编辑推荐：
贝尔麻痹预后预测存在挑战。本研究针对 193 例患者，整合 ENoG DI、CMAP 潜伏期、BR、NET 及 nEMG 五种电生理检查结果，结合决策树分析，筛选出关键预测因子，构建模型准确率达 86.01%，为临床精准评估预后提供新依据。
贝尔麻痹（Bell's palsy）是一种常见的特发性急性周围性面神经病变，表现为单侧面部无力或瘫痪，全球年发病率为 13-34 例 / 10 万人。尽管 80%-85% 的患者经糖皮质激素治疗后可完全恢复，但仍有部分患者遗留面瘫后遗症，如闭眼困难、表情障碍等，严重影响生活质量并引发心理问题。目前，临床预测预后主要依赖单一电生理检查，如神经电图（ENoG）、针电极肌电图（nEMG）等，但各检查均存在局限性：ENoG 在发病早期因华勒变性未完成可能导致结果偏差；肌电图（CMAP）对轴突损伤敏感性不足；瞬目反射（BR）特异性受限；神经兴奋性测试（NET）无法量化神经纤维退变比例；nEMG 需在神经损伤 10-14 天后才能检出异常。因此，开发一种整合多指标的精准预后预测模型成为临床迫切需求。
为解决这一问题，韩国庆熙大学医学院附属物理医学与康复科的研究团队开展了相关研究。他们回顾性分析了 2020 年 1 月至 2022 年 12 月期间收治的 193 例贝尔麻痹患者的临床数据，通过整合五种电生理检查结果与临床指标，构建了决策树预测模型。该研究成果发表在《European Archives of Oto-Rhino-Laryngology》，为贝尔麻痹的预后评估提供了新的科学依据。
研究采用的关键技术方法包括：
- 电生理检查：发病 14 天后进行 ENoG、CMAP 潜伏期、BR、NET 及 nEMG 检测，其中 ENoG 计算神经变性指数（DI），nEMG 评估自发活动（如纤颤电位、正锐波）和运动单位动作电位（MUAP）干扰模式分级。
- 临床评估：采用 House-Brackmann（H-B）分级评估面瘫严重程度，分为初始评估与 6 个月随访评估。
- 统计分析：运用多因素逻辑回归、决策树分析（CART 模型）筛选关键预测因子，并通过 ROC 曲线验证模型效能。
研究结果
1. 关键预测因子筛选
通过决策树分析，确定了五项关键预后预测因子：眼轮匝肌 ENoG DI、初始 H-B 分级、眼轮匝肌 nEMG 干扰模式、NET 两侧差值、额肌 CMAP 潜伏期。具体阈值如下：
- 完全恢复预测：眼轮匝肌 ENoG DI<71.72% 且初始 H-B 分级≤3 级；或 ENoG DI≥71.72% 但 NET 差值 < 4.5 mA 且额肌 CMAP 潜伏期≤3.80 ms。
- 不完全恢复预测：ENoG DI≥71.72% 且 NET 差值≥4.5 mA，或 CMAP 潜伏期 > 3.80 ms。
2. 模型效能验证
该模型整体预测准确率达 86.01%，受试者工作特征曲线下面积（AUC）为 0.86，显示出较高的可靠性。其中，眼轮匝肌 ENoG DI 的预测效能最为突出（OR=10.36, 95% CI=4.23-25.39），结合 H-B 分级可进一步提升准确性。
3. 电生理指标与预后的关联
单因素及多因素分析显示，不完全恢复组的 ENoG DI 值显著更高（所有面部肌肉 p<0.0001），CMAP 潜伏期更长（p<0.002），同侧 BR-R1 潜伏期延迟（p<0.001），NET 差值更大（p<0.0001）。nEMG 方面，不完全恢复组的正锐波（PSWs）发生率更高（OR=2.75），眼轮匝肌、鼻肌等部位的干扰模式分级更低（Grade 1-3，OR=3.84-5.61）。
研究结论与意义
本研究首次整合五种电生理检查与临床指标，构建了贝尔麻痹 6 个月预后的多因素预测模型。结果表明，眼轮匝肌 ENoG DI 联合初始 H-B 分级是核心预测因子，而 NET 差值与 CMAP 潜伏期可作为补充指标优化预测效能。该模型突破了单一检查的局限性，通过多维度数据整合，将预测准确率提升至 86%，为临床早期制定个性化治疗方案（如是否需要强化康复干预）提供了科学依据。
研究同时发现，面神经支配的上面部肌肉（如眼轮匝肌、额肌）电生理指标对预后更敏感，提示其在神经再生机制中可能具有特殊地位。尽管研究存在单中心、回顾性设计等局限性，但其提出的多模态评估策略为未来开展大样本前瞻性研究奠定了基础。临床实践中，若能将该模型纳入标准诊断流程，有望实现贝尔麻痹的精准分层管理，改善患者预后并提升生活质量。
