中风患者在康复过程中久坐行为的变化及其长期趋势分析

《Journal of Neuro-Ophthalmology》:Clustering of Sedentary Behavior and Longitudinal Changes in Patients With Stroke Undergoing Rehabilitation

【字体: 大 中 小 】 时间:2026年04月27日 来源:Journal of Neuro-Ophthalmology 2.0

编辑推荐:

  **摘要:** **背景与目的:** 在中风康复期间,久坐行为(SB)非常普遍。评估久坐行为的持续时间和模式有助于制定个性化的干预措施。本研究旨在根据患者入院时的多个久坐行为指标,将接受住院康复的中风患者分为不同的亚组,并考察他们在一个月内的久坐行为变化情况。 **方法:**

  **摘要:**

**背景与目的:** 在中风康复期间,久坐行为(SB)非常普遍。评估久坐行为的持续时间和模式有助于制定个性化的干预措施。本研究旨在根据患者入院时的多个久坐行为指标,将接受住院康复的中风患者分为不同的亚组,并考察他们在一个月内的久坐行为变化情况。

**方法:** 这项多中心前瞻性纵向研究在日本14家康复医院进行。研究人员使用三轴加速度计在患者入院时和一个月后客观地测量他们的久坐行为。通过K均值聚类方法分析了以下5个与久坐行为相关的变量:短暂(<30分钟)、中等(30-59分钟)和长时间(≥60分钟)的久坐时段比例;总久坐时间;以及休息频率。使用广义线性混合模型(GLMM)来分析这些变量的纵向变化。

**结果:** 共有420名参与者(中位年龄71.0岁,57.9%为男性)参与了研究。聚类分析将患者分为3组:低久坐组(n=109)、中久坐组(n=196)和高久坐组(n=115)。广义线性混合模型显示,除长时间久坐时段比例外,大多数久坐行为指标都存在时间的主效应。在低久坐组中,短暂和中等久坐时段比例以及休息频率与时间之间存在显著交互作用;在高久坐组中,中等和长时间久坐时段比例与时间也存在显著交互作用(P<0.05)。

**讨论与结论:** 在住院康复期间,中风患者表现出三种不同的久坐行为特征。早期使用久坐行为指标进行行为分析有助于制定减少久坐时间的个性化策略。

**摘要(简体中文):** 本研究调查了住院康复期间中风患者的久坐行为差异及其在一个月内的变化。研究者在14家日本医院中对420名参与者(中位年龄71.0岁,57.9%为男性)进行了研究,通过K均值聚类方法分析了5个久坐行为指标,将患者分为低久坐组(n=109)、中久坐组(n=196)和高久坐组(n=115)。研究发现,大多数久坐行为指标随时间发生了变化,但长时间久坐时段比例保持不变。不同组别的久坐行为模式存在差异,表明中风患者存在不同的久坐行为特征。早期识别久坐行为特征有助于临床医生制定个性化策略,以减少患者的久坐时间。

---

**附加提示:**
- 本研究属于观察性研究,未进行随机对照实验。
- 数据分析使用了广义线性混合模型(GLMM),这是一种统计方法,可以处理纵向数据中的复杂关系。
- 久坐行为的评估依赖于加速度计等设备,可能会受到设备精度和患者活动方式的影响。
- 结果可能因医院和患者群体的不同而有所差异。由于短期、中期和长期静止状态(SB)的持续时间比例位于0到1之间,因此使用β分布的广义线性混合模型(GLMMs)进行建模。相比之下,SB时间和休息频率仅取正值,代表单位时间内的累积时间或次数,因此使用定义在正实数轴上的γ分布GLMMs进行建模。协变量是根据其临床相关性预先确定的,作为卒中后SB行为的合理决定因素,并在保持SB组间差异的同时,尽量减少对基线运动障碍的调整。协变量包括年龄、性别(参考值:男性)、BMI、卒中类型(参考值:缺血性卒中)、运动能力指数以及加速度计佩戴时间。在敏感性分析中,基线FIM-M评分作为与ADL相关的协变量与运动能力指数一起纳入,以检验聚类和时间效应的稳健性。所有连续协变量在纳入模型前都进行了Z分数标准化。标准化SB时间作为所有结果的偏置项,除非SB时间本身是因变量。对于γ分布模型,由于无法获得轮廓似然置信区间,因此使用Wald方法计算95%置信区间。P值<0.05表示统计显著。统计分析使用R版本4.2.2(奥地利维也纳的R统计计算基金会)进行。

结果

参与者特征
共筛查了1128名卒中患者。根据预定义的标准排除611名患者后,517名患者在入院时进行了加速度计测量。其中一些患者因为在1个月评估前失访(例如,计划外提前出院或转院、医疗并发症或撤回同意)或因加速度计佩戴时间不足或数据输出失败而被进一步排除。最终分析中包括了420名参与者(中位年龄71.0岁;57.9%为男性)(图1和表1)。

表1. 不同组患者的描述性特征
所有患者(N = 420) 低SB组(n = 109) 中等SB组(n = 196) 高SB组(n = 115)
P值

人口统计特征

年龄,岁 71.0(57.0-80.0) 65.0(55.0-75.0) 71.0(56.0-79.0) 73.0(62.0-82.0)a 0.002

性别,n (%) 0.941

男性 243(57.9) 62(56.9) 113(57.7) 68(59.1)
女性 177(42.1) 47(43.1) 83(43.3) 47(40.9)

BMI,kg/m2 24.2(21.2-27.3) 25.2(22.3-27.6) 24.1(21.1-27.2) 23.2(20.9-26.9) 0.073

卒中特征

卒中类型 0.146

缺血性卒中,n (%) 257(61.2) 72(66.1) 123(62.8) 62(53.9)
出血性卒中,n (%) 163(38.8) 37(33.9) 73(37.2) 53(46.1)

卒前mRS,n (%) <0.001

0 369(87.9) 104(95.4) 175(89.3) 90(78.3)
1 30(7.1) 5(4.6) 11(5.6) 14(12.2)
2 21(5.0) 0(0) 10(5.1) 11(9.6)

从卒中发病到测量的天数,天 30.0(25.0-39.0) 30.0(24.0-38.0) 30.0(24.0-37.0) 34.0(27.0-45.0)b 0.042

运动能力指数,分数 70.0(43.0-84.0) 76.0(54.0-84.0) 70.0(45.5-86.0) 53.0(28.0-76.0)a b <0.001

与康复相关的指标

Berg平衡量表(BBS),分数 33.0(11.0-47.0) 43.0(31.0-50.0) 36.0(21.5-47.0)c 9.5(2.8-26.2)b <0.001
行走独立性,n (%) 59(14.0) 28(25.7) 29(14.8)c 2(1.7)a <0.001
FIM-M,分数 50.5(36.0-62.0) 60.0(50.0-73.0) 52.0(41.0-62.2)c 35.0(21.0-47.5)a b <0.001
FIM-C,分数 26.0(20.0-31.0) 31.0(26.0-33.0) 25.0(20.0-30.0)c 22.0(15.0-28.0)a <0.001
康复时间,分钟/天 162.9(142.9-171.4) 165.7(151.4-168.6) 165.7(148.6-174.3) 154.3(134.3-171.4)b <0.001

SB和PA指标

加速度计佩戴天数,天 7.0(6.0-7.0) 7.0(6.0-7.0) 7.0(6.0-7.0) 7.0(6.0-7.0) 0.926
加速度计佩戴时间,分钟/天 721.0(623.8-721.0) 661.0(511.0-721.0) 721.0(684.6-721.0)c 721.0(698.3-721.0)b <0.001
SB时间,分钟/天 577.5(477.0-630.9) 442.0(376.7-512.1) 581.5(534.0-616.5)c 643.3(617.3-675.7)a <0.001
SB时间占比 81.6(74.5-87.7) 69.8(63.3-74.3) 81.6(77.3-84.7)c 90.6(88.1-92.9)a <0.001
轻度强度身体活动(LIPA),分钟/天 117.1(82.9-169.5) 197.3(155.0-225.8) 121.6(93.8-151.8)c 64.6(45.5-83.4)a <0.001
LIPA占比 17.5(12.0-24.5) 28.9(24.8-35.1) 17.4(14.5-21.3)c 9.1(6.7-11.5)a <0.001
中等强度-剧烈身体活动(MVPA),分钟/天 3.2(1.7-6.3) 5.7(2.6-10.4) 3.5(1.9-6.2)c 2.0(1.3-3.0)a <0.001
MVPA占比 0.5(0.3-1.0) 1.0(0.4-1.7) 0.5(0.3-0.9)c 0.3(0.2-0.4)a <0.001
短期SB持续时间占比,% 42.8(29.0-60.3) 70.6(64.7-79.6) 43.1(37.1-53.0)c 22.6(16.9-28.4)a <0.001
中期SB持续时间占比,% 28.6(23.6-35.2) 20.7(15.2-24.9) 34.6(30.0-40.4)c 26.4(22.2-30.0)a <0.001
长期SB持续时间占比,% 22.0(9.9-38.4) 5.4(2.1-12.5) 20.4(13.8-28.8)c 50.3(42.2-58.5)a <0.001
休息频率,次/小时 4.7(3.5-6.5) 7.8(7.1-9.3) 4.8(4.2-5.5)c 2.9(2.3-3.4)a <0.001

值显示为中位数(四分位间距)或分类变量的计数(%)。SB、LIPA和MVPA(%)表示在每种活动强度下花费的加速度计佩戴时间百分比。

缩写说明:BBS,Berg平衡量表;FAC,功能性行走分类;FIM-C,认知功能独立性测量;FIM-M,运动功能独立性测量;LIPA,轻度强度身体活动;MVPA,中等-剧烈身体活动;PA,身体活动;SB,静坐行为。
a. 低SB组与高SB组之间存在统计学显著差异。
b. 中等SB组与高SB组之间存在统计学显著差异。
c. 低SB组与中等SB组之间存在统计学显著差异。
d. 由于个体分布统计的特性,基于中位数的值可能不会精确加总至100%。

图1. 研究参与者筛选流程。从卒中发病到进行加速度计测量的中位天数为30.0天。入院时,只有14.0%的参与者被归类为能够独立行走。参与者平均佩戴加速度计7天,每日佩戴时间为721.0分钟,SB、LIPA和MVPA的持续时间分别为577.5分钟、117.1分钟和3.2分钟。

聚类形成
肘部方法表明3-5个聚类是合适的(补充图1,补充数字内容2,链接:https://links.lww.com/JNPT/A571)。基于轮廓分数,k = 3的解显示出最高值(0.353),因此被选为最终聚类方案(补充表2,补充数字内容1,链接:https://links.lww.com/JNPT/A570)。K均值聚类分析使用了以下5个与SB相关的指标:短期、中期和长期SB持续时间比例、SB时间以及休息频率。根据行为特征,将这些聚类标记为低SB、中等SB和高SB(图2)。入院时,低SB组的休息频率较高,SB时间较短;中等SB组的短期SB持续时间比例相对较大;高SB组的长期SB持续时间比例和SB时间最长。5个指标之间的成对散点图和相关系数显示在补充图2中(补充数字内容2,链接:https://links.lww.com/JNPT/A571),观察到SB指标之间存在中等程度甚至非线性的相关性。

图2. 基线时的聚类特征。显示了每个识别出的聚类(低SB组、中等SB组和高SB组)在入院时的静坐行为变量的标准化Z分数。变量包括短期、中期和长期SB持续时间比例、SB时间以及休息频率。正Z分数表示相对于总体样本平均值的较高水平,而负Z分数表示较低的水平。

基线特征和各组SB指标
表1总结了3个组的基线特征和SB及身体活动指标。高SB组的年龄高于低SB组,而性别分布、BMI和卒中类型在各组之间基本相当。关于入院时的功能状态,低SB组的Berg平衡量表分数较高,行走独立性更强,FIM-M和FIM-C分数也更高。高SB组中有更高比例的患者的卒前mRS≥1。各组在入院时和出院后1个月的SB和身体活动指标分别总结在表1和补充表3中(补充数字内容1,链接:https://links.lww.com/JNPT/A570)。图3显示了各组在1个月内SB类别组成的未经调整的变化。观察到各组内SB组成部分的比例随时间发生了整体变化。

表2显示了所有SB指标的GLMM结果。对于短期和中期SB持续时间比例,时间效应为正(短期:β = 0.62,P < 0.001;中期:β = 0.10,P = 0.004)。SB时间随时间减少(β = ?0.07,P < 0.001),休息频率增加(β = 0.46,P < 0.001)。在低SB组中,短期和中期SB持续时间比例及休息频率存在显著的组×时间交互作用(短期:β = ?0.49,P < 0.001;中期:β = 0.20,P = 0.002;休息频率:β = ?0.22,P < 0.001);在高SB组中,中期和长期SB持续时间比例也存在显著的组×时间交互作用(中期:β = 0.34,P < 0.001;长期:β = ?0.29,P < 0.001)。SB时间没有观察到显著的交互效应。

讨论
本研究根据入院时的多个SB指标将接受住院康复的卒中患者分为不同的亚组,并考察了1个月期间SB结果的纵向变化。识别出的聚类——低SB、中等SB和高SB——反映了入院时SB数量和模式的显著差异。尽管所有组在1个月内SB结果都发生了变化,但这些变化的具体特征因组而异。在出院后阶段也有类似的行为亚组的研究报告。Buvarp等人发现了卒中后的不同身体活动轨迹,表明活动水平下降的患者在6个月时的功能结果明显更差。Wondergem等人根据出院后不久收集的加速度计数据将卒中患者分为静坐锻炼者、活动者和持续活动者。这些分类与随后的身体功能差异和参与度变化有关。29,30 同样,一项先前的研究发现了社区居住的中风幸存者中不同的久坐行为(SB)积累模式,并强调了除了总久坐时间之外,久坐行为的时间段结构和休息频率的重要性。11 相比之下,我们的分析是在住院康复期间进行的,捕捉了早期亚急性阶段的行为模式。在康复的这个阶段出现了类似的聚集结构,这表明在康复开始时,运动行为上的临床显著差异可能已经显现。这些行为差异可能部分反映了中风前的功能状态差异,因为高久坐组包括了更多中风前mRS评分较高的个体。重要的是,我们将久坐行为的数量和结构特征都作为聚类变量纳入了分析。除了总久坐时间外,我们还研究了久坐行为是如何积累的——具体来说,是通过描述久坐行为段的持续时间和休息频率分布来实现的。这种方法使得能够更详细地描绘患者的行为特征,而不仅仅是基于总久坐时间的整体不活跃度测量。在这个队列中,低久坐组在基线时就已经具有更少的久坐时间和更少的长时段久坐行为,因此进一步改善的空间有限,导致一个月内其久坐行为组成仅有微小变化。相比之下,高久坐组一开始的久坐负担最重,以频繁的长时段久坐行为为特征,因此随着时间的推移,他们从长时段久坐行为向中度时段久坐行为的转变更为明显。他们还显示出一个月内久坐时间的减少,这与各个簇中观察到的总体下降趋势一致。这些特定簇的轨迹有助于解释为什么在广义线性混合模型(GLMM)中只有选定的久坐行为比率显示出显著的簇×时间交互作用,因为久坐行为组成的变化集中在特定的时段类别以及最初久坐负担较高的患者中,而不是均匀地发生在所有时段类型中。在这种情况下,我们的发现表明,对于每个行为亚组可能需要采取不同的干预策略,特别是在考虑到观察到的一个月内久坐行为结果的变化时。低久坐组在入院时表现出相对有利的久坐行为特征,以频繁的休息和较短的久坐行为段为特点,这些特征随时间保持稳定。值得注意的是,他们的久坐行为组成与那些身体功能保持良好的社区居住的老年人相似。21 对于这些个体来说,进一步减少久坐时间可能不如增加总体身体活动量——特别是轻度持久性活动(LIPA)和中等强度的体力活动(MVPA)重要。中等久坐组展示了中等的久坐行为结构改善,包括休息频率的适度增加和长时间久坐行为的减少。鉴于他们的中等行为特征,他们可能会从同时减少久坐行为积累和鼓励轻度持久性活动的策略中受益。对于这个组来说,鼓励从坐姿转换为站姿或进行短暂的移动可能是实际且具有临床意义的。9,31 相比之下,高久坐组展示了最显著的久坐行为结果变化,包括长时间久坐行为比率和久坐时间的减少。尽管没有检测到长时间久坐行为比率的显著整体时间效应,但在高久坐组中这一成分有轻微的减少,表明即使在缺乏组层面效应的情况下,也可能发生亚组特定的变化。这些发现表明,即使是对久坐行为模式高度依赖的患者也可能对常规康复产生反应。在这个组中,有结构化的干预措施来打断坐姿时间——包括定时提示或室内的短暂活动——可能有助于巩固治疗期间取得的进展,并帮助建立更活跃的日常习惯。32,33 总的来说,这些发现强调了基于康复早期识别的久坐行为模式的个性化干预方法的重要性。同时,我们基于加速度计的评估仅记录了总的久坐时间和总体佩戴时间内的身体活动,并没有区分正式治疗时段和这些时段之外的时间。探索性分析如果将正式治疗期间的活动与治疗之外的活动分开,可能会揭示更详细的时间变化及其与后续结果之间的关联。10 未来的研究应该结合基于设备的测量数据与康复的持续时间、时间和内容的信息,以及正式治疗时段之外的日常身体活动数据,以制定更具体的干预策略。本研究中使用的聚类方法可能为识别住院康复期间的早期行为表型提供一个有用的框架。鉴于入院时已经存在不同的久坐行为特征并且显示出不同的变化模式,这些特征可以为早期阶段的分层干预策略提供依据。包括Cochrane综述在内的先前研究已经表明,减少中风后久坐时间的干预往往效果有限或不一致,尤其是在所有患者中统一应用时。34,35 我们的发现表明,这种变异性可能反映了潜在的行为异质性。根据早期久坐行为特征设计干预措施可能提高响应性,并解决标准化干预模型的不足。进一步的研究应该探讨早期久坐行为模式是否与长期结果相关,包括出院时的功能状态和中风复发率。本研究有几个值得注意的优点。首先,我们在14家康复医院进行了一项大型多中心研究,使用标准化的基于设备的测量方法客观评估了接受住院中风康复患者的久坐时间和身体活动。其次,通过研究早期康复阶段的久坐行为数量和结构特征,我们的数据为制定优化活动模式的定制策略奠定了基础。第三,尽管对基线FIM-M进行了敏感性分析,但对于大多数久坐行为结果来说,聚类特定的轨迹非常相似,表明我们的主要发现对进一步调整功能状态具有鲁棒性。

**局限性**
应该考虑几个局限性。首先,尽管我们在入院时和一个月后评估了久坐行为结果,但选择这个时间框架是为了平衡临床可行性和康复进程。由于一些患者在入院后1到2个月内出院,因此在这些固定时间点进行评估是合适的。其次,尽管这是一项多中心研究,并采用了标准化的测量协议,但在现实世界的康复环境中观察到的变异性,包括治疗强度、护理实践和病房环境的差异,可能会影响患者的行为。36,37 我们记录了总的康复时间长度,但没有收集治疗时段的内容或时间分布的详细信息。这些组织因素可能会影响观察到的久坐行为段结构。此外,由于这项研究是在日本的康复医院进行的——患者通常会接受数月的强化住院康复——因此这些发现的可推广性可能受到限制,不能直接应用于其他国家或医疗系统。未来的研究需要在不同的国际环境中进行验证,并延长随访时间。第三,我们没有实施正式的盲法程序来进行临床结果评估或日常护理。然而,主要的久坐行为结果是根据预定义的自动化VBA算法处理加速度计记录得出的,久坐行为簇是事后从这些客观数据中生成的。因此,治疗师和患者在康复期间并不知道自己属于哪个簇,久坐行为结果的系统测量偏差可能较低。尽管如此,临床评估或对设备佩戴的微妙行为反应性仍可能存在偏差。最后,虽然我们的研究关注基于久坐行为数量和结构的行为特征,但先前的研究表明,仅靠身体功能无法解释中风后身体活动变化的全部范围。38 在我们的研究中,没有评估抑郁症状和详细的认知状态,我们也不能排除这些因素可能影响久坐行为模式或簇分配的可能性。未来的研究应该考虑将心理和情境因素纳入行为表型框架中。

**结论**
本研究在中风患者住院康复期间识别出3种不同的久坐行为表型。每个亚组在久坐行为数量、模式和一个月内的纵向变化上表现出特征性的差异。我们的发现表明,在康复早期识别这些久坐行为模式有助于解释个体间的行为差异,并支持更个性化的策略来减少久坐时间。需要进一步的研究,包括长期随访和临床结果评估,以确认这一框架的临床相关性和实用性。

**致谢**
我们衷心感谢参与这项研究的参与者,以及各参与医院的支持数据收集和加速度计测量的工作人员。我们还要感谢Marie Abe(物理治疗师,理学学士)、Haruhiko Kusumi(物理治疗师,理学硕士)、Hiroki Saegusa(物理治疗师,理学硕士)和Sho Nishida(物理治疗师,理学硕士)等人在各自地点提供的宝贵帮助。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号