《European Journal of Radiology》：Inter-rater reliability between radiologists and orthopaedic surgeons when assessing lumbar degenerative disc disease using the Pfirrmann grading system
编辑推荐：
摘要引言Pfirrmann分级系统被广泛用于在T2加权MRI上评估退行性椎间盘病（DDD），但因其主观性而受到批评。本研究评估放射科医生和骨科医生使用该系统时的观察者间信度。方法回顾性分析60例腰椎MRI扫描。四名放射科医生和四名骨科医生（每组两名主治医生、两名专科注册医师）
摘要
引言
Pfirrmann分级系统被广泛用于在T2加权MRI上评估退行性椎间盘病（DDD），但因其主观性而受到批评。本研究评估放射科医生和骨科医生使用该系统时的观察者间信度。
方法
回顾性分析60例腰椎MRI扫描。四名放射科医生和四名骨科医生（每组两名主治医生、两名专科注册医师）独立使用5级和8级Pfirrmann分级系统对每例扫描中的五个椎间盘进行分级。两个月后重复分级以评估观察者内信度。
结果
骨科主治医生之间观察到最高的观察者间一致性，5级和8级分级系统的二次加权kappa值分别为0.89（95%CI：0.86–0.92）和0.97（95%CI：0.96–0.98）。根据Krippendorff's alpha（序数）0.67（95%CI：0.63–0.72）和Gwet's AC2（二次）0.67（95%CI：0.64–0.71），所有评估者使用5级系统的总体一致性良好。 相比之下，Fleiss's kappa显示总体一致性仅为中等，系数为0.37（95%CI：0.27–0.47）。使用5级分级系统在重新评估时，放射科主治医生获得了最高的观察者内一致性（76%），尽管他们也存在明显的分级差异。
结论
本研究发现，在使用Pfirrmann分级系统评估腰椎DDD时，放射科医生与骨科医生之间的观察者间信度存在评估者群体差异。这凸显了标准化分级的必要性，以及定量MRI生物标志物在提高可靠性方面的潜在作用。
引言
椎间盘退变是一种自然发生的年龄相关现象，最常累及腰椎[1]。它与慢性腰痛密切相关，可对患者造成长期且致残的影响[2]。尽管在低收入国家的相关数据尚不完整，但据估计，全球有近2.66亿人患有有症状的腰椎间盘退变[3]。确实，退行性椎间盘病（DDD）与多种疾病相关，这使得临床医生难以建立单一、具体的定义[4]。然而，无论何种疾病，准确的诊断都需要临床评估与放射影像学的结合[5]。但是，DDD的影像学特征也常在无症状个体中被观察到，这凸显了仔细进行临床相关性判断的必要性，并引发了仅凭影像学分级是否具有直接临床意义的问题[6]。
过去二十年来，T2加权磁共振成像（MRI），通常使用脂肪抑制序列，已成为评估DDD严重程度的金标准[7]。在T2加权序列中，信号强度与含水量呈正相关[8]。这在识别MRI扫描上的DDD时十分有利，因为健康的髓核（NP）中蛋白聚糖（PGs）丰富，有助于保留水分。然而，在DDD中，PGs的降解导致髓核含水量减少。此外，椎间盘生物力学的改变——特别是与运动和负荷相关的"椎间盘泵"机制受损——也被提出是导致椎间盘失水的原因[9]。T2加权MRI也是检测DDD特征（如椎间盘失水、椎间盘膨出和椎间盘突出）的最佳影像学检查方式[10]。2001年，Pfirrmann等人开发了一种基于常规T2加权MRI的腰椎椎间盘退变分类系统，称为Pfirrmann分级系统[11]。该系统通过评估椎间盘中髓核的形态学特征对图像进行分类，评分范围为1至5，其中1级表示健康椎间盘，5级表示严重退变的椎间盘。
该系统发布后，因其临床和研究功能而被临床医生迅速采用[12]。虽然在研究中应用广泛，但其在临床实践中的常规使用则更为多变，许多放射科医生更倾向于根据临床情境进行定性描述。到2021年，这一流行的分类系统已被引用于超过3200篇文章中[13]。然而，许多学者仍对该5级分级系统持批评态度，认为其未能提供足够的区分度。为解决这一问题，Griffith等人提出了一种改良的8级Pfirrmann分级系统，用于MRI上腰椎DDD的放射学分级[14]。尽管采用了更广泛的分级系统，文献中仍描述了诸多问题。这些问题包括但不限于：在不适当的情况下将椎间隙狭窄作为所有年龄段患者分类系统中的标准，以及假设椎间盘内存在髓核内裂或信号强度降低必然与DDD相关[13]。
观察者间信度是指不同评估者独立评估同一现象、物体或受试者时的一致性或吻合程度。它反映了在相同条件下，不同观察者或评分者产生相似评级或判断的程度[15]。观察者间信度被用于心理学、医学、教育学和社会科学等各个领域，以确保通过主观方式收集的数据具有一致性、稳健性和可推广性[16]。确实，许多学者对Pfirrmann分级系统的准确性提出了质疑。因此，对该分级系统进行观察者间信度评估将确定其是否是评估腰椎椎间盘退变的可靠工具，以及是否能在不同观察者和不同环境中得到一致的应用。
本研究旨在评估放射科医生和骨科医生使用Pfirrmann分级系统在MRI上评估腰椎DDD时的观察者间信度。我们希望验证该分级系统的有效性，或识别需要改进的领域，以提高诊断一致性并改善患者预后。
分节摘要
研究设计
我们开展了一项回顾性观察研究，按照STROBE指南进行报告，以评估Pfirrmann分级系统在腰椎DDD中的观察者间信度。 本研究已获作者所在医院的机构审查委员会批准（IRB 1/378/2451），由于研究为回顾性研究、使用匿名影像数据且对参与者风险极小，因此豁免了知情同意。
本研究专门评估了该系统的可靠性。
研究队列
研究共纳入60名患者（31名男性，29名女性），平均年龄57.8岁。使用5级和8级Pfirrmann分级系统评估腰椎MRI扫描中的DDD情况。共评估300个腰椎椎间盘，每个椎间盘由8名评分者评估，每次评估每种分级系统产生2,400个独立评估结果。
具有相似经验水平和专业背景的医生之间的观察者间信度
使用5级Pfirrmann分级系统评估腰椎DDD程度时，评估了观察者间一致性。
讨论
Pfirrmann分类系统被广泛用于临床和研究环境中评估MRI上的腰椎DDD[12]。然而，尽管该分级系统实用且简单，其定性性质引入了主观性[13]。因此，许多研究者认为该方法缺乏一致性和可靠性，观察者间存在显著差异[18]。了解这种变异的程度和来源对于改善……
结论
据我们所知，这是目前评估放射科医生和骨科医生使用Pfirrmann分级系统评估腰椎DDD时观察者间信度研究中评估者数量最多的研究。尽管骨科和放射科主治医生总体上表现出良好的一致性，但所有评估者群体中均观察到变异，表明该系统的可靠性无法得到保证。这些发现强调了标准化分级的必要性，并突出……
CRediT作者贡献声明
Harry Marland：撰写—审阅与编辑，撰写—原稿，可视化，验证，项目管理，方法学，形式化分析，数据管理，概念化。Jake M. McDonnell：撰写—审阅与编辑，撰写—原稿，可视化，验证，软件，资源，项目管理，方法学，形式化分析，数据管理，概念化。Sally Pan：撰写—审阅与编辑，撰写—原稿，方法学，形式化分析。Michael
利益冲突声明
作者声明，他们没有已知的竞争性经济利益或个人关系可能影响本文报告的工作。
Harry Marland|Jake M. McDonnell|Sally Pan|Michael Oyuga|Aubrie Sowa|Michael Kelly|Brian Rigney|David Ryan|Philip J. Dempsey|Barry Hutchinson|Peter J. MacMahon|Stacey Darwish|Joseph S. Butler
Mater Misericordiae大学医院放射科，爱尔兰都柏林
