编辑推荐：
这篇综述聚焦肩关节不稳（SI），深入探讨其与肩胛骨动力学异常的关联，分析现有评估方法的优劣，介绍机器学习、动力链和肩胛骨生物力学等新策略，为 SI 康复治疗提供理论依据与实践指导，助力临床精准诊疗。
肩关节不稳与肩胛骨动力学研究综述
引言
肩关节作为连接上肢与躯干的重要关节，拥有人体中最为出色的活动范围。它由肩胛骨的关节盂和肱骨头构成，依靠周围的肌肉和韧带维持稳定。然而，由于关节盂面积仅为肱骨头的四分之一，且肱骨头存在 30° 的后倾，加上运动中可能出现的静态和动态不稳定因素，如关节面大小比例失调、肩袖或肱二头肌长头损伤等，使得患者在运动时肱骨头难以保持在中心位置，进而引发肩关节不稳（SI）。
SI 在临床上较为常见，尽管中国的发病率数据尚不完善，但在美国，其占所有关节脱位的 45%，年发病率为每 10 万人中有 23.9 例。SI 的出现严重影响患者的生活质量，不仅限制了日常活动和肩部功能的正常使用，还会导致运动表现下降和慢性肩痛等症状。
目前，SI 的治疗主要包括手术干预以重建稳定性和康复治疗以恢复功能。虽然手术治疗在恢复肩部稳定性方面更为有效，但对于轻度肩部损伤的保守康复治疗以及术后康复治疗同样不可或缺。研究发现，单独康复肩袖肌肉对于伴有肩胛骨不稳定的 SI 患者成功率较低，这可能与支撑肩胛骨的关键肌肉群康复不足有关。同时，越来越多的证据表明，肩胛骨的异常定位和运动轨迹与肩袖损伤和 SI 密切相关，肩胛骨运动障碍（SD）对肩部稳定性和功能的影响日益受到关注，因此，在康复方案中针对肩胛骨周围稳定肌进行治疗显得尤为重要。
方法
本研究遵循系统评价和荟萃分析的首选报告项目（PRISMA）指南，于 2025 年 2 月在 PubMed 和 Web of Science 电子数据库中进行文献检索。由两名经过系统评价培训且在 SI 领域经验丰富的研究人员（S.M. 和 M.H.）独立筛选符合条件的文章。
研究问题采用患者干预对照结局研究（PICOS）框架进行定义。纳入标准为：报告了对 SI 患者肌肉活动、肩胛骨运动或肩胛骨定位评估的临床研究；未预先定义干预措施（I）和对照组（C）。检索策略结合了源自 PICOS 问题的关键词和医学主题词（MeSH），如 “shoulder instability”“scapular kinematics”“machine learning”“kinetic chain”，并使用布尔运算符（AND/OR）进行组合。
研究入选标准包括：成年（≥18 岁）SI 患者；评估肌肉活动、肩胛骨运动或肩胛骨定位；研究设计为随机或非随机对照试验、病例对照研究、横断面或队列研究；全文为英文；将 SI 患者与健康对照进行比较。
肩胛骨动力学与发病机制
- 正常肩胛骨关节运动：肩胛骨的关节盂唇、凹面挤压机制、肩肱平衡机制、关节囊韧带复合体、关节面几何形状以及其他动态和静态稳定机制共同协作，维持肩关节的活动度和稳定性。关节盂唇可使关节盂窝深度增加 50%，增强关节稳定性；凹面挤压机制通过肩袖肌群、肱二头肌长头和其他肩部肌肉收缩，将肱骨头稳定在关节盂的凹面内；肩肱平衡则依靠肱骨头和关节盂之间的应力平衡来实现。此外，肩关节周围的 26 块肌肉作为动态稳定结构，通过本体感受反射、肌肉收缩挤压关节面和肌肉体积效应产生被动肌腱张力等方式，维持肩关节的稳定。在手臂上举过程中，肩胛骨通常会出现向上旋转、向后倾斜和向外旋转的三维运动模式，斜方肌、前锯肌、菱形肌、肩胛提肌和胸小肌等主要肩胛骨稳定肌在手臂运动时协同收缩，确保肩胛骨处于最佳位置，以激活肩部肌肉，维持正常的肩肱节律。
- 发病机制：SD 是指肩胛骨在静态和动态活动中位置或运动的改变，以及肩胛骨肌肉力量异常，进而影响肩部正常功能。SD 通常分为三种类型：I 型表现为肩胛骨下角向后胸壁移位；II 型为整个肩胛骨内侧缘向后胸壁移位；III 型则是在动态观察中出现肩胛骨过早抬高或过度 / 不足的向上旋转。SD 的病因较为复杂，包括神经学原因，如脊髓麻痹影响斜方肌功能、胸长神经麻痹导致前锯肌无力、颈椎病等；肌肉骨骼因素，如肱二头肌和胸小肌无力、后肩僵硬、肩周肌肉损伤、锁骨骨折、肩锁和盂肱关节不稳定、肌肉激活和力量差异改变等；还可能与姿势问题，如胸椎后凸有关。SD 会干扰肩带动力链的正常运动，增加整个动力链受损的风险，加重 SI 患者的肩部不适症状。肩胛骨的稳定性对于周围肌肉发挥力量至关重要，其动态稳定性需要这些肌肉的力偶来维持。
- SI 患者肩胛骨动力学受损情况：在肩部运动中，维持盂肱关节稳定性的主要过程包括凹陷压缩机制、肩胛骨关节盂与肱骨头的对齐以及肩胛带肌群的活动。研究发现，未经治疗的 SI 患者在手臂在肩胛骨平面上举时，肩胛骨关节盂 - 肱骨头的对齐异常，表现为肩胛骨和肱骨旋转中心的相对位移增加。同时，SI 患者在上肢上举时，还存在内旋增加、向上旋转活动度减小的问题。这可能是由于韧带松弛、调节肩胛骨运动的肌肉活动不足或关节囊松弛导致的肩胛骨关节盂 - 肱骨头对位不良。与肩胛骨相关的肌肉，如斜方肌、前锯肌、肩胛下肌、胸小肌和菱形肌等，对肩胛骨的位置和动力学稳定性起着主要的调节作用。当这些肌肉功能发生改变时，可能会导致 SD。目前对肩胛骨周围肌群的研究主要集中在斜方肌和前锯肌，因为它们在肩关节上举时协同作用，有助于肩胛骨的正确上旋、后倾和外旋，对维持肩胛骨稳定性至关重要。研究表明，SD 患者存在斜方肌上部过度激活，而斜方肌中部、下部和前锯肌激活不足的情况，这会导致肩胛骨向上和向后倾斜减少，内旋增加。此外，肩胛提肌缩短会导致异常姿势，影响肩胛骨的自然位置；拉伸胸小肌则可增加肩胛骨的外旋和后倾，说明胸小肌的紧张程度是导致 SD 的重要因素之一。
肩胛骨动力学变化的评估
- 现有评估方法：先前对 SI 的研究将 SD 描述为肩胛骨前伸、过度内旋、前倾以及向上旋转的变化。不足的肩胛骨向上旋转和后倾会限制盂肱关节内旋，导致撞击和 SI。以往评估 SD 的研究方法多样，部分研究聚焦于关节运动角度，如手臂在肩胛骨平面上举的角度（80° - 150°）、冠状面外展角度以及矢状面屈伸角度；还有研究分析了如推、拉、过顶投掷等功能性运动。表面肌电图（EMG）常用于评估肩胛骨周围肌肉的活动，通过测量肌肉在最大自主等长收缩（% MVIC）时的活动百分比以及活动时间参数（如肌肉活动持续时间、时间跨度、活动起始时间）来阐明肌肉激活模式。此外，还有研究使用 ZEBRIS（基于超声的跟踪技术）、FASTRAK（电磁跟踪技术）、开放式 MRI 系统等获取肱骨和肩胛骨的运动学数据。然而，这些方法在临床应用中存在一定的局限性，如技术要求高、耗时耗力、成本高昂，且无法对 SD 进行亚型评估。同时，肩胛骨运动的观察困难以及缺乏临床指标来定义 SD，也给肩部运动学改变的临床评估带来了挑战。尽管一些治疗方法显示出一定的重复性，但在肌肉骨骼受累之前，简单的现场评估，如评估翼状肩、肩部运动控制丧失和肩胛骨不对称性，在筛查中具有较高的可靠性。三维运动学改变可使用惯性和磁性测量仪器进行评估，但其有效性和精度仍有待验证。此外，外侧肩胛骨滑动试验在检测 SD 方面的诊断准确性有限，而改良的肩胛骨辅助试验（增加手持重量）可能是一种更可靠的临床方法，但仍需进一步验证其有效性。
- SD 的临床病史和体格检查：肩胛骨体格检查旨在识别 SD 和异常的休息姿势，评估近端和远端的致病因素，并通过动态活动测量运动障碍治疗对撞击症状的影响。检查结果有助于制定全面的诊断方案，指导康复和治疗。在评估 SD 时，首先应获取全面的病史，包括疼痛的位置、加重或缓解疼痛的运动或活动等信息，但病史信息存在主观解读的局限性。其次，结合视觉和触觉方法对 SD 进行分类具有较高的评分者间可靠性，视觉检查需观察头部、颈部和背部的异常姿势、肩部屈伸运动以及肩胛骨内侧缘的静态和动态位置；触诊的部位包括肩胛骨内侧缘、斜方肌上缘、前锯肌等多个体表压痛点，但对于细微的运动障碍，该方法存在观察者依赖性。再者，由于大多数肩部疾病的动态方面会导致 SD，因此临床评估比静态成像方法更有效，CT 扫描（尤其是四维 CT 扫描）和 MRI 扫描可作为辅助手段，用于精确诊断 SD 的病因，但存在成本高和资源密集的缺点。另外，由于肩关节运动涉及 26 块肌肉，单独评估单个肌肉的力量较为困难，肌肉力量评估可根据正常、降低和显著降低进行分类，Hole Peg Test 在通过功能结果评估力量方面优于 Western Ontario Rotator Cuff Index，在评估 SD 引起的冈下肌无力时，冈下肌力量评估具有较高的可靠性，但由于多节段肌肉的参与，评估过程较为复杂。最后，关节活动度（ROM）评估和三维运动学分析应纳入临床评估，尽管已有研究使用肩胛骨 - 肱骨比率、肩胛胸角等指标来评估肩胛骨的运动范围，但按照国际生物力学学会的建议，通过确定肩胛骨局部坐标系之间的角度来计算肩胛骨 ROM 更为标准，但这需要专门的设备。此外，临床观察评估，如肩胛骨运动障碍试验（SDT）、外侧肩胛骨滑动试验（LSST）、肩胛骨辅助试验（SAT）和肩胛骨回缩试验（SRT）等也非常重要，不同的试验具有各自的优缺点，应根据临床情况、患者表现和资源可用性选择合适的评估工具。
肩胛骨动力学临床评估的新策略
- 机器学习：尽管传统临床评估技术在理解 SD 方面取得了显著进展，但仍需借助人工智能进一步深入研究其潜在过程。将肩部运动计算机化可作为评估 SD 的有效手段，通过回归方法分析肩胛胸壁关节（ST）运动，该方法考虑了肩峰位置、肩胛骨和肱骨相对于躯干的方向以及肱骨与躯干之间的相对对齐，能够预测运动过程中的变化。准确识别关键解剖标志对于评估肩部运动范围至关重要，然而，医生在空间感知上的差异可能导致测角法和视觉方法的不一致性。近年来，通过照片和视频评估人体姿势的技术取得了进展，实现了人体姿势检测中关键身体标志的自动化和标准化识别，利用深度学习模型进行人体姿势估计可系统地检测图像和视频中的个体，并通过近似关节位置确定其姿势。机器学习和深度学习模型通过注释数据集进行训练，这些数据集通常来自运动捕捉工作室或人体图像和视频。尽管人体姿势检测中重要身体标志的自动识别提高了效率，但不同注释模型可能会影响不同姿势估计算法中肩部运动范围的一致性。因此，为了建立对这些 AI 系统的信任，需要深入了解基础训练数据集的细节和相关关节定义，进一步研究应致力于整合数据集，以提高姿势估计算法的稳健性。
- 动力链和肩胛骨生物力学：运动表现的一个显著特征是腿部、躯干、肩带和上肢的不同运动的持续整合，动力链是指产生运动所需力量的一系列动作。在动力链中，下肢和核心产生最大力量并提供坚实的基础，肩胛骨则通过肘部和手部传递力量，在快速手臂运动序列中起到传导和稳定的作用。当动力链中断时，会激活补偿机制，增加其余节段的压力，使其更容易受到运动损伤。在以往对 SD 的研究中，往往只关注肩关节的同步性，而忽略了动力链的整体功能。力解耦和肌肉失衡是与 SD 密切相关的动力链现象，肌肉平衡对于保证能量在动力链中的有效传递至关重要。菱形肌、前锯肌和上下斜方肌的协同协作对于肩胛骨的对齐至关重要，反复运动可能导致肌肉激活模式改变和与肩胛骨周围稳定肌疲劳相关的肩胛骨运动学变化。肩胛骨抬高不足和伸展受损会导致前关节盂撞击，由于肩胛骨在伸展过程中过度或无效的回缩和位置不佳，会缩小肩峰下弓，减少肩峰下肩袖间隙。当手臂处于外展位置时，前关节盂唇和关节囊会承受更高的剪切应力，这可能导致在后期的引拍、加速和随挥阶段出现临床肩峰下撞击。SD 通常由力解耦引起，主要表现为神经系统疾病或潜在的解剖变异，约 5% 的 SD 患者存在肩胛骨内侧或外侧区域的神经肌肉失衡。例如，胸长神经损伤会导致前锯肌功能障碍，使肩胛骨因菱形肌和斜方肌的不平衡作用而向内侧移动和抬高；而脊髓副神经损伤则会导致肩胛骨明显向外和延长，同时前锯肌和胸肌过度激活。此外，潜在的骨骼和韧带异常会显著影响肩胛骨的位置和运动，严重的颈椎前凸、胸椎后凸或脊柱侧凸会为肌肉激活提供不良的滑动表面，导致肩胛骨运动轨迹不佳。与无 SD 的患者相比，锁骨骨折畸形愈合导致锁骨缩短的患者肩胛骨后倾减少，预后较差。因此，全面分析身体力学有助于识别整个动力链中的代偿或病理过程，包括足部位置、膝关节运动、髋关节运动、躯干运动、肩胛骨定位和运动、肩部运动、肩过肩姿势和长轴旋转等，这些都是运动观察评估中的关键节点，对于动力链的良好运行至关重要。
讨论
- 研究总结与意义：本文深入探讨了肩胛骨动力学异常与 SI 的科学进展。肩胛骨在肩部动力链中处于中心位置，是力量传递的关键枢纽，它能够将腿部和躯干的势能有效地转化为上肢运动时释放的动能，同时对维持肩关节的稳定性起着重要作用。然而，与 SD 相关的肩胛骨异常病理运动和定位成为动力链中的薄弱环节，容易引发补偿机制，对远端结构造成持久损害，严重影响肩部的正常功能。研究发现，SI 患者在手臂上举时，肩胛骨的后倾（减少 15° - 20°）和向上旋转（减少 12° - 18°）明显低于健康对照组，导致肱骨头向下平移增加，这种生物力学扰动不仅加剧了不稳定症状，还降低了康复效果，因为 SD 会损害动力链中的力量传递。肌电图数据显示，SI 患者的下斜方肌 / 前锯肌激活减少 40% - 60%，这与复发性脱位的风险增加 2.3 倍相关。在 SI 康复中，对肩胛骨动态变化的研究目前受到一定限制。虽然手术治疗在恢复肩部稳定性方面效果较好，但保守治疗对于轻度损伤患者和术后康复期患者同样至关重要。尽管以往研究采用了多种方法评估 SD，但这些方法在临床应用中存在技术要求高、成本高、无法单独观察肩胛骨运动以及缺乏有效评估方法等局限性。获取患者病史和进行体格检查是临床评估的重要环节，不同的临床观察测试各有优缺点，适用于不同的临床场景。此外，机器学习和动力链、肩胛骨生物力学研究的进展为 SD 评估提供了创新的方法和思路。卷积神经网络（CNNs）在基于运动捕捉数据集对 SD 亚型进行分类时，准确率可达 92%；长短期记忆（LSTM）网络有望对惯性传感器数据进行实时分析，实现对功能任务中肩胛骨运动学的连续监测。然而，这些技术面临着肩胛骨解剖个体差异和人群通用性有限的挑战，需要标准化的训练数据集和与金标准生物力学评估进行验证。
- 临床应用与未来展望：综合身体力学分析有助于识别动力链中的病因或补偿机制，动力链分析强调整体运动的同步性，肌肉失衡和力解耦与 SD 密切相关。基于这些研究结果，康复方案应注重通过协同激活中斜方肌和前锯肌来恢复肩胛骨的后倾和外旋，这对于维持盂肱关节的中心位置至关重要。例如，一项针对 12 例 SI 患者的病例系列研究表明，经过 12 周的动力链训练（包括抗阻肩胛骨回缩和核心稳定训练），83% 的患者盂肱关节稳定性得到改善，肌电图数据显示，训练后下斜方肌激活增加 35%，上斜方肌过度激活减少 20%。在机器学习方面，有研究强调肩胛骨稳定运动干预在改善非特异性肩痛方面的关键作用，以及机器学习技术在优化肌肉骨骼健康管理和治疗策略方面的潜力。这些实例表明，整合肩胛骨运动学评估、动力链训练和机器学习驱动的诊断方法可以显著改善 SI 的治疗效果。未来的研究应优先开展前瞻性试验，评估这些策略的长期疗效和成本效益。
临床实践中，医生对 SD 的评估不能局限于单个关节，而应进行全面评估，包括仔细评估肩部症状，并通过模拟调整肩胛骨姿势来观察其对肩部功能的影响。在临床实践中，应特别关注动力链的主要节点，评估这些节点的活动状态和相互协调性，有助于判断动力链是否存在故障点。综合身体力学评估能够更准确地识别动力链中的致病或代偿过程，临床医生可通过有针对性的评估和干预措施，将这些研究结果应用于实际临床工作。例如，将 SAT 与三维运动分析相结合，可量化肩胛骨动态变化对肩关节不稳定的影响。康复方案应优先通过协同激活中斜方肌和前锯肌来恢复肩胛骨的后倾和外旋，动力链训练，如抗阻肩胛骨回缩结合核心稳定训练，可解决力解耦问题，增强整体肩部稳定性。这将有助于临床医生更深入地理解 SI 的病理生理学，从而制定个性化的治疗和康复计划，提高患者的生活质量，促进肩部功能的恢复，改善治疗效果。
未来的研究方向包括开展纵向研究，验证针对肩胛骨运动学的康复方案的长期疗效，<
