摘 要 汽車駕駛已經成為人們日常生活中不可或缺的部分，也是腦卒中患者重返社會的最重要能力之一。安全駕駛和駕駛訓練的基礎是對駕駛能力的準確評估。根據國外研究，腦卒中后的駕駛能力評估主要包括路測、心理測驗和駕駛模擬。目前，我國不僅缺少腦卒中患者安全駕駛的評定標準，也缺乏明確、統(tǒng)一的評估方案。近年來，醫(yī)工結合技術和計算機技術的發(fā)展為駕駛能力的客觀化、精準化、智能化評估提供了可能。本文旨在對腦卒中患者重返駕駛的評估研究及進展情況進行綜述。

關鍵詞 腦卒中；重返駕駛；駕駛能力評估；安全駕駛；駕駛訓練

中圖分類號 R496 文獻標識碼 A 文章編號 2096-7721（2024）02-0153-05

Current situation and progress of the assessment on returning to driving in stroke patients

ZHANG Qi1， LIU Xin2， ZHENG Bin3， DUAN Xiaoqin1

（1. Department of Rehabilitation Medicine， the Second Hospital of Jilin University， Changchun 130041， China; 2. School of Computer and Communication Engineering， University of Science and Technology Beijing， Beijing 100083， China; 3. Surgical Simulation Research Lab， University of Alberta， Edmonton T6G 2E1， Canada）

Abstract Driving has become an integral part of people’s daily lives now， and it is also one of the most important abilities for stroke patients to return to society. Safe driving and driving training are based on accurate assessment of driving ability. According to foreign researches， the assessment of driving ability after stroke includes on-road tests， psychological tests and driving simulation. China is not only short of assessment criteria for safe driving on stroke patients， but also lacks well-defined and uniform assessment methods. With the development of medicine-engineering interdisciplinary and computer technology， it is possible to assess driving ability objectively， accurately and intelligently. The current situations and progress of driving ability assessment for stroke patients were reviewed in this paper.

Key words Stroke; Return to Driving; Assessment of Driving Ability; Safe Driving; Driving Training

1 腦卒中患者重返駕駛問題

在美國，成年人腦卒中患病率為3.0％，而年齡gt;45歲的人口高達17.8％，平均每40 s就會發(fā)生一次卒中[1]。在中國，平均每12 s就會新發(fā)1例卒中，每21 s就有1人死于卒中[2]。而腦卒中患者往往存在認知功能、運動功能、視覺功能、感覺功能等障礙，從而嚴重影響其日常生活活動能力及社會參與能力[3]。駕駛是一個復雜的任務，要求綜合運用較高的認知能力、執(zhí)行功能和操作能力，腦卒中患者上述功能一般都受到了不同程度損害[4]，其健手反應時間、雙眼視野和握力等是與駕駛能力相關的重要決定因素[5]。

隨著生活方式的改變及交通工具的普及，汽車駕駛已經成為人們日常生活中不可或缺的部分，也是腦卒中患者重返社會的最重要能力之一[6]。研究表明，重返駕駛問題一直困擾著腦卒中幸存者[2]，與其社會參與能力降低[7]、抑郁癥發(fā)生率增加息息相關[8]。腦卒中患者到底在發(fā)病多長時間以后可以開車？恢復到什么程度可以開車？重返駕駛需要進行哪些康復訓練？這些都是從事神經康復的臨床醫(yī)生需要面臨和解決的實際問題。

2 駕駛能力的評定

駕駛能力的評定是解決上述問題的關鍵環(huán)節(jié)，客觀準確的評估有利于醫(yī)務人員系統(tǒng)地了解患者的駕駛能力，從而更加精準地做出臨床決策。目前國內還沒有明確的腦卒中患者重返駕駛的相關規(guī)定和研究。澳大利亞規(guī)定，腦卒中后患者重返駕駛要限制4周，短暫性腦缺血發(fā)作后要限制2周[9]。然而，澳大利亞的一項研究表明，1/4的腦卒中患者在1個月內恢復了駕駛[10]，但是輕度腦卒中患者在重返駕駛過程中仍存在一些問題，重度腦卒中患者則面臨著更大挑戰(zhàn)[11]。研究顯示，在駕駛評估前，約30%的腦損傷患者在沒有任何法律協(xié)議的情況下恢復駕駛，且評估中駕駛受限的患者很大一部分被相關管理部門允許開車，存在嚴重的評估與決策過程的分離[12]，這將大大增加交通事故發(fā)生率[13]。

根據國外報道，腦卒中后的駕駛能力評估主要包括路測、心理測驗和駕駛模擬（見表1）。路測（公路駕駛考試）被認為是駕駛評估的“黃金標準”[14]，但是路測所需費用相對較貴，通過路測評估所有腦卒中患者仍存在安全隱患，且患者獲得路測的機會也非常有限。心理測驗大多采用注意力和執(zhí)行能力相關的神經心理學評估量表[15-16]，有學者開發(fā)了用于篩選適合進行路測患者的駕駛員越野評估系列量表，涵蓋了三個認知測試和一個物理測試[17]，但心理測驗過程中受評定者與患者的主觀性、所處環(huán)境、語言不同等因素的影響，無法做到客觀、精準地評估，而且也無法作為道路駕駛評估結果的可靠預測指標[18]。據日本的一項調查顯示，6例腦卒中研究對象雖未達到認知功能測試的正常標準值，但是通過駕校的道路考核后，教練認為其可以重新恢復駕駛[19]。

駕駛模擬器已成為評估腦卒中后駕駛能力的一種安全、便捷的方法[20]，它可以在安全、有效、具有挑戰(zhàn)性的環(huán)境中控制外界刺激[21]，也可以增強患者的駕駛意識[22]、提高路測預測準確性[23]，還能夠區(qū)分出適合和不適合駕駛的患者群體[20]。但是，駕駛模擬器一般以描述反應時間、車輛控制、遵守交通規(guī)則的情況為指標，無法客觀、精準地描述駕駛過程中的認知及運動功能變化，也難以確定患者重返駕駛是否安全（見表1）。

而目前我國不僅缺乏評估患者是否可以安全駕駛的功能障礙評定標準[24]，也缺乏系統(tǒng)的腦卒中患者駕駛能力的路測、心理測驗和駕駛模擬的評估方案。因此，探索適用于我國腦卒中患者駕駛能力評估的客觀、精準的評估體系，是建立腦卒中駕駛能力評估體系的關鍵所在，值得進一步研究探索。

3 駕駛能力的客觀化、精準化評定

想要實現腦卒中患者駕駛能力評估的客觀化、精準化，需要采用現代科技手段將腦卒中患者在駕駛過程中存在的認知功能、運動功能、警覺力等進行量化描述，尋找其特征，制定統(tǒng)一標準。Jeon S等人[13]設計了Driving-PASS系統(tǒng)，用于篩選適合路測的腦卒中駕駛者，以降低車禍發(fā)生風險。McNamara A等人[25]的研究發(fā)現，定期重復測量腦卒中患者的有效視野有助于明確最佳駕駛康復計劃的轉診時間，也有利于確定道路評估的時機。但是上述評估依舊缺乏客觀性、精準性。KU F L等人[26]對殘疾患者使用最多的電動踏板車的安全駕駛問題進行研究，結果發(fā)現認知、視覺、運動功能和電動踏板車的駕駛性能之間存在各種關聯。Patel P等人[27]認為，在康復過程中增強腦卒中患者偏癱側手部的精準握力控制康復訓練，并強化患者手腳配合能力，能更精準地控制汽車轉向，也有利于腦卒中患者盡快地重返駕駛。

日臻成熟的視覺及運動信息的精準檢測技術、眼動學與運動學參數處理技術等為客觀評估腦卒中患者駕駛能力帶來了新的發(fā)展契機。在未來，可以嘗試通過眼動追蹤、動作捕捉技術采集腦卒中患者模擬駕駛過程中視覺搜索、信號加工、快速決策和警覺力[28]等認知功能及運動功能，記錄并標準化處理眼動及運動信息，為腦卒中患者駕駛能力的客觀、精準評估提供新思路、新方法。

此外，臨床上對腦卒中患者駕駛能力的訓練主要包括運動控制訓練[29]、神經心理學培訓、基于模擬器的駕駛培訓、道路駕駛培訓[30]。近些年也有學者把虛擬現實、增強現實技術運用于駕駛培訓[31]。國內僅見廣東工業(yè)大學運用上肢康復訓練平臺設計了基于虛擬駕駛體驗的康復訓練及效果評價系統(tǒng)[32]。也有醫(yī)院運用模擬駕駛訓練器對腦卒中患者進行職業(yè)康復。與傳統(tǒng)培訓相比，研究已證實模擬器培訓的學習效果更好，對腦卒中駕駛者的培訓更有益[33]。因此，以模擬器訓練前后腦卒中患者駕駛能力評估中的視覺與運動信號變化為依據，挖掘腦卒中患者駕駛康復進程中所蘊含的認知模式，對于實現腦卒中患者駕駛能力的動態(tài)評估是潛在的理想化途徑。

4 駕駛能力的智能化評定

安全駕駛是一項需要校準的復雜活動，其決定因素包括知識和技能、自我效能感、駕駛技能的自我意識、風險意識和補償策略等[34]。臨床上，腦卒中患者的駕駛能力評估不僅包括認知評估、運動評估、視力評估、自我適應性評估[35]等，還包括駕駛模擬器涵蓋的一系列駕駛技能評估。駕駛模擬器包括了常用的坡道起步、側方停車、曲線行駛、直角拐彎、倒車入庫等項目，還包括了山區(qū)、城市、高速、夜間、雨雪等不同場景。目前尚未明確腦卒中患者在模擬駕駛中的薄弱環(huán)節(jié)，若將所有項目均用于駕駛能力的臨床評估，整個過程將極其耗時、耗力，特別是對于肢體功能差、存在部分認知或言語障礙的患者。所以，運用模擬器篩選出腦卒中患者駕駛能力的薄弱環(huán)節(jié)，使駕駛能力評估更加精準、智能，是完善腦卒中患者駕駛能力評估體系亟須解決的問題。

眼動追蹤技術已廣泛用于定量描述人的認知過程、認知負荷等方面的研究[36]，而在模擬器評估過程中，運用動作捕捉系統(tǒng)記錄在視覺認知基礎上所產生的運動也是駕駛能力評估的重要方面，但國內外尚未見相關報道。僅在Gartz R等人[37]將眼動追蹤技術運用于腦卒中患者的作業(yè)治療研究中發(fā)現使用駕駛模擬器時，患者通過視覺掃描來代償視力缺陷以保障安全。因此，以視覺與運動信號為依據、以智能處理與決策為手段的醫(yī)工結合方式，深入挖掘腦卒中患者模擬駕駛過程中所蘊含的認知模式，是精準、智能評估腦卒中患者駕駛能力受損情況的潛在的有力途徑。

5 總結與展望

綜上所述，目前對腦卒中患者駕駛能力評估研究較多，但仍缺乏明確、統(tǒng)一的評定方案。而在醫(yī)工結合的引導下，積極探索腦卒中患者駕駛能力臨床評估的客觀化、精準化和智能化，對于腦卒中患者的臨床康復、回歸家庭、回歸社會具有廣闊應用前景。

利益沖突聲明：本文不存在任何利益沖突。

作者貢獻聲明：①張琪負責設計論文框架，起草論文；②劉欣負責擬定寫作思路；③鄭斌負責論文修改；④段曉琴指導撰寫文章并最后定稿。

參考文獻

[1] Virani S S， Alonso A， Benjamin E J， et al. Heart Disease and Stroke Statistics-2020 Update： a report from the American Heart Association[J]. Circulation， 2020， 141（9）： e139-e596.

[2] 王隴德， 王金環(huán)， 彭斌， 等. 《中國腦卒中防治報告2016》概要[J]. 中國腦血管病雜志， 2017， 14（4）： 217-224.

[3] 劉麗旭， 張通， 何靜杰， 等. 運用ICF核心分類組合腦卒中（綜合版）評價腦卒中患者功能狀況的多中心研究[J]. 中國康復理論與實踐， 2019， 25（7）： 816-821.

[4] Ouellet M A， Rochette A， Miéville C， et al. Portrait of driving practice following a mild stroke： a secondary analysis of a chart audit[J]. Top Stroke Rehabil， 2020， 27（3）： 181-189.

[5] KU F L， CHEN W C， CHEN M D， et al. The determinants of motorized mobility scooter driving ability after a stroke[J]. Disabil Rehabil， 2021， 43（25）： 3701-3710.

[6] Shimonaga K， Hama S， Tsuji T， et al. The right hemisphere is important for driving-related cognitive function after stroke[J]. Neurosurg Rev， 2021， 44（2）： 977-985.

[7] Olaleye O A. Motor function， community reintegration and quality of life in stroke survivors with pre-stroke driving history[J]. Afr J Med Med Sci， 2018， 47（4）： 391-397.

[8] Tiu J， Harmon A C， Stowe J D， et al. Feasibility and validity of a low-cost racing simulator in driving assessment after stroke[J]. Geriatrics （Basel）， 2020， 5（2）： 35.

[9] Frith J， James C， Hubbard I， et al. Australian health professionals’ perceptions about the management of return to driving early after stroke： a mixed methods study[J]. Top Stroke Rehabil， 2021， 28（3）： 198-206.

[10] Yu S， Muhunthan J， Lindley R， et al. Driving in stroke survivors aged 18-65 years： the psychosocial outcomes in stroke （POISE） cohort study[J]. Int J Stroke， 2016， 11（7）： 799-806.

[11] Burns S P， Schwartz J K， Scott S L， et al. Interdisciplinary Approaches to facilitate return to driving and return to work in mild stroke： a position paper[J]. Arch Phys Med Rehabil， 2018， 99（11）： 2378-2388.

[12] Allart E， Daveluy W， Delahaye R， et al. Simulator-based driving assessment of brain-injured patients in real life practice[J]. Annals of Physical and Rehabilitation Medicine， 2017. DOI： 10.1016/j.rehab.2017.07.237.

[13] Jeon S， Son J， Park M， et al. Driving-PASS： an automatic driving performance assessment system for stroke drivers based on ANN and SVM[C]： IEEE， 2018. DOI： 10.1109/ICARCV.2018.8581177.

[14] Sawada T， Tomori K， Hamana H， et al. Reliability and validity of on-road driving tests in vulnerable adults： a systematic review[J]. Int J Rehabil Res， 2019， 42（4）： 289-299.

[15] Choi S Y， Lee J S， Oh Y J. Cut-off point for the trail making test to predict unsafe driving after stroke[J]. J Phys Ther Sci， 2016， 28（7）： 2110-2113.

[16] Wolfe P L， Lehockey K A. Neuropsychological assessment of driving capacity[J]. Arch Clin Neuropsychol， 2016， 31（6）： 517-529.

[17] Unsworth C A， Baker A， Lannin N， et al. Predicting fitness-to-drive following stroke using the Occupational Therapy-Driver Off Road Assessment Battery[J]. Disabil Rehabil， 2019， 41（15）： 1797-1802.

[18] Mckay A， Liew C， Sch?nberger M， et al. Predictors of the on-road driving assessment after traumatic brain injury： comparing cognitive tests， injury factors， and demographics[J]. J Head Trauma Rehabil， 2016， 31（6）： E44-52.

[19] Sakamaki K， Nishizawa S， Katsuki M， et al. On-road driving assessment in a driving school course and the results of a cognitive function test after stroke in a depopulated rural area in Japan： case series of eight patients[J]. Cureus， 2021， 13（5）： e15293.

[20] Motnikar L， Stojmenova K， ?taba U， et al. Exploring driving characteristics of fit-and unfit-to-drive neurological patients： a driving simulator study[J]. Traffic Inj Prev， 2020， 21（6）： 359-364.

[21] Imhoff S， Lavallière M， Teasdale N， et al. Driving assessment and rehabilitation using a driving simulator in individuals with traumatic brain injury： a scoping review[J]. NeuroRehabilitation， 2016， 39（2）： 239-251.

[22] Herne R， Rai S， Shiratuddin M F， et al. Using a driving simulator to improve driving awareness in stroke survivors： a pilot study[J]. J Fundam Appl Sci， 2018， 10（2S）： 201-214.

[23] Urlings J H J， Cuenen A， Brijs T， et al. Aiding medical professionals in fitness-to-drive screenings for elderly drivers： development of an office-based screening tool[J]. Int Psychogeriatr， 2018， 30（8）： 1211-1225.

[24] 徐玉明， 范紅哲， 李一. 神經系疾病既往史者的健康體質評定與駕駛許可[J]. 北京體育大學學報， 2006， 29（11）： 1513-1515.

[25] Mcnamara A， John Barr C， Bond M J， et al. A pilot study： Can the UFOV assessment be used as a repeated measure to determine timing of on-road assessment in stroke？[J]. Aust Occup Ther J， 2019， 66（1）： 5-12.

[26] KU F L， CHEN W C， CHEN T W. Reaction time and visual field are the most relevant factors of driving ability of motorized mobility scooters after stroke[J]. Annals of Physical and Rehabilitation Medicine， 2018. DOI： 10.1016/j.rehab.2018.05.427.

[27] Patel P， Alam T， Tracy B L， et al. Impaired force control contributes to car steering dysfunction in chronic stroke[J]. Disabil Rehabil， 2021， 43（14）： 1948-1954.

[28] Mcintire L K， Mckinley R A， Goodyear C， et al. Detection of vigilance performance using eye blinks[J]. Appl Ergon， 2014， 45（2）： 354-362.

[29] Lodha N， Casamento-Moran A， Christou E A. Motor control training enhances reactive driving in stroke—a pilot study[J]. Converging Clinical and Engineering Research on Neurorehabilitation II， 2017. DOI： 10.1007/978-3-319-46669-9_172.

[30] Ooba H， Inoue T， Hirano M， et al. Management of rehabilitation for resumption of post-stroke taxi driving[J]. Journal of the Japanese Council of Traffic Science， 2017， 16（2）： 46-54.

[31] Lesmana I P D， Widiawan B， Hartadi D R. Manipulation of virtual environment to examine perception and vision aspects of individuals post-stroke when driving VRAC simulator[J]. Journal of Physics. Conference series， 2020， 1569（2）： 22010.

[32] 許偉豪. 基于虛擬駕駛體驗的康復訓練與評估系統(tǒng)[D].

廣東工業(yè)大學， 2017.

[33] S?tren G B， Lindheim C， Skogstad M R， et al. Simulator versus traditional training： a comparative study of night driving training[J]. Proc Hum Factors Ergon Soc Annu Meet， 2019， 63（1）： 1669-1673.

[34] Dimech-Betancourt B， Ross P E， Ponsford J L， et al. The development of a simulator-based intervention to rehabilitate driving skills in people with acquired brain injury[J]. Disabil Rehabil Assist Technol， 2021， 16（3）： 289-300.

[35] Blane A， Falkmer T， Lee H C， et al. Investigating cognitive ability and self-reported driving performance of post-stroke adults in a driving simulator[J]. Top Stroke Rehabil， 2018， 25（1）： 44-53.

[36] Jraidi I， Khedher A B， Chaouachi M， et al. Assessing students’ clinical reasoning using gaze and EEG features[J] International Conference on Intelligent Tutoring Systems， 2019. DOI： 10.1007/978-3-030-22244-4_7.

[37] Gartz R， Dickerson A， Radloff J. Effectiveness of visual scanning compensatory training after stroke[J]. The American Journal of Occupational Therapy， 2019， 73（4_Supplement_1）： 7311520398p1.

編輯：劉靜凱