Umeå University's logo

Background: Stroke, and its subsequent motor function impairments may result in limited gait ability characterised by compensatory movement patterns that include deviations and asymmetries. How these movement patterns should be evaluated and quantified in order to be monitored and treated in the long term is not yet standardised. Limitations in walking quality and quantity negatively affect quality of life and lead to great costs for society if independence is lost. Improved walking ability is hence highly prioritised in stroke rehabilitation. Gait-assisting robots have been developed to enable favourable controlled, high-intensive and task-specific training. Studies evaluating the effects of robotic-assisted gait training (RAGT) have, however, shown inconsistent results. Identifying responders to treatment may facilitate further development of RAGT to improve outcomes. This requires in-depth knowledge of how specific gait movement patterns should best be identified, quantified and treated in rehabilitation. There is also a need for greater insight into how individuals experience gait training in general, and RAGT in particular, as this will likely affect the performance and outcomes of training.

Aim: This thesis aims to contribute to the discussion on how to quantify gait movement patterns post-stroke from a whole-body perspective. It will also evaluate the effects of RAGT on biomechanical measures of gait and explore the experience of high-intensive and robotic-assisted gait training in persons with impaired walking ability due to stroke.

Methods: A systematic review and meta-analysis consolidated the evidence for the effects of RAGT on biomechanical measures of gait in persons post-stroke. Two descriptive, cross-sectional studies based on kinematic gait data (31 persons post-stroke and 41 non-disabled controls) investigated potential variables to quantify post-stroke gait. The size and angular velocity of the inclination angles between the Centre of Mass (CoM) and the ankle or head, respectively, was investigated with curve analyses covering the entire gait cycle. Furthermore, misclassification rates were calculated based on leave-one-out cross-validation and logistic regression to address the combinations of kinematic variables that most correctly classify a person post-stroke when compared to controls. Finally, individual interviews were performed and analysed using qualitative content analysis to explore the experiences of high-intensive gait training, including RAGT, among persons post-stroke.

Results: The systematic review included 13 studies with a total of 412 individuals. The meta-analyses did generally not reveal significant differences between RAGT and comparator groups for biomechanical parameters. Risk of bias assessments raised concerns for several of the studies and the general quality of evidence for these outcomes was very low. An important finding was an inconsistency of biomechanical outcome measures. Data from the primary cross-sectional studies included in this thesis indicated a bilateral lower body adaptation likely to increase the base of support and an upper body leaning towards the affected side during walking in persons post-stroke. Furthermore, core sets of 2-3 kinematic gait variables were identified from both the upper and lower body that, when combined, were most likely to differentiate post-stroke gait from gait in non-disabled controls. Finally, qualitative analysis of participants’ perspectives on high-intensive gait training including RAGT revealed four categories which described: 1) A generally positive mindset when starting the gait training intervention; 2) That engaging in a high-intensive gait training programme was appreciated although experienced as mentally and physically exhausting. The role of the physiotherapist was perceived as crucial; 3) Potential barriers during RAGT, such as discomfort and lost control during walking with the robot, but also facilitators like concrete feedback and the possibility to walk longer distances, and; 4) The participants’ feelings of confidence or concern for the future.      

Conclusions: The systematic review demonstrated a very low certainty in current evidence for employing RAGT instead of non-robotic gait training to improve gait biomechanics post-stroke. In addition, it emphasized the lack of standardised guidelines as to which outcome measures most sufficiently quantify gait post-stroke. The cross-sectional studies included in this thesis, presenting upper and lower body kinematic variables to differentiate gait patterns between individuals with stroke and those without, highlight the advantages of adopting a whole-body perspective when evaluating gait post-stroke. Finally, interviews identified valuable aspects from the user’s perspective that should be considered during further development of RAGT devices and the design of high-intensive gait rehabilitation programmes post-stroke. 

Stroke, med påföljande sensoriska och motoriska nedsättningar, kan resultera i en begränsad gångförmåga som kännetecknas av avvikande, ofta kompensatoriska, rörelsemönster. Hur dessa rörelsemönster ska utvärderas och kvantifieras för att på sikt kunna följas och förändras är ännu inte standardiserat. Att inte kunna gå på det sätt eller i den utsträckning som man vill påverkar individens vardag och livskvalitet, samt leder till stora kostnader för samhället. Därför är förbättrad gångförmåga högt prioriterad inom strokerehabilitering. Gångassisterande robotar har utvecklats för att möjliggöra skräddarsydd, kontrollerad, högintensiv och uppgiftsspecifik träning. Befintliga studier som utvärderar effekterna av robotassisterad gångträning visar dock på varierande resultat, vilket väcker frågor kring hur man ska kunna identifiera de patienter som gagnas av den här typen av träning. För detta krävs fördjupad kunskap om hur specifika, avvikande gångmönster hos personer med halvsidig förlamning efter stroke bäst ska identifieras, kvantifieras och behandlas i rehabilitering. Det fordras även större insikt i hur gångträning i allmänhet och robotassisterad gångträning i synnerhet upplevs av personerna, eftersom detta i hög grad kan påverka träningens utförandet och utfall.

Målet med denna avhandling var att bidra till kunskapen om hur man med hjälp av kinematiska (rörelserelaterade) utfallsmått kan identifiera och kvantifiera gångmönster hos personer med halvsidesförlamning efter stroke. Dessutom, för att bredda perspektivet på robotassisterad gångträning, utforskas upplevelser av denna typ av träning hos personer med nedsatt gångförmåga efter stroke. 

Avhandlingen består av fyra delstudier. En systematisk litteraturöversikt och meta-analys undersökte inledningsvis eventuella effekter på gångmönstret (mätt med biomekaniska utfallsmått) hos personer som haft stroke och tränat med en gångassisterande robot (delstudie I). Två deskriptiva tvärsnittsstudier (delstudie II och III) kvantifierade gångmönstret hos 31 personer med stroke och 41 kontrollpersoner med hjälp av kinematiska utfallsmått. Kurvanalyser (delstudie II) användes för att undersöka två inklinationsvinklar som applicerats mellan Centre of Mass (CoM) och fotled respektive huvud. Genom dessa undersöktes om personer med stroke hade annorlunda rörelsemönster vid gång i jämförelse med kontrollpersonerna. Vidare beräknades en felklassificeringsfrekvens för olika kombinationer av kinematiska variabler (delstudie III). Detta för att identifiera vilken kombination av variabler som mest korrekt kunde särskilja en person med stroke från kontrolldatat. Slutligen genomfördes intervjuer med personer med nedsatt gångförmåga efter stroke (delstudie IV). Dessa personer hade deltagit i en sex veckor lång träningsintervention som innefattat högintensiv konventionell och robotassisterad gångträning. Intervjuerna analyserades med kvalitativ innehållsanalys. 

Den systematiska litteraturöversikten (delstudie I) omfattade 13 studier med totalt 412 individer. Meta-analyser visade generellt inga signifikanta skillnader vad gäller effekten på biomekaniska mått mellan grupperna som tränat med en gång-assisterande robot jämfört med de som tränat utan roboten. Båda träningsgrupperna förbättrades lika mycket. Utöver det konstaterades metodologiska svagheter i de inkluderade studierna, samt en inkonsekvens gällande vilka biomekaniska utfallsmått som använts. Delstudie II påvisade bilaterala anpassningar av rörelsemönstret i benen bl.a. för ökad understödsyta. När personerna med stroke gick, konstaterades de även luta bålen mot sin delvis förlamade sida i betydligt högre grad än kontrollerna. Vidare identifierades kombinationer av 2-3 kinematiska gångvariabler som tillsammans bäst särskilde personer med stroke från kontrollpersonerna (delstudie III). Spatiala och temporala variabler som exempelvis gånghastighet och steglängd skulle optimalt kombineras med data om ledvinkelrörelser i exempelvis bäcken eller fotled. Analyser av intervjuerna resulterade i fyra kategorier som beskrev: 1) En generellt positiv attityd vid interventionens start; 2) Upplevelsen av den högintensiva gångträningen som fysiskt och mentalt krävande, men också givande. Fysioterapeutens roll lyftes fram särskilt och betydelsen av en uppmuntrande, inkluderande och professionell kommunikation ansågs avgörande för bibehållen motivation; 3) Upplevda fördelar med den robot-assisterade träningen, såsom möjligheten att gå längre sträckor, men också svårigheterna i att finna rytm och kontroll i samarbetet med roboten; samt 4) Känslor av ökat självförtroende men även oro inför framtiden. 

Det finns fortfarande kunskapsluckor att fylla för att nå optimerad utvärdering och rehabilitering av gångförmåga efter stroke. Avhandlingens litteraturöversikt visade att RAGT och konventionell gångträning generellt har samma effekt på gångmönstret hos personer som haft stroke. Standardiserade biomekaniska utfallsmått för utvärdering av gångmönster saknas fortfarande och avhandlingens tvärsnittsstudier betonade betydelsen av att gånganalyser utgår från ett helkroppsperspektiv. Intervjuerna lyfte fram värdefulla motiverande såväl som hindrande aspekter som bör beaktas i samband med design och genomförande av högintensiv gångträning samt vid vidareutvecklingen av gångassisterande robotar.