慢性中风的有氧运动和感觉运动适应

参与者 20 名慢性中风患者参与了这项研究（年龄 61 ± 13 岁；76% 为男性）。

实验设计 在交叉设计中，每个参与者都被伪随机化以首先完成干预条件（跑步机）或控制条件（休息），至少一周后（清除期）返回以完成替代条件。 使用最短一周的清除期，以允许由于运动导致的任何生理变化恢复到静息水平，但要尽量减少任何与中风恢复相关的功能变化。 参与者被要求在访问前 24 小时内避免锻炼。 在每次访问中，参与者在干预前和干预后两次完成感觉运动适应任务，从而产生四个评估时间点（PreControl、PostControl 和 PreTreadmill、PostTreadmill）。 干预后评估旨在在完成跑步机或休息条件后 15 分钟内开始。

干预 干预条件包括在标准跑步机（Landice L7 跑步机）上步行 30 分钟的单次中高强度有氧运动（心率储备的 65%），参与者将手臂舒适地放在导轨上（在前面) 或自由摆动。 描述培训课程具体特征的信息（例如， 记录心率、血压反应、跑步机速度、步行总距离）以监测对运动的反应和对运动方案的遵守情况。 单次跑步机训练包括逐渐增加强度（通常增加速度或梯度）以达到目标心率（约 5 分钟）以及冷却时间（约 5 分钟），让参与者恢复到休息水平以进行重要观察。 热身和放松是总计 30 分钟步行锻炼的一部分。 使用 Karvonen 方法计算目标心率，并针对服用降低心率药物的人调整水平（即 β 受体阻滞剂），遵循先前在中风后人群中发表的方法。 心率是使用胸带监测器（极电）测量的，并由研究助理监测，该研究助理促进了跑步机参数的变化，使参与者能够达到他们的目标。 参与者被要求每 10 分钟使用 BORG 的 6-20 感知运动量表对他们的运动强度进行口头自我评价。 参与者被指示以一定的速度行走，从而在量表上给出 11（相当轻）和 14（有点困难）之间的评分。 控制条件涉及相同时间段（30 分钟）的坐姿休息，其中由同一研究助理向参与者提供有关中风的影响和影响的教育课程。

感觉运动适应任务装置和设置。 参与者坐在桌子前（距离他们的冠状面约 50 厘米），并被要求在数位板（WACOM Intuos4 PTK 1240，尺寸：19.2 x 12 英寸，分辨率 = 0.25 毫米）从原点到目标点。 笔在数位板上的位置（XY 坐标）以 100 Hz 采样，并在水平放置的计算机显示器上实时显示为半径为 5 像素（1.25 毫米）的圆形光标。 通过将平板电脑和手直接放在不透明的支架下方，水平显示器放置在支架上方，可以防止直接看到手。

任务说明。 参与者首先收到任务指示，要求他们尽可能快速、准确地将屏幕上的光标从起点移动到目标，以直线方式一次移动。 此外，参与者被告知运动的反馈会不时发生变化，并且参与者将根据反馈的这种变化改变他们的运动，同时尽可能保持运动直线。

在每次试验中，参与者的任务是使用他们的优势上肢尽可能快速准确地从起点位置移动到目标位置。 目标以随机顺序出现在三个位置之一（与右侧水平面成 210、225 或 240 度）。 选择这些目标方向使得目标到达运动涉及肩关节的水平内收肌。 穿过目标，或者经过目标后，一声高亢的提示音响起，提示试炼完成。 试验完成后，立即重新显示原点位置，并指示参与者重复任务。 如果参与者没有完成成功的试验，他们将被指示返回原点并重复试验。

首先，参与者在没有轮换的正常（正确）反馈下遇到了 18 项基线试验。 然后参与者立即完成 66 项适应性试验，其中显示监视器上的视觉反馈通过顺时针方向（第 1 个测试日）或逆时针方向（第 2 个测试日）旋转 30 度来扰动。 在适应块之后，为了通知参与者扰动已被移除，弹出对话框出现“在接下来的几次试验中，计算机施加的扰动将被移除。 请直接瞄准目标。” 屏幕上的说明由实验者读出以确保其被理解。 紧随其后的是 6 次无反馈试验。 最后，参与者在正常光标反馈条件下（即无光标旋转）完成 36 次清除试验，以将行为恢复到未适应的状态。

数据处理和分析 用 LabVIEW 编写的自定义脚本对到达方向进行评分，在第 15 个数据点（到达到达时间 150 毫秒）进行量化，因为在线运动校正通常发生在到达到达时间 150 毫秒后。 到达方向超出目标 120 度范围（目标两侧 60 度）的试验被作为异常值丢弃。 试验被分为对三个目标中的每一个进行一次访问的周期。 因变量是百分比适应，它通过计算到达方向作为完美适应性能产生的理想到达方向的百分比来量化每个周期中相对于理想到达方向的到达方向。 理想的伸展方向是顺时针 30 度逆时针旋转 30 度，逆时针 30 度顺时针旋转 30 度。

适应百分比=100%×（到达方向）/（理想到达方向）

如前所述，有一个快速减少错误的阶段，到达大部分学习发生的地方，随后是较慢的适应速度。 在这里，由于目标间隔很近，在试验 1-9（即前三个周期）中发生了快速错误减少，类似于最近的工作。 在第四个周期完成时，在跑步机和控制条件之前和之后的适应性都大于 70%。 因此，我们选择了前三个周期来量化快速减少错误。

基线到达方向的个体差异会影响适应措施。 以前通过从扰动后行为中减去扰动前行为来解释这一点的方法对嘈杂的基线和 2 类错误的风险更敏感。 为了解释预扰动基线偏差，我们输入了旋转开始前最后三个周期的平均适应百分比（即，最后五个基线周期中的适应百分比）作为我们所有协方差分析的协变量。

在适应试验之后，有两个周期没有向参与者提供反馈。 也就是说，与之前所有参与者可以用他们的视线跟随跟踪光标的试验不同，参与者没有收到关于他们到达哪里的实时反馈。 与之前的工作类似，第一个无反馈循环被视为内隐学习的衡量标准。

我们感兴趣的结果测量是 (1) 适应性能 (2) 隐式后效应，量化为尽管在无反馈块中通知去除扰动后仍保持适应的范围，以及 (3) 显式学习，估计为在适应后行为的自愿脱离接收扰动移除通知（即，在收到扰动消失通知后，从最后三个适应周期的平均值到第一个无反馈周期的适应百分比变化），以及 (4) 去适应性能。 为了评估这些措施，我们使用受试者间因素干预顺序（控制优先，跑步机优先）和受试者内因素运行 ANCOVA：干预（控制，跑步机），时间（干预前，干预后）和（其中适用）周期（周期 1..3），旋转前偏差作为不感兴趣的协变量（根据最后三个基线周期的平均适应百分比估计）。 在适当的情况下，应用了 Greenhouse-Geisser 校正。 Alpha 设置为 0.05。 SPSS v24.0 用于统计分析。