《Neural Plasticity》：Robot-Assisted Upper-Limb Rehabilitation After Stroke: A Systematic Review and Meta-Analysis of Cortical Reorganization and Neuroplasticity Biomarkers
背景：机器人辅助上肢康复在卒中后被广泛使用，但其与神经可塑性生物标志物的关联仍不确定。目的：综合机器人辅助上肢训练后的生物标志物证据，并量化干预后与非机器人对照组的效应。方法：研究人员检索了PubMed、Web of Science、Embase、Cochrane Library、EBSCOhost和Scopus，时间从建库至2025年12月31日。纳入的随机对照试验（RCTs）和非随机干预研究需招募卒中成人患者，并报告至少一种神经可塑性生物标志物。使用预先指定的比较类别；仅将主要对比（机器人辅助训练 vs. 非机器人对照）在干预后用DerSimonian–Laird随机效应模型进行合并。效应量表示为标准化均数差（SMDs；Hedges’ g）或均数差（MDs），附带95%置信区间（CIs）。结果：共纳入55项研究，包括24项RCTs。其中4项RCTs贡献了主要定量合成，每个合并终点包含2-3项试验。机器人辅助训练与改善同侧静息运动阈值（RMT；SMD 1.77, 95% CI: 0.46–3.08; k?=?2）和上肢损伤（Fugl–Meyer评估-上肢 [FMA-UE]；MD 4.48点, 95% CI: 0.33–8.62; k?=?3）相关。同侧运动诱发电位（MEP）振幅（SMD 0.52, 95% CI: ?0.31–1.34; k?=?2）和日常生活活动（ADL）的效应不确定。异质性为中度至重度，预测区间跨越无效线，证据确定性为低或极低。结论：机器人辅助训练可能改善损伤和皮质脊髓兴奋性，但随机化生物标志物证据仍然稀疏且异质。生物标志物应被解释为探索性观察，而非经过验证的替代指标或皮质修复的因果证据。
1. 引言
卒中仍是长期残疾的主要贡献因素，2019年全球疾病负担研究估计全球有1220万例新发卒中和1.01亿卒中幸存者。上肢轻瘫限制了独立性和参与度，许多个体即使接受康复也无法恢复灵巧的手部使用。训练剂量、任务特异性和练习质量决定了恢复潜力，但传统服务通常无法提供足够的重复次数和适当的进展与反馈。
机器人辅助上肢康复旨在解决这些限制。设备可提供高容量、任务导向的练习，具有标准化的进展，同时捕获运动学和动力学性能指标。临床综合评估主要通过功能结局和日常生活活动（ADL）评估机器人辅助治疗，结论受设备多样性、治疗剂量、对照强度和患者严重程度影响。机制性结局的报告不一致，很少进行定量合并，这限制了对机器人介导的练习与神经修复或重组之间关系的推断。
卒中后运动改善可反映代偿学习、恢复学习或两者兼有。代偿学习通过替代策略（如躯干代偿或近端替代）优先实现任务成功。恢复学习旨在恢复受损的运动模式并重新获得冗余手臂内的自由度，从而支持日常情境中的适应性。手臂功能依赖于多关节和效应器间的协调控制，这为同一目标提供灵活解决方案。允许通过受限解决方案成功的任务设计可能强化代偿，而塑造探索并稳定关键任务变量的设计可能支持缺失自由度的重新获得。
运动学习理论将练习结构与神经变化联系起来。当感觉预测错误可用且适当缩放时，基于错误的学习更新内部模型。使用依赖性学习反映了重复驱动的可塑性，随时间稳定优先动作。强化学习在误差信息有限或任务空间冗余时，通过基于结果的信号塑造行为。这些机制可在康复中相互作用，设备控制策略可通过操纵误差、辅助、任务成功和探索来改变主导学习信号。
机器人系统在形式和控制上存在差异，这可能影响学习需求和神经可塑性反应。末端执行器机器人（End-effector robots）在远端接触点施加力，并将交互约束于端点。外骨骼（Exoskeletons）与肢体节段对齐，可针对关节级辅助或阻力以解决多关节协调问题。可穿戴手部设备和软体机器手套（Soft robotic gloves）在更具生态效度的情境中支持抓握和释放。控制策略包括按需辅助策略（Assist-as-needed policies），根据性能调整支持；阻抗和导纳控制（Impedance and admittance control）调节触觉引导或阻力；以及放大误差或施加力场以驱动适应和探索的方法。基于强化的任务结构可奖励与恢复相关的解决方案，这些解决方案不受任务目标直接约束。
神经可塑性生物标志物通过索引皮质脊髓和网络生理学补充行为终点。经颅磁刺激（TMS）可探测与通路完整性和训练反应性相关的皮质脊髓兴奋性和皮层内回路。脑电图（EEG）可量化运动或运动想象期间的振荡动力学、偏侧性和网络交互。结构和功能神经影像可表征分布式运动系统内的重组，基于弥散的皮质脊髓测量与损伤严重程度相关。将机器人技术与神经反馈或脑机接口（BCI）相结合的混合方案可能个体化训练，但当多种技术共同提供治疗时，归因变得具有挑战性。
本系统评价与Meta分析聚焦于卒中，因为将上肢机器人技术与神经生理学或神经影像学结局联系起来的机制性证据主要集中在卒中人群中，而其他神经系统疾病的证据较少。现有综述主要综合临床结局，未提供针对神经可塑性生物标志物的专门定量合成，以及预先设定的处理生物标志物类别、设备类型、卒中阶段和混合干预的方案。本综述旨在通过识别成人卒中患者中包括至少一种与神经可塑性变化一致的神经生理学或神经影像学结局的机器人辅助上肢干预研究，并在可行时合并兼容的随机化证据，以填补这一空白。计划中的合成还评估设备类型和控制策略如何映射到可能支持皮质重组的运动学习机制，同时通过亚组和敏感性分析将独立机器人技术与混合方法分离。
2. 材料与方法
2.1. 方案注册与报告
方案于2025年1月18日在PROSPERO注册（CRD42025635558），并于2026年1月10日更新（版本2.0）。在迭代起草和内部修订后，提交了另一份行政性更新（日期2026年2月1日），以使公开记录与最终稿件对齐；此次更新澄清了措辞和透明度项目，未改变核心资格标准、预先指定的定量合成关键结局或计划的主要分析。因此，该记录不应被解释为严格意义上的完全前瞻性，但版本历史提供了带有时间戳的修订审计轨迹。报告遵循PRISMA 2020指南和检查表。完整的可重复性细节、决策规则和完整搜索策略见支持信息2：材料S2（附录S1）。
2.2. PICO框架
综述问题采用PICO框架构建，定义目标人群、干预类别、对照和预先指定的结局。人群包括年龄≥18岁的缺血性或出血性卒中患者，伴上肢运动障碍。干预为通过末端执行器机器人、外骨骼、可穿戴手部设备或软体机器手套提供的机器人辅助上肢康复。定量合成中，研究被分组为预先设定的对比：(i) 机器人辅助康复 vs. 非机器人康复（剂量匹配的常规治疗或常规护理）（主要）；(ii) 机器人辅助康复加辅助治疗 vs. 相同机器人训练单独（次要）；(iii) 脑机接口（BCI）引导的机器人训练 vs. 假BCI或仅机器人训练（探索性）。合格结局需包括至少一种与神经可塑性变化一致的神经生理学或神经影像学测量，包括TMS指标、EEG特征以及来自功能性磁共振成像（fMRI）、功能性近红外光谱（fNIRS）或基于弥散的结构成像的神经影像学结局。无对照的单组前后干预研究在以下情况时可纳入制图：实施了明确的机器人辅助上肢干预，且前后神经可塑性生物标志物与干预期有明确时间关联。
2.3. 纳入标准
合格研究纳入成人卒中患者，并报告作为旨在改善运动表现的机器人辅助上肢干预。研究设计包括随机对照试验（RCTs）和非随机干预研究。当生物标志物数据可提取时，非随机对照干预研究和单组前后干预研究（包括可行性/试点研究）均合格。纳入混合神经系统诊断的研究仅在卒中数据可单独报告或可从作者处获取时合格。观察性设计仅在实施明确机器人干预且前后神经可塑性结局与干预期有明确关联时合格。研究需报告至少一种神经生理学或神经影像学结局，这些结局将神经可塑性操作定义为神经活动、网络组织、皮质脊髓功能或结构连接的可测量变化。对于主要Meta分析，随机试验仅在机器人辅助训练与非机器人对照进行比较时合格；双臂均接受机器人治疗的研究被保留但按对比类别分析。以英文发表的全文文章合格。结合机器人技术与虚拟现实（VR）、BCI控制或神经反馈的混合干预，在机器人辅助训练仍为主要治疗驱动因素（机器人提供核心运动练习和剂量）时合格。预先指定排除混合干预后的敏感性分析以评估稳健性。
2.4. 排除标准
排除参与者不为卒中的研究；机器人设备仅针对下肢的研究；设备仅作为评估工具而无治疗训练程序的研究。排除不含神经可塑性结局或仅限外周生理学且无明确神经解释的研究。排除未提供适合合成的原始临床数据的文章，包括叙事综述、系统综述、Meta分析、指南、社论、信件、评论、研究方案和缺乏完整方法学报告及可提取结果的会议摘要。排除无干预的病例报告和横断面研究。排除非英文全文文章，以确保神经生理学和神经影像学方法的一致解释，并允许完整、可重复的数据提取；此限制还降低了误分类高度敏感性生物标志物定义和分析选择的风险。
2.5. 报告标准与搜索策略
检索PubMed、Web of Science、Embase、Cochrane Library、EBSCOhost和Scopus，时间从建库至2025年12月31日，最终搜索于2026年1月12日执行。按数据库调整受控词汇（MeSH/Emtree），并辅以自由文本关键词，无时间限制。三个核心字符串分别覆盖卒中、上肢机器人和模态术语：(1) TMS/EEG，(2) fMRI/弥散成像，(3) fNIRS。
2.6. 研究选择
两名审稿人（Rocco Salvatore Calabrò和Andrea Calderone）独立筛选标题/摘要，然后使用预定义资格标准评估全文。各阶段独立做出决定，分歧通过讨论达成共识；若未达成共识，由第三名审稿人（Serena Filoni）裁决。全文阶段，通过重新应用预设标准解决分歧。计算各筛查阶段的一致性统计量。审稿人间一致性良好，标题/摘要筛选的Cohen kappa值为0.71，全文资格评估为0.75。PRISMA流程图见结果部分。
2.7. 数据提取与结局
两名审稿人独立提取设计、参与者、卒中特征、干预/对照细节及结局，并交叉核对准确性。联系作者获取缺失或不清数据。主要结局为神经可塑性生物标志物，预先选择关键结局用于定量合成：同侧静息运动阈值（RMT）（主要）和同侧运动诱发电位（MEP）振幅（关键次要）在干预后即刻。次要临床结局为干预后的Fugl–Meyer评估-上肢（FMA-UE）总分和Barthel指数/改良Barthel指数。对于TMS，当两者均报告时优先选择RMT而非主动运动阈值；尽可能提取非条件单脉冲MEP振幅；当报告多个肌肉/条件时，提取试验定义的主要测量。干预后定义为干预结束后最近的首次评估；随访分组为FU1（1-3个月）和FU2（≥6个月）。优先选择变化分数；否则使用干预后值。当报告时，提取其他已验证的上肢/活动测量（如动作研究手臂测试和Wolf运动功能测试）、ADL量表、运动学性能指标、依从性和不良事件，以支持临床解释和安全性报告。
2.8. 偏倚风险、数据合成与统计分析
随机试验使用RoB 2评估五个领域；非随机干预研究使用ROBINS-I评估，由两名独立审稿人进行，通过共识解决分歧。
当≥2项随机试验报告来自可比任务、时间点和指标的可兼容结局时，计划进行Meta分析。主要定量合成合并机器人辅助康复 vs. 非机器人对照；辅助治疗 vs. 仅机器人对比和BCI vs. 假/仅机器人对比分别合成，不与主要对比合并。随机效应模型为默认合并模型，使用DerSimonian–Laird估计量和逆方差加权，在敏感性分析中检查固定效应模型。均数差（MDs）用于直接可比单位，而Hedges’ g在量表/单位或采集条件存在实质差异时使用。当变化分数方差需要前后相关性时，以r?=?0.50作为主要值进行插补，并在敏感性分析中探索r?=?0.25和r?=?0.75。效应方向对齐，使正值表示改善；结局中较低值表示改善的在合并前进行符号反转。缺失标准差尽可能从标准误、置信区间（CIs）、p值或检验统计量推导；否则记录来自相似研究/时间点的插补。使用I
2和τ
2总结异质性，并在可行时报告预测区间。预先设定的亚组因素包括机器人类型、卒中阶段、训练剂量、生物标志物家族以及混合与独立干预。敏感性分析比较固定效应和随机效应模型，排除高偏倚风险研究和混合研究，并进行留一分析。具有共享对照的多臂试验通过合并相似机器人臂或将对照组拆分至各比较来处理。叙事合成遵循SWiM指南；研究按生物标志物家族和设计分组，效应在适当时进行定量总结，否则按效应方向总结。非随机干预研究因混杂因素谨慎合成。
为保持跨研究设计的可解释性，随机化和非随机化证据未在任何合并估计中结合。RCTs用于在结局、时间点和对比足够兼容时估计比较干预效应。非RCTs和单组前后研究被保留以映射生物标志物模态、描述机制信号并识别产生假设的生物标志物-行为关联，但这些设计不用于加强因果主张，因为混杂、自发恢复、并发康复和选择性报告可能导致观察到的变化。因此，非随机化发现以叙事方式总结，并解释为探索性证据。
2.9. 证据确定性及发表偏倚
使用GRADE领域（偏倚风险、不一致性、间接性、不精确性和发表偏倚）按结局评估证据确定性。随机化证据从高确定性开始，任何领域若有严重问题降一级，非常严重问题降两级。偏倚风险降级由RoB 2判断及局限性是否可能实质性影响效应估计指导。不一致性考虑异质性大小、CIs重叠及共同效应方向的合理性。间接性反映人群、干预实施、对照强度、生物标志物采集或结局定义与综述问题的偏离。不精确性考虑CI宽度及区间是否同时包含微小和有意义的机制或临床效应，并在可行时结合可用信息量。为RMT、MEP振幅、FMA-UE和Barthel/改良Barthel在干预后准备了证据总结表。当≥10项研究贡献时计划漏斗图和Egger回归。证据概况和降级理由见支持信息2：材料S2（附录S1）。
3. 结果
数据库搜索从六个来源获得3627条记录，未从注册库识别记录。去除重复后排除1608条，筛选前排除1条非英文记录。标题/摘要筛选对2018条记录进行，排除305条因研究设计不合格。寻求1713篇报告全文，全部获取；资格评估排除1658篇。最终综述纳入55项研究。研究选择过程见图1。
3.1. 纳入证据与临床背景
纳入证据包括24项RCTs和31项非随机干预研究，评估卒中后上肢机器人辅助康复并至少含一项神经可塑性生物标志物结局。研究目标从估计临床效果到表征训练相关的皮质脊髓兴奋性、振荡动力学或网络级测量变化。参与者为缺血性或出血性卒中成人伴上肢运动障碍，队列涵盖亚急性和慢性阶段（按单个报告定义）。基线严重程度、病变描述和共病障碍报告不一，限制了一致的按生物恢复能力分层。干预后评估是临床和生物标志物结局的主要终点，而随访较少见，通常限于选定测量而非统一面板。支持信息3：材料S3提供完整研究级提取总结。
机器人干预在设备架构和训练目标上具有异质性。末端执行器平台和手部聚焦系统常见，外骨骼方法、可穿戴手部设备、软体机器手套和神经引导机器人范式也有代表。干预内容从近端达到到远端手部张开/闭合或整合多个效应器的联合程序。按需辅助和自适应难度范式频繁使用，常嵌入丰富反馈或游戏化训练环境。对照条件差异显著，涵盖剂量匹配的常规治疗、结构化非机器人训练和常规护理康复。背景治疗和共干预有时以一般术语描述，对照强度的量化记录报告不一致，这在解释机器人相对于更广泛康复程序的增量效应时尤为重要。
一部分随机化证据符合预设定量合成条件，聚焦于机器人辅助训练 vs. 非机器人对照。八项RCTs贡献了至少一个预设干预后关键结局数据，涵盖三个预设比较类别。四项RCTs满足主要合并对比（机器人辅助训练 vs. 非机器人对照在干预后即刻）标准，贡献了至少一个关键合并结局。这些试验的关键特征（卒中阶段、设备类型、对照类型、剂量、干预后分析样本及贡献结局）总结于表1。双臂均接受机器人治疗（机器人+辅助治疗 vs. 仅机器人）或机器人练习相同仅引导/偶联成分不同的试验被保留用于结构化描述，但不与主要对比合并，因为此类对比估计机器人基础上的增量效应而非机器人 vs. 非机器人护理的效应。
3.2. 神经可塑性生物标志物家族与测量异质性
神经可塑性结局分为源自TMS、电生理学（主要为EEG）和神经影像/血流动力学方法（包括fMRI、弥散成像和fNIRS）的测量。许多研究将神经可塑性操作化为皮质脊髓兴奋性、半球间平衡、半球参与和网络级连接等构念。生物标志物常作为次要或探索性终点分析，预指定单一主要生物标志物终点不常见；几项研究报告了来自同一采集的多个相关特征。选择、采集方案和分析策略的测量异质性限制了可比性，并约束了除预设终点外的定量合成。
基于TMS的研究最常报告皮质脊髓兴奋性和半球间平衡指标，包括RMT、MEP振幅或MEP存在性，以及抑制/易化测量如SICI或相关配对脉冲指标。一些报告包括额外标志物如运动映射参数或静息期测量，并检查了混合方案中的刺激-训练交互或时间效应。报告常强调组内变化，采集条件（如强度选择、目标肌肉和缺失反应处理）各研究间不同。解释组间差异所需的细节（如结果反映变化分数 vs. 干预后值，模型是否调整基线）报告不一致。对缺失MEP的预先设定处理不常见，限制了在严重损伤队列中基于振幅对比的可解释性。
EEG研究描述了振荡功率、运动想象或任务执行期间的事件相关去同步/同步模式、半球对称指数（包括rBSI及相关测量）、偏侧性指数和连接指标的变化。几项报告还包括非周期活动测量（如光谱指数），反映康复过程中皮质动力学的更广泛变化。预处理流程、频带定义、通道/区域选择和统计校正方法的多样性限制了直接跨研究比较，通常排除了合并。用于引发感觉运动活动的任务各异（运动想象 vs. 运动执行或被动 vs. 主动范式），这与生物标志物方向性和幅度可能取决于任务需求、努力和注意力相关。
神经影像和血流动力学研究描述了使用任务态或静息态fMRI、弥散张量成像和fNIRS的激活模式、半球参与和网络连接变化。fNIRS研究常报告与任务相关的氧合血红蛋白反应和偏侧性指数，一些研究探索了运动与前额叶区域间的静息态连接；方案在光极位置、任务和区域选择上不同。基于MRI的研究检查了激活偏移、静息态连接以及基于弥散的皮质脊髓束完整性指标，常将这些测量与并发临床状态关联。结局常以区域指数或探索性网络指标表示，限制了跨研究终点的协调。
生物标志物与行为结局之间的探索性关联常通过变化分数的研究内相关性或使用基线生物标志物测量的预测模型进行评估。报告了皮质脊髓兴奋性或网络测量变化与上肢运动量表或任务表现变化之间的关联。相关系数、模型规范、协变量调整和多重性控制的报告不一致，且与临床有意义轨迹对齐的重复测量设计不常见。因此，大多数生物标志物-行为关系被报告为探索性关联，而非预先设定的机制检验。
3.3. 跨设计的偏倚风险模式
RCTs使用RoB 2评估。总体而言，24项试验中9项被评为高偏倚风险，15项为一些问题。最反复出现的局限性与报告结果的选择有关，23项试验存在一些问题，1项存在高偏倚风险。额外问题涉及随机化过程和缺失结局数据，而结局测量通常被评为低风险。这些模式表明，几项随机试验提供了有用的比较证据，但生物标志物结局常易受不完整的前瞻性规范和分析灵活性影响。
非随机干预研究使用ROBINS-I评估。31项研究中20项被分配关键偏倚风险，11项为严重风险，混杂是主要驱动因素。参与者选择、偏离预期干预和结局测量的偏倚也贡献于几篇报告。因此，非随机化生物标志物发现被视为探索性和产生假设的，特别是在神经变化无并发对照比较或在自发恢复、背景康复或共干预可能解释观察到的变化的背景下报告时。偏倚风险总结概况见图2（随机试验）和图3（非随机研究）。
3.4. 干预后预设关键结局的定量合成
当至少两项RCTs报告主要机器人 vs. 非机器人对比在干预后即刻的可兼容结局时，使用随机效应模型。合并分析有意限制于随机化证据和主要对比，以避免混淆机器人效应与辅助、BCI引导或仅机器人比较效应。GRADE确定性评级报告于表2，合并估计总结于表3并显示于图4，关键干预后结局的敏感性分析报告于支持信息4：材料S4。
同侧RMT从两项试验合并，共69名参与者。合并估计支持机器人辅助训练（标准化均数差 [SMD] 1.77, 95% CI: 0.46 to 3.08），但异质性显著，预测区间跨越无效线，表明预期效应可能在不同设置和方案间变化。证据确定性低，原因是不一致性和不精确性。
同侧MEP振幅从两项试验合并，共73名参与者。合并估计不精确且与无效应兼容（SMD 0.52, 95% CI: ?0.31 to 1.34），存在中度异质性，预测区间跨越无效线。证据确定性极低，原因是偏倚风险、不一致性和不精确性。
使用FMA-UE测量的上肢损伤从三项试验合并，共97名参与者。合并均数差（MD）支持机器人辅助训练（MD 4.48点, 95% CI: 0.33–8.62），但异质性中度，预测区间跨越无效线。证据确定性低，原因是不一致性和不精确性。
使用Barthel指数或改良Barthel指数测量的ADL从三项试验合并，共93名参与者。合并估计不精确且与无效应兼容（SMD 0.38, 95% CI: ?0.81 to 1.57），存在显著异质性和宽预测区间。证据确定性极低，原因是偏倚风险、不一致性和不精确性。
在所有合并结局中，贡献试验数量少（k?=?2–3），预测区间跨越无效线，确定性范围为低至极低。这些发现支持对合并点估计的谨慎解释，并排除了基于当前随机化证据的强机制或临床主张。
3.5. 合并结局及主要对比之外的证据
大多数生物标志物结局无法合并，因为它们被操作化为多个区域、通道或网络级测量，采集和分析流程不同，或报告未提供足够定量细节以计算兼容效应量。按研究设计和时间点的生物标志物证据分布总结于图5。EEG结局在干预后即刻报告最多，少量延伸至短期随访。影像和血流动力学结局集中于干预后，超出该点的代表有限。弥散和fMRI研究也集中于干预后，随访影像不常见。证据图强调了长期生物标志物轨迹的可及性有限，以及将生物标志物变化与持续临床结局对齐的多模态设计稀缺。
额外预设比较类别在研究个体水平总结而非合并，以避免混淆不同对比。这些对比的个体研究效应报告于表4。其中包括机器人作为平台且对比分离出辅助治疗或引导/偶联成分（机器人+辅助治疗 vs. 仅机器人；神经引导/BCI vs. 非偶然/假引导伴相同机器人练习），以及具有依赖性的设计（如交叉时序比较）阻碍独立合并。因此，这些效应的解释限于机器人平台内的增量效应，而非机器人 vs. 非机器人对照的证据。
3.6. 安全性与耐受性
安全性报告具有异质性。37项研究明确表示未报告不良事件，而18项研究提供了一些不良事件信息。报告的事件通常为轻度且短暂，包括疲劳、头痛、刺痛、发红以及肌肉骨骼或肩部不适。一项随机试验报告了一例轻微癫痫发作，已解决无后遗症，并导致干预中止。不完整和不一致的不良事件报告限制了对不同设备、卒中阶段和混合干预成分耐受性的比较评估。
4. 讨论
4.1. 证据能回答的问题
本综述涉及三个相关但不同的问题。第一是比较临床有效性：与非机器人康复相比，机器人辅助上肢训练是否能改善临床结局。第二是机制观察：机器人辅助训练是否伴随着神经生理学或神经影像学生物标志物的可测量变化。第三是机制关联：生物标志物变化是否解释、预测或介导行为改善。
当前证据最强的部分是对于损伤级变化的谨慎陈述，最弱的是因果机制关联。在主要随机化对比中，机器人辅助训练与FMA-UE改善和同侧RMT在干预后即刻的合并偏移相关。然而，每个合并终点仅基于2-3项试验，异质性中度至重度，预测区间跨越无效线，确定性范围低至极低。因此，合并估计应被解释为初步比较信号，而非一致的机器人诱导神经可塑性机制的确定性证据。
非随机化文献通过描述跨多种机器人范式的EEG、fNIRS、fMRI、弥散和TMS发现，拓宽了机制图谱。尽管如此，这些研究主要用于产生假设。它们既不能确定机器人训练导致观察到的生物标志物变化，也不能确定此类生物标志物变化介导了临床恢复。这一区别指导了本综述的合成，并应塑造对综述的解释。
4.2. 临床结局：损伤改善与日常活动转化的不确定性
FMA-UE的合并估计表明，与非机器人对照相比，机器人辅助训练可在治疗结束时改善上肢损伤。同时，异质性和预测区间表明获益并不一致，很可能依赖于情境。变异在多个层面合理。干预在设备类型和靶点（手部聚焦 vs. 近端平台）、辅助策略和总剂量上不同。对照强度也不同：剂量匹配的主动治疗可减少组间差异，而常规护理对照可能允许更大的增量效应。试验人群在卒中阶段和严重程度上不同，基线生物恢复能力很可能影响对任何高剂量运动练习的响应性。
临床意义还取决于恢复评估的层级。损伤量表捕捉标准化检查框架内的变化，但损伤量表的改善不保证偏瘫肢体自发使用的改善或日常活动独立性的改善。在合并结果中，转化为整体ADL的证据较弱。Barthel/改良Barthel效应高度异质且不精确，被评为极低确定性。几种非排他性解释是合理的。Barthel型测量不特定于上手脚巧，可能存在天花板效应，限制了对手部功能变化的敏感性。如果任务练习不涉及情境特定活动，如果学习策略依赖不泛化的辅助，或其他限制性损伤（如平衡、认知和失语症）约束功能，损伤改善可能不转化为独立性。时间也很关键：参与级变化可能滞后于损伤改善，当采取日常行为需要时间和环境支持时，干预后即刻评估可能低估下游功能效应。
损伤改善与ADL不确定性之间的不平衡不应被解释为机器人治疗临床无关的证据。相反，它凸显了当前试验对参与级结局的支持有限且不一致，且试验设计必须使干预靶点与结局选择对齐。纳入功能任务表现、现实世界手臂使用和运动质量测量，以及损伤量表和更长随访的研究，将加强解释并更好匹配临床优先级。
4.3. 解释生物标志物变化：测量变异与任务不匹配
TMS结局是主要随机化对比中唯一符合合并条件的机制终点。合并RMT发现表明机器人辅助训练可能与干预后的一致偏移相关，该偏移符合皮质脊髓兴奋性增加，但此估计仅基于两项试验，异质性显著，确定性仍低。MEP振幅也基于两项试验，显示不精确估计且与无效应兼容。因此，这些发现应谨慎解释。RMT和MEP振幅对方案选择、基线皮质脊髓束完整性、刺激强度、目标肌肉、预激活状态以及缺失或接近零响应的处理敏感。在更严重轻瘫的队列中，缺失MEP尤为重要，不同分析决策可能以生理上难以解释的方式改变组估计。
基于EEG、fNIRS和MRI的研究表明，机器人辅助训练可伴随着分布式运动和认知控制网络的变化。然而，这些模态使用异质性任务、预处理流程、感兴趣区域和结局定义报告。因此，这些发现最好被解释为训练期间或之后神经参与的证据，而非直接可比的恢复生物标志物。
生物标志物的临床意义还取决于测量情境。静息测量可能无法捕捉训练动作期间使用的神经控制策略，而任务态测量更直接与表现相关，但更易受努力、注意力、疲劳、任务设计和分析选择影响。未来试验应预指定生物标志物采集和分析流程，将神经测量与训练行为对齐，并报告如何处理缺失或缺失响应，尤其是缺失MEP。
4.4. 恢复与代偿以及生物标志物-行为关联的局限性
神经动力学变化不应自动等同于行为恢复。卒中后，运动改善可反映受损运动控制的恢复、通过替代运动策略的代偿，或两者兼有。这一区别对机器人康复至关重要，因为设备约束、辅助水平、反馈和任务目标可塑造运动成功的实现方式。若无并发运动学或运动质量测量，难以确定神经变化反映病前控制的恢复、适应性代偿、非特异性训练暴露还是并发康复效应。
生物标志物-行为关系常被报告为相关性或探索性预测模型。这些分析对于产生关于反应性和生物恢复能力的假设有用，但它们不确立中介或因果关系。更强的机制推断需要试验证明干预改变生物标志物、生物标志物变化先于或预测行为变化，且该关系在考虑基线严重程度、剂量、对照强度和其他合理混杂因素后仍稳健。
4.5. 异质性、归因与混合机器人范式
合并结局和更广泛生物标志物文献中观察到的异质性可能反映多个层面的变异。患者因素包括卒中阶段、严重程度和生物恢复能力，这些既影响训练的响应性，也影响某些生物标志物的可行性和稳定性。干预因素包括设备类型、训练靶点（近端达到 vs. 远端手部功能）、辅助策略、反馈模态和总剂量。对照因素包括非机器人治疗的强度和内容，以及共干预是否平衡或记录。这些变异来源不仅仅是统计噪声；它们代表合理的效应修饰因子，应指导未来试验设计和分层分析。然而，当前证据库中随机化机制结局过于稀疏，无法支持稳健的亚组结论。
混合设计增加了额外的归因复杂性。比较机器人加辅助方法与仅机器人练习的随机研究，或比较脑引导/神经偶联控制与通过同一机器人设备提供的非偶联或假引导的随机研究，估计的是机器人基础上的增量效应，而非机器人 vs. 非机器人康复的效应。因此，这些效应最适合被解释为关于辅助治疗或机器人平台内偶联附加值的证据，而非机器人本身的证据。更广泛的意义是，机制主张应保持与实际测试的比较对齐。
4.6. 对实践的启示及研究优先事项
对于临床实践，当前证据支持机器人辅助上肢康复作为结构化方式，在卒中后提供重复、任务导向的练习。最可辩护的临床结论处于损伤水平：与非机器人对照相比，机器人辅助训练可能在治疗结束时改善FMA-UE评分。ADL证据仍不确定，当前生物标志物发现不应作为功能恢复的常规替代指标。
临床上，机器人治疗在整合到更广泛康复计划中而非作为孤立技术交付时可能有用。计划应定义患者特定目标，记录剂量和对照治疗，监测运动质量，并将设备支持的重复与日常生活相关的任务特定练习结合。患者选择、卒中阶段、基线严重程度、残余皮质脊髓完整性、认知和主动参与能力均可能影响响应。
对于研究，未来试验应优先考虑足够功效的随机化设计，配备主动剂量匹配对照、协调的生物标志物方案、透明的共干预报告和纵向随访。机制终点应预指定并与运动质量和功能结局关联。生物标志物分析应区分探索性关联与临床有意义效应，除非直接测试此关系，否则应避免将神经变化视为替代终点。
4.7. 优势与局限性
本综述具有若干方法学优势。工作遵循PRISMA 2020指南，透明报告资格标准、筛选和合成决策。搜索策略覆盖多个主要数据库，未设时间限制，降低了遗漏基础机制研究的可能性。研究选择和提取由两名审稿人独立进行，审稿人间一致性良好（标题/摘要筛选Cohen’s kappa 0.71，全文评估0.75），分歧通过共识解决，必要时裁决。偏倚风险使用针对研究设计定制的有效工具评估（RoB 2用于随机试验，ROBINS-I用于非随机干预研究），支持结构化内部有效性评估。预设关键结局的证据确定性使用GRADE评估，并在专门的证据总结表中总结，有助于使结论与证据强度和不确定性对齐。
为改善可解释性并减少过度归因，做出若干设计选择。比较类别预指定，Meta分析限制于主要对比（机器人辅助训练 vs. 非机器人对照）在首次干预后评估，而辅助治疗加机器人和引导/偶联比较分别合成。此方法避免混淆机器人效应与其干预或平台特定引导的增量效应。使用随机效应模型以考虑预期临床和方法学变异性，并计划敏感性分析以检查替代假设下的稳健性。当Meta分析不适当时，叙事合成遵循SWiM指南，研究按生物标志物家族和设计分组，并使用证据图澄清证据集中或稀疏之处。
重要局限性反映了原始文献的性质和合成的实际约束。证据库在机器人类型、控制策略、治疗剂量、对照强度、卒中阶段和基线严重程度上异质。这种多样性降低了合并点估计作为单一“机器人效应”的可解释性，与若干结局观察到的宽预测区间一致。仅对一小部分结局可行合并，且关键机制终点（k?=?2用于同侧RMT和MEP振幅）和临床锚点（k?=?3用于FMA-UE和Barthel/改良Barthel）贡献的随机试验数量有限，增加了不精确性并限制了效应修饰因子的探索。因每个合并分析包含少于10项研究，无法进行小研究效应和发表偏倚的正式评估；亚组/Meta回归分析不受可用数据支持。
局限性对于机制推断尤为突出。生物标志物定义和采集方案差异广泛（如TMS刺激参数和缺失MEP的处理；EEG预处理和特征选择；成像任务、感兴趣区域和连接指标）。这种异质性，连同RoB 2中识别的选择性报告问题，限制了跨研究可比性，并增加了名义上一致“方向性”生物标志物发现可能反映分析灵活性而非共享生理信号的风险。非随机化生物标志物研究常因混杂被评为严重或关键偏倚风险，这些设计的结果应解释为产生假设而非因果。稀疏的随访生物标志物数据进一步限制了对神经动力学变化持久性及其与功能恢复时间关系的结论。
最后，仅纳入英文全文可能引入语言偏倚，尽管它也降低了复杂神经生理学方法和终点误分类的风险。方案已注册并更新，带有时间戳审计轨迹；然而，初始注册后进行了部分澄清，这可能限制严格前瞻性解释，尽管核心资格标准和预设定量合成关键结局得以保持。总体而言，结论必然谨慎，并旨在反映若干关键结局的低至极低确定性以及机制试验证据的当前局限性。
对于解释而言最重要的局限性是每个合并终点可用的随机化证据库小。尽管综述整体识别了55项合格研究，主要Meta分析仅基于4项RCTs，每个合并结局仅包含2-3项试验。因此，合并点估计不应被解释为一般机器人效应的稳定估计。它们更应被理解为异质且仍在发展的机制证据库中的初步估计。
5. 结论
与非机器人对照相比，卒中后机器人辅助上肢康复可能在治疗结束时改善损伤级结局，但随机化证据仍有限。每个合并终点仅基于2-3项试验，异质性中度至重度，预测区间跨越无效线，证据确定性范围低至极低。对ADL的效应仍不确定。
神经可塑性生物标志物表明，机器人辅助训练可伴随着皮质脊髓兴奋性和分布式神经网络活动的变化，但当前证据不确立这些变化是因果的、持久的或临床上有意义的恢复替代指标。因此，生物标志物发现应被解释为探索性机制证据，而非皮质修复的证明。未来试验应使用严格的剂量匹配对照、协调的生物标志物方案、运动质量指标和明确测试生物标志物-结局关系的纵向设计。
