末端执行器机器人辅助步态训练结合机器人平衡训练对亚急性中风患者的疗效
2020年7月13日 更新者：Irene Giovanna Aprile、Fondazione Don Carlo Gnocchi Onlus
末端执行器机器人辅助步态训练结合机器人平衡训练对亚急性中风患者的疗效：临床、平衡和步态结果
在过去的几年中，将机器人技术引入脑卒中患者的步态康复引起了人们的极大兴趣。 已经进行了一些研究来评估机器人辅助训练与传统步态康复相比对亚急性卒中患者的影响，但似乎没有研究调查联合机器人治疗（步态加平衡）的效果。
本研究的目的是评估联合步态和平衡机器人康复与单独机器人步态训练相比的效果。
研究概览
详细说明
中风不仅是仅次于心血管疾病和癌症的第三大死因，也是世界上第一位致残原因，对个人、家庭和财务产生重大影响。 中风后残疾涉及活动能力和平衡、肌肉力量、运动控制和步态模式功能。 虽然大多数中风患者在中风后 6 个月学会独立行走，但步态和平衡问题在慢性阶段持续存在，可能对患者的生活质量产生重大影响。 因此，步行功能的恢复和改善是在日常生活中获得独立性的首要关注点。 因此，步态恢复是几乎所有脑卒中患者康复的现实目标。 恢复更流畅、安全和正确地执行步态和爬楼梯等运动任务是患者在日常生活活动中变得自主的先决条件。
在过去的几年中，将机器人技术引入脑卒中患者的步态康复引起了人们的极大兴趣。 已经进行了一些研究来评估机器人辅助训练与传统步态康复相比对亚急性卒中患者的影响。 主要结果是使用机器人外骨骼或部分体重支撑的跑步机训练获得的，只有少数研究使用末端执行器装置。 初步研究表明，与传统治疗相比，末端执行器机器人辅助步态训练 (RAGT) 对慢性和亚急性中风患者的运动和功能结果产生了可喜的影响。 此外，安全步态需要持续的动态平衡，而步态机器人康复可能包括使用机器人本体感受平台进行静态和动态平衡的康复治疗。 该研究的假设是，联合机器人治疗（步态加平衡）可以产生比仅进行一次机器人步态训练更多的效果。
因此，本研究的目的是评估步态和平衡机器人康复在临床结果、平衡测量和步态运动学方面对亚急性卒中患者的疗效，并将其与单独的机器人步态训练进行比较。
在亚急性期首次中风后的患者将在基线 (T0)、12 节课 (T1) 和训练计划结束时 (24 节课) 进行临床和仪器评估（步态分析和平衡评估） : T2). 患者将被随机分为 2 组，并将进行两种不同类型的康复训练：一组将使用末端执行器机器人设备进行 RAGT 步态训练（步态组，GG）；另一组将接受具有相同末端执行器机器人系统和机器人本体感受平台（Balance Group，GHG）的联合机器人治疗计划。 两组的康复计划都将与常规物理治疗相结合。
研究类型
介入性
注册 (实际的)
40
阶段
- 不适用
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
-
Rome、意大利、00168
- Don Gnocchi Foundation
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 至 85年 (成人、年长者)
接受健康志愿者
不
有资格学习的性别
全部
描述
纳入标准：
- 第一次脑中风
- 急性事件发生后 1 个月至 6 个月（亚急性患者）
- 年龄在18-85岁之间
- 能够装入末端执行器踏板
- 关节活动范围无明显限制
- 直立站立 60 秒的能力
- 独立行走或几乎没有帮助的能力
- 给予书面同意的能力
- 遵守学习程序
排除标准：
- 髋关节、膝关节或踝关节挛缩可能会限制步态的运动范围
- 排除完全负重和行走的医疗问题（例如 骨科损伤、疼痛、严重骨质疏松症或严重痉挛）
- 认知和/或沟通障碍（例如 由于脑损伤）：无法理解研究所需的说明
- 可能干扰设备使用或测试的心脏病、焦虑症或精神病
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
- 主要用途：治疗
- 分配：随机化
- 介入模型：并行分配
- 屏蔽：单身的
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
实验性的：实验 1：步态组 (GG)
步态组 (GG) 除了常规治疗外，还将仅使用用于机器人辅助步态训练 (RAGT) 的末端执行器机器人设备进行步态训练，每周 3 次，每月 12 次。
在训练期间，患者将被要求以不同的速度步行 45 分钟，并进行部分体重支持 (BWS)。
参与者将从 30-40% 的 BWS 和 1.5 公里/小时的初始速度开始；增加到 2.2 和 2.5 公里/小时之间的最大值，并将初始 BWS 降低到 15%。
如果需要，治疗师将在会议期间提供任何帮助。
在 45 分钟内，患者模拟至少 300 步；患者可以在会议期间休息，但他们将被要求在每次会议期间连续步行至少 5 分钟。
|
机器人辅助步态训练 (RAGT) 机器人组 (RG) 使用末端执行器机器人设备（G-EO 系统-Reha Technology-Olten，瑞士）执行机器人辅助步态训练（RAGT）。
|
|
实验性的：实验二：平衡组（GHG）
Balance Group (GHG) 除了常规治疗外，还将接受联合机器人治疗计划，该计划具有相同的末端执行器机器人系统和机器人本体感受平台，每周 3 次，每月 12 次。
单节课的时间（45 分钟）用于步态训练和平衡训练。
平衡训练将包括坐姿和站姿期间的静态和动态练习、双重任务练习和旨在改善躯干控制的练习。
|
机器人辅助步态训练 (RAGT) 和平衡训练。
平衡小组 (GHG) 使用末端执行器机器人设备（G-EO 系统-Reha Technology-Olten，瑞士）进行机器人辅助步态训练 (RAGT)，并使用机器人本体感受平台 (Hunova - Movendo Technology) 进行平衡训练， 意大利）。
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
Berg 平衡量表 (BBS) 的变化
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
Berg 平衡量表是一种广泛使用的人体静态和动态平衡能力的临床测试。
测试需要 15-20 分钟，包括一组 14 个简单的平衡相关任务，从坐姿站起来到单脚站立。
完成每项任务的成功程度从零（无法）到四（独立），最终衡量标准是所有分数的总和。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
动力指数 (MI) 的变化
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
MI 旨在评估中风后双侧下肢运动损伤。 评估下肢的项目为 3 个，每个评分从 0 到 33：(1) 脚踝背屈，脚处于跖屈位置 (2) 膝关节伸展，脚无支撑，膝盖呈 90° (3) 髋关节屈曲，髋关节在 90° 移动膝盖尽可能靠近下巴。 （无运动：0，明显闪烁但无运动：9，运动但不抵抗重力：14，抵抗重力运动：19，抵抗阻力运动：25，正常：33）。 |
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
改良 Ashworth 量表 (MAS) 的变化
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
MAS 是一个 6 点序数量表，用于对患有神经病学诊断的个体的肌张力亢进进行分级。
量表上的 0 分表示音调没有增加，而 4 分表示僵硬。
通过被动移动个体的肢体并评估检查者感觉到的运动阻力来对音调进行评分。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
Tinetti 秤天平的变化 (TIN-B)
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
衡量活动 ICF 领域的规模。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
功能性步行分类 (FAC) 的变化
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
功能性步行分类是评估步行能力的功能性步行测试。
这个 6 分制量表通过确定患者在行走时需要多少人力支持来评估步行状态，无论他们是否使用个人辅助设备。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
10 米步行测试 (10MWT) 的变化
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
该测试将评估患者步态时的速度。
患者将被要求以他们喜欢的最大和安全速度行走。
患者将位于起跑线前 1 米处，并指示步行 10 米，并在约 1 米后通过终点线。
球场前后的距离是为了尽量减少加速和减速的影响。
时间将使用秒表测量并记录到百分之一秒（例如：2.15 秒）。
测试将记录 3 次，两次之间有足够的休息时间。
应记录 3 次的平均值。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
躯干控制测试（TCT）的变化
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
TCT 评估中风患者的运动障碍，它与最终的行走能力相关。
测试是在患者躺在床上完成的：(1) 向虚弱的一侧翻滚。
(2) 向强侧滚动。
(3)在床边坐姿保持平衡，双脚离地至少30。
(4)从躺下坐起来。
总分：0-100。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
时间变化 (TUG)
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
Time Up And Go 是一项用于评估有平衡障碍的人的活动能力、平衡能力和步行能力的测试。
受试者必须从椅子（不应靠墙）上站起来，步行 3 米，转身，走回椅子并坐下——所有操作都应尽可能快速、安全地进行。
时间将使用计时器测量。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
步行障碍量表 (WHS) 的变化
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
步行障碍量表是 6 个功能性步行类别的分类，由于其 3 个项目涉及社区步行，因此被视为 ICF 的参与类别。
得分范围从 1 到 6，数值越高代表结果越好。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
移动指数 (AI) 的变化
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
AI 是一种评级量表，旨在通过评估步行 25 英尺所需的时间和协助程度来评估机动性。
分数范围从 0（无症状和完全活跃）到 10（卧床不起）。
患者被要求尽可能快速和安全地走标记的 25 英尺路线。
检查员记录所需的时间和类型的帮助（例如，手杖、助行器、拐杖）。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
数值评定量表 (NRS) 的变化
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
数字评定量表 (NRS) 是最简单和最常用的数字量表，用于从 0（无痛）到 10（最痛）对疼痛进行评分。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
神经性疼痛筛查 (ID PAIN) 的变化
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
神经性疼痛筛查用于评估神经性疼痛的存在。
向年长者询问以下问题并按照说明评分。
它是从-1 到 5 对疼痛进行评分的数字量表；较高的分数更表明疼痛具有神经性成分。
3 分或更高的分数表明可能存在神经性疼痛，并证明需要进行更详细的评估。
如果老年人有不止一个疼痛部位，他们将考虑与他们最相关的一个部位。
可能具有神经性疼痛成分的病症包括糖尿病或周围神经病变、背痛、带状疱疹后神经痛、复杂区域疼痛综合征、腿/足痛、大关节痛和纤维肌痛。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
Barthel 量表/指数 (BI) 的变化
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
Barthel 量表/指数 (BI) 是用于衡量日常生活活动 (ADL) 表现的序数量表。
对描述 ADL 和流动性的十个变量进行评分，较高的数字反映出院后独立运作的能力更强。
执行每个项目所花费的时间和需要的物理协助用于确定每个项目的分配值。
Barthel 指数衡量个人在 10 项活动能力和自理 ADL 方面所需的协助程度。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
六分钟步行测试 (6MWT) 的变化
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
6MWT 测量受试者在 6 分钟内在平坦、坚硬的表面上进行室内步态时所走过的距离，必要时使用辅助设备。
该测试是对功能性运动能力的可靠且有效的评估，并用作有氧运动能力和耐力的次最大测试。
亚急性中风患者的最小可检测距离变化为 60.98 米。
6MWT 是一项患者自定进度的步行测试，用于评估功能能力水平。
允许患者在测试期间停下来休息。
但是，计时器不会停止。
如果患者无法完成测试，则此时停止计时。
记录丢失的时间和停止的原因。
该测试将在佩戴脉搏血氧仪时进行，以监测心率和血氧饱和度，并与 Borg 量表相结合以评估呼吸困难。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
其他结果措施
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
步态分析 - 生物力学数据 - 步宽
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
使用 8 相机 SMART-D500 运动捕捉系统（BTS Bioengineering，Milano，Italy）收集生物力学数据。
为了描述步态的特征，将计算步宽（mm）。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
步态分析 - 生物力学数据 - 内侧距离
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
使用 8 相机 SMART-D500 运动捕捉系统（BTS Bioengineering，Milano，Italy）收集生物力学数据。
为了描述步态的特征，计算双支撑时两脚的内侧距离（mm）。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
步态分析 - 生物力学数据 - 纵向距离
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
使用 8 相机 SMART-D500 运动捕捉系统（BTS Bioengineering，Milano，Italy）收集生物力学数据。
为了描述步态的特征，将计算从一只脚到另一只脚的纵向距离（mm）。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
步态分析 - 生物力学数据 - 步幅
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
使用 8 相机 SMART-D500 运动捕捉系统（BTS Bioengineering，Milano，Italy）收集生物力学数据。
为了描述步态的特征，将计算步幅（mm）。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
步态分析 - 生物力学数据 - Cadence
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
使用 8 相机 SMART-D500 运动捕捉系统（BTS Bioengineering，Milano，Italy）收集生物力学数据。
为了描述步态的特征，会计算步频（steps/min）。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
步态分析 - 生物力学数据 - 步骤
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
使用 8 相机 SMART-D500 运动捕捉系统（BTS Bioengineering，Milano，Italy）收集生物力学数据。
为了描述步态的特征，会计算单位时间内的步数。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
步态分析 - 生物力学数据 - 平均进展速度（mean velocity）
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
使用 8 相机 SMART-D500 运动捕捉系统（BTS Bioengineering，Milano，Italy）收集生物力学数据。
为了描述步态的特征，将计算每个肢体的平均前进速度 (m/s)。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
步态分析-生物力学数据-平均摆动速度（swing velocity）
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
使用 8 相机 SMART-D500 运动捕捉系统（BTS Bioengineering，Milano，Italy）收集生物力学数据。
为了描述步态的特征，将计算每个肢体的摆动阶段的平均速度（m/s）。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
步态分析 - 生物力学数据 - 步态周期
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
使用 8 相机 SMART-D500 运动捕捉系统（BTS Bioengineering，Milano，Italy）收集生物力学数据。
为了描述步态的特征，将计算从初始脚跟接触开始到同一肢体随后的脚跟接触结束的步态周期的平均时间持续时间 (m/s)。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
步态分析 - 生物力学数据 - 站立时间
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
使用 8 相机 SMART-D500 运动捕捉系统（BTS Bioengineering，Milano，Italy）收集生物力学数据。
为了描述步态的特征，将计算从初始接触开始到同一肢体脚趾离开的步态周期百分比（作为步态周期的百分比）。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
步态分析 - 生物力学数据 - 摆动时间
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
使用 8 相机 SMART-D500 运动捕捉系统（BTS Bioengineering，Milano，Italy）收集生物力学数据。
为了描述步态的特征，将计算从脚趾离开开始到同一肢体的脚后跟着地结束的步态周期的百分比（作为步态周期的百分比）。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
步态分析 - 生物力学数据 - 双支撑
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
使用 8 相机 SMART-D500 运动捕捉系统（BTS Bioengineering，Milano，Italy）收集生物力学数据。
为了描述步态的特征，将计算步态周期脚在地面上的百分比（作为步态周期的百分比）。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
步态分析 - 生物力学数据 - 关节屈伸
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
为了评估下肢关节运动学，还将计算髋关节、膝关节和踝关节的屈曲/伸展（度数）
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
步态分析 - 生物力学数据 - 关节运动范围 (RoM)
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
为了评估下肢关节运动学，还将计算髋关节、膝关节和踝关节的运动范围（度）
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
平衡分析 - 稳定性数据 - 前后速度和中外侧速度（VelocityAP 和 VelocityML）
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
Stabilometric 数据将通过分析机器人本体感受平台在静态和动态条件下站立和坐姿测量的压力中心 (CoP) 轨迹获得。
从 CoP 的即时位置开始，将计算与平衡性能相关的变量：沿前后 (AP) 和中间-横向 (ML) 轴的振荡速度 (mm/s)。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
平衡分析 - 稳定性数据 - 长度
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
Stabilometric 数据将通过分析机器人本体感受平台在静态和动态条件下站立和坐姿测量的压力中心 (CoP) 轨迹获得。
从 CoP 的即时位置开始，将计算与平衡性能相关的变量：CoP 轨迹的长度 (mm)。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
平衡分析 - 稳定性数据 - 面积
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
Stabilometric 数据将通过分析机器人本体感受平台在静态和动态条件下站立和坐姿测量的压力中心 (CoP) 轨迹获得。
从 CoP 的即时位置开始，将计算与平衡性能相关的变量：95% 置信椭圆的面积 (mm2)。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
|
平衡分析 - Stabilometric 数据 - Romberg 长度
大体时间：基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
Stabilometric 数据将通过分析机器人本体感受平台在静态和动态条件下站立和坐姿测量的压力中心 (CoP) 轨迹获得。
从 CoP 的即时位置开始，将计算与平衡性能相关的变量：闭眼 (CE) 条件下的长度值与睁眼 (OE) 条件下的相同值之间的比率 (mm)。
|
基线 (T0)、第 12 节（4 周）(T1)、第 24 节（8 周）(T2)
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
一般刊物
- Mehrholz J, Thomas S, Werner C, Kugler J, Pohl M, Elsner B. Electromechanical-assisted training for walking after stroke. Cochrane Database Syst Rev. 2017 May 10;5(5):CD006185. doi: 10.1002/14651858.CD006185.pub4.
- Aprile I, Iacovelli C, Goffredo M, Cruciani A, Galli M, Simbolotti C, Pecchioli C, Padua L, Galafate D, Pournajaf S, Franceschini M. Efficacy of end-effector Robot-Assisted Gait Training in subacute stroke patients: Clinical and gait outcomes from a pilot bi-centre study. NeuroRehabilitation. 2019;45(2):201-212. doi: 10.3233/NRE-192778.
- Goffredo M, Iacovelli C, Russo E, Pournajaf S, Di Blasi C, Galafate D, Pellicciari L, Agosti M, Filoni S, Aprile I, Franceschini M. Stroke Gait Rehabilitation: A Comparison of End-Effector, Overground Exoskeleton, and Conventional Gait Training. Applied Sciences 9, 2627, 2019. doi:10.3390/app9132627
- Aprile I, Iacovelli C, Padua L, Galafate D, Criscuolo S, Gabbani D, Cruciani A, Germanotta M, Di Sipio E, De Pisi F, Franceschini M. Efficacy of Robotic-Assisted Gait Training in chronic stroke patients: Preliminary results of an Italian bi-centre study. NeuroRehabilitation. 2017;41(4):775-782. doi: 10.3233/NRE-172156.
- Cattaneo D, Carpinella I, Aprile I, Prosperini L, Montesano A, Jonsdottir J. Comparison of upright balance in stroke, Parkinson and multiple sclerosis. Acta Neurol Scand. 2016 May;133(5):346-54. doi: 10.1111/ane.12466. Epub 2015 Aug 3.
- Kim HY, Shin JH, Yang SP, Shin MA, Lee SH. Robot-assisted gait training for balance and lower extremity function in patients with infratentorial stroke: a single-blinded randomized controlled trial. J Neuroeng Rehabil. 2019 Jul 29;16(1):99. doi: 10.1186/s12984-019-0553-5.
- Swinnen E, Beckwee D, Meeusen R, Baeyens JP, Kerckhofs E. Does robot-assisted gait rehabilitation improve balance in stroke patients? A systematic review. Top Stroke Rehabil. 2014 Mar-Apr;21(2):87-100. doi: 10.1310/tsr2102-87.
- Eng JJ, Tang PF. Gait training strategies to optimize walking ability in people with stroke: a synthesis of the evidence. Expert Rev Neurother. 2007 Oct;7(10):1417-36. doi: 10.1586/14737175.7.10.1417.
- Langhorne P, Coupar F, Pollock A. Motor recovery after stroke: a systematic review. Lancet Neurol. 2009 Aug;8(8):741-54. doi: 10.1016/S1474-4422(09)70150-4.
- Mao YR, Lo WL, Lin Q, Li L, Xiao X, Raghavan P, Huang DF. The Effect of Body Weight Support Treadmill Training on Gait Recovery, Proximal Lower Limb Motor Pattern, and Balance in Patients with Subacute Stroke. Biomed Res Int. 2015;2015:175719. doi: 10.1155/2015/175719. Epub 2015 Nov 16.
- Davis RB, Ounpuu S, Tyburski D, Gage JR. A gait analysis data collection and reduction technique. Hum MovSci 1991; 10: 575-587.
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2019年11月18日
初级完成 (实际的)
2020年3月2日
研究完成 (实际的)
2020年3月2日
研究注册日期
首次提交
2019年9月17日
首先提交符合 QC 标准的
2019年11月11日
首次发布 (实际的)
2019年11月14日
研究记录更新
最后更新发布 (实际的)
2020年7月14日
上次提交的符合 QC 标准的更新
2020年7月13日
最后验证
2020年7月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.