基于摄影测量技术的智能手机应用在脊柱姿势评估中的有效性与可靠性：系统综述与荟萃分析

《Scientific Reports》：Photogrammetry-based smartphone applications for spinal posture assessment: a systematic review and meta-analysis

本研究针对传统脊柱姿势评估方法存在辐射暴露、成本高及操作复杂等问题，系统评价了基于摄影测量技术的智能手机应用在脊柱姿势评估中的有效性与可靠性。通过对29项研究（涉及1,910名参与者）的荟萃分析发现，智能手机应用在测量颅椎角（ICC=0.904）、头部倾斜（ICC=0.962）等参数时表现出良好至优秀的信效度，证实其可作为临床实践中便捷、可靠的脊柱姿势评估工具。该研究为mHealth在脊柱健康管理中的应用提供了重要循证依据。

　　

在现代医疗健康领域，脊柱姿势评估是诊断和监测多种肌肉骨骼疾病的重要手段。传统的评估方法包括量角器、铅垂线等定量测量工具，以及Vicon等运动捕捉系统。虽然放射学方法被视为最准确的评估技术，能够清晰显示骨性标志，但由于其成本高昂、存在辐射暴露风险，且无法用于重复测量，在常规临床应用中受到限制。这种局限性促使研究人员寻找更安全、便捷的替代方案。

随着智能手机的普及和移动健康（mHealth）技术的快速发展，基于摄影测量技术的智能手机应用为脊柱姿势评估提供了新的可能性。这些应用利用手机内置的加速度计、磁力计和陀螺仪等传感器，结合计算机视觉和人工智能技术，能够通过分析人体图像来评估脊柱排列情况。尽管近年来此类应用数量显著增长，但其测量性能尚缺乏系统评价。

为解决这一知识缺口，Mina Karbalaeimahdi等研究人员在《Scientific Reports》上发表了题为"Photogrammetry-based smartphone applications for spinal posture assessment: a systematic review and meta-analysis"的研究论文。该研究通过系统综述和荟萃分析方法，全面评估了基于摄影测量技术的智能手机应用在脊柱姿势评估中的有效性和可靠性。

研究人员遵循PRISMA 2020指南，在PROSPERO平台注册了研究方案（CRD42024573433），系统检索了六个主要电子数据库（PubMed、Scopus、Web of Science、ACM Digital Library、Embase和Google Scholar）从建库至2024年9月7日的相关文献。研究纳入了29项研究，涉及1,910名参与者，评估了8种智能手机应用：APECS、PostureScreen Mobile（PSM）、Fizyoprint、NLMeasurer、Biomechanics Augmented Reality Marker（BAR-M）、FHPapp、CVA-CVapp和Surgimap。

研究采用COSMIN清单评估纳入研究的质量，并使用MedCalc统计软件进行荟萃分析，计算组内相关系数（ICC）和Pearson相关系数（r）来评估信度和效度。关键技术方法包括：系统文献检索与筛选、质量评估（COSMIN清单和ROBANS工具）、数据提取（包括有效性、可靠性、测量误差等指标）以及随机效应模型的荟萃分析。

研究结果

应用技术特征

研究的8种应用各有特色：APECS采用人工智能和摄影测量算法评估身体对称性；PSM通过多角度拍摄标记解剖点计算身体角度；Fizyoprint使用X、Y、Z坐标系作为参考点；NLMeasurer利用TensorFlow的PoseNet模型识别17个解剖参考点；BAR-M系统结合AprilTag标记和增强现实技术；FHPapp和CVA-CVapp专门评估颅椎角（CVA）；Surgimap是专业的医学图像分析工具。

颅椎角评估

三种应用（FHPapp、CVA-CVapp和Surgimap）专门用于测量颅椎角。荟萃分析显示，这些应用在评估颅椎角时表现出优秀的评估者间信度（ICC=0.889）和重测信度（ICC=0.904），效度也非常优秀（ICC=0.938）。CVA-CVapp使用计算机视觉技术自动计算颅椎角，而FHPapp需要治疗师在图像上手动放置三个标记。

头部倾斜评估

PSM和Fizyoprint应用用于评估头部倾斜。分析表明，这两种应用的评估者间信度（ICC=0.962）和重测信度（ICC=0.898）均为优秀。然而，PSM与Vicon系统比较时，在10项评估中的8项显示出测量偏差，可能与触屏技术和解剖标志识别难度有关。

肩峰对齐和髋部倾斜评估

四种应用（NLMeasurer、PSM、Fizyoprint和APECS）报告了肩峰对齐和髋部倾斜的信效度。荟萃分析显示，所有四种应用的评估者间信度（ICC=0.904）和重测信度（ICC=0.642-0.842）均为良好至优秀，而NLMeasurer和Fizyoprint的效度为中等（ICC=0.603）。

质量评估与异质性分析

使用COSMIN清单的质量评估显示，六项有效性研究为高质量，六项可靠性研究为高质量，两项为中等质量。风险偏倚评估显示，参与者选择项有27.58%的研究被评为高风险，结果评估盲法项有68.96%的研究被评为不明确风险。异质性分析显示，颅椎角的信度分析无异质性（I²=0%），而效度分析存在显著异质性（I²=84.82%），可能与研究方法学差异有关。

研究结论与意义

本研究通过系统综述和荟萃分析证实，基于摄影测量技术的智能手机应用在脊柱姿势评估中具有良好至优秀的信度和效度，特别是在颅椎角、头部倾斜、肩峰对齐等参数的测量方面。这些应用为临床提供了一种便捷、经济、无创的评估工具，有望促进脊柱健康的早期筛查和长期监测。

然而，研究也发现当前证据存在一些局限性：多数研究样本量较小，测量误差指标（如SEM、MDC）报告不完整，不同研究的方法学存在异质性，且缺乏最小临床重要差异（MCID）数据。这些因素限制了这些应用在当前临床实践中的直接应用价值。

未来研究应关注标准化测量协议的建立，扩大样本量，完善测量误差指标的报告，并在特定人群中进行验证。随着人工智能和计算机视觉技术的进一步发展，基于智能手机的脊柱姿势评估应用有望在个性化医疗和远程健康监测中发挥更重要的作用。

该研究为mHealth在肌肉骨骼疾病管理中的应用提供了重要循证依据，推动了数字健康技术在康复医学和运动医学领域的创新发展。基于摄影测量技术的智能手机应用不仅为专业医疗人员提供了实用的评估工具，也为大众健康管理提供了便捷的自我监测手段，具有重要的临床和公共卫生意义。