编辑推荐：
为解决颈椎后纵韧带骨化症（COPLL）患者行椎板成形术（LAMP）预后预测的问题，研究人员开展了术前参数对 LAMP 手术结果预测价值的研究。结果发现术前 K 线相关参数、JOACMEQ 评分等是重要预测指标，这对优化手术规划和改善患者预后意义重大。
颈椎，作为人体脊柱的关键部分，支撑着头部并保护脊髓，对日常活动和身体机能至关重要。然而，颈椎后纵韧带骨化症（Cervical Ossification of the Posterior Longitudinal Ligament，COPLL）却悄然威胁着颈椎健康。这是一种后纵韧带发生骨化的病理状况，会压迫脊髓，引发脊髓病，导致患者出现肢体麻木、无力、步态不稳等症状，严重影响生活质量。椎板成形术（Laminoplasty，LAMP）是治疗 COPLL 相关脊髓病的常用手术方式，通过重塑椎板为脊髓创造更多空间，缓解压迫。
但在临床实践中，医生面临着一个棘手的问题：如何准确预测 LAMP 手术的效果？不同患者术后恢复情况差异很大，目前缺乏全面且精准的预测方法。此前研究虽探索了一些术前指标的预测价值，但仍存在诸多不足。例如，很少有研究综合对比各种因素，明确哪些才是预测 LAMP 手术效果的最佳指标；多数研究仅用日本骨科协会（Japanese Orthopaedic Association，JOA）或改良 JOA 评分评估神经功能恢复，忽视了颈椎功能、生活质量等多方面的评估。为填补这些空白，西南医科大学附属医院等机构的研究人员开展了此项研究。
研究人员对 2017 年 1 月 1 日至 2020 年 12 月 31 日期间，在四个医疗中心接受 LAMP 手术且完成日本骨科协会颈椎脊髓病评估问卷（JOACMEQ）评估的 COPLL 患者进行回顾性分析。该研究经西南医科大学附属医院临床试验伦理委员会批准（注册号：KY2023361），严格按照既定的纳入和排除标准筛选患者。
研究人员收集了患者的基线人口统计学和临床数据，包括年龄、性别、体重指数（BMI）等，还测量了 K 线、K 线倾斜度、C4-C6 K 线等多种影像学参数。同时，利用 JOACMEQ 在术前和术后评估患者颈椎功能、上肢功能、下肢功能、膀胱功能和生活质量（Quality of Life，QOL）。根据手术结果，将患者分为改善组和未改善组，对比两组的术前参数，分析各参数对手术效果的预测作用。通过二元逻辑回归模型分析评估预测准确性（曲线下面积，AUC）和效应大小（标准化优势比，OR 和回归系数）。
基线和功能评分结果显示，研究共纳入 84 例患者，平均年龄 59.79±8.55 岁，男性占 48.81%。术后除膀胱功能外，颈椎、上肢、下肢功能和生活质量评分均显著改善。术后并发症以轴向疼痛最为常见，发生率为 19.05%。
在比较术前参数与术后改善情况时发现，在颈椎、上肢、下肢功能和生活质量方面，改善组的 K 线倾斜角更小，多种 K 线阴性率更低，术前功能评分更好。在上肢功能改善组中，Pavlov 比值更宽，山形 COPLL 患病率更低；下肢功能改善组中，最大脊髓管占位率（Spinal Canal Occupying Ratio，SCOR）更低，山形 COPLL 和胸椎黄韧带骨化（Ossification of the Yellow Ligament，OYL）关联的患病率也更低；生活质量改善组的患者更年轻。而在膀胱功能方面，仅术前膀胱功能评分和 C5 节段的 Torg-Pavlov 比值在两组间存在显著差异。
进一步分析术前参数对不同功能恢复的影响可知：
- 颈椎功能：K 线是最强的预测指标，AUC 为 0.80，阳性 K 线结果与更好的术后结果相关。其他 K 线相关参数和术前 QOL 评分也有显著预测作用。
- 上肢功能：K 线相关参数和术前上肢功能评分是重要预测指标，Pavlov 比值也有显著影响，山形 COPLL 则预示术后上肢功能改善较差。
- 下肢功能：术前下肢功能评分是最强预测指标，K 线相关参数、山形 COPLL 和最大 SCOR 等也有一定预测价值。
- 膀胱功能：术前膀胱状态和 C5 节段的 Torg-Pavlov 比值是关键预测因素，但膀胱功能改变总体不明显。
- 生活质量：K 线相关参数和术前 QOL 评分对生活质量恢复有重要预测价值，阴性 K 线结果与较差的生活质量恢复相关。
该研究表明，术前参数在预测 COPLL 患者 LAMP 手术预后中起着关键作用。K 线相关参数和术前功能评分显著影响多个功能领域的恢复，其他因素如 K 线倾斜度、山形 COPLL 和最大 SCOR 等也有助于判断恢复潜力。这一研究成果强调了术前综合评估的重要性，为医生制定个性化手术方案、合理预估患者术后恢复情况提供了科学依据，有助于改善患者的治疗效果和生活质量。
研究的局限性在于采用回顾性研究设计，可能存在选择偏倚，样本量和随访时间也有一定局限性，且 JOACMEQ 依赖患者自我报告数据，可能存在应答偏倚。未来还需更大规模、多中心的前瞻性研究加以验证。
总体而言，这项发表于《BMC Musculoskeletal Disorders》的研究成果为 COPLL 患者的临床治疗提供了重要参考，推动了该领域精准医疗的发展。
研究人员主要采用了以下关键技术方法：
- 回顾性队列研究：收集四个医疗中心符合条件的 COPLL 患者数据，建立研究队列。
- 影像学参数测量：由资深脊柱外科医生独立测量 K 线、Torg-Pavlov 比值等多种影像学参数。
- 功能评分评估：运用 JOACMEQ 对患者术前术后进行功能评分。
- 统计分析：通过分组对比和二元逻辑回归模型分析，评估参数的预测价值。
