ArchivDeutsches Ärzteblatt39/2018Verbesserung der Gehfähigkeit nach Schlaganfall

MEDIZIN: Originalarbeit

Verbesserung der Gehfähigkeit nach Schlaganfall

Systematisches Review mit Netzwerk-Metaanalyse zu randomisierten kontrollierten Studien

The improvement of walking ability following stroke—a systematic review and network meta-analysis of randomized controlled trials

Dtsch Arztebl Int 2018; 115(39): 639-45; DOI: 10.3238/arztebl.2018.0639

Mehrholz, Jan; Pohl, Marcus; Kugler, Joachim; Elsner, Bernhard

Als E-Mail versenden...
Auf facebook teilen...
Twittern...
Drucken...

Hintergrund: Gehgeschwindigkeit und Gangausdauer sind zentrale Parameter, um den Erfolg einer Rehabilitation der Gehfähigkeit nach einem Schlaganfall zu bestimmen. Ziel der vorliegenden Arbeit war es, die aktuelle Evidenz der Gangrehabilitation nach einem Schlaganfall zusammenzufassen.

Methode: Es wurde ein systematisches Review zu randomisierten kontrollierten Studien mit Netzwerk-Metaanalyse erstellt. Primärer Endpunkt war die Gehgeschwindigkeit, sekundäre Endpunkte waren die Gehfähigkeit, die Gangausdauer und die Gangsicherheit. Folgende Interventionen wurden analysiert: kein Gehtraining, konventionelles Gehtraining (Referenzkategorie), Laufbandtraining ohne oder mit Körpergewichtsentlastung, Laufbandtraining mit oder ohne Geschwindigkeitsparadigma sowie elektromechanisch-assistiertes Gehtraining mit Endeffektorgeräten oder Exoskelettgeräten.

Ergebnisse: Die systematische Suche ergab 40 567 Treffer. In die Auswertung wurden 95 randomisierte kontrollierte Studien mit insgesamt 4 458 Patienten nach Schlaganfall eingeschlossen. Für den primären Endpunkt Gehgeschwindigkeit erreichte das Gangtraining mit Endeffektor-assistierten Geräten signifikante Verbesserungen (Mittelwertdifferenz [MD] = 0,16 m/s; 95-%-Konfidenzintervall [0,04; 0,28]). Alle anderen Interventionen verbesserten die Gehgeschwindigkeit nicht signifikant. Für den sekundären Endpunkt Gangausdauer erreichte das Endeffektor-assistierte Gangtraining und das Laufbandtraining mit Körpergewichtsentlastung eine signifikante Verbesserung (MD = 47 m, [4; 90] beziehungsweise MD = 38 m, [4; 72]). Für den sekundären Endpunkt Gehfähigkeit wurde aufgrund bedeutender Inkonsistenz keine Netzwerk-Metaanalyse durchgeführt. Die Sicherheit der einzelnen Interventionen unterschied sich nicht voneinander.

Schlussfolgerung: Im Vergleich zu einer konventionellen Gangrehabilitation scheint das Endeffektor-assistierte Gehtraining signifikant und klinisch bedeutsam die Gehgeschwindigkeit und die Gangausdauer nach einem Schlaganfall zu verbessern. Die Laufbandtherapie mit Teilkörpergewichtsentlastung erreicht im Vergleich zu einer konventionellen Gangrehabilitation signifikante und klinisch bedeutsame Verbesserungen der Gangausdauer.

LNSLNS

Der Schlaganfall ist eine der häufigsten Erkrankungen weltweit und führt zu dauerhafter Behinderung, reduzierter Lebensqualität und damit zu hoher Krankheitslast. Ein Großteil der Patienten nach einem Schlaganfall hat Gehstörungen und ist dadurch nur innerhalb des eigenen Wohnbereichs gehfähig. Infolge der eingeschränkten Mobilität können die Betroffenen oftmals das Haus nicht verlassen. Beinahe 70 % der Gehfähigen erreichen keine normale Gehgeschwindigkeit und sind daher in Alltagsaktivitäten wie zum Beispiel beim Überqueren von Ampelanlagen eingeschränkt (1). Das Wiedererlangen der Gehfähigkeit mit einer annähernd normalen Gehgeschwindigkeit ist daher eines der wichtigsten Ziele von Patienten nach einem Schlaganfall und deren Angehörigen.

Um die Gehleistung zu verbessern, wurden in den letzten Jahren Interventionen wie das Laufbandtraining sowie das elektromechanisch-assistierte Gehtraining eingeführt (2). Beim Laufbandtraining wird der Patient durch ein Gurtsystem gesichert, wobei ein Teil des Körpergewichts entlastet wird (3, 4). Ein weiterer Ansatz ist das Laufbandtraining mit systematischer Steigerung der Gehgeschwindigkeit (5). Elektromechanisch-assistierte Gangtherapie bedeutet, dass der Gangzyklus teilautomatisiert ist. Dies erleichtert die Arbeit der Therapeuten (6). Mit dieser Methode sind höhere Schrittzahlen in der Therapie möglich und bei schwerer betroffenen Patienten kann das Gehen frühzeitiger und intensiver geübt werden als bisher (7). Beispiele für elektromechanische Endeffektormodelle ist der Gangtrainer GT-I (1) und für Exoskelettmodelle der Lokomat und der LOPES (6, 8). Darüber hinaus werden gerade in den letzten Jahren mobile Exoskelette (911) und spezielle „Gliedmaßen-Roboter“ (1214) in der Literatur beschrieben.

Das Exoskelettsystem besteht aus einem Laufband und einem Exoskelett, das heißt einer Orthese mit Stangen und Gelenken, die dem Beinskelett nachempfunden wurden und die dann den Körpermaßen angepasst werden (1). Im Exoskelett integriert sind programmierbare Antriebe, die die Hüft- und Kniegelenke während des Gehens bewegen. Die Füße werden vom Gerät geführt beziehungsweise kontrolliert (1). Beim Endeffektor-System steht der gurtgesicherte Patient auf zwei Fußplatten, die das Gehen simulieren (1). Vom Gerät werden lediglich die auf Fußplatten fixierten Füße bewegt, Knie und Hüftgelenke folgen und werden nicht vom Gerät kontrolliert, sondern müssen vom Patient aktiv bewegt werden (1).

Obgleich die Evidenzlage zum Gangtraining nach einem Schlaganfall gut zu sein erscheint, fehlt es bislang an einer Übersichtsarbeit, die sämtliche Studien und Interventionen zur Verbesserung der Gehfähigkeit nach einem Schlaganfall zusammenfasst und auswertet. So wurden die bisherigen Cochrane Reviews ausschließlich zu eingegrenzten Fragestellungen wie etwa nach der Effektivität des Laufbandtrainings oder der Effektivität elektromechanisch-assistierter Gangrehabilitation durchgeführt (4, 15). Bislang wurden jedoch kaum mehrere Interventionen der Gangtherapie direkt miteinander verglichen. Für die Praxis stellt sich jedoch gerade die Frage, welcher Therapieansatz beziehungsweise welches Gerät im Vergleich zu anderen Therapien effektiver ist. Für den behandelnden Arzt ist es gegebenenfalls schwierig, zu beurteilen, welcher spezifische Gangtherapieansatz nach einem Schlaganfall verschrieben werden sollte.

Ein Lösungsansatz für dieses Problem könnten sogenannte Netzwerk-Metaanalysen bieten. Sie ermöglichen es, durch die Kombination von direkten und indirekten Vergleichen von drei oder mehr Interventionen in randomisierten kontrollierten Studien auf der Basis einer gemeinsamen Vergleichsintervention das Evidenznetzwerk quantitativ zusammenzufassen (16).

Zielsetzung

Ziel der vorliegenden Arbeit war es, einen Überblick über das Evidenznetz randomisierter kontrollierter Studien zur Verbesserung der Gehgeschwindigkeit, der Gangausdauer, der Gehfähigkeit und der Sicherheit nach einem Schlaganfall zu schaffen. Ein weiteres Ziel bestand darin, die relative Effektivität der verschiedenen Interventionen unter Berücksichtigung von Effektmodifikatoren einzuschätzen.

Methode

Studienprotokoll und Registrierung

Wir registrierten für die vorliegende Arbeit ein Studienprotokoll, das in der Datenbank PROSPERO unter der ID CRD42017056820 nach PRISMA-Kriterien publiziert ist (17).

Ein- und Ausschlusskriterien

In die Auswertung schlossen wir veröffentlichte und unveröffentlichte Studien mit Erwachsenen nach einem Schlaganfall (nach klinischer Definition) ein. Wir verglichen jede Art von Gehtraining zur Verbesserung der Gehgeschwindigkeit, der Gangausdauer und der Gehfähigkeit nach einem Schlaganfall. Alle randomisierten kontrollierten Studien mit Parallel-Gruppen-Design und randomisierten Cross-over-Studien, die ein Gehtraining mit anderen Interventionen verglichen, wurden miteinbezogen. Wir kombinierten vergleichbare Interventionen und Therapieansätze und bildeten Behandlungskategorien.

Endpunkte

Primärer Endpunkt war die Gehgeschwindigkeit, sekundäre Endpunkte waren die Gehfähigkeit, die Gangausdauer und -sicherheit.

Interventionen

Für die in den Studien verwendeten Interventionen legten wir vorab folgende Kategorien fest:

  • kein Gehtraining
  • konventionelles Gehtraining (Gehen über den Boden, vorbereitende Übungen im Sitzen, Balancetraining et cetera ohne technische Hilfsmittel beziehungsweise kein Laufbandtraining und kein elektromechanisch-assistiertes Gehtraining) (Referenzkategorie)
  • Laufbandtraining ohne beziehungsweise mit Körpergewichtsentlastung
  • Laufbandtraining mit beziehungsweise ohne Geschwindigkeitsparadigma
  • elektromechanisch-assistiertes Gehtraining mit Endeffektorgeräten beziehungsweise Exoskelettgeräten.

Die verwendete Methode zur Auffindung von Informationsquellen und systematischen Literatursuche sowie die Vorgehensweise bei der statistischen Auswertung (1826) werden detailliert im eMethodenteil beschrieben.

Ergebnisse

Unsere systematische Suche ergab 44 567 Treffer. Davon wurden nach Ausschluss irrelevanter Treffer 95 randomisierte kontrollierte Studien mit insgesamt 4 458 Patienten in die quantitative Analyse eingeschlossen (Grafik 1).

Flussdiagramm der systematischen Literatursuche
Flussdiagramm der systematischen Literatursuche
Grafik 1
Flussdiagramm der systematischen Literatursuche

Studiencharakteristik

Von den 95 eingeschlossenen Studien waren 80 % randomisierte kontrollierte Studien und die verbleibenden 20 % randomisierte Cross-over-Studien. Die Größe der eingeschlossenen Studien variierte von fünf bis 282 Patienten. Die mittlere Fallzahl in den Studien umfasste im Mittel 26 Patienten. Das mittlere Alter lag zwischen 43 und 76 Jahre (eTabelle 1). Die mittlere Krankheitsdauer nach einem Schlaganfall lag zwischen drei Tagen bis acht Jahren. Insgesamt 92 von 95 Studien verglichen eine aktive Experimentalgruppe mit einer aktiven Kontrollgruppe (eTabellen 24).

In 92 der 95 eingeschlossenen Studien (97 %) wurde über eine adäquate Generierung der Zufallssequenz berichtet, in 72 (76 %) über eine adäquate Geheimhaltung der Zuweisungssequenz und in 77 (81 %) über eine adäquate Verblindung der Untersucher. Die methodische Qualität der Studien wird in den eGrafiken 1–3 und den eTabellen 24 abgebildet. Sie wurde als Kovariable in die Berechnungen einbezogen (adjustiertes Effektmaß). Eine SUCRA-Darstellung (SUCRA, „surface under the cumulative ranking curve“) der Endpunkte findet sich in den eTabellen 5–7.

Netzwerkgrafik für den primären Endpunkt Gehgeschwindigkeit
Netzwerkgrafik für den primären Endpunkt Gehgeschwindigkeit
eGrafik 1
Netzwerkgrafik für den primären Endpunkt Gehgeschwindigkeit
Netzwerkgrafik für den sekundären Endpunkt Gangausdauer
Netzwerkgrafik für den sekundären Endpunkt Gangausdauer
eGrafik 2
Netzwerkgrafik für den sekundären Endpunkt Gangausdauer
SUCRA des primären Endpunktes Gehgeschwindigkeit
SUCRA des primären Endpunktes Gehgeschwindigkeit
eTabelle 5
SUCRA des primären Endpunktes Gehgeschwindigkeit
SUCRA des sekundären Endpunktes Gangausdauer
SUCRA des sekundären Endpunktes Gangausdauer
eTabelle 6
SUCRA des sekundären Endpunktes Gangausdauer
SUCRA des sekundären Endpunktes Sicherheit
SUCRA des sekundären Endpunktes Sicherheit
eTabelle 7
SUCRA des sekundären Endpunktes Sicherheit

Zusammenfassung der Netzwerkgeometrie

In 75 Studien mit insgesamt 3 614 Patienten wurde der primäre Endpunkt Gehgeschwindigkeit verwendet. Die meisten Studien verglichen ein Laufbandtraining mit einer Gangrehabilitation ohne Laufbandtraining (Grafik 2 und eGrafiken 1–5).

Ergebnisse der Interventionen als Forest Plot für den primären Endpunkt Gehgeschwindigkeit
Ergebnisse der Interventionen als Forest Plot für den primären Endpunkt Gehgeschwindigkeit
Grafik 2
Ergebnisse der Interventionen als Forest Plot für den primären Endpunkt Gehgeschwindigkeit
Netzwerkgrafik für den sekundären Endpunkt Sicherheit
Netzwerkgrafik für den sekundären Endpunkt Sicherheit
eGrafik 4
Netzwerkgrafik für den sekundären Endpunkt Sicherheit
Ergebnisse aller Interventionen im direkten Vergleich miteinander als Forest Plot für den primären Endpunkt Gehgeschwindigkeit
Ergebnisse aller Interventionen im direkten Vergleich miteinander als Forest Plot für den primären Endpunkt Gehgeschwindigkeit
eGrafik 5
Ergebnisse aller Interventionen im direkten Vergleich miteinander als Forest Plot für den primären Endpunkt Gehgeschwindigkeit

In 44 Studien mit insgesamt 2 509 Patienten war der sekundäre Endpunkt die Gangausdauer. Auch hier verglichen die meisten Studien ein Laufbandtraining mit einer Gangrehabilitation ohne Laufbandtraining (Grafik 3 und eGrafik 6).

Ergebnisse der Interventionen als Forest Plot für den sekundären Endpunkt Gangausdauer
Ergebnisse der Interventionen als Forest Plot für den sekundären Endpunkt Gangausdauer
Grafik 3
Ergebnisse der Interventionen als Forest Plot für den sekundären Endpunkt Gangausdauer
Ergebnisse aller Interventionen im direkten Vergleich miteinander als Forest Plot für den sekundären Endpunkt Gangausdauer
Ergebnisse aller Interventionen im direkten Vergleich miteinander als Forest Plot für den sekundären Endpunkt Gangausdauer
eGrafik 6
Ergebnisse aller Interventionen im direkten Vergleich miteinander als Forest Plot für den sekundären Endpunkt Gangausdauer

22 Studien mit insgesamt 1 517 Patienten wählten als sekundären Endpunkt das Erreichen der Gehfähigkeit. Die meisten Studien stellten dem elektromechanisch-assistierten Gehtraining ein Gehtraining ohne elektromechanisch-assistierten Ansatz gegenüber (eGrafik 3 und eTabelle 3).

Netzwerkgrafik für den sekundären Endpunkt Gehfähigkeit
Netzwerkgrafik für den sekundären Endpunkt Gehfähigkeit
eGrafik 3
Netzwerkgrafik für den sekundären Endpunkt Gehfähigkeit

In 57 Studien mit insgesamt 2 889 Patienten wurden Angaben zum sekundären Endpunkt Sicherheit beschrieben. Die meisten Studien verglichen elektromechanisch-assistiertes Gehtraining mit einem Gehtraining ohne elektromechanisch-assistierten Ansatz (Grafik 4 und eGrafik 7).

Ergebnisse der Interventionen als Forest Plot für den sekundären Endpunkt Gangausdauer
Ergebnisse der Interventionen als Forest Plot für den sekundären Endpunkt Gangausdauer
Grafik 4
Ergebnisse der Interventionen als Forest Plot für den sekundären Endpunkt Gangausdauer
Ergebnisse aller Interventionen im direkten Vergleich miteinander als Forest Plot für den sekundären Endpunkt Sicherheit
Ergebnisse aller Interventionen im direkten Vergleich miteinander als Forest Plot für den sekundären Endpunkt Sicherheit
eGrafik 7
Ergebnisse aller Interventionen im direkten Vergleich miteinander als Forest Plot für den sekundären Endpunkt Sicherheit

Weitere Details zur Netzwerkstruktur und -geometrie sind im eMethodenteil zu finden.

Ergebnissynthese

Für den primären Endpunkt Gehgeschwindigkeit erreichte das Endeffektor-assistierte Gangtraining im Vergleich mit einer konventionellen Gangrehabilitation signifikante Verbesserungen (Mittelwertdifferenz [MD] = 0,16 m/s, 95-%-Konfidenzintervall [KI]: [0,04; 0,28]). Alle anderen Interventionen verbesserten die Gehgeschwindigkeit nicht signifikant (Grafik 2).

Für den sekundären Endpunkt Gangausdauer erzielten sowohl das Endeffektor-assistierte Gangtraining als auch das Laufbandtraining mit Körpergewichtsentlastung im Vergleich zur konventionellen Gangrehabilitation signifikante Verbesserungen der Gehstrecke (MD = 47 m, 95-%-KI: [4; 90] beziehungsweise MD = 38 m, 95-%-KI: [ 4; 72]). Alle anderen Interventionen verbesserten die Gangausdauer im Vergleich zur konventionellen Gangrehabilitation nicht signifikant (Grafik 3).

Für den sekundären Endpunkt Gehfähigkeit wurde aufgrund einer statistisch bedeutenden Inkonsistenz keine Netzwerk-Metaanalyse durchgeführt, da die zentrale Voraussetzung der Transitivität verletzt war. Es war kein Ansatz einem anderen statistisch signifikant überlegen.

Insgesamt wurden 42 Studien mit insgesamt 2 207 Patienten in die Auswertung eingeschlossen, davon waren am Ende der Gangtherapie 639 Patienten fähig zu gehen (29 %). 70 Studienarme mit insgesamt 1 572 Patienten untersuchten die Effektivität einer konventionellen Gangrehabilitation, 21 Studienarme mit insgesamt 415 Patienten ermittelten die Effektivität eines Laufbandtrainings. Eine detaillierte und ausführliche Beschreibung aller Studien hinsichtlich der Patienten- und Studiencharakteristika, Alter, Interventionen und Gehfähigkeit findet sich in den eTabellen 1–4.

Für den sekundären Endpunkt Sicherheit fanden wir keine systematischen Unterschiede im Hinblick auf die einzelnen Interventionen der Gangrehabilitation nach einem Schlaganfall.

Unsere Sensitivitätsanalyse ergab keine signifikanten Unterschiede der Studieneffekte in Bezug auf die methodische Qualität der eingeschlossenen Studien.

Diskussion

In die vorliegende systematische Übersichtsarbeit mit Netzwerk-Metaanalyse schlossen wir insgesamt 95 Studien mit 4 458 Patienten ein. Das Besondere an dieser Netzwerk-Metaanalyse ist, dass erstmals konkurrierende Ansätze zur Verbesserung des Gehens nach einem Schlaganfall gemeinsam ausgewertet und statistisch direkt miteinander vergleichbar gemacht wurden, sodass sie nach ihren Effekten differenziert beurteilt werden konnten. Die vorliegende Netzwerkanalyse kann als Ergänzung zu bisherigen Cochrane Reviews betrachtet werden. Die Auswertung der Netzwerk-Metaanalyse zeigte, dass ein von distal das Bein führender elektromechanisch-assistierender Ansatz (Endeffektorprinzip) die Gehgeschwindigkeit nach einem Schlaganfall im Vergleich zur konventionellen Gangrehabilitation verbessert. Die Erhöhung im Mittel um 0,16 m/s (entspricht 0,58 km/h), die durch ein Endeffektor-assistiertes Gehtraining erreicht wird, ist klinisch bedeutsam (27).

Für die Gangausdauer ergab sich, dass ein Endeffektor-assistierter Ansatz sowie das Laufbandtraining mit Körpergewichtsentlastung im Vergleich zur konventionellen Gangrehabilitation Vorteile zur Erweiterung der Gehstrecke erwarten lässt. Nach Flansbjer liegt die geringste klinische Verbesserung der Gehgeschwindigkeit zwischen 0,15 bis 0,25 m/s und für die Gangausdauer zwischen 37 bis 66 Meter im 6-Minuten-Gehtest (27).

Die Verbesserung im Mittel von 38 beziehungsweise 47 m im 6-Minuten-Gehtest im Vergleich zur konventionellen Gangrehabilitation liegt im unteren Bereich der klinischen Bedeutsamkeit und kann somit als noch klinisch bedeutsam angesehen werden (27).

Für das Erreichen der Gehfähigkeit wurden keine Aussagen getroffen. Wir verzichteten wegen deutlicher statistischer Inkonsistenz im Evidenznetz auf eine statistische Auswertung (26). Die einzelnen Studien, die verwendeten Interventionen und die Patientencharakteristik wurden stattdessen qualitativ beschrieben (eTabelle 3).

Insgesamt war die Anzahl der Nebenwirkungen in allen Studien relativ gering und die Sicherheit somit hoch. Systematische Unterschiede zwischen den Interventionsansätzen beim Gangtraining nach einem Schlaganfall wurden nicht gefunden (eTabelle 4).

Vergleich der Ergebnisse mit der Literatur

Bisher wurden deutlich engmaschigere Fragestellungen untersucht, zum Beispiel die Effektivität des Laufbandtrainings (15), des elektromechanisch-assistierten Gehtrainings (4) oder des repetitiven konventionellen Gehtrainings (28). Der Vorteil der vorliegenden Netzwerk-Metaanalyse besteht somit in der bislang noch nicht durchgeführten gemeinsamen statistischen Analyse randomisierter kontrollierter Studien zu verschiedenen Ansätzen des Gehtrainings nach einem Schlaganfall.

Bekanntermaßen eignet sich das Laufbandtraining für bereits gehfähige Patienten (15) und das elektromechanisch-assistierte Gehtraining vor allem für nichtgehfähige Patienten (15, 28). Die vorliegende Analyse zeigt, dass vor allem ein distal unterstützendes, elektromechanisch-assistiertes Gehtraining die Gehgeschwindigkeit erhöht und ein Laufbandtraining mit Körpergewichtsentlastung insbesondere die Gangausdauer nach einem Schlaganfall verbessert. Diese Netzwerk-Metaanalyse ergänzt die bisherige Evidenz durch die Aussage, dass die Art des Gehtrainings hoch repetitiv und durch (distale) Teilunterstützung erfolgen sollte anstatt durch komplette Assistenzsysteme.

Die vorliegende Analyse deutet, ebenso wie frühere Publikationen, auf einen Vorteil des Gehtrainings mit Endeffektorgeräten im Vergleich zu einer konventionellen Gangrehabilitation hin (4, 6). Allerdings gibt es keine kontrollierten Studien, die die unterschiedlichen gerätespezifischen Ansätze direkt miteinander vergleichen.

Potenzielle Kritikpunkte

Wir recherchierten mit einer systematischen und umfangreichen Suchstrategie in verschiednen Datenbanken nach veröffentlichten und nichtveröffentlichten Studien. Dennoch kann prinzipiell ein Publikationsbias aufgrund nichtveröffentlichter negativer Ergebnisse nicht ausgeschlossen werden.

Eine uneinheitliche Beschreibung der Therapieinhalte durch die Autoren der verwendeten Studien könnte dazu geführt haben, dass die Kategorien der Intervention heterogen und damit nur bedingt übertragbar sind. Wir diskutierten jedoch vor der statistische Auswertung darüber, welche Interventionsgruppen zu definieren waren und anschließend statistisch miteinander verglichen werden sollten.

Man kann argumentieren, dass die Therapieinhalte der Kontrollgruppe sich ebenso wie die der Experimentalgruppe voneinander unterschieden. Wir versuchten auf der Basis der Information der eingeschlossen Studien jedoch die Therapiebeschreibung bestmöglich zu kategorisieren.

Die dargestellten Effekte – sowohl hinsichtlich der Gehgeschwindigkeit als auch der Gangausdauer – für einzelne Interventionen sind nicht nur als statistisch signifikant, sondern auch als klinisch bedeutsam einzuschätzen. Allerdings konnten keine Aussagen zur Gehfähigkeit im Allgemeinen getroffen werden. Wir wählten einen konservativen Ansatz und führten für diesen Parameter keine Netzwerk-Metaanalyse durch, sondern beschrieben die Studien qualitativ.

Man kann argumentieren, dass durch den initialen Schweregrad der Behinderung nach einem Schlaganfall eine Verzerrung in der gemeinsamen Analyse aller Patienten entstanden ist. In dieser Netzwerk-Metaanalyse nutzten wir die Gehfähigkeit als einen Aspekt des Schweregrads nach einem Schlaganfall und verwendeten diesen als Kovariable in den statistischen Analysen. Allerdings flossen andere Variablen, wie zum Beispiel die Lokalisation des Schlaganfalls, nicht in die Auswertung ein, was wiederum das Ergebnis verzerrt haben könnte. Allerdings ist unklar, in welche Richtung das Ergebnis dadurch verzerrt wäre.

Ein weiterer möglicher Kritikpunkt liegt in der selbst vorgenommenen Kategorisierung der gewählten Interventionen. Es könnte sein, dass bestimmte assistierende Interventionen vor allem bei schwerer betroffenen Patienten (die zum Beispiel nicht gehfähig sind), angewendet wurden, so wie es aktuelle Leitlinien empfehlen. Bei näherer Betrachtung der Studien zeigte sich jedoch, dass sich nicht sämtliche Studienautoren an die Empfehlungen aktueller Leitlinien gehalten haben. So ist in der tabellarischen Darstellung (eTabellen 1 und 2) der Interventionen in den einzelnen Studien ersichtlich, dass teilweise nur leicht betroffene Patienten mit Robotersystemen und schwer betroffene Patienten mit Laufbandsystemen behandelt wurden, also entgegen den Leitlinienempfehlungen. Letztlich sind der Effekt und die Richtung einer solchen Verzerrung auf der Basis der Studiendaten nicht genau abschätzbar.

Man kann ferner argumentieren, dass in der vorliegenden Studie lediglich Mittelwerte der einzelnen Studien, aber nicht die Individualdaten der Patienten der Einzelstudien verwendet worden sind. Eine deutlich genauere Schätzung der einzelnen Effekte wäre sicherlich auf der Basis von individuellen Patientendaten möglich gewesen, was jedoch über das Ziel der vorliegenden Studie hinausging.

Limitation

Eine Limitierung der Arbeit ist, dass sie die Endpunkte Mobilität, Stürze und Lebensqualität nicht umfasst. Wir konzentrierten uns in der vorliegenden Arbeit auf klinisch bedeutsame Endpunkte zur Gehfähigkeit, nämlich die Ganggeschwindigkeit und -ausdauer, die patientenseitig aber auch für die Erholung nach einem Schlaganfall sehr bedeutsam sind. Jedoch sollten sich weitere Studien insbesondere auch auf andere Endpunkte wie Aktivitäten des täglichen Lebens, Mobilität, soziale Teilhabe beziehungsweise auch Stürze als Endpunkte fokussieren.

Resümee

Für die Praxis bedeutet das Ergebnis, dass eine elektromechanisch-assistierte, hoch repetitive Gangtherapie für viele Patienten nach einem Schlaganfall wahrscheinlich die beste Intervention ist, um die Gehgeschwindigkeit zu verbessern. Für die Verbesserung der Gangausdauer eignen sich vor allem ein Endeffektor-assistiertes Gangtraining sowie ein Laufbandtraining mit Körpergewichtsentlastung. Diese Resultate haben bedeutsame Auswirkungen auf die neurologische Rehabilitation der gehgestörten Patienten nach einem Schlaganfall dahingehend, dass das geräteunterstützte Training flächendeckend ein wesentlicher Bestandteil der neurologischen Gangrehabilitation werden muss. Weiterhin wirken sich Ergebnisse erheblich auf die ambulante und stationäre Physiotherapie und deren Finanzierung im ambulanten Bereich aus und implizieren auch hier ein Umdenken – weg von spezieller Krankengymnastik mithilfe neurophysiologischer Techniken (29) hin zu gerätegestützter Gangrehabilitation.

Künftige Studien sollten sowohl die Anzahl der Wiederholungen als auch die Therapieintensität und -steigerung in der Gangrehabilitation nach einem Schlaganfall untersuchen. Kommende systematische Übersichtsarbeiten sollten individuelle Patientendaten einbeziehen, um die Effekte des Gehtrainings noch genauer beschreiben zu können.

Interessenkonflikt
Die Autoren erklären, dass kein Interessenkonflikt besteht.

Manuskriptdaten
eingereicht: 5. 12. 2017, revidierte Fassung angenommen: 29. 5. 2018

Anschrift für die Verfasser
Prof. Dr. rer. medic. Jan Mehrholz
Gesundheitswissenschaften/Public Health
Medizinische Fakultät der Technischen Universität Dresden
Fiedlerstraße 27, 01307 Dresden
jan.mehrholz@tu-dresden.de

Zitierweise
Mehrholz J, Pohl M, Kugler J, Elsner B: The improvement of walking ability following stroke—a systematic review and network meta-analysis of randomized controlled trials. Dtsch Arztebl Int 2018; 115: 639–45. DOI: 10.3238/arztebl.2018.0639

►Die englische Version des Artikels ist online abrufbar unter:
www.aerzteblatt-international.de

Zusatzmaterial:
eMethodenteil, eGrafiken, eTabellen:
www.aerzteblatt.de/18m0639 oder über QR-Code

1.
Hesse S, Mehrholz J, Werner C: Robot-assisted upper and lower limb rehabilitation after stroke. Dtsch Arztebl Int 2008; 105: 330–6 VOLLTEXT
2.
Dohle C, Tholen R, Wittenberg H, Saal S, Quintern J, Stephan K: S2e-Leitlinie: Rehabilitation der Mobilität nach Schlaganfall (ReMoS). Neurologie und Rehabilitation 2015; 21: 355–494.
3.
Mehrholz J, Thomas S, Elsner B: Treadmill training and body weight support for walking after stroke. Cochrane Database Syst Rev 2017: CD002840 MEDLINE
4.
Mehrholz J, Thomas S, Pohl M, Werner C, Kugler J, Elsner B: Electromechanical-assisted training for walking after stroke. Cochrane Database Syst Rev 2017: CD006185 MEDLINE
5.
Pohl M, Mehrholz J, Ritschel C, Ruckriem S: Speed-dependent treadmill training in ambulatory hemiparetic stroke patients: a randomized controlled trial. Stroke 2002; 33: 553–8 CrossRef
6.
Mehrholz J, Pohl M: Electromechanical-assisted gait training after stroke. A systematic review comparing endeffector and exoskeleton devices. J Rehabil Med 2012; 44: 193–9 CrossRef MEDLINE
7.
Werner C, von Frankenberg S, Treig T, Konrad M, Hesse S: Treadmill training with partial body weight support and an electromechanical gait trainer for restoration of gait in subacute stroke patients: a randomized crossover study. Stroke 2002; 33: 2895–901 CrossRef
8.
Colombo G, Joerg M, Schreier R, Dietz V: Treadmill training of paraplegic patients using a robotic orthosis. J Rehabil Res Dev 2000; 37: 693–700 MEDLINE
9.
Buesing C, Fisch G, O‘Donnell M, et al.: Effects of a wearable exoskeleton stride management assist system (SMA) on spatiotemporal gait characteristics in individuals after stroke: a randomized controlled trial. J Neuroeng Rehabil 2015; 12: 69 CrossRef MEDLINE PubMed Central
10.
Stein J, Bishop L, Stein DJ, Wong CK: Gait training with a robotic leg brace after stroke. Am J Phys Med Rehabil 2014; 93: 987–94 CrossRef MEDLINE
11.
Watanabe H, Tanaka N, Inuta T, Saitou H, Yanagi H: Locomotion improvement using a hybrid assistive limb in recovery phase stroke patients: a randomized controlled pilot study. Arch Phys Med Rehabil 2014; 95: 2006–212 CrossRef MEDLINE
12.
Forrester LW, Roy A, Hafer-Macko C, Krebs HI, Macko RF: Task-specific ankle robotics gait training after stroke: a randomized pilot study. J Neuroeng Rehabil 2016; 13: 51 CrossRef MEDLINE PubMed Central
13.
Forrester LW, Roy A, Krywonis A, Kehs G, Krebs HI, Macko RF: Modular ankle robotics training in early subacute stroke: a randomized controlled pilot study. Neurorehabil Neural Repair 2014; 28: 678–87 CrossRef MEDLINE PubMed Central
14.
Waldman G, Yang CY, Ren Y, et al.: Effects of robot-guided passive stretching and active movement training of ankle and mobility impairments in stroke. NeuroRehabilitation 2013; 32: 625–34 MEDLINE
15.
Mehrholz J, Thomas S, Elsner B: Treadmill training and body weight support for walking after stroke. Cochrane Database Syst Rev 2017: CD002840 MEDLINE
16.
Mills EJ, Bansback N, Ghement I, et al.: Multiple treatment comparison meta-analyses: a step forward into complexity. Clin Epidemiol 2011; 3: 193–202 CrossRef MEDLINE PubMed Central
17.
Hutton B, Salanti G, Caldwell DM, et al.: The prisma extension statement for reporting of systematic reviews incorporating network meta-analyses of health care interventions: checklist and explanations. Ann Intern Med 2015; 162: 777–84 CrossRef MEDLINE
18.
StataCorp LLC: Stata Statistical Software: Release 15. College Station, TX, 2017. www.stata.com/features/documentation/ (last accessed on 1 March 2018).
19.
Higgins JPT, Altman DG, Sterne JAC: Assessing risk of bias in included studies. In: Higgins JPT, Green S (editors). Cochrane handbook for systematic reviews of interventions version 5.1.0 [updated March 2011]. The Cochrane Collaboration, 2011. www.cochrane-handbook.org (last accessed on 1 March 2018).
20.
Chaimani A, Higgins JP, Mavridis D, Spyridonos P, Salanti G: Graphical tools for network meta-analysis in STATA. PLoS One 2013; 8: e76654 CrossRef MEDLINE PubMed Central
21.
Chaimani A, Salanti G: Visualizing assumptions and results in network meta-analysis: the network graphs package. Stata J 2015; 15: 905–50.
22.
Dias S, Welton NJ, Caldwell DM, Ades AE: Checking consistency in mixed treatment comparison meta-analysis. Stat Med 2010; 29: 932–44 CrossRef MEDLINE
23.
Hutton B, Salanti G, Caldwell DM, et al.: The PRISMA extension statement for reporting of systematic reviews incorporating network meta-analyses of health care interventions: checklist and explanations. Ann Intern Med 2015; 162: 777–84 CrossRef MEDLINE
24.
Kiefer C, Sturtz S, Bender R: Indirect comparisons and network meta-analyses: estimation of effects in the absence of head-to-head trials—part 22 of a series on evaluation of scientific publications. Dtsch Arztebl Int 2015; 112: 803–8 VOLLTEXT
25.
Salanti G, Ades AE, Ioannidis JP: Graphical methods and numerical summaries for presenting results from multiple-treatment meta-analysis: an overview and tutorial. J Clin Epidemiol 2011; 64: 163–71 CrossRef MEDLINE
26.
White IR, Barrett JK, Jackson D, Higgins JP: Consistency and inconsistency in network meta-analysis: model estimation using multivariate meta-regression. Res Synth Methods 2012; 3: 111–25 CrossRef MEDLINE PubMed Central
27.
Flansbjer UB, Holmback AM, Downham D, Patten C, Lexell J: Reliability of gait performance tests in men and women with hemiparesis after stroke. J Rehabil Med 2005; 37: 75–82 CrossRef MEDLINE
28.
French B, Thomas LH, Coupe J, et al.: Repetitive task training for improving functional ability after stroke. Cochrane Database Syst Rev 2016; 11: CD006073 MEDLINE
29.
Heilmittelkatalog 2017. www.heilmittelkatalog.de/files/luxe/hmkonline/physio/zn2.htm (last accessed on 1 May 2018).
Gesundheitswissenschaften/Public Health, Medizinische Fakultät der TU Dresden:
Prof. Dr. rer. medic. Jan Mehrholz, Prof. Dr. med. Joachim Kugler, Prof. Dr. rer. medic. Bernhard Elsner
SRH Hochschule für Gesundheit Gera: Prof. Dr. rer. medic. Jan Mehrholz,
Prof. Dr. rer. medic. Bernhard Elsner
Helios Klinik Schloss Pulsnitz: Prof. Dr. med. Marcus Pohl
Der klinische Aspekt
Flussdiagramm der systematischen Literatursuche
Flussdiagramm der systematischen Literatursuche
Grafik 1
Flussdiagramm der systematischen Literatursuche
Ergebnisse der Interventionen als Forest Plot für den primären Endpunkt Gehgeschwindigkeit
Ergebnisse der Interventionen als Forest Plot für den primären Endpunkt Gehgeschwindigkeit
Grafik 2
Ergebnisse der Interventionen als Forest Plot für den primären Endpunkt Gehgeschwindigkeit
Ergebnisse der Interventionen als Forest Plot für den sekundären Endpunkt Gangausdauer
Ergebnisse der Interventionen als Forest Plot für den sekundären Endpunkt Gangausdauer
Grafik 3
Ergebnisse der Interventionen als Forest Plot für den sekundären Endpunkt Gangausdauer
Ergebnisse der Interventionen als Forest Plot für den sekundären Endpunkt Gangausdauer
Ergebnisse der Interventionen als Forest Plot für den sekundären Endpunkt Gangausdauer
Grafik 4
Ergebnisse der Interventionen als Forest Plot für den sekundären Endpunkt Gangausdauer
Netzwerkgrafik für den primären Endpunkt Gehgeschwindigkeit
Netzwerkgrafik für den primären Endpunkt Gehgeschwindigkeit
eGrafik 1
Netzwerkgrafik für den primären Endpunkt Gehgeschwindigkeit
Netzwerkgrafik für den sekundären Endpunkt Gangausdauer
Netzwerkgrafik für den sekundären Endpunkt Gangausdauer
eGrafik 2
Netzwerkgrafik für den sekundären Endpunkt Gangausdauer
Netzwerkgrafik für den sekundären Endpunkt Gehfähigkeit
Netzwerkgrafik für den sekundären Endpunkt Gehfähigkeit
eGrafik 3
Netzwerkgrafik für den sekundären Endpunkt Gehfähigkeit
Netzwerkgrafik für den sekundären Endpunkt Sicherheit
Netzwerkgrafik für den sekundären Endpunkt Sicherheit
eGrafik 4
Netzwerkgrafik für den sekundären Endpunkt Sicherheit
Ergebnisse aller Interventionen im direkten Vergleich miteinander als Forest Plot für den primären Endpunkt Gehgeschwindigkeit
Ergebnisse aller Interventionen im direkten Vergleich miteinander als Forest Plot für den primären Endpunkt Gehgeschwindigkeit
eGrafik 5
Ergebnisse aller Interventionen im direkten Vergleich miteinander als Forest Plot für den primären Endpunkt Gehgeschwindigkeit
Ergebnisse aller Interventionen im direkten Vergleich miteinander als Forest Plot für den sekundären Endpunkt Gangausdauer
Ergebnisse aller Interventionen im direkten Vergleich miteinander als Forest Plot für den sekundären Endpunkt Gangausdauer
eGrafik 6
Ergebnisse aller Interventionen im direkten Vergleich miteinander als Forest Plot für den sekundären Endpunkt Gangausdauer
Ergebnisse aller Interventionen im direkten Vergleich miteinander als Forest Plot für den sekundären Endpunkt Sicherheit
Ergebnisse aller Interventionen im direkten Vergleich miteinander als Forest Plot für den sekundären Endpunkt Sicherheit
eGrafik 7
Ergebnisse aller Interventionen im direkten Vergleich miteinander als Forest Plot für den sekundären Endpunkt Sicherheit
Suchstrategie
Suchstrategie
eKasten
Suchstrategie
SUCRA des primären Endpunktes Gehgeschwindigkeit
SUCRA des primären Endpunktes Gehgeschwindigkeit
eTabelle 5
SUCRA des primären Endpunktes Gehgeschwindigkeit
SUCRA des sekundären Endpunktes Gangausdauer
SUCRA des sekundären Endpunktes Gangausdauer
eTabelle 6
SUCRA des sekundären Endpunktes Gangausdauer
SUCRA des sekundären Endpunktes Sicherheit
SUCRA des sekundären Endpunktes Sicherheit
eTabelle 7
SUCRA des sekundären Endpunktes Sicherheit
1. Hesse S, Mehrholz J, Werner C: Robot-assisted upper and lower limb rehabilitation after stroke. Dtsch Arztebl Int 2008; 105: 330–6 VOLLTEXT
2. Dohle C, Tholen R, Wittenberg H, Saal S, Quintern J, Stephan K: S2e-Leitlinie: Rehabilitation der Mobilität nach Schlaganfall (ReMoS). Neurologie und Rehabilitation 2015; 21: 355–494.
3. Mehrholz J, Thomas S, Elsner B: Treadmill training and body weight support for walking after stroke. Cochrane Database Syst Rev 2017: CD002840 MEDLINE
4. Mehrholz J, Thomas S, Pohl M, Werner C, Kugler J, Elsner B: Electromechanical-assisted training for walking after stroke. Cochrane Database Syst Rev 2017: CD006185 MEDLINE
5. Pohl M, Mehrholz J, Ritschel C, Ruckriem S: Speed-dependent treadmill training in ambulatory hemiparetic stroke patients: a randomized controlled trial. Stroke 2002; 33: 553–8 CrossRef
6. Mehrholz J, Pohl M: Electromechanical-assisted gait training after stroke. A systematic review comparing endeffector and exoskeleton devices. J Rehabil Med 2012; 44: 193–9 CrossRef MEDLINE
7. Werner C, von Frankenberg S, Treig T, Konrad M, Hesse S: Treadmill training with partial body weight support and an electromechanical gait trainer for restoration of gait in subacute stroke patients: a randomized crossover study. Stroke 2002; 33: 2895–901 CrossRef
8. Colombo G, Joerg M, Schreier R, Dietz V: Treadmill training of paraplegic patients using a robotic orthosis. J Rehabil Res Dev 2000; 37: 693–700 MEDLINE
9. Buesing C, Fisch G, O‘Donnell M, et al.: Effects of a wearable exoskeleton stride management assist system (SMA) on spatiotemporal gait characteristics in individuals after stroke: a randomized controlled trial. J Neuroeng Rehabil 2015; 12: 69 CrossRef MEDLINE PubMed Central
10.Stein J, Bishop L, Stein DJ, Wong CK: Gait training with a robotic leg brace after stroke. Am J Phys Med Rehabil 2014; 93: 987–94 CrossRef MEDLINE
11.Watanabe H, Tanaka N, Inuta T, Saitou H, Yanagi H: Locomotion improvement using a hybrid assistive limb in recovery phase stroke patients: a randomized controlled pilot study. Arch Phys Med Rehabil 2014; 95: 2006–212 CrossRef MEDLINE
12. Forrester LW, Roy A, Hafer-Macko C, Krebs HI, Macko RF: Task-specific ankle robotics gait training after stroke: a randomized pilot study. J Neuroeng Rehabil 2016; 13: 51 CrossRef MEDLINE PubMed Central
13.Forrester LW, Roy A, Krywonis A, Kehs G, Krebs HI, Macko RF: Modular ankle robotics training in early subacute stroke: a randomized controlled pilot study. Neurorehabil Neural Repair 2014; 28: 678–87 CrossRef MEDLINE PubMed Central
14.Waldman G, Yang CY, Ren Y, et al.: Effects of robot-guided passive stretching and active movement training of ankle and mobility impairments in stroke. NeuroRehabilitation 2013; 32: 625–34 MEDLINE
15.Mehrholz J, Thomas S, Elsner B: Treadmill training and body weight support for walking after stroke. Cochrane Database Syst Rev 2017: CD002840 MEDLINE
16.Mills EJ, Bansback N, Ghement I, et al.: Multiple treatment comparison meta-analyses: a step forward into complexity. Clin Epidemiol 2011; 3: 193–202 CrossRef MEDLINE PubMed Central
17.Hutton B, Salanti G, Caldwell DM, et al.: The prisma extension statement for reporting of systematic reviews incorporating network meta-analyses of health care interventions: checklist and explanations. Ann Intern Med 2015; 162: 777–84 CrossRef MEDLINE
18. StataCorp LLC: Stata Statistical Software: Release 15. College Station, TX, 2017. www.stata.com/features/documentation/ (last accessed on 1 March 2018).
19. Higgins JPT, Altman DG, Sterne JAC: Assessing risk of bias in included studies. In: Higgins JPT, Green S (editors). Cochrane handbook for systematic reviews of interventions version 5.1.0 [updated March 2011]. The Cochrane Collaboration, 2011. www.cochrane-handbook.org (last accessed on 1 March 2018).
20. Chaimani A, Higgins JP, Mavridis D, Spyridonos P, Salanti G: Graphical tools for network meta-analysis in STATA. PLoS One 2013; 8: e76654 CrossRef MEDLINE PubMed Central
21.Chaimani A, Salanti G: Visualizing assumptions and results in network meta-analysis: the network graphs package. Stata J 2015; 15: 905–50.
22.Dias S, Welton NJ, Caldwell DM, Ades AE: Checking consistency in mixed treatment comparison meta-analysis. Stat Med 2010; 29: 932–44 CrossRef MEDLINE
23.Hutton B, Salanti G, Caldwell DM, et al.: The PRISMA extension statement for reporting of systematic reviews incorporating network meta-analyses of health care interventions: checklist and explanations. Ann Intern Med 2015; 162: 777–84 CrossRef MEDLINE
24.Kiefer C, Sturtz S, Bender R: Indirect comparisons and network meta-analyses: estimation of effects in the absence of head-to-head trials—part 22 of a series on evaluation of scientific publications. Dtsch Arztebl Int 2015; 112: 803–8 VOLLTEXT
25.Salanti G, Ades AE, Ioannidis JP: Graphical methods and numerical summaries for presenting results from multiple-treatment meta-analysis: an overview and tutorial. J Clin Epidemiol 2011; 64: 163–71 CrossRef MEDLINE
26.White IR, Barrett JK, Jackson D, Higgins JP: Consistency and inconsistency in network meta-analysis: model estimation using multivariate meta-regression. Res Synth Methods 2012; 3: 111–25 CrossRef MEDLINE PubMed Central
27.Flansbjer UB, Holmback AM, Downham D, Patten C, Lexell J: Reliability of gait performance tests in men and women with hemiparesis after stroke. J Rehabil Med 2005; 37: 75–82 CrossRef MEDLINE
28.French B, Thomas LH, Coupe J, et al.: Repetitive task training for improving functional ability after stroke. Cochrane Database Syst Rev 2016; 11: CD006073 MEDLINE
29.Heilmittelkatalog 2017. www.heilmittelkatalog.de/files/luxe/hmkonline/physio/zn2.htm (last accessed on 1 May 2018).

Leserkommentare

E-Mail
Passwort

Registrieren

Um Artikel, Nachrichten oder Blogs kommentieren zu können, müssen Sie registriert sein. Sind sie bereits für den Newsletter oder den Stellenmarkt registriert, können Sie sich hier direkt anmelden.

Fachgebiet

Alle Leserbriefe zum Thema

Anzeige