增强现实镜像疗法系统对中风患者的影响

本研究旨在开发一种基于传感器追踪和视觉反射原理的增强现实镜像疗法系统MirrARm，并探究其对脑卒中患者上肢运动恢复和功能活动水平的影响。

在本研究中，符合纳入标准的脑卒中患者将根据年龄、性别和Fugl-Meyer上肢评分进行分层随机分组，分为增强现实镜像疗法组（AR-MT）和传统镜像疗法组（C-MT）。所有参与者将接受为期八周、每周三天、每次30分钟的传统物理治疗训练。AR-MT组参与者将额外接受为期八周、每周三天、每次30分钟的MirrARm系统运动训练，而C-MT组参与者将在相同时长和频率下接受传统镜像疗法运动训练。

在本研究中，增强现实镜像疗法训练将通过MirrARm系统实施。MirrARm系统包括一台27英寸电脑显示器、一个Leap Motion Controller运动追踪传感器和一台笔记本电脑。显示器将置于工作台上，显示来自连接笔记本电脑传输的图像。Leap Motion传感器也将连接至笔记本电脑，并放置在显示器前方的桌面上。该传感器将用于实时将参与者的手部动作传输至屏幕。通过其软件功能，MirrARm系统将在屏幕上显示单手执行的动作，如同由对侧手执行一般。

MirrARm系统的软件基础将使用Unity 6.1游戏引擎开发。参与者的手部动作将通过Leap Motion设备的官方软件开发工具包（SDK）和库在三维环境中进行高精度追踪。应用程序将使用Unity环境中三维坐标系内预置或定制的Unity资源设计，并通过Unity基于NVIDIA PhysX的物理引擎提供逼真的物理交互。应用程序的操作将通过使用C#编程语言开发的自定义MonoBehaviour脚本控制。这些脚本将动态操控场景对象的Transform组件属性（包括位置、旋转和缩放）；通过基于事件的触发器处理用户交互；并在游戏循环中执行预定义函数。需要物理交互的对象将被分配Unity的Rigidbody组件以提供质量、重力和碰撞响应等物理属性，交互区域将通过Collider组件定义。

在使用MirrARm系统的训练过程中，脑卒中参与者将坐在带靠背的椅子上面对屏幕，使用未受影响的上肢执行游戏化治疗活动中的任务，同时在屏幕上观察这些动作，如同由受影响的上肢执行一般。

研究人员基于脑卒中后上肢功能的重要动作，设计了四种用于MirrARm系统的不同活动。每种活动均设计有三个难度级别。参与者将在每个级别执行两分钟，级别间休息30秒。MirrARm系统的任务导向活动如下：

• 积木堆叠活动（侧重肩部上抬）
• 伸展活动（侧重肘部伸展）
• 旋前-旋后活动
• 水平环活动（侧重腕部伸展）

所有纳入研究的参与者将在干预期间（第0周、第4周和第8周）由盲法评估员使用主要和次要结局指标进行三次评估。

从参与者获得的所有数据的统计分析将使用SPSS 27.0版（IBM Corp., Armonk, NY, USA）进行。连续变量在满足正态分布假设时将以均值±标准差报告，不满足时以中位数（四分位距）报告。分类变量将以数量（N）和百分比（%）报告。假设检验将包括正态性的Shapiro-Wilk检验、方差齐性的Levene检验和球形性的Mauchly检验；若违反球形性，将应用Greenhouse-Geisser校正。当假设满足时，将对每个结局指标进行双向混合设计（2×3）方差分析（ANOVA）。将检验时间和组的主效应以及时间×组交互效应，并使用Bonferroni校正进行多重比较。效应量将以偏η平方（η²p）报告，包括95%置信区间，显著性水平设为p=0.05。当假设不满足时，将使用Friedman检验分析三个时间点的组内变化，若显著则进行Bonferroni校正的成对Wilcoxon检验。组间比较将基于时间点的变化分数使用Mann-Whitney U检验进行。非参数结果将报告效应量、95%置信区间和显著性水平p=0.05。