使用ReoGo-J对中风患者进行机器人上肢康复的自动设置优化:一个横截面临床试验

科学领域:

• 康复医学 康复医学 康复医学
• 机器人技术 机器人技术 机器人技术
• 生物医学工程 生物医学工程
• 心理测量 心理测量 心理测量

背景情况:

• 脑卒中经常导致上肢,需要有效的康复.
• 机器人设备为结构化的上肢康复提供了潜力.
• 项目响应理论 (IRT) 为分析患者在分级任务中的表现提供了一个框架.

研究的目的:

• 开发一个基于IRT的自动化程序,用于中风后的上肢康复.
• 为了确定ReoGo-J设备的最佳机器人参数.
• 为了建立71个ReoGo-J培训项目的难度等级.

主要方法:

• 利用分级响应模型 (一种IRT) 来分析使用ReoGo-J设备的312名患者的数据.
• 在3分难度级别上评估了71项培训项目.
• 与Fugl-Meyer评估 (FMA) 对肩膀-肘部-前臂功能的得分相关的预测患者能力 (θ).

主要成果:

• 开发了一个自动化程序,并确定了71个ReoGo-J训练项目的难度顺序.
• 在预测患者能力和FMA肩膀-肘部-前臂得分之间发现了显著的高相关性 (r=0.80).
• 该计划成功估计了适当的ReoGo-J任务,提高了临床效率.

结论:

• 基于IRT的自动化程序有效地根据难度对ReoGo-J康复任务进行分类.
• 与FMA分数的强烈相关性表明,它在评估和指导康复方面具有临床实用性.
• 这种方法提高了个性化康复和中风后上肢的临床效率.