In den Abschnitten 5.1.1 bis 5.1.4. werden die Ergebnisse aus verschiedenen Perspek-tiven beleuchtet. Für eine bessere Übersicht und Verständlichkeit werden die Erkennt-nisse in die gleichen vier Kategorien, welche bereits bei der Synthese der ErgebErkennt-nisse verwendet wurden, aufgeteilt.
5.1.1 Exoskelett mit Körpergewichtsentlastung
Alle Studien konnten innerhalb der Gruppen signifikante Unterschiede über den zeitli-chen Verlauf beobachten. Dies bedeutet, dass sowohl die Therapien der Kontrollgrup-pen, als auch der InterventionsgrupKontrollgrup-pen, wirkungsvoll waren und zu Verbesserungen der Mobilität geführt haben. Ausgenommen davon ist die Forschungsarbeit von Katoh et al.
(2020), einer Querschnittsstudie, bei welcher es aufgrund des Studiendesigns nicht möglich war, einen solchen Vorher-Nachher-Vergleich durchzuführen.
Tomida et al. (2019) konnten aufzeigen, dass sich die Gehfähigkeit in der GEAR-Gruppe im Vergleich zur Kontrollgruppe vor allem in den ersten vier Wochen verbesserte, anschliessend jedoch stagnierte. Dies könnte ein Hinweis dafür sein, dass sich gewisse Parameter besonders in der Anfangszeit des Trainings verbessern. Jedoch werden bei Erbil et al. (2018) nach sechs und zwölf Wochen noch statistisch signifikante Verände-rungen zwischen der Interventionsgruppe und der Kontrollgruppe aufgezeigt, sodass diese Hypothese widerlegt werden muss.
Mustafaoglu et al. (2020) zeigten auf, dass die kombinierte Therapiegruppe signifikante Verbesserungen bezüglich Geschwindigkeit, Gehvermögen und teilweise auch der mo-torischen Funktionen im Vergleich zur alleinigen Anwendung des Lokomaten oder der konventionellen Therapie bewirkt. Die kombinierte Therapiegruppe erhielt aber auch deutlich mehr Therapieeinheiten als die anderen beiden Gruppen. Zwischen der alleini-gen Anwendung des Lokomaten oder der konventionellen Therapie, konnten keine signifikanten Differenzen belegt werden. Im Gegensatz zur kombinierten Therapie,
erhielten diese beiden Gruppen jedoch ähnliche Interventionen, was wiederum den ge-ringeren Unterschied der Ergebnisse erklärt. Aufgrund dieser Beobachtung kann die Hypothese aufgestellt werden, dass häufigere Trainingseinheiten zu einem besseren Outcome führen. Um die optimale Trainingsdauer und -frequenz zu finden, ist weitere Forschung nötig.
Erbil et al. (2020) hat nur Patientinnen und Patienten eingeschlossen, welche Injektionen mit einem Medikament erhielten, welche die Spastizität der unteren Extremitäten redu-zieren sollte. Da alle Teilnehmerinnen und Teilnehmer der Studie dieses Medikament erhielten, sollte es keine Auswirkungen auf die Homogenität der Kontroll- und der Inter-ventionsgruppe haben. Es kann aber davon ausgegangen werden, dass dieses Sample durch die Spastizität grössere Einschränkungen bezüglich Mobilität aufweist als in anderen Studien. Auch Katoh et al. (2020) erwähnen, dass speziell Patientinnen und Patienten in die Studie eingeschlossen wurden, welche sich noch in der akuten Phase des Schlaganfalls befinden und von schweren Paresen betroffen sind. Beide Studien weisen in Bezug auf die Geschwindigkeit, Erbil et al. (2018) zusätzlich auf die Gehfähi-gkeit und das Gleichgewicht, signifikante Verbesserungen in der Interventionsgruppe im Vergleich zur Kontrollgruppe auf. Dies könnte darauf zurückzuführen sein, dass sich die konventionelle Therapie bei Patientinnen und Patienten mit schweren Einschränkungen schwieriger gestaltet und diese daher mehr von den Exoskeletten mit Körpergewichts-entlastung profitieren konnten als andere Stichproben.
Erbil et al. (2020) vermochten anhand vom Rivermead Visual Gait Assessment (RVGA) statistische Signifikanz zwischen dem Robogait und der Kontrollgruppe aufzeigen. Beim RVGA handelt es sich um eine Ganganalyse, bei der zuerst ein Video der Patientinnen und Patienten beim Gehen aufgenommen wird. Anschliessend wird das Gangmuster von einer beobachtenden Person mit einer Checkliste und anhand von Punkten zwi-schen null und drei bewertet. Zum Schluss wird die Gesamtpunktzahl berechnet. Katoh et al. (2020) hat hingegen eine sehr differenzierte Analyse des Gangbilds gemacht. Zehn Indexwerte, welche Aussagen zum Grad des abnormalen Gangmusters machen, wur-den von einer beobachtenwur-den Person bewertet, zusätzlich wurwur-den dreidimensionalen Daten mit einem Bewegungs-Analyse-System erfasst. Bei Katoh et al. (2020) wurde keine Gesamtpunktzahl berechnet, sondern verschiedene Parameter, wie beispiels-weise die Schrittlänge, einzeln aufgeführt. Bei dieser detaillierten Ganganalyse konnte nur zu gewissen Parametern eine signifikante Differenz erzielt werden. Diese Ergeb-nisse von Erbil et al. (2020) und Katoh et al. (2020) sind nicht direkt miteinander ver-gleichbar, da die eine Studie aus mehreren Werten eine Punktzahl berechnet, während die andere Studie verschieden Werte aufzeigt, welche individuell betrachtet werden
müssen und nicht miteinander kombiniert werden können. Es ist sinnvoller, die verschie-denen Paramater einzeln zu betrachten, denn wenn nur die Gesamtpunktzahl angege-ben wird, kann dies zu einem falschen Bild der Realität führen. In der Forschungsarbeit von Erbil et al. (2018) hat man letztendlich das Gefühl, dass sich der Robogait positiv auf das Gangmuster auswirkt. Wie die einzelnen Punkte jedoch bewertet wurden, ist nicht ersichtlich. Des Weiteren kann durch eine detaillierte Analyse genau erkannt wer-den, von welche Art der Einschränkung die Patientinnen und Patienten betroffen sind.
Daraufhin kann die folgende Therapie individuell angepasst werden.
Die Zeiträume, die seit dem Schlaganfall vergangen waren, variierten je nach Studie stark: Bei Katoh et al. (2020) waren es die ersten 60 Tage, bei Mustafaoglu et al. (2020) maximal drei Monate und bei Erbil et al. (2020) mindestens sechs Monate. Tomida et al.
(2019) machte keine Angaben zum Zeitraum zwischen Schlaganfall und Therapiebe-ginn. Aufgrund dieser unterschiedlichen Ausgangslagen können keine Aussagen darüber gemacht werden, zu welchem Zeitpunkt am besten mit dem robotischen Gang-training oder dem konventionellen GangGang-training gestartet werden sollte, damit die Be-troffenen grösstmögliche Fortschritte erzielen können. Grundsätzlich sollte diese Tatsa-che bei der Betrachtung der Ergebnisse berücksichtigt werden, da sie ein Einflussfaktor (Confounder) für allfällige Differenzen darstellt.
Sowohl der Lokomat, als auch der GEAR und der Robogait, sind robotische Hilfsmittel von grosser Ähnlichkeit. Daher können Differenzen bezüglich der Ergebnisse nicht auf die verschiedenen Geräte zurückgeführt werden.
5.1.2 Exoskelett ohne Körpergewichtsentlastung
Sowohl beim GEMS von Lee et al. (2019), als auch beim SMA von Tanaka et al. (2019), konnten durch den Einsatz von Exoskeletten ohne Körpergewichtsentlastung, teilweise Verbesserungen der Mobilität beobachtet werden.
Die Gehgeschwindigkeit verbesserte sich durch die Anwendung der robotischen Hilfs-mittel in beiden Studien signifikant im Vergleich zur Interventionsgruppe. Lee et al.
(2019) konnte durch den Einsatz des GEMS zusätzlich positive Effekte auf die motori-schen Funktionen und die Muskelanstrengungssymmetrie erzielen, jedoch nicht bezüg-lich des Gleichgewichts.
Bei der Ganganalyse konnte bei Lee et al. (2019) bei allen Parametern eine signifikante Verbesserung durch den GEMS im Vergleich zur Interventionsgruppe aufgezeigt werden. Diese Ergebnisse werden bei Tanaka et al. (2019) nicht bestätigt. Dieser Unter-schied in den beiden Studien könnte daherkommen, dass bei Lee at al. (2019) die allei-nige Anwendung des GEMS mit konventioneller Therapie verglichen wird, während bei
Tanaka et al. (2019) eine kombinierte Therapie aus dem SMA und konventioneller The-rapie zum Einsatz kommt. Indem zusätzlich zur robotischen Orthese eine konventionelle Therapie verwendet wird, kann zwar ein vielfältigeres Training gewährleistet werden, der Unterschied zwischen der Interventionsgruppe und der Kontrollgruppe ist dadurch aber eher klein. Dieser minime Unterschied führt somit vermutlich auch zu weniger ausge-prägten Unterschieden in den Ergebnissen. Zusätzlich dauert die GEMS Therapie vier Wochen und die SMA Therapie nur zehn Tage. Dies lässt zwar vermuten, dass vor allem anfangs Therapie Fortschritte bezüglich Mobilität erreicht werden können, eine längere Therapie aber schlussendlich doch mehr Benefit ermöglicht.
Der GEMS als auch der SMA bieten den Patientinnen und Patienten, im Vergleich zu Geräten mit einem Körpergewichtsentlastungssystem, nur wenig Hilfestellung und un-terscheiden sich somit weniger von der konventionellen Therapie. Dies könnte eine Be-gründung dafür sein, dass in beiden Studien teilweise keine signifikante Verbesserung in der Interventionsgruppe, im Vergleich zur Kontrollgruppe, erreicht werden konnte.
Zu erwähnen ist hier noch, dass es in den Gruppen von Tanaka et al. (2019) signifikante Unterschiede bezüglich ischämischem und hämorrhagischem Schlaganfall gibt, und die Samples in der Interventionsgruppe und der Kontrollgruppe somit heterogen sind. Diese Heterogenität könnte die Ergebnisse beeinflusst haben.
Bezüglich Benutzerfreundlichkeit, welche in der Praxis von zentraler Bedeutung ist, wer-den in wer-den analysierten Studien nur Angaben für die Exoskelette ohne Körpergewichts-entlastung gemacht. Sowohl beim GEMS als auch beim SMA, handelt es sich um trag-bare exoskelettale Orthesen, welche vor allem bei Patientinnen und Patienten zum Einsatz kommen, welche von leichten Beeinträchtigungen des Gehvermögens betroffen sind. Sie unterstützen den Träger bei der Koordination der Bewegungen der unteren Extremitäten. Der Bewegungsfreiraum wird durch das Hilfsmittel jedoch wenig einge-schränkt. Bei Lee at al. (2019) wird zusätzlich erwähnt, dass der GEMS von einigen Patientinnen und Patienten als ein eher schweres Gerät empfunden wurde, was zu schnellerer Ermüdung führen könnte. Wie auch immer, die beiden robotischen Hilfsmittel können ohne allzu grosse Schwierigkeiten auch zuhause getragen werden und ermög-lichen somit zusätzlich ein Gangtraining ausserhalb des stationären oder ambulanten Settings.
5.1.3 Endeffektor
Für die Messungen des Gleichgewichtes scheinen besonders die widersprüchlichen BBS-Ergebnisse von Maranesi et al. (2019) und Kim et al. (2019) interessant. Während Erstgenannter keinen Unterschied zwischen den Interventions- und Kontrollgruppen
aufzeigen kann, misst Letzterer eine signifikante Differenz, wobei die Gruppe mit RAGT besser abschneidet. Da beide Studien Schlaganfallpatientinnen und -patienten in der akuten, subakuten und chronischen Phase einschliessen, kann dies die Diskrepanz zwi-schen den Ergebnissen nicht beeinflusst haben. Es muss aber beachtet werden, dass Kim et al. (2019) in den Einschlusskriterien definiert, dass die Probanden im Vorfeld bei den FAC mindestens Stufe zwei erreichen müssen. Das heisst, dass die Patientinnen und Patienten bereits ein gewisses Gehvermögen vorweisen mussten, um überhaupt an der Studie teilnehmen zu können, während unklar ist, ob in den verwendeten Studien von Maranesi et al. (2019) auch Betroffene ohne jegliches Gehvermögen mitgewirkt haben. Des Weiteren ist der Meta-Analyse von Maranesi et al. (2019) zu entnehmen, dass auschliesslich Endeffektoren für das Training der Interventionsgruppe verwendet wurden. Eine spezifische Bezeichnung der Technologien fehlt jedoch. So ist auch die Vergleichbarkeit zwischen dem von Kim et al. (2019) untersuchten Endeffektor Morning Walk und den von Maranesi et al. (2019) inkludierten Hilfsmitteln nicht detailliert beur-teilbar.
Der 10MWT wurde in allen vier Studien durchgeführt, ohne dass erwähnenswerte Un-terschiede zwischen den Trainingsgruppen gemessen wurden. Die Autorenschaft der vier Studien stimmte überein, dass das robotische Gangtraining bezüglich Geschwindig-keit keine Vorteile bietet. Es stellt sich ohnehin die Frage, wie relevant das Tempo für die Praxis, beziehungsweise für die Lebensqualität der Patientinnen und Patienten ist.
Demgegenüber steht die Gehfähigkeit, welche für die Betroffenen oft ein wichtiger Schritt in die Unabhängigkeit ist. Es ist wahrscheinlich, dass dies der Grund ist, warum in allen Studien mehrere Assessments für diese Kategorie durchgeführt wurden. Es sollte her-vorgehoben werden, dass Maranesi et al. (2019) in einzelnen Studien signifikante Ver-besserungen der FAC der Interventionsgruppen beobachten konnte. Dies wird von den Ergebnissen des 6MWT von Aprile et al. (2017) bestärkt, welcher ebenfalls für die mit Roboter trainierende Gruppe besser ausfällt. Hingegen sind die Differenzen des FAC nach Kim et al. (2019) sowie des WHS und FAC nach Aprile at al. (2017) nicht relevant.
Die Ursachen für diese widersprüchlichen Ergebnisse in Bezug auf die Gehfähigkeit zwischen, aber vor allem auch innerhalb der einzelnen Studien, sind nicht nachvollzieh-bar. Mögliche Hypothesen wären beispielsweise Differenzen zwischen den Stichproben, wie eine vorgängig bessere Gehfähigkeit, das Alter oder das Ausmass des Schlagan-falls. Man darf zudem nicht ausser Acht lassen, dass physische Tests Einflussfaktoren wie Motivation oder Tagesform der Teilnehmenden ausgesetzt sind, welche bei kleine-ren Samples trotz statistischer Berechnungen nicht immer eliminiert werden können.
Umso wichtiger scheint es, weitere Studien mit noch grösseren Stichproben durchzufüh-ren. Dies wird in Kapitel 6.2 weiter erläutert.
Übereinstimmung zeigt die gesamte Autorenschaft dahingehend, dass für die motori-schen Fähigkeiten keine nennenswerten Differenzen zwimotori-schen Kontroll- und Interventi-onsgruppen gemessen werden konnten, obwohl mehrere Assessments durchgeführt wurden (FMA, TCT, RMI und TUG). Aprile et al. (2019) zeigt lediglich auf, dass sich FMA, TCT und TUG nach der Interventionsphase innerhalb der Gruppe mit robotisch kombinierter Therapie signifikant verbessert haben, sodass von der Wirksamkeit der Intervention ausgegangen wird. Da diese Verbesserungen aber ebenso bei der Kontroll-gruppe gemessen wurden, kann die Überlegenheit des RAGT gegenüber der konventi-onellen Therapie nicht belegt werden.
In punkto Muskelkraft erfassten Aprile et al. (2017) und Kim et al. (2019) den MI, Erster zusätzlich noch die MRC. Es zeigten sowohl der MI der im Jahr 2019 publizierten Studie, sowie auch die 2017 gemessene MRC, relevante Unterschiede zwischen den Outcomes der beiden Gruppen. Dabei schnitten die Gruppen, welche von robotischen Hilfsmitteln unterstützt wurden, besser ab. Dies scheint dahingehend naheliegend, als dass die zwei Studien vergleichbare Voraussetzungen aufweisen: Die Teilnehmenden mussten jeweils ein Gehvermögen mit geringer Unterstützung vorweisen, um die Einschusskriterien zu erfüllen. Zusätzlich werden in beiden Forschungsarbeiten Patientinnen und Patienten mit chronischem CVI untersucht; bei Kim et al. (2019) darf maximal ein Jahr nach dem Schlaganfall vergangen sein, bei Aprile et al. (2017) mindestens sechs Monate. Eine mögliche Erklärung für die besseren Ergebnisse der Interventionsgruppen könnte die individuell angepasste Körpergewichtsentlastung durch die Endeffektoren sein. Wäh-rend die Fachpersonen beim Gehtraining subjektiv abschätzen, wie viel Unterstützung nötig ist, wird dies beim Roboter exakt eingestellt. So tragen die Patientinnen und Pati-enten so viel Eigengewicht wie möglich, was mit einem stärkeren Trainingseffekt für die Muskeln einhergeht. Fraglich bleibt lediglich, warum der von Aprile et al. (2017) gemes-sene MI nicht mit den anderen beiden Ergebnissen korreliert.
Für die vier Studien, welche Endeffektoren untersuchen, wurden keine Follow-up durch-geführt. Aufgrund dessen ist es nicht möglich, eine Aussage über die Nachhaltigkeit dieses Robotertyps zu machen.
5.1.4 Exoskelett und Endeffektor gemischt
Die Ergebnisse der systematische Review von Lo et al. (2017) und der Meta-Analyse von Hsu et al. (2019) haben gemein, dass sie keine statistisch aussagekräftigen Diffe-renzen zwischen den Interventions- und Kontrollgruppen messen konnten, weder am
Ende der Interventionsphase, noch bei den Follow-up. Dem widerspricht die Studie von Mehrholz et al. (2017), in welcher das primäre Outcome, die FAC, eine relevant bessere Wirksamkeit des Trainings mit elektromechanischen Hilfsmitteln aufzeigt. Der Vergleich mit den anderen beiden Studien mit gemischten Robotertypen, aber auch den For-schungsergebnissen der Kategorien Exoskelette und Endeffektor, gestaltet sich als schwierig. Denn Mehrholz et al. (2017) erforscht nebenbei die Wirkung von elektrome-chanischen Hilfsmitteln, welche theoretisch auch Elektrostimulation und virtuelle Realität einschliesst. Es ist nicht aufgeführt, welche Technologien die einzelnen eingeschlosse-nen Studien verwenden. Die Einflüsse von Elektrostimulation oder virtueller Realität auf die Gangrehabilitation, zusätzlich zur robotischen Therapie, könnten interessante Punkte für weitere Forschungsarbeiten darstellen.
Alle drei Studien dieser Kategorie untersuchen die Wirksamkeit der Interventionen über einen längeren Zeitraum anhand von Follow-ups. Die dabei gemessenen Daten zeigen nirgends signifikante Unterschiede zwischen den Interventions- und Kontrollgruppen. Da diese Studien das bestmögliche Evidenzlevel 1a nach Polit und Beck (2017) aufweisen, und alle zum gleichen Ergebnis kommen, kann angenommen werden, dass die durch robotische Hilfsmittel wiedergewonnenen Fähigkeiten nicht nachhaltiger sind, als die Gehfähigkeit, welche mit konventioneller Therapie erreicht werden kann.
Um der Interpretation der Ergebnisse gerecht zu werden, sollte zudem erwähnt sein, dass die drei Forschungsarbeiten völlig verschiedene Unterkategorien erstellten, um die Daten aus den eingeschlossenen Studien zu extrahieren und zusammenzufassen. Wäh-rend Mehrholz et al. (2017) nur wenige Unterteilungen macht (unabhängiges Gehen, Geschwindigkeit und Gehkapazität, jeweils mit Follow-up), bildet Hsu et al. (2019) sechs Ergebniskategorien, welche verschiedene Aspekte des Gehens darstellen (motorische Beeinträchtigung der betroffenen unteren Extremität, Mobilitätsfähigkeit, Gehgeschwin-digkeit, Ausdauer/Fitness und Gleichgewichtsfähigkeit). Die Unterteilung von Lo et al.
(2019) beinhaltet Subkategorien, welche sich auf den Schlaganfall beziehen. Daten von Betroffenen mit akutem, subakutem oder chronischem Stroke, werden jeweils separiert betrachtet, ebenso die Ergebnisse von Patientinnen und Patienten mit schwacher, moderater und starker Beeinträchtigung. Durch diese unterschiedlichen Betrachtungs-weisen sind auch die Ergebnisse nur beschränkt vergleichbar. Zudem bieten die Forschungsansätze unterschiedliche Vorteile: Während die detaillierte Betrachtung von Zeitpunkt und Ausmass der Hirnschädigung besonders für die klinischen Neurowissen-schaften interessant sind, um herauszufinden, wann der optimale Zeitraum für die Re-habilitation mit Robotern ist und bei welcher Patientengruppe sie anspricht, sind die Gangparameter in der Klinik von Nutzen, um zu sehen, für welche Teilbereiche Roboter
am besten eingesetzt werden und welchen Benefit sie bringen. Es haben somit beide Herangehensweisen ihre Daseinsberechtigung. Für die Beantwortung der Fragestellung der vorliegenden Thesis, sind die Studien von Mehrholz et al. (2017) und Hsu et al.
(2019) jedoch besser geeignet.