辅助技术操作姿势对上肢肌肉骨骼疾病影响的表面肌电图研究——基于关键词知识图谱分析

《Metabolites》：Integrated Transcriptomics and Lipidomics Identify CES1-Mediated Maladaptive Lipolysis as a Key Target of Hyperlipidemic Acute Pancreatitis

　　

背景：辅助技术(Assistive Technology, AT)的广泛使用虽为功能障碍人群提供了重要支持，但其操作过程中伴随的异常姿势负荷亦可能诱发或加重操作者的上肢肌肉骨骼疾病(Upper Extremity Musculoskeletal Disorders, UEMSDs)。目的：本研究旨在系统梳理表面肌电图(surface Electromyography, sEMG)技术在评估辅助技术操作姿势对上肢肌肉骨骼影响中的应用现状与证据，并基于知识图谱分析识别该领域的研究主题、演进趋势与关键科学问题。方法：研究人员通过系统检索Web of Science核心合集与CNKI数据库，纳入符合标准的英文文献49篇与中文文献37篇，共86篇。运用CiteSpace与VOSviewer软件进行关键词共现分析、聚类分析及突变检测，并提取sEMG测量方案的关键参数进行循证总结。结果：知识图谱分析显示，该领域研究热点集中于轮椅推进姿势、助行器使用姿态、以及电脑辅助设备操作界面设计。sEMG测量方案总结表明：最常见测量肌肉包括上斜方肌(Upper Trapezius, UT)、三角肌前束(Anterior Deltoid, AD)与肱桡肌(Brachioradialis, BR)；标准化方案多采用最大自主收缩(Maximal Voluntary Contraction, MVC)进行振幅归一化，其时域指标以均方根振幅(Root Mean Square, RMS)为主，频域指标以中位频率(Median Frequency, MF)为主。证据综合显示，辅助技术操作姿势中持续的静态肌肉收缩及重复性运动模式与UT和AD肌肉的异常激活显著相关，异常的sEMG模式与颈肩部疼痛发生率之间存在剂量-反应关系。结论：辅助技术操作姿势诱导的局部肌肉负荷异常可通过sEMG进行有效量化、早期识别与干预指导。基于知识图谱的文献计量分析为理解该交叉领域的研究脉络提供了系统性视角。未来应加强统一测量规范并建立基于sEMG的生物力学-临床联动预警模型。

**辅助技术操作姿势对上肢肌肉骨骼疾病影响的表面肌电图研究——基于关键词知识图谱分析**

**一、研究背景与问题提出**

辅助技术(Assistive Technology, AT)涵盖轮椅、助行器、电脑辅助输入设备、日常生活辅助器具等各类用于维持或改善功能障碍人群功能的设备。全球范围内，随着人口老龄化进程加速及残障人群生活质量需求提升，辅助技术的使用率显著增长。然而，伴随辅助技术广泛应用而来的一个新的公共卫生问题逐渐凸显：操作者在使用这些设备的过程中，由于设备设计与人机匹配性不足，常被迫采取非中立、非对称或长时间静态负荷的操作姿势，进而导致上肢肌肉骨骼疾病(Upper Extremity Musculoskeletal Disorders, UEMSDs)的发病率上升。据文献报道，长期轮椅使用者的肩部疼痛患病率高达30%-70%，助行器使用者的腕部和肘部不适发生率亦显著高于一般人群。

表面肌电图(surface Electromyography, sEMG)作为一种非侵入性的肌肉电活动检测技术，能够实时反映操作过程中相关肌群的激活时序、激活程度及疲劳状态，是评估辅助技术操作姿势生物力学负荷的重要工具。然而，目前该领域研究较为分散，研究方法异质性大，尚缺乏基于文献计量学的系统性梳理。知识图谱分析能够通过可视化手段揭示学科知识结构及其演进规律，为把握领域研究全貌提供客观量化依据。

**二、研究目的与总体思路**

针对上述背景，本研究提出如下核心科学问题：(1) 辅助技术操作姿势与UEMSDs之间的关联是否可通过sEMG指标得到客观量化？(2) 该领域的研究主题分布、热点演变及关键学术群体呈现何种特征？(3) 当前sEMG测量方案在辅助技术姿势评估中是否已形成标准化范式？围绕上述问题，研究人员采用了"文献计量-知识图谱-证据综合"三位一体的研究框架：首先通过双数据库系统检索构建文献样本库；继而利用知识图谱工具揭示该领域的合作网络与主题聚类；最后从纳入文献中提取sEMG测量参数和主要发现进行循证总结。

**三、主要技术方法**

研究人员系统检索了Web of Science核心合集与CNKI数据库中自建库至2025年12月的相关文献，英文数据库检索策略采用主题词与自由词相结合的方式，中文数据库采用相应检索表达式。文献筛选遵循PRISMA框架，经去重、标题/摘要初筛及全文复筛后，最终纳入英文文献49篇、中文文献37篇，共计86篇纳入分析。利用CiteSpace 6.2.R4软件进行作者共现分析、机构合作分析及关键词突变检测；利用VOSviewer 1.6.19软件构建关键词共现网络及聚类可视化图谱。同时，研究人员对纳入文献中sEMG测量方案的关键参数（包括目标肌肉选择、电极放置标准、信号处理流程及归一化方法等）进行了系统提取与编码，形成参数化证据表格。在知识图谱分析基础上，结合定性综合方法对不同辅助技术类型的sEMG证据进行了循证归纳。

**四、研究结果**

**（一）文献年度分布与研究趋势**

从纳入文献的时间分布来看，该领域研究起步于20世纪90年代中后期，2005年后进入平稳增长期，2015年后呈现加速增长态势。英文文献与中文文献在增长节奏上呈现一定的同步性，但中文文献中零散研究较多、系统研究较少，反映出国内在该领域的研究尚处于发展阶段。

**（二）来源期刊分布与核心学术群体**

英文文献主要发表于《Clinical Biomechanics》、《Journal of Electromyography and Kinesiology》、《Disability and Rehabilitation: Assistive Technology》等生物力学与康复工程类期刊；中文文献则主要分布于《中国康复医学杂志》、《中华物理医学与康复医学杂志》等康复医学类期刊。高产作者合作网络显示，该领域已形成以北美和欧洲为中心的几个稳定的学术合作群体，各群体主要围绕轮椅推进生物力学、助行器动力学分析以及人机界面工效学评估展开合作。

**（三）高频关键词共现与聚类分析**

关键词共现网络分析显示，出现频次最高的关键词包括："surface electromyography"（频次38次）、"wheelchair propulsion"（频次27次）、"shoulder pain"（频次21次）、"muscle activity"（频次19次）、"assistive technology"（频次16次）及"posture"（频次14次）。通过聚类分析，该领域的研究主题可划分为四个主要知识簇：①轮椅推进姿势与肩部负荷-损伤关联簇；②助行器使用姿态与上肢肌群协调模式簇；③电脑辅助设备操作界面与静态姿势负荷簇；④sEMG信号处理方法与疲劳评估技术簇。时间线视图进一步显示，研究主题经历了从单一关注轮椅使用者肩部负荷，向多类型辅助技术姿势评估和精细化生物力学指标发展演变的趋势。

**（四）sEMG测量方案的系统评价**

对纳入文献的sEMG测量参数进行系统提取后发现：目标肌肉选择中，上斜方肌(Upper Trapezius, UT)的测量频率最高（出现在72.1%的文献中），其次为三角肌前束(Anterior Deltoid, AD)（55.8%）和肱桡肌(Brachioradialis, BR)（39.5%）。电极放置依据SENIAM(Surface Electromyography for the Non-Invasive Assessment of Muscles)指南的比例为61.6%，其余文献采用解剖标志定位法或既往文献参考法。信号处理方面，带通滤波范围以20-450 Hz为主流配置，采样频率多为1000-2000 Hz。振幅归一化方法中，采用最大自主收缩(Maximal Voluntary Contraction, MVC)归一化的占68.6%，采用亚极量参考收缩(submaximal reference contraction)的占18.6%，未进行归一化的占12.8%。时域指标中均方根振幅(Root Mean Square, RMS)使用最为广泛（占83.7%），频域指标中位频率(Median Frequency, MF)和平均功率频率(Mean Power Frequency, MPF)分别占41.9%和25.6%。

**（五）不同辅助技术类型的sEMG证据总结**

针对轮椅推进的研究显示，推进频率与UT的RMS呈显著正相关，推轮时肩关节内旋位可使AD激活水平较中立位增加约35%-45%。长距离推进过程中，UT与AD的MF值呈进行性下降趋势，提示局部肌肉疲劳的累积效应。助行器使用研究则表明，助行器高度低于尺骨茎突水平时，腕伸肌群的持续激活水平升高，与手柄反作用力分布异常存在关联。框架式助行器与四轮式助行器相比，前者引起UT的负荷更小但前臂肌群的激活范围更广。电脑辅助设备方面，非标准操作高度下（低于肘高或超过肘高5 cm以上），UT的RMS值在10分钟连续输入后显著升高，且左右侧激活出现明显不对称，这种不对称模式与自评肩颈不适评分(Visual Analogue Scale, VAS)之间呈现中等强度正相关(Spearman相关系数=0.48-0.62)。此外，各研究中报告的操作姿势与sEMG异常之间的关联效应量较为一致，表明sEMG指标对辅助技术相关的姿势负荷具有良好的敏感性。

**五、讨论**

研究结果表明，sEMG技术已经较为成熟地应用于辅助技术操作姿势的评估中，形成了以UT、AD和BR为主要目标肌肉的测量体系，但在方案标准化方面仍存在明显不足。知识图谱分析揭示了该领域从描述性肌电特征记录向机制性生物力学风险预测模型转变的趋势特征。值得注意的是，现有sEMG证据虽然在群体水平上一致地显示了不良操作姿势与异常肌肉激活模式之间的关联，但尚缺乏基于sEMG指标的量化暴露阈值和诊断界值，这在一定程度上限制了对个体水平UEMSDs风险进行精确评估的能力。此外，大多数研究采用实验室模拟操作场景的方法，其结论外推到真实使用环境时的效度需要进一步验证。

**六、研究结论**

辅助技术操作过程中不良姿势所导致的异常肌肉负荷可通过sEMG进行客观、敏感的量化评估，sEMG异常指标与UEMSDs的发生之间具有稳健的关联基础。现有研究已形成"轮椅推进-肩部负荷"、"助行器使用-上肢协调"、"电脑辅助设备-静态姿势"三条主要研究脉络。sEMG测量方案中的肌肉选择趋于一致，但归一化方法和疲劳指标使用仍存在较大差异，亟需构建统一的技术标准。基于知识图谱的领域分析为中国在该领域的研究创新提供了明确的方向参照，建议国内研究在未来加强纵向随访设计、统一测量规范，并探索基于多模态sEMG与人工智能技术的实时姿势风险预警系统。