—— 訓練原理、參數設計依據與臨床價值知識體系

---

第一章　產品總覽與核心主張

1.1 PhysioGo 是什麼

PhysioGo 是以單台深度相機、無穿戴（markerless）骨架追蹤為基礎的 全身體感物理治療訓練遊戲集，提供四種訓練 pattern：

Pattern	一句話	主要治療標的
Avoid	站穩中央，用重心左右轉移迎接目標、躲開障礙	軀幹穩定、左右重心轉移、穩定極限（LOS）
Stepping	緩慢流暢地交替抬腳，推進遊戲世界	髖屈曲控制、下肢協調、踏步反應、跌倒預防
Following	手作為游標，沿清晰路徑精細移動	上肢視覺動作控制、軌跡精細度、動作平滑度
Reaching	向不同方向/距離/高度伸手觸碰目標	上肢工作空間、伸手動作品質、軀幹代償控制

1.2 教課時必講的三個核心主張（與其證據）

主張一：這四種訓練組合在一起，是被 RCT 驗證過的配方。 Shih 等人 2016 年發表於 Journal of NeuroEngineering and Rehabilitation 的單盲 RCT（帕金森氏症患者，Kinect，每次 30 分鐘、每週 2 次、共 8 週）， 其四個訓練關卡正好是「靜態目標觸碰、動態目標追蹤、障礙閃避、原地踏步」 ——與 PhysioGo 的 Reaching / Following / Avoid / Stepping 一一對應。 結果：穩定極限的方向控制顯著優於劑量相同的傳統平衡訓練 （78.9% vs 70.6%）［PMID 27568011］。 教學重點：體感訓練的獨特價值不在「總分」，而在方向控制品質—— 遊戲要求患者往指定方向連續、精準地移動重心，這正是傳統訓練較難給的。

主張二：踏步訓練把跌倒率減半。 Okubo 等人 2017 年發表於 British Journal of Sports Medicine 的系統性 回顧與統合分析（7 篇 RCT、約 660 人）：踏步訓練使跌倒率下降 52% （rate ratio 0.48, 95% CI 0.36–0.65），機轉是反應時間、步態與平衡恢復 的改善，而非肌力［PMID 26746905］。 教學重點：Stepping pattern 的價值論述要落在「反應與控制」，不要落在 「練腿力」——文獻明確顯示肌力未顯著改變，這樣講反而不專業。

主張三：產品定位是「治療的加量工具」，不是「取代治療師」。 Cochrane 2017（72 篇 RCT、2,470 人）：VR/體感訓練取代常規治療時 上肢功能無顯著優勢（SMD 0.07）；作為常規治療之外的加量才顯著 （SMD 0.49），且總劑量超過 15 小時趨勢較佳［CD008349］。 2025 年網絡統合分析（34 RCT、1,704 人）中，Kinect 類非沉浸式體感 在上肢 FMA-UE 改善排名第一（MD ≈ 7.3 分），優於 Wii 與頭戴式 VR ［PMID 40236896］。 教學重點：這兩篇一起講——硬體路線（非沉浸、markerless）有最好的 統合證據支持；但銷售話術永遠是「讓患者在治療師之外多練、練得對」， 不是「省下治療師」。

1.3 必須誠實告知的三個邊界

這一節是 PM 的信譽資產。先講清楚，勝過被臨床端問倒。

1. 遊戲內進步 ≠ 臨床量表進步。 Hauer 2020（58 位高齡者）：10 級 踏步遊戲中 7 級的遊戲分數顯著進步，但作者明言不能直接推論減少真實 跌倒［PMID 33005256］。Schoene 2013：選擇性踏步反應時間大幅改善 （12%），但 TUG、五次坐站無顯著改善。→ 對外承諾請以「過程指標 改善」為主，臨床終點改善引用統合分析數字。
2. 保留效果是最脆弱的環節。 Hung 2014（30 位慢性中風、12 週）： 體感組訓練後平衡指標優於傳統組，但 3 個月追蹤時優勢消失 ［PMID 24862764］。這正是 PhysioGo 回饋系統採「分級離散＋淡出＋ 保留試驗」設計的原因（第二章）。
3. 躲避類訓練可能教出冒險策略。 Kondo 2021：長者經過穿越狹縫的 VR 躲避訓練後，動作效率提升、但碰撞率反而有升高趨勢 ［PMID 33011429］。→ PhysioGo 的計分對「碰撞」給足權重、且躲避 物比例預設僅 20%，不讓玩家學會「擦邊過關」。

---

第二章　共同科學基礎（四個 pattern 通用）

2.1 回饋設計：為什麼「視覺連續、計分分級」

這是 PhysioGo 全產品最重要的一條設計原則，值得花一堂課講透。

問題：給患者的回饋，要連續（進度條即時反映每一度變化） 還是離散（好/普通/未達成）？

文獻答案是「都不對，要分工」：

• 純連續回饋會壞事。 D’Anna 2015 的對照實驗：站姿平衡任務中， 「連續顯示重心位置的白點」與「離散化的 5 級表情回饋」相比， 離散組的姿勢控制顯著更好。原因：連續回饋誘發患者不斷做微修正， 破壞人體天生的間歇性姿勢控制策略［DOI 10.1371/journal.pone.0132711］。
• 純二值（過/不過）也不對。 D’Anna 用的是 5 級（1 個成功＋4 種 帶方向的錯誤提示）；Schoene 2013 的踏步遊戲用 3 級 （perfect / good / miss）且證實長者接受度極高（37 人中僅 1 人不喜歡）。 分級才能傳達「差多少、往哪差」。
• 同步回饋會養成依賴。 Ferris 2022（19 位長者）：訓練當下， 即時回饋與回合後回饋都有效；移除回饋後，只有「回合後回饋」組 保留了進步，即時回饋組打回原形（guidance effect）［PMID 35458811］。 中風坐姿平衡研究亦重現同樣現象（PMC5644142）。

PhysioGo 的落地規格：

1. 過程視覺（Stepping 的進度條、Following 的路徑填滿）保持連續平滑 ——這是「操作感」，讓患者知道系統有在聽他的身體。
2. 計分一律 3 級離散（Perfect / Good / Miss）＋方向性提示。
3. 回合中只給粗顆粒提示，回合結束給完整成績（KR/KP 分工）； 難度升級時同步提示逐步淡出。
4. 每回合安插少量無回饋保留試驗（短暫隱藏輔助視覺），其成績 獨立記錄——這是「訓練是否內化」的關鍵指標，也是報表上最能說服 治療師的數字。

2.2 難度設計：挑戰點與誰來調難度

• 理論基礎：Challenge Point Framework（Guadagnoli & Lee 2004, PMID 15130871）——學習最佳發生在難度與能力匹配時，太簡單與太難 都損害學習。注意：文獻中沒有「成功率維持 70–80% 最佳」的實證 數字，教課與文案都不要引用這個常見的以訛傳訛。
• 有實證的難度進階策略有四種，PhysioGo v1 採前兩種：
  1. 玩家/治療師自主升級（Schoene 2013：80% 從簡單開始，8 週後 53% 玩困難級，無挫折退出）
  2. 治療師手動處方（Kim 2018：臨床主流仍是治療師依功能選難度）
  3. 固定 10 級階梯（Hauer 2020）
  4. Rasch 校準的難度階層＋BBS 分數選起點（Wiskerke 2022）—— 未來版本可導入。
• 認知負荷後開原則：iStoppFalls 大型 RCT（153 人、16 週）的規則是 「動作難度達到高級後，才在平衡遊戲疊加認知任務」 ［DOI 10.1186/s11556-015-0155-6］。PhysioGo 對應：Stepping 的干擾物 （抑制刺激）預設關閉，動作面熟練後才開。

2.3 感測技術：單相機 markerless 的能與不能

教課時請直接把這張表給出去——它解釋了產品所有「為什麼不做」：

量測項	精度	產品對策
手部端點/伸展距離	誤差 <5%（Ma 2018, PMID 30142631）	可作主計分軸
髖屈曲角	低估約 4–5°、MDC>5°（Schmitz 2015；Xu 2017, PMID 27918704）	角度級距一律 ≥15°；顯示前先濾波
軀幹前屈/側屈	r = 0.77–0.89，誤差可達 ±6°（Foreman 2020, DOI 10.3390/s20247073）	代償閾值不嚴於 10°，UI 標示為近似值
速度類指標	誤差約 10%（Ma 2018）	報表標「趨勢參考」，不作主計分
軀幹軸向旋轉、肩內外旋	效度不足（RGB-D 系統性回顧）	不計分，僅粗略動作提示
手指精細動作	站姿全身距離下無法辨識	不做

由此推導的兩條產品鐵律：

1. 一切目標以個人身體尺度正規化（肩寬、手臂長、髕骨–髂嵴高度）， 不用絕對公分/絕對角度——既個人化，又抵銷系統性偏差 （Janhunen 2022 實證：先校準個人 ROM 再以百分比設目標，達標率 80–96%）。
2. 級距必須大於量測雜訊，否則患者感受到的是「判定隨機」， 信任感直接崩潰。

2.4 劑量學（治療師最常問的問題）

項目	建議	出處
單次時長	20–30 分鐘主動訓練	Shih 2016（30 分）；Hung 2017（30 分）；Schoene 2013（15–20 分居家）
每週頻率	臨床 2–3 次；居家 3–4 次	Shih 2016；Morat 2019；Schoene 2013
療程長度	8–12 週（最短 6 週可測得效果）	Shih/Morat/Schoene 8 週；Hung 12 週；Liao 2018 6 週（PMID 30407361）
上肢總劑量	目標 ≥15 小時	Cochrane 2017
依從性期待	有督導 85–87%；居家實測約每週 2.75 次	Morat 2019；Schoene 2013
最大風險	居家無監督的依從性（某居家研究僅 18/47 達標）	Schoene 2015, PMID 26673919

→ 產品內建劑量追蹤與雲端報表不是「加分項」，是文獻指出的成敗關鍵。

---

第三章　Avoid —— 重心轉移訓練

3.1 訓練目的與生理機轉

標的能力：穩定極限（Limits of Stability, LOS）內的主動重心控制。

人維持站立不跌倒，靠的是把身體質心（COM）控制在支撐面（BOS）之內； 「敢不敢、能不能把重心主動移到邊緣再收回來」就是 LOS 能力。中風患者 典型呈現患側承重不足與不對稱；長者則是 LOS 縮小、側向控制退化—— 而側向跌倒正是髖部骨折的主因。

Avoid 的設計：患者站定中央（系統鎖定基準位），障礙物與獎勵物從畫面 深處接近，患者以肩部左右重心轉移（不移腳）迎接或閃避。軀幹保持 直立、骨盆穩定，讓重心轉移發生在正確的部位。

3.2 為什麼要「站在中間、偏了就提醒」

• 中央錨定 = 每次重心轉移都有一致的起點與回位，訓練的是 「移出去—收回來」的完整循環，而非單向漂移。
• 判定用肩線中點（midShoulder.x）：直接量測「肩部重心轉移」這個 處方動作。
• 同時**全程記錄 SpineBase.x（骨盆）**作為動作品質標記：肩過去了、 骨盆有沒有跟著跑？骨盆跟著平移＝整個人在移動，不是重心轉移。 這個「代償指標」不扣分（不挫折患者），但進報表給治療師看。 依據：Janhunen 2022 用測力板發現，重心轉移遊戲中患者大部分負重 仍由健側承擔——遊戲不會自動糾正代償，必須把品質指標明確量出來 ［DOI 10.3389/fspor.2022.915210］。

3.3 為什麼同時有「觸碰」與「躲避」，還能調比例

這是 Avoid 最重要的參數，背後是兩種機制訓練不同東西：

	主動觸碰目標	躲避障礙
訓練標的	重心轉移幅度、LOS、方向控制	抑制控制、視空間注意、反應選擇
對動作劑量	提高（動作幅度、涵蓋面積大）	降低（患者趨保守、幅度縮小）
關鍵證據	Shih 2016；Skjæret-Maroni 2016	Schoene 2013；Kondo 2021

Skjæret-Maroni 2016（20 位 65–90 歲長者，動作學實測）：同一款遊戲 難度升級時加入需閃避的元素，結果步幅、步數全面下降——躲避提高的 是認知負荷，卻吃掉動作訓練量［PMID 27445926］。

所以預設是觸碰 80% / 躲避 20%：動作劑量由觸碰機制保證，躲避 只做認知調味；比例開放給治療師調整（例如認知訓練目標較重的個案 可提高躲避比），但 UI 建議值域躲避不超過 40%。干擾比例 10–20% 的 實證區間來自 Schoene 2013（炸彈刺激佔 11–16%）。

3.4 參數逐項說明（教學話術版）

參數	是什麼	為什麼	怎麼建議治療師設
觸碰/躲避比例	獎勵物 vs 障礙物的出現比	見 3.3；兩機制訓練標的不同	動作幅度目標→高觸碰比；注意力/抑制目標→提高躲避比但勿超過 40%
物件接近時間	從出現到抵達身前的秒數（3.0→1.5 秒）	對應 Shih 2016 難度軸「速度」；決定反應時間壓力	首次 3.0 秒起；能穩定 Perfect 再加快
出現間隔	物件與物件的間隔	難度軸「頻率」；決定恢復期長短	體力弱者拉長間隔，等同組間休息
目標偏移幅度	需要移多遠才碰得到（肩寬 ×0.5–1.25）	難度軸「幅度」＝LOS 挑戰程度；以個人肩寬正規化（§2.3 鐵律）	從 0.75 開始；1.25 檔僅給平衡能力佳者（此檔已接近跨步邊緣）
中央容許帶	回位判定的鬆緊	訓練「收回來」的精準度	標準即可；共濟失調個案放寬
結束條件	數量制 / 時間制	治療師處方習慣不同（Ling 2017 先例：次數上限、時間上限或組合）	初評用固定數量（跨次可比）；維持期用時間制

3.5 能解決什麼問題（適應症敘述）

• 中風：患側承重不對稱、側向重心轉移不敢/不能。體感重心轉移訓練 在慢性中風的 RCT 中改善多項站姿穩定指標且運動愉悅感顯著較高 （Hung 2014）；且相較純生理回饋（只顯示重心點），有情境的遊戲 額外帶來認知領域（抽象/判斷）效益（Hung 2017, PMID 28382812） ——這是「為什麼要做成遊戲而不是顯示一個點」的直接答案。
• 帕金森：LOS 方向控制與反應時間改善（Shih 2016）。
• 長者跌倒預防：LOS/側向控制是跌倒風險核心因子；統合分析支持 時間劑量對等時體感平衡訓練優於常規（de Rooij 2016：BBS +2.18、 TUG −2.48 秒；誠實補充：BBS 差異低於 MCID）［PMID 27174255］。

---

第四章　Stepping —— 抬腳踏步訓練

4.1 訓練目的與生理機轉

標的能力：髖屈曲的幅度與控制品質、雙側協調、踏步啟動。

跌倒的最後一道防線是「及時跨出正確的一步」。Okubo 2017 統合分析： 踏步訓練使跌倒率減半，機轉是反應時間、步態、平衡恢復的改善 （肌力未變）。同時，抬腳（髖屈曲）的幅度與流暢度是步態擺盪期品質、 上下階梯、跨越障礙的基礎。

4.2 為什麼強調「慢而流暢」、為什麼回饋必須連續平滑

• 治療目標不是「抬得快」，而是離心/向心全程受控：緩慢流暢的 抬放代表髖屈肌與拮抗肌的協調控制，快甩上去毫無訓練價值。
• 因此視覺回饋必須是連續類比（抬多少、進度條跟多少），患者才能 在動作中途自我修正——這是「操作感」層。
• 但計分依然分級（Perfect：在目標角度區間內平滑完成／Good：達標 但速度或平滑度欠佳／Miss），理由見 §2.1——避免患者被連續數值綁架、 也讓成績可跨次比較。
• 平滑度如何量化：角速度（°/s）與角度累積量（°/min）—— Janhunen 2022 已在體感復健遊戲中驗證這組指標的可行性。

4.3 為什麼抬腿高度用「個人化百分比」不用絕對角度

• 臨床錨點：**2 分鐘踏步測驗（2MST，Senior Fitness Test）**的標準 抬腿高度＝「髕骨中點與髂嵴連線的中點」。這是唯一標準化、且天生 相對身體比例的抬腿高度定義（Rikli & Jones 1999；SRAlab RehabMeasures）。
• PhysioGo 在校準關量出患者這個高度對應的髖屈角，作為個人 100%； 設定頁的目標角度（30°–90°、級距 15°）據此個人化。
• 級距 15° 的原因：深度相機髖屈角誤差 4–5°、MDC>5°（§2.3）—— 級距若小於誤差，患者會感覺判定隨機。
• 附加價值：與 2MST 對齊後，遊戲成績可以和臨床測驗直接對話 （治療師用 2MST 評估、用 PhysioGo 訓練，同一把尺）。

4.4 參數逐項說明

參數	是什麼	為什麼	怎麼建議設
目標抬腿角度	30/45/60/75/90°（個人化校準後）	見 4.3；對應「幅度」難度軸	以校準關實測的舒適幅度的下一級為起點
節奏模式	自主 / 0.5–1.0 步/秒	Schoene 2013 的實證難度範圍就是 1 步/2 秒→1 步/秒；節奏訓練規律性與雙側對稱	先自主節奏建立信心，再上 0.5 步/秒
腳別	交替 / 單腳重點	偏癱個案患側加強	單側肌力/控制差異大者用患側重點
干擾物比例	0–20% 的「不可踩」刺激	抑制控制=執行功能訓練（Schoene 2013 的炸彈設計）；預設 0，依 iStoppFalls 原則動作熟練後才開	動作面連續兩次 session 達 80% Perfect 後開 10%
結束條件	步數（40–120）/ 時間	Schoene 2013 各難度總步數 72–116 為參考區間	首次 60 步觀察耐受度

4.5 能解決什麼問題

• 跌倒預防（最強主張）：踏步訓練跌倒率 −52%（Okubo 2017）。
• 反應與處理速度：居家踏步遊戲 8 週改善選擇性踏步反應時間 12%、 生理跌倒風險指標（PPA）下降 34%（Schoene 2013）。
• 反應式平衡與雙重任務：在踏步遊戲上疊加不穩定平面（平衡墊）， 效果可推進到受擾動後的平衡恢復與雙任務行動力（Morat 2019, PMID 31513877）——這是未來硬體配件（平衡墊選配）的文獻依據。
• 不適用：輪椅使用者（本 pattern 僅站姿）；重度平衡障礙者需 治療師在旁監護。

---

第五章　Following —— 軌跡追蹤訓練

5.1 訓練目的與誠實定位

標的能力：上肢視覺動作整合（visuomotor control）、軌跡精細度、 動作平滑度。

教學上請先講清楚這個 pattern 的證據定位（這是四個 pattern 中證據 型態最特殊的一個）：

• 「手當游標沿路徑移動」作為獨立介入的高品質 RCT 幾乎不存在。 文獻中它主要是（1）動作品質評估工具——證據紮實；（2）視覺動作 訓練載體——追蹤訓練確實讓追蹤表現顯著進步（Taud 2021 RCT, n=40, PMID 34858310），但改善 FMA 的效果與其他介入交纏。
• 因此對外文案：Following 是「精細控制訓練＋動作品質量測」， 不宣稱「已證實改善 FMA」。 這個誠實定位反而是專業信任的來源。

它的獨特價值在量測：每一次遊玩都是一次標準化的上肢動作品質評估。 圓形描繪（circle drawing）在中風研究中是驗證過的評估載體——圓面積 反映工作空間、圓度反映軌跡品質，且與臨床嚴重度高相關（Krabben 2011, PMID 21435261）。PhysioGo 每次開場的第一條路徑固定是大圓，30 秒 完成一次「隱形評估」，跨次可比。

5.2 難度的科學：Steering Law

軌跡追蹤的難度不能用一般的「目標大小/距離」（Fitts’ law）描述， 正解是 Steering Law（Accot & Zhai, CHI ’97）：

難度 = 路徑總長 ÷ 容許帶寬（沿路徑積分）

這給了 PhysioGo 一個可連續微調、可量化比較的難度公式：

• 加寬容許帶 → 降難度；縮窄 → 升難度
• 拉長路徑、提高曲率 → 升難度
• 每條路徑的 steering 難度指數記入 metrics，報表可呈現 「患者在難度 X 下誤差 Y」的成長曲線。

5.3 為什麼沒有教學字卡（反直覺但重要）

Boyd & Winstein 2006：中風患者在連續追蹤任務中，被給予明確口語 策略提示時，內隱動作學習反而變差（健康人無此干擾）［PMID 16796767］。 → Following 的引導只用視覺示範（引導物先走一遍、路徑清晰可見）， 不出現「請保持手肘伸直、慢慢跟上」這類文字要領。教課時這是一個 很好的「我們的設計有文獻在背後」案例。

5.4 參數逐項說明

參數	是什麼	為什麼	怎麼建議設
操作手	右 / 左	患側訓練；由治療師明確設定，系統不自動猜（文獻慣例）	設患側；健側可先熱身 3–5 次（成績分開記）
路徑容許帶寬	游標偏離中心線的容許範圍	Steering law 的「寬」項——主難度旋鈕	從寬帶開始；連續達 80% 帶內時間再縮
引導速度	引導物移動速度	決定時間壓力；慢速允許患者用自己的節奏	慢速起步
路徑複雜度	曲率與長度組合	Steering law 的「長/曲率」項	大弧→混合→高曲率（寫意描字為最高檔）
結束條件	路徑數 / 時間	同其他 pattern	5 條路徑約 5–8 分鐘

技術背景（支援人員需知）：手部位置以軀幹為參考系推算（先定位 身體、再算手的相對位置），校準關量出患者舒適活動範圍後映射成全畫面 游標範圍——所以坐站皆可玩、患者離相機遠近不影響操作範圍。

5.5 能解決什麼問題

• 中風上肢的視覺動作整合與精細控制練習量不足的問題（在治療室之外 很難自主練精細控制——這正是「加量工具」定位的典型場景）。
• 為治療師提供客觀、跨次可比的上肢動作品質趨勢（圓度、誤差、 平滑度）——臨床評估工具（如 FMA）粒度粗、耗時，PhysioGo 的隱形 評估補上高頻率的過程量測。
• 基線追蹤表現可預測訓練反應（Pavlova 2017, PMID 28506002）—— 第一次遊玩的成績本身就有預後參考價值。

---

第六章　Reaching —— 伸手觸標訓練

6.1 訓練目的與標準定義

標的能力：上肢工作空間、多方向伸手的動作品質、軀幹代償控制。

復健文獻中 reaching 訓練的標準要素（Levin 團隊系列研究）：由標準化 起始姿勢，主動將手移至空間中指定目標，目標位置以個人手臂長度 正規化，完成後回到起點。核心不是「碰到沒有」，而是 「用什麼動作型態碰到」——這正是臨床量表 Reaching Performance Scale（RPS）的哲學：評品質與代償使用，不只評端點結果 （Levin 2004, PMID 14992673）。

6.2 最重要的臨床議題：軀幹代償

問題：肩肘活動度/控制不足的患者，會用軀幹前傾「作弊」碰到目標。 如果遊戲只獎勵「碰到」，就是在主動訓練代償。直接證據： Subramanian 2013 RCT 中，中重度中風組在實體環境下「伸得更遠了， 但軀幹代償位移增加 30.2 mm」——距離進步是假象，代償買單 ［PMID 22785001］。

PhysioGo 的三層對策：

1. 偵測：骨架量測軀幹前傾角與前移量（相對每關開始的靜立 baseline）。單相機效度：軀幹前屈/側屈 r = 0.77–0.89（Foreman 2020） ——可靠，但誤差 ±6°，所以閾值最嚴 10°、UI 標示近似值。
2. Soft shaping 而非懲罰：軀幹超過閾值時，該次觸碰不判定成功 （目標不消失），不彈警告、不扣分。這是 VRShape 系統驗證過的做法 （「虛擬事件只在無代償的伸手時發生」），單次 40 分鐘可達 461 次 伸手、81% 無代償成功、動機與可用性佳（Foreman 2019, PMID 31245028）。
3. 可關閉：統合分析顯示軀幹限制的整體療效加成小且未達顯著 （Wee 2014, PMID 24515929）——它是動作品質塑形工具，不是療效 放大器，所以必須由治療師決定開關與鬆緊，產品不得強制。

6.3 參數逐項說明

參數	是什麼	為什麼	怎麼建議設
患側	左 / 右（目標分佈整組鏡像）	單側訓練慣例；鏡像而非只換手，患側同側空間佔 60–70%、跨中線 30–40%	設患側
目標距離	手臂長 L 的 60/80/100/110%	Foreman 2020 的實驗設計就是 100%L 與 100%L+20cm（後者刻意誘發代償）；個人化正規化鐵律	80% 起步；110% 檔必須搭配軀幹限制開啟（否則等於邀請代償）
高度層	髖/胸/肩/過肩	對應不同肩關節活動度需求；過肩層挑戰最高	依 ROM 評估設定；肩痛個案避開過肩
目標半徑	8/5/3 cm	端點精度要求（相機端點誤差 <5%，3 cm 是保守下限）	8 cm 起步
停留判定	0/0.3/0.6 秒	要求末端穩定控制，防「揮過去」得分	0.3 秒為標準
軀幹代償限制	關 / 15° / 10°	見 6.2	首次關閉觀察基線代償率，再決定開啟與鬆緊
結束條件	36/48/72 次 / 時間	Subramanian 2013 的標準 session＝6 方位 × 12 次＝72 reps、12 次課程/4 週	依耐受度 36→72 漸進；每 30 次左右安排短休息（Taud 2021 的 block 結構）

6.4 能解決什麼問題

• 中風上肢 task-oriented 訓練的反覆次數不足問題：常規治療一次 session 的伸手次數常常只有幾十次，而文獻顯示 40 分鐘遊戲可自然 達到 400+ 次（VRShape）——量的差距就是產品價值。
• 代償型恢復 vs 真恢復的分流：報表呈現「伸展距離」與「代償率」 兩條線，治療師一眼看出患者是真的進步還是代償在進步——這是 對齊 RPS 哲學的差異化賣點。
• 站姿 reaching 同時就是動態平衡訓練（Shih 2016 的關卡一； Liao 2019 顯示功能性前伸在 Kinect 訓練後顯著改善, PMID 31249332）。

---

第七章　成效解讀：遊戲指標如何與臨床量表對話

教 PM 一個框架：PhysioGo 的每個量測都應該能回答「對應哪個臨床概念」。

PhysioGo 指標	對應臨床概念/量表	解讀要點
Avoid 觸碰成功率＋峰值偏移（%肩寬）	LOS 測試、BBS 部分項目	偏移幅度成長=穩定極限擴大
Avoid 骨盆伴隨位移比	動作品質（代償）	比值下降=真正的重心轉移策略形成
Stepping 目標達成率＋角度累積量	2MST（同一把尺，§4.3）	可直接與臨床 2MST 趨勢並列
Stepping 反應/節奏指標	選擇性踏步反應時間（跌倒風險因子）	Schoene 2013：反應時間與移動時間是兩個獨立可訓練成分，分開看
Following 圓度/圓面積（隱形評估）	上肢工作空間、動作品質（Krabben 2011）	跨 session 趨勢比單次值重要
Reaching 峰值伸展 %L	功能性前伸測試（FRT）	與代償率一起看，單看距離會被騙
Reaching 代償率	RPS 的代償評分哲學	VRShape 參考值：健全塑形下約 19%
各 pattern 保留試驗成績	動作學習的保留（retention）	最能回答「有沒有練進去」的指標；訓練中成績好但保留差=回饋依賴
活動量/反覆次數	訓練劑量	Kim 2018 用 counts 證明 VR 組活動量是 sham 的 2.3 倍——過程指標即使終點無差異也有意義

解讀鐵律（來自 §1.3）：過程指標進步是常態、臨床終點進步需要劑量 與時間；速度類指標永遠標示趨勢參考；不同 session 的比較以同參數 設定為前提（報表需並列 settingsSnapshot）。

---

第八章　常見問題與異議處理（FAQ）

Q1：「遊戲訓練有比治療師好嗎？」 A：不是取代，是加量。Cochrane：取代無優勢（SMD 0.07）、加量顯著 （SMD 0.49）。治療師決定處方（參數），PhysioGo 保證處方外時間的 訓練量與品質，並回傳治療師平時量不到的過程數據。

Q2：「為什麼不用穿戴裝置/壓力板，精度更高？」 A：無穿戴是依從性設計——穿脫成本是長者與偏癱者的真實障礙。 單相機在我們實際採用的計分軸上精度足夠（端點 <5%、軀幹前屈 r 0.77–0.89），且我們把精度不足的軸（旋轉、速度峰值）明確排除在 計分外（§2.3）。2025 網絡統合分析中 Kinect 類路線的 FMA-UE 改善 排名第一。

Q3：「患者玩了分數進步，量表沒進步，怎麼交代？」 A：先看三件事：(1) 總劑量到 15 小時了嗎；(2) 保留試驗成績有沒有 跟著進步（沒有＝回饋依賴，調淡出設定）；(3) 代償指標有沒有惡化 （分數靠代償買的）。這三個檢核點本身就展示了產品的專業深度。

Q4：「為什麼 Avoid 預設躲避只佔 20%？躲避不是更像真實生活嗎？」 A：實測文獻顯示躲避元素讓長者動作縮水（Skjæret-Maroni 2016）、 且純躲避訓練可能教出冒險策略（Kondo 2021）。動作劑量靠觸碰機制、 認知負荷靠躲避機制，比例是處方的一部分。

Q5：「連續回饋不是比較即時、比較好嗎？」 A：訓練中好看、移除後打回原形（Ferris 2022 的 guidance effect； D’Anna 2015 連續回饋劣於離散化）。我們的「視覺連續、計分分級、 提示淡出、保留試驗」四件套就是針對這個文獻結論設計的。

Q6：「可以讓患者自己在家用嗎？」 A：可以，但文獻警告依從性是最大失敗點（Schoene 2015：僅 38% 達 目標劑量）。居家方案必須綁劑量追蹤、提醒與遠端報表，且 Stepping 等站姿項目需評估居家安全（扶手/家屬在旁）。

Q7：「哪些患者不適合？」 A：Stepping 不支援輪椅；重度平衡障礙、嚴重認知障礙、急性期不穩定 者需治療師現場監護；視野忽略（neglect）個案注意 HUD 鏡像設定。 本產品是訓練工具，適應症判斷永遠在治療師。

---

附錄　文獻總表

平衡／重心轉移

1. Shih MC, et al. Effects of a balance-based exergaming intervention using the Kinect sensor on posture stability in individuals with Parkinson’s disease. J Neuroeng Rehabil. 2016;13:78. PMID 27568011
2. Hung JW, et al. Randomized comparison trial of balance training by using exergaming and conventional weight-shift therapy in patients with chronic stroke. Arch Phys Med Rehabil. 2014;95(9):1629-37. PMID 24862764
3. Hung JW, et al. Cognitive effects of weight-shifting controlled exergames in patients with chronic stroke. Eur J Phys Rehabil Med. 2017. PMID 28382812
4. de Rooij IJM, et al. Effect of virtual reality training on balance and gait ability in patients with stroke: systematic review and meta-analysis. Phys Ther. 2016;96(12):1905-1918. PMID 27174255
5. Wiskerke E, et al. Rasch analysis of VR balance exercise hierarchy. JMIR Serious Games. 2022;10(1):e30366. PMID 35315785
6. Liao WC, et al. Comparison of weight-shift training methods in chronic stroke. Medicine. 2018;97(45):e13207. PMID 30407361

踏步

7. Okubo Y, Schoene D, Lord SR. Step training improves reaction time, gait and balance and reduces falls in older people: systematic review and meta-analysis. Br J Sports Med. 2017;51(7):586-593. PMID 26746905
8. Schoene D, et al. A randomized controlled pilot study of home-based step training in older people using videogame technology. PLOS ONE. 2013;8(3):e57734. DOI 10.1371/journal.pone.0057734
9. Hauer K, et al. Stepping exergame training in older adults. Eur Rev Aging Phys Act. 2020;17:17. PMID 33005256
10. Morat M, et al. Stepping exergame under stable and unstable conditions. Exp Gerontol. 2019;127:110719. PMID 31513877
11. Gschwind YJ, et al. iStoppFalls RCT. Eur Rev Aging Phys Act. 2015;12:10. DOI 10.1186/s11556-015-0155-6
12. Skjæret-Maroni N, et al. Exergaming in older adults: movement characteristics while playing stepping games. Front Psychol. 2016;7:964. PMID 27445926
13. Schoene D, et al. Interactive cognitive-motor step training at home (fall risk). PLOS ONE. 2015;10(12):e0145161. PMID 26673919

上肢：追蹤與 Reaching

14. Subramanian SK, et al. Arm motor recovery using a virtual reality intervention in chronic stroke: RCT. Neurorehabil Neural Repair. 2013;27(1):13-23. PMID 22785001
15. Foreman MH, Engsberg JR. VRShape: VR tool for measuring and shaping trunk compensation. J Rehabil Assist Technol Eng. 2019;6. PMID 31245028
16. Foreman MH, Engsberg JR. Validity and reliability of Kinect for measuring trunk compensation during reaching. Sensors. 2020;20(24):7073. DOI 10.3390/s20247073
17. Wee SK, et al. Trunk restraint to promote upper extremity recovery: systematic review and meta-analysis. Neurorehabil Neural Repair. 2014. PMID 24515929
18. Levin MF, et al. Reaching Performance Scale for Stroke. Phys Ther. 2004;84(1):8-22. PMID 14992673
19. Krabben T, et al. Circle drawing as evaluative movement task in stroke. J Neuroeng Rehabil. 2011;8:15. PMID 21435261
20. Taud B, et al. tDCS + visuo-motor grip force tracking training RCT. Front Neurol. 2021;12:736075. PMID 34858310
21. Pavlova EL, et al. tDCS + visuomotor training in chronic stroke. Restor Neurol Neurosci. 2017;35(3):307-317. PMID 28506002
22. Boyd LA, Winstein CJ. Explicit information interferes with implicit motor learning after stroke. J Neurol Phys Ther. 2006. PMID 16796767
23. Kim WS, et al. Kinect-based virtual rehabilitation, sham-controlled pilot RCT. Medicine. 2018;97(25):e11173. DOI 10.1097/MD.0000000000011173
24. Ain QU, et al. Xbox Kinect training on upper limb in chronic stroke: RCT. Healthcare. 2021;9(3):242. PMID 33668355
25. Ma M, et al. Validation of Mystic Isle (Kinect V2 game vs Vicon). PLOS ONE. 2018;13(8):e0202338. PMID 30142631

回饋與動作學習

26. D’Anna C, et al. Continuous vs discretized visual biofeedback for postural control. PLOS ONE. 2015;10(7):e0132711. DOI 10.1371/journal.pone.0132711
27. Ferris J, et al. Concurrent vs terminal visual feedback in older adults’ standing balance. Sensors. 2022;22(8):2826. PMID 35458811
28. Guadagnoli MA, Lee TD. Challenge point framework. J Mot Behav. 2004;36(2):212-224. PMID 15130871
29. Kondo Y, et al. VR collision-avoidance training in older adults. Arch Gerontol Geriatr. 2021;93:104265. PMID 33011429

量測技術與其他

30. Schmitz A, et al. Single camera markerless vs marker-based joint angles in squat. Gait Posture. 2015;41(2):694-698.
31. Xu X, et al. Kinect 2.0 vs marker-based 3D joint angles. PMID 27918704
32. Janhunen M, et al. Pre-calibrated ROM-based exergames after TKA. Front Sports Act Living. 2022;4:915210. DOI 10.3389/fspor.2022.915210
33. Ling Y, et al. Fietsgame: therapist-configurable rehabilitation game. JMIR Serious Games. 2017;5(4):e19. PMID 29025696
34. Rikli RE, Jones CJ. Senior Fitness Test（2-Minute Step Test）. J Aging Phys Act. 1999.（操作規範：SRAlab RehabMeasures）
35. Liao YY, et al. Kinect exergame in frail/pre-frail older adults. Sci Rep. 2019;9:9353. PMID 31249332
36. Altorfer P, et al. Dividat Senso dual-task training in geriatric inpatients. Front Aging Neurosci. 2021;13:739948. PMID 34912206
37. Laver KE, et al. Virtual reality for stroke rehabilitation. Cochrane Database Syst Rev. 2017;11:CD008349.
38. Zhang J, et al. VR modalities for upper limb recovery: network meta-analysis. Front Neurol. 2025;16:1544135. PMID 40236896
39. Accot J, Zhai S. Beyond Fitts’ law: models for trajectory-based HCI tasks. CHI ’97. ACM.