LokoHelp下肢机器人对脑梗塞偏瘫患者疗效的观察

来源 :第八届全国神经康复学术研讨会 | 被引量 : 0次 | 上传用户:lv0550159
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  目的:观察LokoHelp下肢机器人配合常规康复对脑梗塞偏瘫患者在FAC、Fagl-Meyer下肢运动功能、Berg、Barthel指数方面的治疗效果.方法:采用随机(1∶1)对照研究的方法,将2011年2月-2012年1月在内蒙古包头市中心医院神经内科住院的发病在一月以内的60例脑梗塞偏瘫患者随机分为治疗组及对照组,他们符合经头颅CT或MRI证实为基底节区脑梗死的患者,初次发病或既往有发作但未遗留神经功能障碍,年龄在35-75岁,意识清楚,可服从指导,无合并认知功能障碍,徒手肌力检查下肢肌力在1-3级;治疗组在进行常规康复治疗基础上加做德国进口的LokoHelp下肢机器人的训练,对照组只使用常规康复方法进行训练,训练四周后进行两组治疗前后在FAC、Fagl-Meyer下肢运动功能、Berg、Barthel指数方面的比较,训练四周后两组患者在FAC、Fagl-Meyer下肢运动功能、Berg、 Barthel指数方面进行比较. 结果:治疗组训练四周后在FAC评分( 4.00士1.02), Fagl-Meyer下肢运动功能评分(26.87±4.84 ), Berg评分(44.83±9.19), Barthel指数评分(86.33±9.55)较治疗前FAC评分(0.30±0.47), Fagl-Meyer下肢运动功能评分(3.27±1.95 ), Berg评分(3.6±2.08)、Barthel指数评分(20.0±8.71)均有显著的效果(P<0.05 ),经过四周训练后对照组在FAC(1.97±0.96), Fagl-Meyer下肢运动功能评分(16.97±5.40), Berg评分(21.43±10.42), Barthel指数评分(61.67±14.70 )与治疗前在FAC评分(0.20±0.41), Fagul-Meyer下肢运动功能评分(3.10±2.12)、Berg评分(3.5±1.72), Barthel指数评分(18.3±8.02 )比较均有显著的效果(P<0.05 ),训练四周后治疗组在FAC评分(4.00±1.02 ) , Fagl-Meyer下肢运动功能评分(26.87±4.84 ), Berg评分(44.83±9.19 ), Barthel指数评分(86.33±9.55)与对照组在FAC(1.97±0.96), Fagl-Meyer下肢运动功能评分(16.97±5.40), Berg评分(21.43±10.42), Barthel指数评分(61.67±14.70)比较均有显著的效果(P<0.05 )。结论:LokoHelp下肢机器人的训练对急性脑梗塞偏瘫患者有显著的疗效。
其他文献
  通联关系社团挖掘是犯罪组织或恐怖组织的发现手段,在计算上通常采用图算法来实现。但是随着通联关系数量的增多,图的规模越来越大,需要分析的节点超过了数百万级,边的数量达
会议
  协同过滤是到目前为止最成功和应用最广泛的推荐技术,然而,由于用户-项目矩阵极端稀疏导致推荐不精确.针对该问题,本文提出了三种数据填充方法和两种推荐策略.对评分矩阵中
会议
  面向海量遥感影像数据的管理,结合文件间的语义关系,构建面向空间数据检索应用的文件目录体系。该方法通过影像元数据概念语义关系集合运算及属性项的语义相似度计算构建部
  网页的内容信息对于提高聚类质量来说并不完全够用,针对网络社区网页之间存在的天然链接关系,本文提出了一种挖掘用户标签的增强型社区网页聚类算法。本文采用多种距离度量
  对某并行文件系统的I/O性能进行分析和测试。从软件结构和硬件部署结构等方面对某并行文件系统进行简要介绍,分析并总结影响其I/O性能的因素(I/O性能因子),设计测试用例,重
国家安全高于一切,守护责任重如泰山.不仅仅是屏幕中的谍战片,而是与每一个人息息相关、近在咫尺.在维护国家安全上,谁都不是局外人、旁观者,而是人人有责,更需人人尽责.
期刊
  随着海量数据的快速膨胀,机群文件系统的存储方式正在逐步从复本向Erasure Code过渡.Erasure Code存储能够以更低的存储空开销提供更高的可靠性.然而,由于Erasure Code存
会议
  垃圾邮件过滤是网络安全领域的重大课题和难题。本文针对传统技术的不足,使用机器学习领域经典的最大熵模型对垃圾邮件进行判定,并结合其采用针对SMTP邮件通信协议的实时阻
  相关性是信息检索中的核心概念,相关反馈是信息检索系统中的关键技术。随着信息检索技术的不断进步,用户也对检索内容提出了更高的要求,要求检索系统能够满足相应的用户需求
  现有的大多数序列模式挖掘算法或者没有把项出现的时间作为一个因素来考虑,或者只考虑序列项作为点时刻而出现,而没有考虑到有的序列项是存在于一个时间范围,因而挖掘结果可