脑卒中后下肢痉挛评估方法的研究进展

余枷枷

(宁波大学体育学院 浙江宁波 315211)

1 研究目的

脑卒中是全球第二大常见的死亡原因，也是导致长期残疾的主要原因［1］。据统计，脑卒中幸存者中有三分之一伴有长期残疾和不同程度的并发症，约有30%的患者在卒中后的最初几天或是一周内发生不同程度的痉挛症状［2］。痉挛是肌肉的一种不自主收缩现象，通常发生在中枢神经受损后，是被动拉伸过程中速度依赖型的牵张反射亢进，可能造成肌肉流变学特性的改变，限制关节活动，导致患者肌肉疼痛、僵硬和萎缩等［2］。同时这些症状可能导致患者运动功能丧失，并影响药物的疗效。随着痉挛的加重，患者的生活质量也随之下降，严重损害日常生活质量。因此，在康复治疗中，客观合理的痉挛测量是个性化治疗、监测患者功能恢复至关重要的过程。为了能够准确客观地评估痉挛，国内外学者不断研究痉挛客观评估的新方法，该研究的目的在于总结近5 年内痉挛评估相关研究，探讨脑卒中后肢体痉挛评估的研究进展，比较痉挛评估新旧方法的优缺点，并提出现有痉挛评估方法的改进方向。

2 研究方法

2.1 检索策略

在Web of Science、PubMed、MEDLINE、ScienceDirect、CNKI中国知网等平台进行论文摘要的筛选，并检索与该研究相关性高的全文进一步分析，同时对已确定文献的参考文献进一步分析，检索时间从2016年到2022年10月。

中文检索关键词包括痉挛、脑卒中、中风、卒中后、评定/评估、量表、电生理、表面肌电、肌肉建模、动力学、运动生物力学、步态分析、建模仿真、弹性成像。英文检索关键词包括Stroke、Post-Stroke、Spasticity OR Spastic、Measurement、Assessment、Quantitative Assessment。

中文检索式为痉挛AND（脑卒中OR 中风后OR 卒中）AND（评定OR 评估）AND（电生理OR 表面肌电OR F 波OR H 波OR 量表OR 生物力学OR 肌肉建模OR 仿真OR深度学习）。英文检索式为（Spasticity OR Spastic）AND（Stroke OR Post-Stroke Spasticity）AND（Assessment）AND（Electromyography OR Scale OR Biomechanical OR Myotonometry）。

2.2 纳入和排除标准

纳入标准：（1）研究肢体痉挛的评估方法；（2）研究对象是脑卒中后患者或中风患者；（3）评估方法涉及量表、电生理、生物力学或建模仿真、深度学习等。

排除标准：（1）会议类型的文章或仅有摘要无全文的文献；（2）未发表或见刊的文献；（3）由于该研究重点在于探寻新方法，排除使用评估方法进行治疗的研究。

3 结果与分析讨论

痉挛在临床中易于观察，但难于客观量化。目前痉挛评估方法主要分为临床量表评估、电生理评估、影像学评估、运动生物力学评估、骨骼肌肉建模仿真等（见表1）。

表1 痉挛评估方法

3.1 临床量表评估

目前临床上广泛用于痉挛评估量表的方法主要包括高张力评估工具（The Hypertonia Assessment，HAT）、改良的Ashworth 量表（Modified Ashworth Scale，MAS）、综合痉挛量表（Comprehensive Spasticity Scale，CSI）、改良的Tardieu 量表（Modified Tardieu Scale，MTS）等［3-4］。这些量表主要基于治疗师的被动拉伸和患者抵抗被动运动的主观测试结果。优点是操作简单，不需要任何评估设备，但主观性强，不能区分神经和非神经因素［3］。

改良的Ashworth 量表在Ashworth 量表的基础上加入了“Ⅰ+”级，有效地改善了中间级别的集束效应。在评估方面，改良的Ashworth 量表只评定了肌张力和被动运动下的痉挛，忽略了痉挛可能发生的阵挛和腱反射，且评定上肢痉挛程度的信效度均大于下肢［4］。

临床评估量表（CSI）用于测量痉挛严重程度，从肌张力程度、腱反射和阵挛三个方面进行评定，总分值越高，痉挛越严重［3］。该量表广泛应用于脑卒中患者痉挛评估，且侧重于评定下肢痉挛程度。有研究表明，用临床痉挛评估指数评估下肢痉挛程度的信效度优于Ashworth量表和改良的Ashworth量表［3］。

改良的Tardieu量表是根据Lance的定义提出的一项更适合测量痉挛的量表，该表与改良的Ashworth 量表相比，将痉挛在三种不同速度下进行了评估，考虑了关节被动运动速度、收缩爆发的角度和牵张的肌腱收缩［3］因素。

此外，近几年痉挛临床评估还提出数值评定量表（Numeric Rating Scale，NRS）、三重痉挛量表（Triple Spasticity Scale）、改良的Heckmatt量表（Modified Heckmatt scale，MHS）、新痉挛量表（Spasticity Scale）、澳大利亚痉挛量表（ASAS）［5-7，9］。NRS 将患者的自我报告纳入到了评估结果中［5］。MHS是一种用来评估肌肉痉挛病理性变化的量表，常用于定量评估下肢小腿肌痉挛的回声强度［7］。ASAS 利用钟摆运动的小腿模型，通过痉挛力矩来识别痉挛，评估结果与MAS具有相关性，但其流程多，操作复杂［9］。

临床量表在临床评估中提供了极大的便利性，但这只能代表半定量评估方法，其受物理治疗师的主观影响较大，测量结果主观性强。

3.2 电生理评估

电生理痉挛评估主要依赖脑卒中后的肢体痉挛，主要运用F 波、H 反射、表面肌电、强直牵张阈值（TSRT）、反射肌电阈值、动态牵张反射阈值（DSRT）、强直运动诱发电位（MEP）、前庭诱发肌源电位（VEMP）等指标进行评估［10］。F波和H波是反映运动神经元兴奋的重要指标，H 反射指标中Hmax/Mmax、Hslp/Mslp、H反射激活后抑制（PAD）等可作为痉挛的评定指标［10］，当发生痉挛时，H反射的幅度会增大，Hmax/Mmax也随之增加［24］。F 波作为评价痉挛的另一指标，常用来反映运动神经肌肉的兴奋性，Hmax/Fmax 可表示痉挛的严重程度，但F 波在临床上应用较少［24-25］。在研究中发现，F波和H反射与MAS只存在中度相关性，多数研究未发现密切相关性［24，26］。

表面肌电图又称动态肌电图，是将表面电极片粘贴在目标肌肉的皮肤表面，以无创的形式收集神经肌肉系统产生生物电变化后的一维电压时间序列信号，也就是受神经支配的肌肉活动时产生的生物电［27］。评估痉挛的研究多集中在利用时域、频域参数指标量化肌肉活动时，目前常用的sEMG量化痉挛指标有平均肌电值（AEMG）、积分肌电值（IEMG）和均方根值（RMS）［27-28］。近几年，动态牵张反射阈值（DSRT）、强直性牵张反射阈值（TSRT）备受关注［11，29-30］。BaohuaHu等人提出基于sEMG信号Hilbert-Huang变换边缘谱熵（HMSEN）的动态牵张反射测量方法，用于量化痉挛［12］。Baohua Hu 等人基于Hilbert-Huang 变换边缘谱熵（HMSEN）和表面肌电信号的均方根（RMS）开发了一种客观可靠的痉挛评估临床实用方法［13］。Song Yu 等人提出将表面肌电信号与自适应神经推理模糊系统相结合（即SEMG-ANFIS 方法），用于量化痉挛，SEMGANFIS 方法有着较高的准确度，而且可以通过重复更少次数的被动拉伸来达到量化痉挛的效果［31］。

3.3 影像学评估

磁共振弹性成像能够对单个肌肉进行客观量化评估，分辨率高，但是对设备场地要求严格，费用高，且辐射具有伤害性，当前能够证明磁共振成像量化痉挛的研究文献较少［10，14］。弹性成像和超声成像技术早年用于检测患者肿瘤的扩散范围，近些年也在神经肌肉领域广泛应用［15］。Frank 等人研究横波超声成像技术对于中风后痉挛的定量评定，筛选了76篇文献，其中9篇中提及中风患者肱二头肌或足底区肌痉挛的弹性成像数据，发现剪切波数值与临床测量数值具有较高的一致性，横波超声成像可作为量化中风后痉挛指标［18］。超声技术可以识别正常和病理组织的回声和力学特性，痉挛肌肉表现出更强的回声，但易受探头大小、切面等因素的影响，且目前临床研究较少［10，14］。Jessica McDougall 等人研究提出将近红外光谱（NIRS）用于痉挛评估，NIRS可以实时监测肌肉收缩活动引起的肌肉血流动力学和代谢变化，还能无创检测并测量痉挛和非痉挛肌肉的血容量差异及氧化能力的变化，但其可行性需进一步验证［16］。热成像是基于部分物体表面发射红外辐射的温度测量法，有研究表明，痉挛肢体与非痉挛肢体相比，痉挛侧温度更低［17］。

3.4 运动生物力学评估

生物力学常通过测量关节位置、角速度和扭矩来量化被动运动时关节中速度相关的阻力，或采用传感器设备采集动力学和运动学数据，测量静态和动态加速度，如等速测试、肌张力测试、可穿戴系统评估、步态分析，这些测试主要集中在痉挛肌肉力学评估中［32-33］。McGiboon 等人提出了一个运动学模型，并通过线性判别分析算法进行了分类学习，解决了识别肌肉痉挛严重程度的问题，但此方法需要特定的实验环境［34］。McGibbon 等人提出用可穿戴系统进行评估，该系统由光纤测试仪和一个带有两个通道的表面肌电（EMG）组合两次，用于记录肘部伸屈肌被动拉伸过程中的运动学和肌肉活动特征，运动学和肌电图数据中代表痉挛的指标与MAS评分具有密切关联性［22］。

钟摆测试是通过视觉评估肌肉对突然施加的外力的拉伸反应，以及通过弯曲和伸展之间产生的振荡来评估肌肉痉挛程度［35］。W Li 招募了40 名受试者进行摆锤测试和MAS测试，测量膝关节和踝关节痉挛，受试者进行10 米步行实验，研究发现，从摆锤测试中能够提取脑卒中患者痉挛步态性能的预测参数，摆锤测试可作为评估痉挛的一种简单客观方法［29］。

患者的个体差异对神经生理学和生物力学在痉挛方面的评估有着很大影响，近些年大量学者利用表面肌电，结合惯性传感器机器人痉挛评估系统、机器学习算法评估痉挛系统、人工神经网络评估痉挛平台等，对痉挛评估进行了个性化的研究［20-21，23，31，36］。Xu Zhang等人招募了16名肘屈肌或伸肌痉挛患者和8名健康受试者，采用表面肌电（sEMG）测试法，结合惯性传感器记录受试者的EMG信号和惯性数据，并为数据构建了Lambda 模型和运动学模型，提出了一种基于回归分析肌电信号与可穿戴惯性传感器数据的指标，用于痉挛评估，该指标经验证与MAS 有高度相关性［20］。Jung-Yeon Kim 等人提出通过机器学习来确定肘关节痉挛，该方法与MAS具有良好的相关性［22］。Falisse等人提出将肌肉力反馈模型用于痉挛评估［19］。近三年利用神经网络、深度学习算法研究痉挛评估系统的报道较多，但样本量不足，需进一步验证其可行性。远程医疗评估是临床医生通过一个虚拟的框架，使用电信技术指导护理人员来协助进行痉挛评估，研究表明，使用远程医疗的痉挛患者非常少，但其在临床运用方面很有前景，尤其是在COVID-19流行期间［37］。

4 结语

从传统的临床量表评估到生物力学模型的建立，痉挛评估逐渐精细化。但痉挛的识别和测量仍主要在患者的静息状态下进行，而在日常生活中，痉挛可能在随意运动中发生。因此，痉挛的定量评估是巨大的挑战，建议进一步根据脑卒中后痉挛的病理生理机制，研究出可全面客观量化痉挛的方法。并将痉挛评估建立在临床评估的基础上，在活动和功能性运动中重复生物力学测量。