脑机百科消息(bciwiki.com)，据《Frontiers in Neuroscience》，该刊于2026年10月16日发表一项系统综述与网络荟萃分析，比较不同反馈方式的脑机接口（BCI）训练对卒中后上肢运动功能的效果。研究纳入22项随机对照试验，共956名患者，涵盖亚急性期、慢性期及混合卒中阶段。结果提示，部分训练方式相对常规康复有评分获益，但主要比较的证据确定性为低或极低。
研究检索了PubMed、Embase、Web of Science、Cochrane Library和Scopus，范围为建库至2026年4月。研究按反馈方式及反馈与训练活动的关联条件，将BCI干预分为多模态反馈（BCI-MM）、机器人或外骨骼辅助反馈（BCI-Robot）、功能性电刺激反馈（BCI-FES）和视觉反馈（BCI-visual），并单独分类对照干预，以常规康复（UR）为参照。主要结局为Fugl-Meyer上肢评估（FMA-UE），用于评估上肢运动功能。
采用随机效应网络荟萃分析后，与UR相比，BCI-Robot的FMA-UE加权均数差（WMD）为6.28，95%置信区间为2.70–9.86；BCI-MM为4.03，95%置信区间为1.00–7.06，两者均达到统计学显著。非BCI机器人训练也显示改善，WMD为4.26，95%置信区间为0.42–8.10。作者因此强调，BCI-Robot的效果不能单独归因于BCI。
BCI-FES与UR的差异未达到统计学显著。BCI-visual的累积排序曲线下面积（SUCRA）最高，为77.6%，但其与UR的比较不显著，证据确定性极低。SUCRA是治疗排序指标，不是患者改善比例。不同BCI反馈方式之间，没有任何一种在统计学上优于另一种。
次要结局中，BCI-Robot相对UR在动作研究手臂测试（ARAT）上显示更大改善，Wolf运动功能测试（WMFT）的结果则不显著。FMA-UE分析网络包含11个相互连接的节点，未发现全局或局部不一致性。研究使用Cochrane Risk of Bias 2工具评估偏倚风险，并以CINeMA评估证据确定性；作者认为，仍需高质量的直接比较试验。