《Journal of Electromyography and Kinesiology》：Examining the effect of sex and body mass index on rotator cuff fatty infiltration in young adults without shoulder pathology
编辑推荐：
摘要肩袖脂肪浸润会降低肩袖撕裂患者的术后康复效果。虽然较严重的脂肪浸润与年龄增长和病理变化有关，但人体测量指标也可能对其产生影响。本研究探讨了性别和体重指数对没有肩部疾病的年轻人的冈上肌和冈下肌脂肪浸润程度的影响。研究对40名不同体重指数的成年男女进行了磁共振成像和超声检查。超声
摘要
肩袖脂肪浸润会降低肩袖撕裂患者的术后康复效果。虽然较严重的脂肪浸润与年龄增长和病理变化有关，但人体测量指标也可能对其产生影响。本研究探讨了性别和体重指数对没有肩部疾病的年轻人的冈上肌和冈下肌脂肪浸润程度的影响。研究对40名不同体重指数的成年男女进行了磁共振成像和超声检查。超声检查采用了不同的受检者体位和探头技术，同时还进行了上肢静态力量测试。回归分析表明，性别和体重指数都能显著影响冈上肌的MRI脂肪浸润程度（p＜0.0001，R2=0.51），而体重指数也能显著影响冈下肌的脂肪浸润程度（p＜0.0001，R2=0.54）。此外，超声检测的回声特性具有较高的可靠性，能够有效反映不同技术和体位下的MRI脂肪分数，不过冈上肌的结果差异较大。力量与脂肪浸润之间仅在冈上肌的MRI脂肪浸润程度上存在显著关联（相关系数范围为-0.21至-0.33）。该研究表明，性别和体重指数与肩袖脂肪浸润密切相关。未来研究应继续探索老年人群体中，无论是否有肩袖疾病，脂肪浸润的情况。
引言
肩袖撕裂是一种极为常见的肌肉骨骼疾病，会导致严重的功能障碍。肩袖撕裂可能没有症状，但也可能出现功能下降、力量减弱、疼痛加剧以及活动范围或灵活性降低等问题（Lin等人，2008；Sher等人，1995）。由于内在和外在风险因素的共同作用，肩袖撕裂的成因被认为是多因素的（Via等人，2013）。不良姿势、异常生物力学结构、年龄增长、解剖结构差异、生活习惯以及外伤等都被视为肩袖撕裂的潜在风险因素（Nho等人，2008）。某些肌肉骨骼因素还可能增加肩袖撕裂患者出现长期并发症的风险。尤其是肩袖肌肉的脂肪浸润会对术后长期康复结果产生重要影响。最新研究表明，手术前肩袖脂肪浸润程度较高会不利于伤口愈合、增加再次撕裂的风险，并影响术后功能恢复（Davis等人，2021；Tsuchiya等人，2023；Yang等人，2023）。
历史上，肩袖脂肪浸润主要通过定性方法进行评估。Goutallier分类系统将肌肉从0级（正常肌肉）到4级（脂肪多于肌肉）进行定性分级（Goutallier等人，1994）。该系统最初是为计算机断层扫描设计的，后来也被用于磁共振成像（Fuchs等人，1999）。尽管应用广泛，但Goutallier分类系统的评分者间一致性较低，且无法量化脂肪浸润的体积（Vidt等人，2016）。近年来出现了基于磁共振成像的定量评估方法，通过手动分割肩袖肌肉，计算出肌肉内的脂肪分数，并通过尸体分析进行验证（Trevino 3rd等人，2019）。虽然这种方法能够准确量化肌肉内的脂肪分数，但成本高昂、难以普及，且需要大量的图像处理时间。相比之下，超声检查可以通过回声特性来估算脂肪浸润程度，更具可行性（Young等人，2015）。回声特性利用0到255的灰度值来衡量肌肉区域的亮度，回声越强（图像越亮）说明脂肪越多，回声越弱（图像越暗）则说明肌肉越多。与磁共振成像相比，超声检测在下肢部位的回声特性与磁共振成像结果相关性较强（Chopp-Hurley等人，2020；Mota和Stock，2017；Young等人，2016），而在肩袖肌肉上的相关性则处于中等水平（Mahna等人，2024）。具体而言，超声检测能够预测冈下肌和冈上肌的MRI脂肪分数的变异程度，分别为R2=0.57和R2=0.47，不过这一预测结果会受到超声探头位置的影响（Mahna等人，2024）。还需要注意的是，之前的研究样本量较小（n=12），且参与者的体重指数大多处于正常范围（25.8±3.6 kg/m2）（Mahna等人，2024）。
年龄被认为是导致上下肢肌肉脂肪浸润增加的最重要因素之一（Gueniche和Bierry，2019；Johnson等人，2024；Marcus等人，2010）。但在老年人群体中，性别和体重指数的影响因群体而异（Gueniche和Bierry，2019；Johnson等人，2024）。因此，了解性别和体重指数在年轻人群体中的脂肪浸润程度中的作用也很重要。最新研究表明，脂肪浸润程度与体重指数呈正相关，其中体重指数达到30 kg/m2时，脂肪浸润程度会显著上升（Dow等人，2018；Giri等人，2022；Lee等人，2015）。Dow等人（2018）和Giri等人（2022）分别发现，在正常健康人群和肩袖撕裂患者中，随着体重指数的增加，Goutallier分类等级也会相应提高。Lee等人（2015）也发现，因肩痛寻求医疗帮助的患者，其肌肉内的脂肪分数高于没有肩部疾病的人。虽然这些研究很有参考价值，但通常情况下，脂肪浸润更多见于患有肩部疾病的老年人（Lee等人，2015），而研究年轻健康人群的脂肪浸润趋势有助于建立参考标准。Mahna等人（2024）在平均体重指数为25.8 kg/m2的年轻健康成人样本中，发现其脂肪浸润程度较低，冈上肌和冈下肌的脂肪浸润比例分别为1.74%和1.48%。因此，有必要探究在不同体重指数的年轻健康人群中，脂肪浸润的趋势有何差异。
性别也是已被证实会影响脂肪浸润程度的另一个关键因素。现有研究关于性别对脂肪浸润影响的结论并不一致（Dow等人，2018；Giri等人，2022；Gueniche和Bierry，2019；Lee等人，2015；Wilson和MacLean，2022）。有趣的是，在使用Goutallier分类系统的研究中，脂肪浸润程度并未因性别或体重指数而有所不同（Dow等人，2018；Gueniche和Bierry，2019）。而在同时使用Goutallier分类系统和脂肪分数来量化肌肉内脂肪的研究中，性别则对脂肪浸润程度有显著影响，女性的脂肪浸润程度普遍高于男性（Giri等人，2022；Lee等人，2015；Wilson和MacLean，2022）。不过，这些先前的研究并未针对年轻健康人群展开研究，尤其没有探讨性别和体重指数如何影响这一群体中的脂肪浸润程度。
因此，本研究的目的是探讨性别和体重指数是否会影响年轻健康人群的肩袖脂肪浸润程度。其次，研究还考察了通过不同体位和探头技术获取的超声回声特性的可靠性，以及其与磁共振成像检测到的肌肉内脂肪分数的一致性。此外，研究还分析了上肢力量与脂肪浸润程度之间的关系。我们假设性别和体重指数都会影响肩袖脂肪浸润程度。同时，我们预计，通过不同探头定位技术获得的超声回声特性数据，能够解释肌肉内脂肪分数的差异，并且这些数据之间具有较高的一致性（Mahna等人，2024）。最后，我们推测脂肪浸润程度与上肢力量指标之间存在中等程度的负相关关系。
章节摘录
研究对象
共有40名右利手健康参与者（20名男性，20名女性）参与了这项研究，他们的平均年龄为23.3±4.1岁。其中，10名男性和女性の体重指数低于30 kg/m2（23.6±5.4 kg/m2），另外10名男性和女性的体重指数在30 kg/m2或以上（32.2±4.9 kg/m2）。那些自我报告在过去一年中有肩部疼痛或右肩受伤史的参与者被排除在外。此外，有其他禁忌症的参与者也被排除在研究之外。
性别和体重指数对MRI脂肪分数的影响
男性参与者的冈上肌和冈下肌的MRI脂肪分数平均值分别为1.73%（±0.17）和1.49%（±0.12）。而女性参与者的相应数值则为2.64%（±0.40）和1.96%（±0.25）。在分析诊断结果和图表后，有3个异常值被从冈下肌的回归分析中剔除（体重指数分别为38.6 kg/m2、40.0 kg/m2、40.4 kg/m2）。还有1个异常值（体重指数为24.7 kg/m2）也被剔除。
讨论
本研究旨在探讨性别和体重指数是否会影响肩袖脂肪浸润程度，同时研究超声检测的回声特性是否与MRI检测的脂肪分数相关，以及在不同体位和探头技术下是否具有稳定性。此外，研究还分析了脂肪浸润程度与力量指标之间的关系。我们的假设基本得到了验证。回归分析表明，性别和体重指数都是冈上肌MRI脂肪分数的显著预测因子，而体重指数也是冈下肌MRI脂肪分数的显著预测因子。我们的第二个研究目标……
结论
本研究探讨了性别和体重指数对肩袖脂肪浸润程度的影响。研究结果表明，性别和体重指数都是冈上肌脂肪浸润程度的显著预测因子，而体重指数也是冈下肌脂肪浸润程度的显著预测因子。女性以及体重指数较高的人，其肩袖脂肪浸润程度更高。此外，研究还表明，无论是坐姿还是俯卧姿，超声检测都能较好地反映冈下肌的回声特性，而且不同的探头技术或受检者体位所获得的结果具有可比性。
作者贡献声明
Stephen M. Boulanger：文章撰写——审阅与编辑、文章撰写——初稿撰写、方法学、研究实施、正式分析、数据整理、概念构建。Daniel W. Sheffield：文章撰写——审阅与编辑、正式分析、数据整理。Anthony A. Gatti：文章撰写——审阅与编辑、可视化处理、方法学、正式分析。Jaclyn N. Chopp-Hurley：文章撰写——审阅与编辑、项目监督、资源协调、项目管理、方法学、研究实施、资金筹集、正式分析。
资金来源
本项目得到了加拿大自然科学与工程研究委员会（NSERC）的资助，同时还获得了约克大学提供的小额研究经费，以及Jaclyn Chopp-Hurley博士主持的青年教师科研基金支持。
利益冲突声明
作者声明以下可能构成利益冲突的财务利益或个人关系：Jaclyn Chopp-Hurley表示获得了约克大学的资金支持，同时也获得了加拿大自然科学与工程研究委员会的资助。Anthony Gatti是NeuralSeg Ltd.、GeminiOV和NodeAI Diagnostics公司的股东。Jaclyn Chopp-Hurley担任《期刊》特刊的客座编辑。
致谢
我们要感谢Manoj Singh在协助获取磁共振图像方面所给予的帮助。
Stephen M. Boulanger|Daniel W. Sheffield|Anthony A. Gatti|Jaclyn N. Chopp-Hurley
加拿大多伦多安大略省约克大学运动机能与健康科学学院
