腦卒中后上肢功能障礙評估工具的研究進展

[摘要] 上肢功能障礙是腦卒中的常見后遺癥，嚴重影響腦卒中患者的生活質量。選取安全性、可靠性、穩定性高的評估工具是護理人員明確該類患者護理目標并制定護理方案的重要依據。目前臨床常采用量表、運動生物力學和電生理學三類工具評估腦卒中后上肢功能障礙。本文對腦卒中后上肢功能障礙評估工具進行綜述，為該類評估工具的研發提供數據及研究方向的參考。

[關鍵詞] 腦卒中；上肢功能障礙；評估工具

[中圖分類號] R743.3" """"[文獻標識碼] A """""[DOI] 10.3969/j.issn.1673-9701.2025.18.030

隨著生活與醫療水平的雙重提高，腦卒中幸存者人數增多，但伴隨的肢體功能障礙問題愈發凸顯。據統計50%～85%的腦卒中患者遺留上肢功能障礙，其恢復速度受上肢運動復雜性影響慢于下肢，嚴重影響患者的日常生活能力、生命質量及心理健康，同時也加重照護者負擔^[1-3]。精確評估患肢功能狀態對明確護理目標、制定護理方案至關重要。鑒于患肢癥狀與腦神經損傷緊密關聯且神經系統具有復雜難測性，臨床常采用量表評估肢體功能或預測神經損傷。隨著醫學信息技術的進步，生物醫學測量技術（如表面肌電圖、穿戴式傳感器）也逐漸應用于上肢功能評估獲取更加客觀、精準的數據。本文探討腦卒中后上肢功能評估常用及新興工具的原理與發展現狀，為精準選擇可靠、有效的評估工具提供理論支撐。

1 "臨床觀察量表評估

針對腦卒中后上肢功能障礙的臨床癥狀與肌肉特性，研究者綜合生物與物理因素開發系列評估量表。上肢動作研究測試（action research arm test，ARAT）量表旨在精準評估并預測患者的上肢運動能力，可量化評估關節運動與反射水平，但存在測試者間測量差異及平臺期患者適用性有限等情況^[4-5]。

1.1" Fugl-Meyer運動功能評估量表上肢部分

Fugl-Meyer運動功能評估量表上肢部分（Fugl- Meyer assessment- upper extremity，FMA-UE）是唯一被推薦應用于評估缺血性腦卒中（ischemic stroke，IS）上肢運動恢復的金標準，顯示出良好的可靠性、有效性和反應性^[6-8]。上肢功能的恢復是按順序進行的，從肢體不能自主運動的遲緩階段到反射活動的恢復，再到刻板的協同自主運動的發展，最后到肢體協同作用的相對獨立性，即運動的恢復。FMA-UE采用從近端到遠端關節的分層方式進行運動功能的評估^[9]。IS后遺癥患者中也可觀察到異常的上肢協同和代償運動。FMA-UE由33個按層次結構排列的項目（反射項目、運動控制和肌肉力量）組成，證明FMA-UE具有多維性^[10]。然而多項研究中確定性因素分析表明，FMA-UE包含的3個反射項目（肱二頭肌、肱三頭肌和正常反射項目）是不必要的，僅需剩余的30條目即可評估上肢功能^[11-12]。單維性是正確解釋內部一致性的必要條件^[13]。Hijikata等^[10]研究發現FMA-UE中的27個項目是單維的，這與Tauchi等^[12]的研究結果一致，證實FMA-UE作為一種可靠的評估工具，可應用于IS上肢功能障礙患者的評估。FMA-UE是中度至重度缺陷腦卒中患者上肢運動功能的有效評估工具，但對輕度損傷患者可能存在頂棚效應。值得注意的是，由于運動學偏差和日常生活限制，FMA-UE評分滿分不能直接說明患肢完全恢復^[14]。此外FMA-UE采用3點序數列表（“非”“部分”“完全”）進行評估，但“部分”列表涉及內容較廣泛，因此嚴重程度的臨界值尚未確定。在未來研究中，應根據IS后上肢功能損傷程度并聯合其他可靠量表進行準確評估。

1.2 "ARAT量表

在腦卒中恢復與康復圓桌會議共識中，ARAT量表與FMA-UE一并被認為可評估腦卒中患者的上肢功能^[15-16]。相較于FMA-UE，ARAT量表可充分評估患者的手部精細功能。該量表由19個項目4個維度（抓握、抓握、捏合、粗略運動）組成，按4點序數從肢體任何部分不能執行任務到正常執行任務進行0～3等級評分，評分0～57分，分高低與肢體功能狀態成正比。初步研究表明ARAT量表作為一種腦卒中后肢體評估的穩定方法，已被證明具有良好的心理測量特性^[17]。然而對該量表的頂棚效應與地板效應目前仍存在爭議。在Amano等^[18]研究中，ARAT量表頂棚效應值為25/30；Kristersson等^[19]對腦卒中后第3天、第10天、第4周患者的上肢功能分別采用ARAT量表測定，結果均顯示出地板效應。不難看出，不同研究獲得ARAT量表評分最高值或最低值的參與者所占百分比差異較大，即產生頂棚效應與地板效應，進而使人質疑該量表是否真正涵蓋被測能力的全部范圍。針對已知不良效應，ARAT量表應用手部運動數據開發機器學習模型可評估腦卒中后患者的手部運動能力和預測分數。通過讓患者佩戴集成多個傳感器的數據手套Cyber Glove Ⅱ進行ARAT測量，在ARAT執行過程中，護理人員可對腦卒中后上肢功能情況進行更加客觀、敏感和準確的評估^[20]。但受佩戴數據手套影響，患者是否可準確抓取細小物體并進行準確評估及對關節間活動角的記錄分析，應在未來研究中予以考慮。此外Daghsen等^[21]創建ARAT量表縮短版本，選擇相比于原版ARAT不存在頂棚效應和地板效應的子量表并進行外部驗證，結果發現縮短的ARAT量表顯示出良好的內部一致性，可較可靠地評估或預測上肢功能，有效性和穩定性良好?？傊珹RAT量表作為腦卒中患者上肢功能評估或預測的常用量表被證明效果良好。但如何解決該量表的不良效應使量表更具普適性是未來的研究重點。

2" 運動生物力學評估工具：穿戴式傳感器

運動生物力學通過量化分析峰值速度、持續時間、加速剖面中的零線交叉頻次、抖動參數、肩關節角度、肘關節和腕關節活動度及軀干位移等關鍵指標，為腦卒中后上肢功能提供客觀評估手段^[22]。多數運動單元的數量可量化評價，但在數據采集、應用與分析策略上卻呈現多樣性。穿戴式傳感器作為監測上肢功能的核心工具，可客觀、實時反映患者肢體狀態，在臨床實踐中得到廣泛應用。

穿戴式傳感器融合傳感、無線通信等先進技術，通過直接穿戴或與皮膚緊密貼合的方式，實現對軀體運動時間、運動幅度及運動變異性的精確測量。這類傳感器種類繁多，包括加速度計、慣性測量單元（inertial measurement unit，IMU）、應變傳感器及Cyber Glove等。具體而言，將上述傳感器固定于患者的軀干、肩部、肘部、手腕等關鍵部位，可實時監測并記錄關節運動的時間與變量特征^[23-25]。

鑒于腦神經的可塑性與重組性，腦卒中后上肢功能的恢復過程常并存運動恢復與運動代償2種機制。當患者嘗試使用患側上肢完成任務時，對側病變的M1區可能過度激活，支持患側肢體運動。這種支持作用可促使肢體剩余運動能力適應或替代原有功能，進而產生新運動模式（身體前傾、抬高肩膀或肘部等），揭示大腦在應對特定任務具有補償機制^[26-27]。然而長期依賴運動代償可導致關節慢性疼痛、受損肌肉功能受限、患側手臂運動恢復不理想及日常生活活動中上肢運動模式異常^[28-29]。

穿戴式傳感器是臨床檢測補償性運動的首選技術，可全面、細致監測各種補償模式^[30]。為深入探究后運動補償狀態下的上肢狀況及運動參與度，研究者巧妙運用IMU集成陀螺儀、加速度計和磁力計3種高精度傳感器，可在固有坐標系內精確測量三維角速率、加速度和磁場矢量，為進一步研究提供可靠數據基礎。相較于高清攝像機記錄，IMU無須電纜連接或保持傳感器之間的清晰視線，但在解決磁干擾、積分漂移及傳感器與測量段未對準等問題時，需采用更復雜的傳感器融合算法^[31]。

IMU通過確保傳感器與測量段的精準校準及磁場的均勻性，提供與光學系統相媲美的精度，確保對運動性能的無影響評估^[32-34]。部分研究者還利用加速度計在特定時間段內提取并計數特定動作，以此評估上肢運動狀態。實際上，加速度計所測量的是一種獨特的運動“數量”，其與臨床功能測試（如ARAT和UEFM）所評估的運動“質量”相互獨立，但共同構成對上肢運動功能的全面評價。加速度計可精確量化不同環境下運動障礙（如痙攣、震顫、肌張力過高等）的運動性能和活動量，為臨床干預提供有力數據支持^[35-36]。

綜上，穿戴式傳感器在腦卒中后上肢補償策略評估中展現出極高的臨床實用價值，憑借其不受時空限制的精確連續監測能力，可穩定且精準記錄相關數據，為臨床評估提供準確且動態的數據信息，使醫務人員更準確地掌握患者上肢功能恢復情況。在病房環境中，該設備穿戴方便且無須依賴復雜的光電系統，護理人員通過標準化流程便可快速分析數據，獲取患者的運動參數，為臨床評估帶來巨大便利。然而值得注意的是，傳感器置于肢體表面可在一定程度上引發患者的不自然運動，干擾患者的正常動作表現，進而影響評估結果的準確性，給臨床判斷帶來一定偏差。未來，仍需深入探討如何進一步降低傳感器對患者運動的影響、如何降低數據分析偏差等相關問題，不斷優化評估體系，更好地服務于腦卒中患者康復護理方案的制定。

3 "電生理學評估工具：表面肌電圖

表面肌電圖（surface electromyography，sEMG）又稱動態肌電圖，是一種在皮膚表面獲取肌肉收縮期間產生的運動單元動作電位的代數和，并提供定量信息（波形、振幅、功率譜密度等）反映神經肌肉功能（肢間協調，肌肉激活和共同激活模式等），進而推測神經肌肉病變特性的評估手段^[37-38]。當運動神經元被激活（即放電）時，神經肌肉接頭處的突觸傳遞導致電位的瞬時變化稱為動作電位。動作電位在經過時間和空間疊加后經過組織和皮膚，在皮膚表面可檢測到電位差信號。sEMG已被應用于觸發特定目標肌肉群的神經肌肉電刺激，以客觀了解IS后上肢功能狀態^[39]。

目前，sEMG作為一種簡便且無創的檢測手段，廣受患者青睞。在針對IS后上肢功能障礙的臨床評估中，sEMG主要通過頻域分析（涵蓋平均功率頻率和中位頻率）與時域分析（包括平均肌電值、積分肌電值及均方根值）兩大指標提取運動單位的相關信息。初步研究結果顯示中位數頻率與平均頻率可有效評估外周及中樞因素引發的神經肌肉變化^[40-42]。為客觀、精確地測量IS后上肢功能，部分學者提出使用多傳感器融合技術，如Tang等^[43]將sEMG聯合穿戴式傳感器進行工具創新，準確了解上肢關節的運動功能。

sEMG作為電生理檢查的關鍵工具之一，在IS后上肢功能評估中扮演舉足輕重的作用。相較于侵入式肌電圖檢查，sEMG以無創性著稱，其分析指標蘊含豐富臨床意義。在臨床護理人員掌握相應理論知識的基礎上，可較為便捷地對sEMG數據進行分析，從而精確評估IS后的神經肌肉狀況。需要注意的是，當sEMG電極片與淺表肌肉距離過近時，對深層肌肉的測量或針對皮下脂肪較厚的人群可能存在記錄偏差的問題。此外，如何將sEMG數據與常規護理相結合，制定出更具針對性、科學性和有效性的護理干預措施以改善患者的臨床結局是未來亟待深入探索的研究方向。

4 "討論

上肢功能障礙是腦卒中后常見后遺癥。隨著上肢功能的受限，患者日常生活質量隨之受到影響。因此，準確評估患者的肢體情況、監測患者功能恢復在臨床護理過程中至關重要。穿戴式傳感器、sEMG、FMA-UE、ARAT量表是目前臨床常用的評估工具。sEMG作為臨床測量的常用工具，結果準確，可準確反映肢體肌肉、關節情況，但耗時長、成本高、過程煩瑣。FMA-UE、ARAT量表可作為腦卒中后上肢功能障礙評估的首選方法。FMA-UE對肩/肘/前臂等肢體的粗大運動有較好評估效果，但對手指間精細運動及靈活度評估存在不足。研究者在評估過程中可將FMA-UE與ARAT量表聯用。穿戴式傳感器是一種靈活的評估工具?，F階段，研究者將該技術與FMA-UE、ARAT量表或sEMG等聯合應用，動態監測肢體信息，更加真實反映腦卒中患者的上肢狀態。

近年來，腦卒中后上肢功能障礙的評估工具逐漸增加，如動態牽張反射閾值、熱成像、機器人痙攣評估系統、改良Heckmatt量表等已被應用于腦卒中后上肢功能障礙評估中?？衫眠@些工具更加快速、客觀地評估患者的肢體功能；并聯合本文提及的工具對患肢進行再評價和補充，更準確地了解患肢情況，制定更有針對性的護理方案。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻]

[1]"" WU Q， YUE Z， GE Y， et al. Brain functional networks study of subacute stroke patients with upper limb dysfunction after comprehensive rehabilitation including BCI training[J]. Front Neurol， 2019， 10： 1419.

[2]"" NORRVING B， BARRICK J， DAVALOS A， et al. Action plan for stroke in Europe 2018-2030[J]. Eur Stroke J， 2018， 3（4）： 309–336.

[3]"" MICERA S， CALEO M， CHISARI C， et al. Advanced neurotechnologies for the restoration of motor function[J]. Neuron， 2020， 105（4）： 604–620.

[4]"" AGRAFIOTIS D K， YANG E， LITTMAN G S， et al. Accurate prediction of clinical stroke scales and improved biomarkers of motor impairment from robotic measurements[J]. PLoS One， 2021， 16（1）： e0245874.

[5]"" WANG G B， QIU Y Q， YING Y， et al. Simple grading for motor function in spastic arm paralysis： Hua-Shan grading of upper extremity[J]. J Stroke Cerebrovasc Dis， 2019， 28（8）： 2140–2147.

[6]"" HERNáNDEZ E D， GALEANO C P， BARBOSA N E， et al. Intra- and inter-rater reliability of Fugl-Meyer assessment of upper extremity in stroke[J]. J Rehabil Med， 2019， 51（9）： 652–659.

[7]"" KWAKKEL G， LANNIN N A， BORSCHMANN K， et al. Standardized measurement of sensorimotor recovery in stroke trials： Consensus-based core recommendations from the Stroke Recovery and Rehabilitation Roundtable[J]. Int J Stroke， 2017， 12（5）： 451–461.

[8]"" VILLEPINTE C， VERMA A， DIMEGLIO C， et al. Responsiveness of kinematic and clinical measures of upper-limb motor function after stroke： A systematic review and Meta-analysis[J]. Ann Phys Rehabil Med， 2021， 64（2）： 101366.

[9]"" BRUNNSTROM S. Motor testing procedures in hemiplegia： Based on sequential recovery stages[J]. Phys Ther， 1966， 46（4）： 357–375.

[10] HIJIKATA N， KAWAKAMI M， ISHII R， et al. Item difficulty of Fugl-Meyer assessment for upper extremity in persons with chronic stroke with moderate-to-severe upper limb impairment[J]. Front Neurol， 2020， 11： 577855.

[11] TAUCHI Y， KYOUGOKU M， TAKAHASHI K， et al. Dimensionality and item-difficulty hierarchy of the Fugl-Meyer assessment of the upper extremity among Japanese patients who have experienced stroke[J]. Top Stroke Rehabil， 2022， 29（8）： 579–587.

[12] TAUCHI Y， KYOUGOKU M， OKITA Y， et al. Structural validity and internal consistency of a hypothesized factor structure of the Fugl-Meyer assessment of the upper extremity[J]. Top Stroke Rehabil， 2023， 30（5）： 501–511.

[13] MOKKINK L B， DE VET H C W， PRINSEN C A C， et al. COSMIN risk of bias checklist for systematic reviews of patient-reported outcome measures[J]. Qual Life Res， 2018， 27（5）： 1171–1179.

[14] THRANE G， SUNNERHAGEN K S， PERSSON H C， et al. Kinematic upper extremity performance in people with near or fully recovered sensorimotor function after stroke[J]. Physiother Theory Pract， 2019， 35（9）： 822–832.

[15] PRANGE-LASONDER G B， ALT MURPHY M， LAMERS I， et al. European evidence-based recommendations for clinical assessment of upper limb in neurorehabilitation （CAULIN）： Data synthesis from systematic reviews， clinical practice guidelines and expert consensus[J]. J Neuroeng Rehabil， 2021， 18（1）： 162.

[16] BERNHARDT J， BORSCHMANN K N， KWAKKEL G， et al. Setting the scene for the Second Stroke Recovery and Rehabilitation Roundtable[J]. Int J Stroke， 2019， 14（5）： 450–456.

[17] NOMIKOS P A， SPENCE N， ALSHEHRI M A. Test- retest reliability of physiotherapists using the action research arm test in chronic stroke[J]. J Phys Ther Sci， 2018， 30（10）： 1271–1277.

[18] AMANO S， UMEJI A， UCHITA A， et al. Clinimetric properties of the action research arm test for the assessment of arm activity in hemiparetic patients after stroke[J]. Top Stroke Rehabil， 2020， 27（2）： 127–136.

[19] KRISTERSSON T， PERSSON H C， ALT MURPHY M. Evaluation of a short assessment for upper extremity activity capacity early after stroke[J]. J Rehabil Med， 2019， 51（4）： 257–263.

[20] PADILLA-MAGA?A J F， PE?A-PITARCH E， SáNCHEZ- SUAREZ I， et al. Hand motion analysis during the execution of the action research arm test using multiple sensors[J]. Sensors （Basel）， 2022， 22（9）： 3276.

[21] DAGHSEN L， FLEURY L， BOUVIER J， et al. Evaluation of a shortened version of the action research arm test （ARAT） for upper extremity function after stroke： The mini-ARAT[J]. Clin Rehabil， 2022， 36（9）： 1257–1266.

[22] ALT MURPHY M， H?GER C K. Kinematic analysis of the upper extremity after stroke-how far have we reached and what have we grasped？[J]. Phys Ther Rev， 2015， 20： 137–155.

[23] CARNEVALE A， LONGO U G， SCHENA E， et al. Wearable systems for shoulder kinematics assessment： A systematic review[J]. BMC Musculoskelet Disord， 2019， 20（1）： 546.

[24] OLIVEIRA A， DIAS D， MúRIAS LOPES E， et al. SnapKi-An inertial easy-to-adapt wearable textile device for movement quantification of neurological patients[J]. Sensors （Basel） ， 2020， 20（14）： 3875.

[25] MACEIRA-ELVIRA P， POPA T， SCHMID A C， et al. Wearable technology in stroke rehabilitation： Towards improved diagnosis and treatment of upper-limb motor impairment[J]. J Neuroeng Rehabil， 2019， 16（1）： 142.

[26] ZHENG Y， MAO Y R， YUAN T F， et al. Multimodal treatment for spinal cord injury： A sword of neuroregeneration upon neuromodulation[J]. Neural Regen Res， 2020， 15（8）： 1437–1450.

[27] PAUL T， HENSEL L， REHME A K， et al. Early motor network connectivity after stroke： An interplay of general reorganization and state-specific compensation[J]. Hum Brain Mapp， 2021， 42（16）： 5230–5243.

[28] ALAVERDASHVILI M， FOROUD A， LIM D H， et al. \"Learned baduse\" limits recovery of skilled reaching for food after forelimb motor cortex stroke in rats： A new analysis of the effect of gestures on success[J]. Behav Brain Res， 2008， 188（2）： 281–290.

[29] ALLRED R P， CAPPELLINI C H， JONES T A. The “good” limb makes the \"bad\" limb worse： Experience- dependent interhemispheric disruption of functional outcome after cortical infarcts in rats[J]. Behav Neurosci， 2010， 124（1）： 124–132.

[30] WANG X， FU Y， YE B， et al. Technology-based compensation assessment and detection of upper extremity activities of stroke survivors： Systematic review[J]. J Med Internet Res， 2022， 24（6）： e34307.

[31] HELD J P O， KLAASSEN B， EENHOORN A， et al. Inertial sensor measurements of upper-limb kinematics in stroke patients in clinic and home environment[J]. Front Bioeng Biotechnol， 2018， 6： 27.

[32] NOWKA D， KOK M， SEEL T. On motions that allow for identification of hinge joint axes from kinematic constraints and 6D IMU data[C]. Naples： European Control Conference， 2019.

[33] LAIDIG D， LEHMANN D， BEGIN M A， et al. Magnetometer-free realtime inertial motion tracking by exploitation of kinematic constraints in 2-DoF joints[J]. Annu Int Conf IEEE Eng Med Biol Soc， 2019， 2019： 1233–1238.

[34] SALCHOW-H?MMEN C， CALLIES L， LAIDIG D， et al. A tangible solution for hand motion tracking in clinical applications[J]. Sensors （Basel）， 2019， 19（1）： 208.

[35] POITRAS I， CLOU?TRE J， BOUYER L J， et al. Development and validation of open-source activity intensity count and activity intensity classification algorithms from raw acceleration signals of wearable sensors[J]. Sensors （Basel）， 2020， 20（23）： 6767.

[36] BARTH J， GEED S， MITCHELL A， et al. Characterizing upper extremity motor behavior in the first week after stroke[J]. PLoS One， 2020， 15（8）： e0221668.

[37] LIU K， YIN M， CAI Z. Research and application advances in rehabilitation assessment of stroke[J]. J Zhejiang Univ Sci B， 2022， 23（8）： 625–641.

[38] FELDNER H A， PAPAZIAN C， PETERS K， et al. “It’s all sort of cool and interesting…but what do I do with it？” A qualitative study of stroke survivors’ perceptions of surface electromyography[J]. Front Neurol， 2020， 11： 1037.

[39] MONTE-SILVA K， PISCITELLI D， NOROUZI-GHEIDARI N， et al. Electromyogram-related neuromuscular electrical stimulation for restoring wrist and hand movement in poststroke hemiplegia： A systematic review and Meta-analysis[J]. Neurorehabil Neural Repair， 2019， 33（2）： 96–111.

[40] HOGREL J Y. Clinical applications of surface electromyography in neuromuscular disorders[J]. Neurophysiol Clin， 2005， 35（2-3）： 59–71.

[41] KARLSSON S， GERDLE B. Mean frequency and signal amplitude of the surface EMG of the quadriceps muscles increase with increasing torque-A study using the continuous wavelet transform[J]. J Electromyogr Kinesiol， 2001， 11（2）： 131–140.

[42] YAO B， ZHANG X， LI S， et al. Analysis of linear electrode array EMG for assessment of hemiparetic biceps brachii muscles[J]. Front Hum Neurosci， 2015， 9： 569.

[43] TANG Z， YU H， YANG H， et al. Effect of velocity and acceleration in joint angle estimation for an EMG-based upper-limb exoskeleton control[J]. Comput Biol Med， 2022， 141： 105156.

• 2024–12–29）

（修回日期：2025–06–12）

通信作者：徐莉霞，電子信箱：903397107@qq.com