肩袖修复术后患者报告结局的预测因素：基于前瞻性队列的多变量分析

本研究针对肩袖修复术(RCR)后患者报告结局(PROs)的预测因素不明确问题，克利夫兰诊所团队通过前瞻性队列分析3,483例接受初次关节镜下肩袖修复术(ARCR)患者数据，采用多变量beta回归和比例优势模型，发现术前Penn肩关节评分(PSS)、VR12心理健康评分(VR12-MCS)和保险类型是1年PSS的最强预测因子，模型解释度达20%。该研究为个性化预后评估提供了重要依据，成果发表于《Journal of Shoulder and Elbow Surgery》。

　　

肩袖损伤作为常见的肩关节疾病，全球每年有数百万人因此接受手术治疗。尽管关节镜下肩袖修复术(ARCR)技术日益成熟，但术后患者报告结局(PROs)存在显著差异——有些患者恢复如初，有些却持续疼痛和功能障碍。这种"同术不同效"的现象长期困扰着临床医生：究竟哪些因素真正影响术后康复？现有研究多聚焦于手术技术改进，却忽视了患者个体特征对预后的潜在影响。

为解开这个临床谜题，克利夫兰诊所的研究团队开展了一项大规模前瞻性队列研究，成果发表在《Journal of Shoulder and Elbow Surgery》。研究人员纳入了2015年2月至2022年2月期间在该机构接受初次ARCR的3,483例患者，这些患者均存在上后部肩袖肌腱撕裂并完成了基线Penn肩关节评分(PSS)评估。研究团队创新性地采用多变量identity-link beta回归和比例优势模型，将23种术前因素与1年PSS及其子评分进行关联分析，通过R²
、Nagelkerke伪R²
和Akaike信息准则(AIC)增量变化评估模型预测能力和预测因子相对重要性，并对缺失数据进行了多重填补。

在方法学上，研究有几个关键创新：首先采用beta回归处理PSS这类有界连续变量，更符合数据特性；其次通过比例优势模型处理有序分类变量；最后运用多重填补技术处理约28%的失访数据，保证统计效力。队列中位随访时间达1年，最终2,491例(72%)患者提供了完整的1年PSS数据。

研究结果部分揭示了多个重要发现。在患者特征方面，基线PSS中位数40.0分显著改善至1年后的90.0分，证实手术总体效果良好。但深入分析显示：术前PSS每降低10分，1年PSS降低3.2分；VR12-MCS每降低10分，1年PSS降低2.1分。保险类型影响尤为显著：工伤保险患者1年PSS比商业保险低11.3分。其他显著预测因子包括：非白种人/黑种人种族(-3.1分)、慢性疼痛诊断(-2.8分)、未行肩峰成形术(-2.5分)和关节软骨退变(-2.3分)。值得注意的是，术前阿片类药物使用、精神疾病诊断等常见临床因素在调整基线PSS和VR12-MCS后失去统计学意义。

讨论部分指出，这是迄今最大规模的ARCR预后预测研究，首次系统量化了各类预测因子的相对重要性。模型20%的解释度提示，除已识别因素外，肌肉力量、结构愈合质量等生物力学因素可能起重要作用。临床实践中，对低PSS、低VR12-MCS和非商业保险患者应加强术前沟通和术后康复支持。未行肩峰成形术的负面效应可能与减压不充分导致持续撞击有关，这一发现对手术决策具有指导意义。

该研究的局限性包括单中心设计可能限制结果外推性，且未纳入术中肩袖撕裂大小等参数。未来研究可整合影像学和分子标志物，构建更全面的预测模型。尽管如此，这项研究为肩袖修复术的精准医疗迈出了重要一步，其建立的预测框架可帮助医生识别高风险患者并优化治疗策略。