机器人辅助步行训练对脑患者下肢功能进行系统审查和网络元分析

科学领域:

• 康复医学 康复医学 康复医学
• 医疗保健中的机器人技术
• 儿科神经学 儿科神经学

背景情况:

• 大脑 (CP) 显著影响下肢功能,影响移动性和生活质量.
• 传统的康复方法在解决CP的复杂运动缺陷方面存在局限性.
• 机器人辅助步行训练 (RAGT) 为增强运动恢复提供了一种新的方法.

研究的目的:

• 评估RAGT在CP患者下肢功能方面的有效性.
• 为了比较RAGT中使用的不同机器人系统的有效性.
• 综合来自PC中RAGT随机对照试验的证据.

主要方法:

• 在多个数据库 (PubMed,Web of Science,Embase等) 中进行系统搜索. 这项研究将持续到2022年12月.
• 包括随机对照试验评估了下肢运动功能 (GMFM-88 D和E),平衡 (BBS),行走耐力/速度 (6MWT) 和性 (MAS).
• 使用RevMan 5.4,R 4.2.0和ADDIS 1.16.8进行了网络元分析,以比较机器人系统.

主要成果:

• 与传统治疗相比,RAGT显著改善了总运动功能测量 (GMFM-88) 评分 (D和E) 和伯格平衡量 (BBS) 评分.
• 机器人辅助步行训练也提高了6分钟步行测试 (6MWT) 的结果,表明步行耐力有所改善.
• 没有观察到步行速度或修改的阿什沃思尺度 (MAS) 性得分的显著改善. LokoHelp在GMFM-88 D和E分数中显示出成为最有效机器人的可能性最高.

结论:

• 在患有CP的个体中,RAGT显示对行走和平衡功能产生积极影响.
• 在改善步行速度和减少肌肉性的RAGT的有效性仍然不确定.
• LokoHelp成为最有前途的机器人系统,但建议进一步进行高质量的长期研究,以充分阐明RAGT的临床潜力.