生评定结局及步态指标的相关性为探索性分析（经错误发现率校正后115项中有89项显著）。结果提示CST具有高度一致性，TUG存在较小的系统性差异，6MWT差异较大。未来研究应探讨OneStep等移动应用的纵向预测效用及其在整个医疗保健系统中的更广泛实施。
**研究背景与问题**
卒中后神经损伤导致的运动功能障碍影响患者的独立生活能力、社会参与及整体健康。在卒中康复中，沿恢复连续体准确评估躯体功能对于指导治疗干预和监测患者进展至关重要。运动能力反映多种潜在生理机制并预测多种未来结局，同时受复杂外部因素影响。临床基于表现的功能结局测量是核心评估工具，传统上依赖治疗师视觉观察后的判断（半客观评定量表）和人工记录（如时间、重复次数、距离），这可能引入人为误差或评估者偏倚所致的变异，且正确使用和解读需要专业知识。技术进步为高效提升劳动密集型测试方案的客观性提供了有前景的解决方案。研究人员已开发出用于表征步态和平衡的精密实验室技术，包括可穿戴传感器、图像处理和地面传感器，这些方法利用仪器化步道、多台摄像机或专用传感器等设备，通常需要专门的实验室空间和高训练有素的人员，然而这些设备往往昂贵、笨重，且生态效度有限。基于智能手机的步态分析应用可能提供更易获取且可负担的替代方案，同时仍能提供详细的数据采集，这对临床医生和患者尤为有益，可在多种环境中实现一致、详细和准确的评估，从而更广泛地应用并整合到现有实践中。无创、微型化的运动监测器配合在线处理和用户友好界面，在临床环境中具有更大的可行性。消费级智能手机及其集成的惯性测量单元（Inertial Measurement Unit, IMU）可实现无缝活动捕捉，甚至远程进行，无需额外设备，为步态和平衡分析提供了解决方案。采集的运动数据随后可由算法分析，为评估患者提供了新方法。这些系统增加了精确的损伤层面定量特征，包括时空偏差，如步频降低、步长、支撑期或时间的不对称性，尤其对于单侧肢体功能障碍患者。当前临床实践指南中概述的标准临床评估客观测量步速，然而这些时空缺陷是主观评估的。可穿戴传感器采集的定量数据可能有助于识别特定的时空缺陷并阐明导致表现问题的因素，进而增强临床医生的决策能力，实现更精确的靶向干预选择。治疗师需要可获取的工具，为其患者和护理团队生成经过充分验证、可操作的信息。研究表明，移动应用和可穿戴惯性传感器与测量老年人跌倒风险因素的传统方法相当。特定运动学指标可能为优化某些疾病（如多发性硬化）的管理提供有价值的见解；然而，使用加速度计数据的自动化测试管理可能因受损的运动模式而变得复杂。多项研究已在健康受试者中验证了智能手机步态/姿势控制分析，近期也在患者中进行了验证，包括卒中后个体。计时起立行走测试（TUG）的"仪器化"版本已在多种人群中进行了探索。然而，尽管这些研究调查了IMU和可穿戴传感器的效度，但它们大多集中于有限的指标，或未将发现与当前临床医生评估进行比较。在比较不同方法学获得的主要结果（即传统秒表测试与传感器/算法计时）方面存在差距，特别是在对慢性卒中患者执行经过充分验证的性能测量时。一种既能管理标准化临床测量又能采集额外生物力学数据的数字健康设备，对于简化评估并增强全面性具有显著益处。因此，本研究调查了一种FDA注册的智能手机应用（利用内置IMU测量加速度和方向；OneStep；Celloscope Ltd., 特拉维夫，以色列）与临床标准物理治疗师评估在评价慢性卒中患者功能表现结局时的一致性。次要目的是检查CST和TUG的组内重复性，以及通过测试应用衍生的表现指标、患者报告结局（Patient-Reported Outcomes, PROs）和时空步态参数之间的探索性关联来检验收敛（结构）效度。
**研究方法**
这是一项横断面分析，数据来自2023年10月至2024年5月期间在美国纽约西奈山医院高级技术门诊诊所Abilities Research Center就诊的慢性卒中患者的便利样本。研究遵循《赫尔辛基宣言》，所有受试者通过签署经西奈山人类受试者保护项目机构审查委员会批准的表格（STUDY-23-00276）提供知情同意。纳入标准为：（1）年龄大于22岁；（2）脑血管意外后超过三个月；（3）存在手臂无力症状和/或平衡困难；（4）能够遵循指令。排除无法获得功能表现结局记录的受试者（不安全或无法站立进行任何移动性测试）。参与者接受一次性评估组合，按以下顺序收集结局：改良Rankin量表（modified Rankin Scale, mRS）、Barthel指数、Berg平衡量表（Berg Balance Scale, BBS）、CST、TUG、10米步行试验（10-Meter Walk Test, 10MWT）、功能步态评估（Functional Gait Assessment, FGA）和6MWT。试验间和测试间根据需要给予1–5分钟坐位休息。参与者完成一次6MWT和两次CST与TUG试验，OneStep智能手机固定于非偏瘫侧肢体裤袋中。若衣物无合适口袋，则将智能手机固定在外部 pouch 中，通过绑带保持其贴靠大腿。每个测试由治疗师在应用中手动启动，参与者在应用发出10秒倒计时后的可听"Go"信号后开始测试。同时，治疗师按照美国神经物理治疗学会（Academy of Neurologic Physical Therapy, ANPT）核心结局测量临床实践指南（Clinical Practice Guideline, CPG）建议和知识转化工作组标准化管理方案完成人工评估和测量（CST计数重复次数，TUG用秒表计时，6MWT测量步行距离）。测试结束时，应用在相应的30秒或6分钟测试时长后发出可听"recording stopped"提示。对于TUG，参与者坐下后，治疗师在智能手机上滑动以指示记录窗口结束。测试期间，参与者可使用习惯性步态辅助器具（如手杖、助行器）和/或辅助装置（如踝足矫形器），但不在他人身体辅助下行走。若参与者无法在没有上肢支撑的情况下完成坐立，CST和TUG期间允许使用扶手。30秒CST设计用于评估下肢力量，作为Fullerton功能体适能测试组合的一部分，在急性卒中有极好的信度，并可避免计时测试相关的潜在地板效应。受试者被指导在"Go"信号后从靠墙放置的标准椅子（18英寸高）上完成30秒内的完整重复（结束时超过一半起身计为完整重复）。提供一次练习试验，必要时允许使用扶手。重要的是，CST已在卒中人群中证明结构效度，表现改善与移动性、平衡和下肢运动功能（包括TUG和卒中影响量表（Stroke Impact Scale, SIS））的改善相关。此外，坐立表现已在慢性卒中个体中独立验证，显示与肌肉力量、平衡和步态的强关系。鉴于CST捕捉重复坐立能力，它同样反映卒中后常受损的关键功能任务。TUG是量化慢性卒中功能移动性的有效可靠测试，能够预测社区居住老年人的跌倒。受试者被给予以下指令：在"Go"（开始计时）后，站起，走到3米外的地面标记处，转身，返回并坐下（停止计时），尽可能快速安全地完成。6MWT评估耐力和有氧能力，在包括慢性卒中的多种患者群体中具有极好的心理测量学特性。研究空间由一条40英尺长的平坦、清晰路径组成，两端标记以按照ANPT CPG建议标准化管理。参与者被指导在6分钟内尽可能多地行走40英尺圈数，在走道两端进行行走转身。参与者可根据需要站立休息。自定步速计圈，计算总距离（英尺）。对最后一个不完整圈进行人工测量以确定步行距离。作为临床评估的一部分，还评估了额外结局。mRS、Barthel指数和美国国立卫生研究院卒中量表（National Institutes of Health Stroke Scale, NIHSS）分别用于评估残疾、功能独立性和卒中严重程度。治疗师还按照ANPT核心结局测量CPG建议和知识转化工作组标准化管理方案收集额外表现结局以评估移动性。BBS通过14个不同难度项目评估静态和动态平衡，根据参与者完成每项活动的能力以0–4分评分。五次坐立试验（Five Times Sit to Stand, 5xSTS）评估转移能力，参与者被指导尽快从椅子上连续站起坐下五次，治疗师记录完成重复所需时间。10MWT是步速评估，参与者被指导先以舒适速度行走10米距离两次试验，然后以快速行走两次试验，治疗师记录行走中间六米所需时间，分别记录舒适和快速步速两次试验的平均值。FGA是10项步行平衡和行走时执行多项运动任务能力的评估，根据表现以0–3分评分。患者报告结局通过电子邮件发送的调查收集，包括卒中影响量表（日常生活活动能力和移动性领域总和；最后一题以0（无）到100%（完全）量表评定主观恢复水平，SIS-9）和EuroQol-5D-5L（整体健康状况以0（最差）到100（最佳）视觉模拟量表（Visual Analog Scale, VAS）量化，移动性和日常活动维度问题严重程度从1（最轻）到5（最重）评分）。
**关键技术方法**
本研究采用横断面设计，纳入42名慢性卒中患者 convenience sample。使用FDA注册的智能手机应用OneStep（安装于iPhone 13，iOS 17.0.3–17.4.1），通过内置IMU以100 Hz采样率采集加速度和陀螺仪数据。CST通过峰值检测算法分析水平轴旋转检测30秒内的坐立事件；TUG持续时间通过检测惯性信号中的坐立和最终站立至坐位转换得出；6MWT惯性数据分割为单个步态周期并过滤噪声，采用先前验证的深度学习框架计算时空参数（步频、速度、变异性、基底宽度、双支撑、步长和跨步长）。主要一致性分析采用双向随机效应绝对一致性ICC(2,1)，并辅以ICC(1,1)和ICC(3,1)敏感性分析、Bland–Altman分析、Wilcoxon符号秩检验或配对t检验、比例偏差回归分析。组内重复性通过ICC(2,1)、标准测量误差（SEM）、最小可检测变化（MDC95）和Bootstrap置信区间评估。探索性关联采用Spearman's ρ和Pearson's r，并以Benjamini–Hochberg错误发现率（False Discovery Rate, FDR）校正。数据分析使用Python（pandas、SciPy、statsmodels），数据存储于REDCap。
**研究结果**
**参与者/样本特征**：共纳入42名患者（按排除标准省略5名受试者），男女数量相等，平均中年（54±13.2岁），超重（BMI 26 kg/m2），慢性期范围大（平均2.5年；范围0.3–19年），卒中类型均衡（缺血性52% vs 出血性43%，缺失5%；左侧52% vs 右侧受影响48%）。总体而言，受试者报告恢复程度不到一半（基于SIS-9），中等健康水平（EQ-5D-5L VAS），日常生活活动/移动性中等程度问题。残疾水平（mRS）范围从不显著到中度严重，但日常生活活动表现（Barthel指数）偏高。卒中残余损伤（NIHSS）中位数为轻微。功能测试结果（BBS、5xSTS、10mWT、FGA）普遍低于常模值，表明移动性受限和部分个体可能的跌倒风险。分析包括四名评估治疗师（治疗师一，n=31；治疗师二，n=5；治疗师三，n=4；治疗师四，n=2）。试验尝试因评估而异：CST 80/84、TUG 76/84、6MWT 36/42。应用分析失败在CST和TUG分别为2/80和3/76（错误率2.6%和3.9%），6MWT中5例应用不完全测量距离但计算了步态参数（总错误率13.9%）。
**主要结果**：治疗师和智能手机应用获得的功能表现结局测量之间的一致性显著相关，效应量大，并通过组内相关系数和Bland–Altman分析量化。ICC(2,1)在CST为0.989 [0.980, 0.994]（n=42），TUG为0.995 [0.985, 0.998]（n=39），6MWT为0.921 [0.776, 0.967]（n=31）。单因素ICC(1,1)和ICC(3,1)提供类似结果。平均差值（CST：?0.08±0.55次；TUG：?1.03±1.72 s；6MWT：?68.80±112.12 ft）在6MWT最高且变异最大；平均而言，应用记录的距离更大（负值表示）和TUG时间更长。系统性偏倚评估：CST p=0.399，TUG p<0.001，6MWT p=0.002。无测试显示比例偏差（CST p=0.608，TUG p=0.264，6MWT p=0.708）。Pearson's r（CST：0.989；TUG：0.996；6MWT：0.940）和Spearman's ρ（CST：0.980；TUG：0.990；6MWT：0.926）。Bland–Altman图显示CST 95%一致性界限为?1.16至1.00次，相对于文献MDC（±2.0次），大多数参与者（41/42；98%）在界限内。TUG 95%一致性界限为?4.39至2.33，平均差值?1.03 s，相对于文献（±3.2 s），36/39（92%）参与者差异不超过阈值和一致性界限。6MWT一致性界限为?288.55至150.95 ft（?88至46 m），平均差值?69 ft（?21 m；治疗师平均距离的?10.9%），相对于文献SRD（±13%），14/31（45%）参与者差异小于该阈值。组内重复性：应用测量的CST ICC(2,1)为0.775 [0.600, 0.879]（n=35），TUG为0.968 [0.936, 0.984]（n=34）。SEM为1.88次（CST）和3.45 s（TUG），对应MDC95为5.22次（均值56%）和9.55 s（均值38%）。治疗师测量同样可重复（CST ICC(2,1) 0.740，TUG 0.982）。CST绝对试验间误差相当：应用SEM 1.88次 vs 治疗师2.07次，MDC95 5.2 vs 5.7次。TUG应用SEM较大（3.45 s vs 2.53 s），MDC95 9.6 s（38%）vs 7.0 s（29%）。应用未检测到比治疗师重复性更差：ICC(2,1)差值（应用?治疗师）CST为0.035 [?0.015, 0.130]，TUG为?0.014 [?0.077, 0.004]；SEM比值（应用/治疗师）CST为0.91 [0.76, 1.05]，TUG为1.36 [0.92, 2.13]。由于TUG区间包括1但延伸至约2，这些数据不能确立方法间的等效性。离群值敏感性和设备放置分析显示，剔除任何单一参与者后一致性仍保持（留一法ICC(2,1)范围：CST 0.989–0.994，TUG 0.995–0.999，6MWT 0.921–0.941）。剔除标记参与者后CST ICC(2,1)从0.775升至0.927（应用）和从0.740升至0.927（治疗师），TUG MDC95从9.6降至6.7 s（应用）和从7.0降至6.2 s（治疗师）。差异未因治疗师而异（Kruskal–Wallis p=0.258、0.438、0.653）。基于文献截断值，治疗师和应用测量的6MWT分别将29（94%）和28（90%）名参与者分类为跌倒风险增加，两者在28/31（90.3%）参与者中一致（Cohen's kappa 0.35，置信区间包括0，结果不精确）。TUG在14 s截断值上一致性95%，kappa 0.89 [0.75, 1.00]。CST所有15名60岁以上参与者被两种方法分类为风险（100%一致）。
**探索性关联**：控制多重比较后，49项关联中32项保持显著（q<0.05）。基于Spearman系数大小（大效应量），SIS-ADL领域和mRS与功能表现测试最相关（ρ>|0.49|，q<0.05）。SIS移动性（ρ>|0.47|）紧随其后。EQ-5D-5L移动性与所有七项测量显著相关（10mWT-CGS、FGA、TUG和6MWT的|ρ|为0.55–0.63；CST、5xSTS和BBS为0.35–0.48）。6MWT与每项患者报告结局测量强相关（|ρ|>0.5，q<0.05），但EQ-5D-5L VAS整体健康状况除外（ρ=0.31，不显著）。FGA也与大多数患者报告结局测量强相关（|ρ|>0.5）。EQ-5D-5L VAS校正后与任何测量无显著关联，SIS-9仅与6MWT显著相关。治疗师和智能手机获得的所有功能表现测量高度相关（|ρ|>0.5，q<0.05），CST与10mWT-CGS除外（ρ=0.43，q=0.006），所有12项关联校正后仍显著。6MWT运动数据分析生成36名受试者的时空参数，平均步态表现相对老年人常模值较低，提示社区行走受限和不良结局风险。与常模相比，本研究受试者步频降低、双支撑时间增加、步长缩短。时空参数与临床评估测量的关联显示，速度、步行评分、双支撑、步长和步频变异性均与BBS、10mWT-CGS、FGA和TUG强相关（|ρ|：0.74–0.90，q<0.05）。与30秒CST（|ρ|：0.40–0.46）和5xSTS（|ρ|：0.34–0.48）关联较弱。BBS和FGA与除支撑期和步长不对称性外的每个时空参数强相关（p<0.001，ρ>|0.5|）。
**讨论与结论**
这些横断面发现提示治疗师和智能手机应用（OneStep）测量的CST和TUG之间高度一致（存在小系统性差异），而6MWT存在较大的系统性和个体水平差异。关于测量模式间的一致性，ICC(2,1)值较高（0.921–0.995），应用错误率低。然而，高相关或ICC本身并不确立两种方法的可互换性。组内相关系数惩罚系统性偏倚（不同于经典相关分析），因为其由参与者间方差与总方差的比值决定，但异质性样本也可能扭曲ICC评分。例如，6MWT ICC(2,1)为0.921，但实际一致性界限（?88至46 m）宽于13% SRD阈值（表示为均值百分比，?43%至23%），超过半数参与者（17/31）测量间差异超出SRD。然而，没有独立距离参考，不清楚这种差异是治疗师低估还是仪器误差。此外，系统性偏倚存在于TUG和6MWT（p<0.05），提示治疗师和应用测量间存在显著差异。只有CST显示与治疗师测量高度一致（ICC=0.989，p=0.399，无显著偏倚），而TUG和6MWT显示良好效度但可能需要校准校正。多项探索性关联在结局和其他记录测量之间被识别。智能手机步态分析在6MWT期间一致完成；提取的时空参数（特别是速度、步行评分、步长、双支撑和步频变异性）与表现结局（BBS、FGA和6MWT）强相关（ρ>|0.5|，q<0.05）。患者报告结局与应用记录的标准功能评估（CST、TUG和6MWT）及某些时空参数之间也存在强关联。具体而言，主观报告的残疾（mRS）和移动性困难/问题（SIS移动性和EQ-5D-5L移动性）或日常活动（SIS-ADLs）在一种或多种临床测试中相关（ρ>|0.48|，q<0.05）。6MWT在本样本中还显示与感知恢复（SIS-9）和日常活动表现（EQ-5D-5L日常活动）的额外相关性（ρ>|0.5|，q≤0.05）。然而，EQ-5D-5L、SIS移动性和SIS-9与CST无强相关，SIS-9和SIS移动性与TUG无强相关（ρ<|0.5|）。未发现与整体健康状况（EQ-5D-5L VAS）的显著关系，提示这是一个独立的构念。未来工作应探索添加客观时空步态评估以增强身体评估的客观性。鉴于几乎所有治疗师和智能手机测量的结局具有强关联（ρ>|0.5|，q<0.05），智能手机应用采集的时空测量可能增强评估客观性和损伤识别。多项目、序数评分的BBS和FGA与客观连续变量测试相比可能存在观察者偏倚和地板或天花板效应。本研究证实了这些发现，并证明8/9时空测量与BBS高度相关（ρ≥|0.5|，q<0.05），7/9与FGA相关（ρ≥|0.5|，q<0.001）。这些与至少一种表现测量强相关（ρ>|0.74|，q<0.05）的时空测量（步行评分、双支撑、速度、步频变异性和步长）也与其他功能表现测量相关（5xSTS和CST除外）。可及的智能手机步态分析经进一步验证可能补充或最终减少对传统评估的依赖，传统评估不量化受损功能或运动学步态偏差，也不提供半瘫相关代偿机制的见解。10mWT和6MWT被推荐为神经系统疾病中有用、心理测量学稳健的移动性测量，而BBS、TUG和5xSTS可能最准确地评估社区居住老年人的跌倒风险。步速和其他运动学指标已显示识别跌倒者的能力。近期工作提示，可穿戴IMU/惯性传感器数据（包括加速度计和变异性指标）与秒表衍生的TUG持续时间结合可改善跌倒预测。尽管本研究未捕捉跌倒，但值得注意的是应用和治疗师在跌倒风险分类上具有90–100%一致性。这在考虑移动健康技术如何促进远程评估与标准化临床评估可比时值得注意。智能手机还能够纵向收集不同现实生活背景和环境中的表现信息，产生比仅在基于地点的治疗环境中进行的较少定期测试更丰富和生态效度更高的数据集。然而，这些数据在卒中后管理中的价值和可行性应进一步探索。先前工作已针对其他实验室设备和运动捕捉系统验证IMU/可穿戴传感器或智能手机算法用于结局测量，但与临床更典型管理方案（即治疗师计数或秒表计时）的直接比较较少。此外，这些研究常在健康对照受试者中进行。系统评价已检查老年人TUG以及帕金森病和多发性硬化症的多种智能手机移动性评估，结论是当前证据支持该方法。相关卒中研究集中于特定步态和平衡分析而非本文纳入的功能表现结局。独特的是，本研究设计涉及执业治疗师作为实际临床项目一部分的综合数据收集，且由于广泛纳入标准，慢性卒中患者在身体能力方面多样，因此这些结果可能具有更高的外部效度以推广到不同实施背景。应注意的程序考虑：首先，每次测试前确保智能手机牢固放置在口袋或绑带中以确保准确运动检测至关重要。至少一次练习试验（或6MWT的较短"代理"）可作为受试者的方案熟悉和确认成功数据采集。这也可检查潜在错误技术，例如CST中延迟开始或部分重复，最好避免以保持可重复性。其他重要因素应在受试者内标准化，如座椅高度、足部位置和扶手使用，特别是在进行纵向分析时。对于6MWT，通过计圈计算距离不纳入转身，因此可能倾向于低估总距离，特别是当空间限制妨碍更长走道时。本研究使用最大可用40英尺长路径，但这一后勤因素可能导致了观察到的治疗师和智能手机测量间差异。治疗师通过计数40英尺路径圈数测量步行距离可能未计入转身时额外步数和 thereby 步行距离；然而，没有独立距离参考来确认。6MWT离群值源于步长高估和无法完全分析的不规则转身模式。尽管存在这些孤立或暂时问题，算法显示了良好保真度。因此，仪器化6MWT可能更可取，并具有从OneStep等应用获得时空步态参数的额外益处；然而，这需要进一步验证。较短的2分钟步行试验可能进一步改善受限环境和患者行走能力较低时的可行性。最后，自动化测试管理（启动/停止计时器等）使检查者能够专注于监督/监测参与者安全。本研究有几个局限性，包括未对进行的分析进行先验样本量计算、未盲评估者的潜在偏倚、缺乏确定评分者间信度的数据。未前瞻性把握度检测特定结局，缺乏对照组，因为分析基于临床项目的便利样本。样本还包括卒中参与者的异质性人群，而共识将慢性期卒中定为>6个月；临床项目参与标准为>3个月，基于已确立的自发恢复预期降低。鉴于临床评估的全面性，患者疲劳限制了6MWT多次试验的收集，限制了评估该测量重测信度的能力。未来研究必须比较反应性或检查相对纵向效度，以确定哪些临床变量最能预测跌倒等不良事件、反映治疗疗效并追踪恢复期间临床重要变化。**结论**：治疗师和智能手机测量/管理的结局之间观察到的关联强调了运动传感技术在利用TUG、6MWT和CST高效增强卒中康复评估客观性方面的潜力。结果提示，配备IMU的智能手机应用（如OneStep）可提供与传统计数密切一致的实时定量CST数据，而TUG和6MWT值需要进一步评估。CST和TUG测量的组内重复性在应用和治疗师之间未检测到差异；然而，这些发现是探索性的。在比较患者报告结局、步态指标和临床医生评定结局时也发现探索性关联，即使在控制多重比较后仍显著。这些自动化技术显示出优化常规实践和跨多样临床环境患者护理的前景，通过提供客观损伤数据。确认需要未来更大规模、预先指定研究的工作，同时解决评分者间信度，因为这些发现仅限于组内试验间重复性，未涉及日间信度、治疗反应性或纵向临床效用。
