Summary

Verbesserung der Funktion und der motorischen Fähigkeiten der oberen Gliedmaßen nach einem Schlaganfall durch einen Rehabilitationsroboter für die oberen Gliedmaßen

Published: September 06, 2024
doi:

Summary

Dieses Protokoll beschreibt einen Rehabilitationsroboter für die oberen Gliedmaßen, der durch vier Modi intelligentes Feedback liefert. Diese Modi verbessern die Funktion und Flexibilität der oberen Gliedmaßen und verbessern so die Lebensqualität der Patienten.

Abstract

Zerebrovaskuläre Unfälle, allgemein bekannt als Schlaganfälle, stellen ein weit verbreitetes neurologisches Ereignis dar, das zu erheblichen Behinderungen der oberen Gliedmaßen führt, wodurch die Aktivitäten des täglichen Lebens tiefgreifend beeinträchtigt und die Lebensqualität des Einzelnen beeinträchtigt wird. Traditionelle Rehabilitationsmethoden für die Genesung der oberen Gliedmaßen nach einem Schlaganfall werden oft durch Einschränkungen behindert, darunter Ermüdung von Therapeut und Patient, Vertrauen auf singuläre Trainingsmethoden und mangelnde nachhaltige Motivation. Um diese Herausforderungen anzugehen, wird in dieser Studie ein Rehabilitationsroboter für die oberen Gliedmaßen vorgestellt, der eine intelligente Feedback-Bewegungssteuerung verwendet, um die therapeutischen Ergebnisse zu verbessern. Das System zeichnet sich durch seine Fähigkeit aus, die Richtung und das Ausmaß des Kraftfeedbacks dynamisch anzupassen, basierend auf der Erkennung spastischer Bewegungen während der Übungen, und bietet so ein maßgeschneidertes therapeutisches Erlebnis. Dieses System ist mit vier verschiedenen Trainingsmodi, einer intelligenten Bewertung des Bewegungsumfangs der Gelenke und der Möglichkeit, Trainingsprogramme zu personalisieren, ausgestattet. Darüber hinaus bietet es ein immersives interaktives Spielerlebnis in Verbindung mit umfassenden Sicherheitsmaßnahmen. Dieser facettenreiche Ansatz steigert nicht nur das Engagement und das Interesse der Teilnehmer über traditionelle Rehabilitationsprotokolle hinaus, sondern zeigt auch signifikante Verbesserungen der Funktionalität der oberen Gliedmaßen und der Aktivitäten des täglichen Lebens bei halbseitig gelähmten Patienten. Das System ist ein Beispiel für ein fortschrittliches Instrument in der Rehabilitation der oberen Gliedmaßen, das eine synergetische Mischung aus Präzision, Personalisierung und interaktivem Engagement bietet und damit die therapeutischen Optionen für Schlaganfallüberlebende erweitert.

Introduction

Ein Schlaganfall, der als akutes neurologisches Ereignis identifiziert wird, das durch die Verstopfung oder Ruptur von Hirngefäßen verursacht wird, unterbricht die Hirnzirkulation1 und ist damit weltweit die zweithäufigste Todesursache und eine der Hauptursachen für langfristige Behinderungen. Am ersten Tag nach einem Schlaganfall leiden bis zu 80 % der Überlebenden an einer Funktionsstörung der oberen Gliedmaßen, wobei 30 % bis 66 % sechs Monate später immer noch mit Problemen konfrontiert sind2. Nach einem Jahr berichten Menschen mit Beeinträchtigungen der oberen Gliedmaßen von erhöhter Angst, verminderter Lebensqualität und verminderter Zufriedenheit3. Darüber hinaus erreichen 16 Monate nach dem Schlaganfall nur etwa 60 % der halbseitig gelähmten Personen, die eine Krankenhausrehabilitation benötigen, eine funktionelle Unabhängigkeit bei grundlegenden täglichen Aktivitäten, wobei diejenigen, die an sensorischen, motorischen und visuellen Beeinträchtigungen leiden, signifikant stärker auf die Unterstützung des Pflegepersonals angewiesen sind4. Darüber hinaus behindert eine Dysfunktion der oberen Gliedmaßen die Nützlichkeit der Hand, was sich insbesondere durch eine erhöhte Muskelspannung bei geschwächten Beugern und Extensoren bei körperlichen Aufgaben bemerkbar macht5.

Trotz verschiedener Rehabilitationsbemühungen stellt die effektive Behandlung von Verletzungen der oberen Gliedmaßen bei Schlaganfallüberlebenden eine gewaltige Herausforderungdar 6. Ein hochintensives, sich wiederholendes Aufgabentraining hat optimale Ergebnisse gezeigt, erfordert jedoch eine erhebliche Beteiligung des Therapeuten, was zu hohen Kosten und logistischen Belastungen führt7. Daher sind kostengünstige Interventionen erforderlich, die die Arbeitsbelastung der Therapeuten nicht erhöhen und gleichzeitig das Interesse der Patienten an der Schulung erhöhen. Der Rehabilitationsroboter für die oberen Gliedmaßen kann als alternative Behandlung dienen, um hochintensive Übungen zu fördern und die Abhängigkeit von Therapeuten zu verringern1. Es handelt sich um ein neu entwickeltes intelligentes Feedback-Rehabilitationsrobotersystem für die oberen Gliedmaßen (siehe Materialtabelle). Das Gerät kann objektive Metriken (wie Geschwindigkeit, Drehmoment, Bewegungsumfang, Position usw.) ausgeben, um die Verbesserungen der Patienten zu beurteilen und zu überwachen und die Behandlung an unterschiedliche Grade der motorischen Beeinträchtigung anzupassen. Es hat eine hohe Konsistenz und Reproduzierbarkeit für einen breiten Einsatz. Darüber hinaus gibt es starke Evidenz für ein Training mit hoher Intensität, hoher Wiederholbarkeit und aufgabenorientiertem Training zur Erleichterung der motorischen Erholung nach einem Schlaganfall8.

Auf der anderen Seite sind Rehabilitationsroboter ein relativ neuartiger assistiver Behandlungsansatz mit Vorteilen wie hoher Sicherheit und Langlebigkeit9. Die American Stroke Association hat kürzlich Leitlinien veröffentlicht, in denen berichtet wird, dass robotergestütztes Motoriktraining Patienten helfen kann, die motorische Funktion und Mobilität nach einem Schlaganfall zusätzlich zur konventionellen Therapie zu verbessern10. Ein Artikel aus dem Jahr 2018 im Journal of Rehabilitation Medicine berichtete, dass die Kombination von robotergestütztem Training mit konventioneller Rehabilitation die motorische Funktion der oberen Gliedmaßen bei Schlaganfallpatienten signifikant verbessern kann, was eine klinische Förderung rechtfertigt11. Das System umfasst vier Trainingsmodi: Training mit konstanter Geschwindigkeit, kraftunterstütztes Training, aktives Training und Widerstandstraining und kann Bewertungen des Bewegungsumfangs der Gelenke durchführen. Eine Überprüfung der robotergestützten Rehabilitation von Patienten mit subakutem Schlaganfall zeigte, dass robotische Interventionen die Funktionen der oberen Extremitäten, insbesondere der Schulter-, Ellbogen- und Unterarmleistung, signifikant verbesserten, wie mit dem Functional Independence Measure und der Fugl-Meyer Assessment Scale bewertet. Diese Interventionen verbesserten auch die Aktivitäten des täglichen Lebens und verbesserten die Lebensqualität10.

Ziel dieser Studie ist es, die Wirksamkeit eines intelligenten Feedback-Rehabilitationsroboters bei der Rehabilitation der motorischen Funktionen der oberen Gliedmaßen bei Patienten mit früher Hemiplegie nach einem Schlaganfall zu evaluieren und eine wissenschaftliche Grundlage für Rehabilitationsstrategien für Schlaganfallpatienten mit Hemiplegie zu schaffen.

Protocol

Diese Studie wurde von der Ethikkommission des First Affiliated Hospital der Zhejiang University, China, genehmigt und alle Forschungsprotokolle wurden in Übereinstimmung mit den Prinzipien der Deklaration von Helsinki formuliert. Alle Patienten gaben eine schriftliche Einverständniserklärung zur Teilnahme an dieser Studie ab. Die Studie rekrutierte 24 Patienten mit Hemiplegie der oberen Extremitäten, die von Januar 2023 bis Juni 2023 auf der Rehabilitationsstation des First Affiliated Hospital der Zhejiang University aufgenommen wurden. Einschlusskriterien waren: erster ischämischer oder hämorrhagischer Schlaganfall, der durch bildgebende Verfahren (CT oder MRT) bestätigt wurde, im Alter von 45 bis 75 Jahren, innerhalb von 6 Monaten nach Auftreten, Beeinträchtigung der motorischen Funktion der oberen Extremitäten und einseitige Hemiplegie (Fugl-Meyer Assessment for Upper Extremity, FMA-UE ≤40)12,13, modifizierte Ashworth-Skala ≤214, Mini-Mental State Examination (MMSE) >20 (Hinweis auf eine ausreichende kognitive Funktion)15und ein klinisch stabiler Zustand mit gut kontrollierten Grunderkrankungen und einer unterzeichneten Einverständniserklärung. Ausschlusskriterien waren: instabiler intrakranieller Zustand, kognitive und sprachliche Beeinträchtigung, Schultersubluxation, Beeinträchtigung der Beweglichkeit von Schulter/Ellbogen/Handgelenk, schwere Spastik (Ashworth 3-4) und Sehbehinderung. Die Details des Roboters und der Software, die in dieser Studie verwendet wurden, sind in der Materialtabelle aufgeführt. 1. Studiendesign Generieren Sie mit der SAS-Software eine Zufallszahl, um alle Patienten in zwei Gruppen aufzuteilen: experimentell und Kontrollgruppe mit jeweils 12 Patienten. Durchführung einer ersten Beurteilung der motorischen Funktion und der Selbstversorgungsfähigkeit der oberen Gliedmaßen anhand von FMA-UE12, Brunnstrom-Score (BRS)16 und modifiziertem Barthel-Index (MBI)17 durch einen verblindeten Rehabilitationstherapeuten. Verabreichen Sie allen Patienten während der gesamten Studie eine grundlegende medikamentöse Therapie, wobei der Schwerpunkt auf der Blutdruckkontrolle, dem Blutzuckermanagement, der Blutfettregulierung, der Anfallsprävention usw. liegt. Geben Sie der Kontrollgruppe täglich 30 Minuten routinemäßiges Rehabilitationstraining für die oberen Gliedmaßen, einschließlich aktivem und passivem Gelenktraining, Muskelstärkung und Fingerbewegungsübungen18.Planen Sie zusätzlich täglich 30 Minuten Schleifbretttraining ein19. Bieten Sie eine spezialisierte Therapie für Funktionsstörungen der unteren Gliedmaßen, Aphasie, Dysphagie und andere Funktionsstörungen an, die von professionellen Therapeuten benötigt wird und acht Wochen lang fünfmal pro Woche verabreicht wird. Bieten Sie der Versuchsgruppe täglich die gleiche 30-minütige routinemäßige Rehabilitationstherapie für die oberen Gliedmaßen an wie der Kontrollgruppe, ergänzt durch täglich 30 Minuten Training des Rehabilitationsroboters für die oberen Gliedmaßen. Bieten Sie eine gleichwertige Therapie für andere Funktionsstörungen an, wie sie der Kontrollgruppe zur Verfügung gestellt wird. 2. Spezifische Operationsschritte für den Rehabilitationsroboter der oberen Gliedmaßen Bewertung des Bewegungsumfangs der Gelenke und der motorischen RegelungsfähigkeitBitten Sie den Patienten, sich vor den Roboter zu setzen und die Brust einen Schlag von der Plattform entfernt zu halten (Abbildung 1). Legen Sie die betroffene Hand auf den Endprozessor des Roboters und verwenden Sie Handschuhe und Bindemittel, um das Handgelenk und die Hand zu sichern, um ein Abrutschen während des Trainings zu verhindern. Bitten Sie den Patienten, den Oberarm maximal zu bewegen und so weit wie möglich zu strecken.HINWEIS: Das Instrument zeichnet automatisch die Bewegungsbahn der Hand des Patienten auf, um den aktiven Gelenkbewegungsbereich des Patienten zu bestimmen. Lege die gesunde Hand auf die betroffene Hand und bewege den betroffenen Oberarm mit Hilfe der gesunden Seite maximal.HINWEIS: Das Instrument zeichnete die Bewegungsbahn der Hand des Patienten auf und ermittelte den passiven Bewegungsumfang des Gelenks. Passive Bewegungsumfangsmessungen können vom Therapeuten unterstützt werden, wenn der Patient eine beidseitige Mobilitätseinschränkung hat. Legen Sie die Bewertungsparameter für die Motorsteuerung fest, einschließlich Zielwiederholungszeiten, Einzelübungszeit und Einzelentspannungszeit.HINWEIS: Die Bewertungsparameter für die motorische Kontrolle wurden vom Therapeuten entsprechend dem FMA-UE-Score12des Patienten und wöchentlichen Auswertungen unter Verwendung des eingebauten Bewertungssystems des Roboters festgelegt, wie z. B. die Erhöhung der Schwierigkeit für Teilnehmer mit besserer Kraft der oberen Gliedmaßen, die Erhöhung der Anzahl der Wiederholungen und die Verkürzung der Ruhezeit, um die motorische Kontrolle des Patienten genauer zu beurteilen. Steuern Sie den Zielpunkt, um sich entsprechend dem auf dem Bildschirm angezeigten Bewegungspfad und der Bewegungsrichtung in verschiedene Richtungen zu bewegen.HINWEIS: Das Instrument bewertet die motorische Kontrollfähigkeit des Patienten entsprechend der motorischen Leistung des Patienten. Auswahl des TrainingsmodusWählen Sie den isokinetischen passiven Trainingsmodus, wenn sich die Muskeln der oberen Extremitäten des Patienten nicht oder nur in geringem Maße zusammenziehen können (BRS 1-2).HINWEIS: Der Roboter bietet vollständige Hilfe, um die betroffene obere Extremität für die Übungsaufgabe des passiven Bewegungstrainings zu fahren. Wählen Sie den Trainingsmodus für Hilfsbewegungen , wenn die obere Extremität des Patienten teilweise Gelenkbewegungen ausführen kann, die Bewegung jedoch sehr gering ist und die willkürliche Bewegungsfähigkeit schlecht ist (BRS 3).HINWEIS: Das System kann die entsprechende Hilfskraft in Echtzeit entsprechend dem tatsächlichen Kraftgrad des Patienten bereitstellen und die aktive Teilnahme der oberen Extremität des Patienten während des gesamten Trainingsprozesses in größtmöglichem Umfang induzieren, um den richtigen Bewegungsmodus zu bilden. Wählen Sie den aktiven Trainingsmodus, wenn die Muskelkraft der oberen Gliedmaßen des Patienten große Kräfte oder Teilwiderstände erzeugen kann (BRS 4).HINWEIS: Der Roboter kann die Hauptbewegungsfähigkeit der oberen Gliedmaße des Patienten weiter stärken. Wählen Sie den Widerstandstrainingsmodus , um die Genauigkeit und Zielkontrolle der oberen Extremität des Patienten weiter zu verbessern, wenn die Kraft der oberen Gliedmaßen des Patienten bereits stark ist und einem größeren Widerstand standhalten kann (BRS 5-6). Auswahl der TrainingsverfahrenWählen Sie das Trainingsverfahren und beachten Sie, dass das System mehr als 10 interessante Spielprogramme bietet, so dass die Patienten verschiedene VR-Szenen und interaktive Erfahrungen erleben können, was die Trainingsbegeisterung der Patienten erheblich verbessert (Abbildung 2). Einstellen von SpielparameternStellen Sie die Trainingszeit entsprechend der körperlichen Verfassung des Patienten ein, die im Allgemeinen etwa 10-20 Minuten betragen kann.HINWEIS: Wenn die Kraft der oberen Gliedmaßen des Patienten gut ist, erhöhen Sie die einmalige Trainingszeit, um die Belastungstoleranz des Patienten zu verbessern. Wenn die Kraft der oberen Gliedmaßen des Patienten schlecht ist, wählen Sie eine kürzere Einzeltrainingszeit und lassen Sie den Patienten das Trainingsprogramm in mehreren Sitzungen absolvieren. Stellen Sie den Bewegungsbereich entsprechend dem bewerteten Bewegungsbereich des Gelenks ein, indem Sie zwischen vollem und mittlerem Bewegungsbereich oder kleinem Bewegungsbereich wählen. Stellen Sie den Aktivitätspfad entsprechend den Merkmalen der Oberarmmuskelkraft des Patienten ein und wählen Sie den geeigneten Aktivitätspfad, um schwache Muskeln zu trainieren und zu stärken. Stellen Sie den Wert für die Servounterstützung oder den Widerstand entsprechend der Muskelkraft des Patienten ein.HINWEIS: Während des Trainingsprozesses kann das Instrument auch die Servounterstützung und die Reibungskraft automatisch an das tatsächliche Kraftfeedback des Patienten anpassen. Stellen Sie die Schutzschwelle mithilfe der mechanischen Feedback-Technologie ein, um zu erkennen, wann die Kraft des Patienten die Schwelle erreicht, was auf Krämpfe hinweist (die sich als Unbehagen, ein plötzlicher Anstieg des Muskeltonus oder eine abnormale Gelenksteifigkeit und -blockade äußern). Das Gerät gibt einen Alarm aus und stoppt sofort, um die Sicherheit des Trainings des Patienten zu gewährleisten. Spezifischer TrainingsprozessHINWEIS: Die Patienten werden mit 2-3 Spielgegenständen pro Tag trainiert, wobei verschiedene Spielgegenstände regelmäßig gewechselt werden können.Beteiligen Sie sich an der Gemüsefarm: Bitten Sie den Patienten auf dem virtuellen Bauernhof, die kleinen Hände zu steuern, um Obst und Gemüse zu greifen und so viele Sterne wie möglich zu sammeln.HINWEIS: Diese Aktivität zielt hauptsächlich auf den Bewegungsumfang bei der Beugung und Streckung von Ellbogen und Handgelenken ab. Beteiligen Sie sich an der Verteidigung der Basis: Bitten Sie den Patienten in der Szene der virtuellen Militärbasis, das Bullseye genau zu steuern, um alle eliminierten Monster abzuschießen.HINWEIS: Diese Übung zielt darauf ab, die Muskelkontrolle im Ellbogen und Handgelenk zu verbessern und die Genauigkeit von Schussaktionen zu verbessern. Spielen Sie Farb-Völkerball: Bitten Sie den Patienten auf verschiedenen Straßen und Hindernissen, den Ball zu kontrollieren, um Hindernissen unterschiedlicher Farbe auszuweichen und Goldmünzen zu erhalten.HINWEIS: Diese Übung beinhaltet Schulter-, Ellbogen- und Handgelenksbewegungen, um die Muskelkraft und die Beweglichkeit der Gelenke zu verbessern. Navigieren Sie durch Star Wars: Bitten Sie den Patienten in der virtuellen Weltraumumgebung, die Position des Flugzeugs zu kontrollieren, um das Virus zu vernichten, während Sie Bewegungen und feindliche Angriffe vermeiden, Muskelausdauer und Reaktionskraft trainieren.HINWEIS: Dieses Training steigert die Ausdauer, Reaktionsgeschwindigkeit und Genauigkeit der oberen Gliedmaßen und verbessert die Koordination und Kraft von Ellbogen und Schultern. Nehmen Sie an Qualitätsbällen teil: Bitten Sie den Patienten, den Ball zu kontrollieren, um das Bullauge zu erreichen und darin zu bleiben. Je näher der Ball am Bullauge ist, desto höher ist die Punktzahl.HINWEIS: Diese Aktivität trainiert die Beugung des Ellbogens, die Streckung, die Schulteradduktion, die Abduktion und aktiviert den Bizeps und Trizeps für eine präzise Kontrolle. Spielen Sie Super-Ping-Pong: Bitten Sie den Patienten in der virtuellen Ballumgebung, das Tischtennisbrett zu steuern, um den Ball zu treffen und Tischtennis mit dem Gegner zu spielen. Der Schwierigkeitsgrad wird weiterentwickelt und aufgewertet, die Reaktionsfähigkeit und die Hand-Auge-Koordination werden trainiert. Beteiligen Sie sich an der Blockwelt: Bitten Sie den Patienten, das Bullseye-Schießen zu kontrollieren, um Blöcke zu zerstören, auf feindliche Angriffe zu achten und so viele Münzen wie möglich zu sammeln, Denkstrategie und Hand-Auge-Koordination zu trainieren. Ball spielen: Bitten Sie den Patienten, den Ball so zu steuern, dass er das Ziel berührt; Der Ball wird gewertet, achte auf feindliche Angriffe und sammle so viele Münzen wie möglich. Nehmen Sie an legendärem Schützen teil: Bitten Sie den Patienten, den Griff zu halten und kontinuierlich Kraft in Pfeilrichtung auszuüben. Die Muskelgruppen der oberen Gliedmaßen sind isometrisch zusammengezogen, und die Kraft wird gespeichert, um zu feuern, um das Ziel zu zerstören. 3. Follow-up-Verfahren Untersuchen Sie alle Patienten erneut auf FMA, BRS und MBI nach 8 Wochen Training durch denselben Rehabilitationstherapeuten. Geben Sie alle Daten für die statistische Analyse in die Software ein. Verwenden Sie einen t-Test für gepaarte Stichproben für den gruppeninternen Vergleich und zwei unabhängige t-Tests für den Vergleich zwischen Gruppen. Betrachten Sie P < 0,05 als statistisch signifikant.

Representative Results

Insgesamt wurden 24 Patienten eingeschlossen und nach dem Zufallsprinzip entweder der Kontroll- oder der Versuchsgruppe zugeteilt (Tabelle 1). Es gab keinen statistisch signifikanten Unterschied zwischen den beiden Gruppen in Bezug auf Geschlecht, Alter, Krankheitsdauer oder Schlaganfalltyp (P > 0,05). Nach 8-wöchigem Training der oberen Extremitäten wurde das Fugl-Meyer-Assessment für die obere Extremität (FMA-UE)12 zur Beurteilung der motorischen Funktion der oberen…

Discussion

Aufbauend auf früheren Forschungsarbeiten20 verfolgt diese Studie einen integrierten Ansatz, indem sie robotisches Training für die Rehabilitation der oberen Gliedmaßen mit konventionellen therapeutischen Methoden für die Genesung nach einem Schlaganfall kombiniert. Die aktuellen Ergebnisse deuten darauf hin, dass diese Integration die motorische Funktion der oberen Gliedmaßen erheblich verbessert und die Fähigkeit zur Durchführung von Aktivitäten des täglichen Lebens (ADLs) verbessert, w…

Offenlegungen

The authors have nothing to disclose.

Acknowledgements

Wir danken auch den medizinischen Fachkräften und Mitarbeitern des First Affiliated Hospital der Zhejiang University für ihre Unterstützung und Zusammenarbeit während des gesamten Forschungsprozesses.

Materials

Upper Limb Rehabilitation Robot[Fourier M2] Shanghai Fourier Intelligence, China ArmMotus M2 The upper limb intelligent force feedback motion control training system [M2] is a new generation of upper limb intelligent force feedback rehabilitation robot training system independently developed by Shanghai Fourier Intelligence. Based on core technologies such as force feedback, this training system can sense the patient's force and whether there is any spasticity when the patient completes the predetermined action, and then change the power assist or resistance of the device itself, so as to improve the upper limb motor dysfunction. Through goal-oriented training, M2 endows games with training, increases the enthusiasm of patients, and more effectively exercises the gross motor function and cognitive function of patients' upper limbs.
SAS software SAS Institute https://www.sas.com/en_in/home.html
SPSS software IBM version 26 https://www.ibm.com/products/spss-statistics

Referenzen

  1. Chinembiri, B., Ming, Z., Kai, S., Xiu Fang, Z., Wei, C. The fourier m2 robotic machine combined with occupational therapy on post-stroke upper limb function and independence-related quality of life: A randomized clinical trial. Top Stroke Rehabil. 28 (1), 1-18 (2021).
  2. Raghavan, P. Upper limb motor impairment after stroke. Phys Med Rehabil Clin N Am. 26 (4), 599-610 (2015).
  3. Chien, W. T., Chong, Y. Y., Tse, M. K., Chien, C. W., Cheng, H. Y. Robot-assisted therapy for upper-limb rehabilitation in subacute stroke patients: A systematic review and meta-analysis. Brain Behav. 10 (8), e01742 (2020).
  4. Stinear, C. M., Lang, C. E., Zeiler, S., Byblow, W. D. Advances and challenges in stroke rehabilitation. Lancet Neurol. 19 (4), 348-360 (2020).
  5. Basu, A. P., Pearse, J., Kelly, S., Wisher, V., Kisler, J. Early intervention to improve hand function in hemiplegic cerebral palsy. Front Neurol. 5, 281 (2014).
  6. Wade, D. T., Langton-Hewer, R., Wood, V. A., Skilbeck, C. E., Ismail, H. M. The hemiplegic arm after stroke: Measurement and recovery. J Neurol Neurosurg Psychiatry. 46 (6), 521-524 (1983).
  7. French, B., et al. Repetitive task training for improving functional ability after stroke. Cochrane Database Syst Rev. , (2007).
  8. Zhang, L., Jia, G., Ma, J., Wang, S., Cheng, L. Short and long-term effects of robot-assisted therapy on upper limb motor function and activity of daily living in patients post-stroke: A meta-analysis of randomized controlled trials. J Neuroeng Rehabil. 19 (1), 76 (2022).
  9. Stein, J. Robotics in rehabilitation: Technology as destiny. Am J Phys Med Rehabil. 91 (11 Suppl 3), S199-S203 (2012).
  10. Zengin-Metli, D., Özbudak-Demir, S., Eraktaş, &. #. 3. 0. 4. ;., Binay-Safer, V., Ekiz, T. Effects of robot assistive upper extremity rehabilitation on motor and cognitive recovery, the quality of life, and activities of daily living in stroke patients. J Back Musculoskelet Rehabil. 31 (6), 1059-1064 (2018).
  11. Xu, D., Dongyan, Y. Clinical study of upper limb intelligent feedback rehabilitation robot combined with conventional rehabilitation therapy to improve upper limb motor function in stroke patients. Chinese J Rehab Med. 28, 11-17 (2018).
  12. Gladstone, D. J., Danells, C. J., Black, S. E. The fugl-meyer assessment of motor recovery after stroke: A critical review of its measurement properties. Neurorehabil Neural Repair. 16 (3), 232-240 (2002).
  13. Fugl-Meyer, A. R., Jääskö, L., Leyman, I., Olsson, S., Steglind, S. The post-stroke hemiplegic patient. 1. A method for evaluation of physical performance. Scand J Rehabil Med. 7 (1), 13-31 (1975).
  14. Vidmar, T., Goljar Kregar, N., Puh, N. Reliability of the modified Ashworth scale after stroke for 13 muscle groups. Arch Phys Med Rehabil. 104 (10), 1606-1611 (2023).
  15. Folstein, M. F., Folstein, S. E., Mchugh, P. R. #34;Mini-mental state". A practical method for grading the cognitive state of patients for the clinician. J Psychiatr Res. 12 (3), 189-198 (1975).
  16. Naghdi, S., Ansari, N. N., Mansouri, K., Hasson, S. A neurophysiological and clinical study of Brunnstrom recovery stages in the upper limb following stroke. Brain Inj. 24 (11), 1372-1378 (2010).
  17. Leung, S. O., Chan, C. C., Shah, S. Development of a Chinese version of the modified Barthel index– validity and reliability. Clin Rehabil. 21 (10), 912-922 (2007).
  18. Tong, Z. Chinese rehabilitation guidelines for stroke (2011 edition). Chin J Rehabil Theory Pract. 18, 301-318 (2012).
  19. Takebayashi, T., et al. Assessment of the efficacy of reogo-j robotic training against other rehabilitation therapies for upper-limb hemiplegia after stroke: Protocol for a randomized controlled trial. Front Neurol. 9, 730 (2018).
  20. Budhota, A., et al. Robotic assisted upper limb training post-stroke: A randomized control trial using combinatory approach toward reducing workforce demands. Front Neurol. 12, 622014 (2021).
  21. Mousavi Hondori, H., Khademi, M., Dodakian, L., Cramer, S. C., Lopes, C. V. A spatial augmented reality rehab system for post-stroke hand rehabilitation. Stud Health Technol Inform. 184, 279-285 (2013).
  22. Cipresso, P., Serino, S., Pedroli, E., Gaggioli, A., Riva, G. A virtual reality platform for assessment and rehabilitation of neglect using a kinect. Stud Health Technol Inform. 196, 66-68 (2014).
  23. Avola, D., Cinque, L., Foresti, G. L., Marini, M. R. An interactive and low-cost full body rehabilitation framework based on 3d immersive serious games. J Biomed Inform. 89, 81-100 (2019).
  24. Cordella, F., et al. Hand motion analysis during robot-aided rehabilitation in chronic stroke. J Biol Regul Homeost Agents. 34 (5 Suppl 3), 45-52 (2020).
  25. Airò Farulla, G., et al. Vision-based pose estimation for robot-mediated hand telerehabilitation. Sensors (Basel). 16 (2), 208 (2016).
  26. Soekadar, S. R., Witkowski, M., Vitiello, N., Birbaumer, N. An EEG/EOG-based hybrid brain-neural computer interaction (bnci) system to control an exoskeleton for the paralyzed hand. Biomed Tech (Berl). 60 (3), 199-205 (2015).
  27. Zhang, J., Wang, B., Zhang, C., Xiao, Y., Wang, M. Y. An EEG/EMG/EOG-based multimodal human-machine interface to real-time control of a soft robot hand. Front Neurorobot. 13, 7 (2019).
  28. Rakhtala, S. M., Ghayebi, R. Real-time control and fabrication of a soft robotic glove by two parallel sensors with mbd approach. Med Eng Phys. 100, 103743 (2022).
  29. Tang, X., Xinyu, T. . Cloud-based scenario interactive rehabilitation training and assessment system. , (2019).
  30. Park, J. The effect of task-oriented training on the muscle activation of the upper extremity in chronic stroke patients. J Phys Ther Sci. 28 (4), 1384-1386 (2016).
  31. Dongyan, X., Rujin, T., Jue, L., Gang, L., Yulian, Z. Clinical study on the improvement of upper limb motor function in stroke patients by combining upper limb intelligent feedback rehabilitation robot with conventional rehabilitation treatment. J Rehab Med. 28 (02), 11-17 (2018).
  32. Haiyan, Z., Fangchao, W., Jianhua, L., Zhiping, L. Effect of upper limb robot-assisted training on upper limb function in stroke patients. Chinese J Sports Med. 38 (10), 859-863 (2019).
  33. Ichikawa, A., et al. Stimulus-related 20-hz activity of human cortex modulated by the way of presenting hand actions. Neurosci Res. 58 (3), 285-290 (2007).
  34. Zhang, H., Haiyan, Z. The effects of upper limb rehabilitation robot-assisted training on upper limb function in stroke patients. Chinese J Sports Med. 38, 859-863 (2019).

Play Video

Diesen Artikel zitieren
Zhang, T., Yao, Z., Chen, F., Wang, J., Shi, W., Zheng, J., Zhang, Z., Chen, Z. Enhancing Upper Limb Function and Motor Skills Post-Stroke Through an Upper Limb Rehabilitation Robot. J. Vis. Exp. (211), e66938, doi:10.3791/66938 (2024).

View Video