功能性動作篩查在預測運動損傷中的價值：基于診斷性試驗的系統評價

于丹丹，馬瓊，李夏，張玉旋，肖軍

運動損傷通常發生于體育訓練過程中，尤其多見于大運動量、高強度和低水平有氧運動中[1]。其好發人群為各類球類(如足球、籃球、橄欖球等)運動員和軍隊人員[2-6]。運動損傷是困擾著運動員和教練員的重大問題，不僅影響個人身體健康和團隊訓練效果，還給社會經濟和公共衛生服務帶來壓力[7]。有研究表明，預測損傷的形成可能會對損傷發生的頻率和相關成本產生積極的影響[8-9]。

功能性動作篩查(functional movement screen，FMS)是由深蹲測試、跨欄測試、直線弓箭步測試、肩關節活動度測試、主動直腿抬高測試、軀干穩定俯臥撐測試和旋轉穩定測試7 個子項目構成，用于評估基本運動模式，以識別可能導致損傷的功能失調、不對稱和疼痛的運動動作[10-11]。雖然FMS普遍應用于體能訓練范疇和體育競技范疇[12]，但使用FMS 作為損傷預防篩查的工具仍存在爭議[13]。

通過檢索文獻發現，國內外共有5 篇關于FMS 預測運動損傷價值的Meta 分析[14-18]。這5 篇研究中，1 篇[14]支持FMS 對預測損傷有價值，2篇[15-16]認為FMS 預測損傷有價值但證據水平非常低，2 篇[17-18]不支持FMS 作為損傷預測工具。基于此，本研究在前人研究的基礎上，更新相關數據，旨在采用Meta 分析的方法，評價FMS 在預測運動損傷中的價值，以期為運動員和教練員選擇有效的預防運動損傷方法提供參考依據。

1 研究方法

1.1 篩選標準 納入標準：研究類型為前瞻性隊列研究；研究對象為從事體育鍛煉人員，在開始測試之前未出現運動損傷；觀察指標包括合并敏感度(SEN)、特異度(SPE)、陽性似然比(+LR)、陰性似然比(-LR)、診斷比值比(DOR)和合并受試者工作特征曲線(SROC)曲線下面積(AUC)。排除標準：無法獲取全文的研究；數據不完整或有嚴重錯誤的研究；重復發表或數據重復的研究(前者保留第1 篇，后者保留數據最全的1 篇)。

1.2 檢索策略 計算機檢索中文數據庫：重慶維普中文科技期刊數據庫(VIP)、中國知網數據庫(CNKI)、萬方數據庫(Wanfang)、中國生物醫學文獻數據庫網絡版(SinoMed)；外文數據庫：Medline、Cochrane Library、Embase，各個數據庫檢索時間范圍均為從該數據庫建庫至2023 年5 月。中文庫采用題名或關鍵詞和主題詞相結合的方式進行檢索，檢索詞為“功能性動作篩查”“功能動作測試”“運動損傷”，英文庫主要根據各個數據庫的主題詞結合自由詞的方式進行檢索，檢索詞為“Functional Movement Screen”“FMS”“sports injury”“musculoskeletal injuries”。此外，相關會議論文、學位論文等灰色文獻也在檢索范圍之類。

1.3 資料提取與分析 由2 位研究者根據預先制定的篩選標準獨立篩選文獻、提取資料及質量評價并交叉核對，如遇分歧通過討論或咨詢第三位研究者解決。根據下載文獻的標題和摘要進行初篩，排除明顯不符合篩選標準的文獻，對可能符合篩選標準的文獻進一步閱讀全文進行二次篩選，以確定是否納入。建立Excel 資料提取表，提取內容包括：第一作者、發表年份、研究對象、性別、年齡、樣本量、失訪人數、觀察周期、損傷風險閾值、受傷類型及真陽性數、假陽性數、真陰性數、假陰性數等。

1.4 納入研究的偏倚風險評價 采用QUADAS-2[19]工具對納入文獻的方法學質量進行評價。QUADAS-2工具包括偏倚評價和適用性兩部分。偏倚評價涵蓋4 個領域，分別為病例的選擇、待評價試驗、金標準、病例流程和進展情況；適用性涵蓋3 個領域，分別為病例的選擇、待評價試驗、金標準，所有領域的評價分為高風險、低風險和不清楚。偏倚風險評價由兩名研究人員獨立完成并交叉核對，如遇到分歧則咨詢第三方。

1.5 統計學方法 運用RevMan 5.4和Meta Disc 1.4軟件[20]進行統計分析。采用χ2檢驗，結合I2值來評估異質性大小。若I2≤50%，說明同質性較好，采用固定效應模型(fixed-effect model，FEM)；若I2＞50%，說明異質性較大，采用隨機效應模型(random-effect model，REM)。效應統計量為合并敏感度(sensitivity，SEN)、合并特異度(specificity，SPE)、合并陽性預測值(positive likelihood ratio，+LR)、合并陰性預測值(negative likelihood ratio，-LR)及合并診斷比值比(diagnostic odds ratio，DOR)，并計算其95% 可 信 區 間(confidence interval，CI)。 用MetaDisc 1.4 軟件繪制各研究Meta 分析結果的合并受試者工作特征曲線(summery receiver operating characteristic curve，SROC)，并 計 算 曲 線 下 面 積(area under curve，AUC)和Q*值(即SROC 曲線上當SEN 等于SPE 時的數值)。0.5＜AUC ≤0.7 表示診斷真實性低；0.7＜AUC ≤0.9 表示診斷真實性為中度；0.9＜AUC＜1 表示診斷真實性為高度[21]。Meta分析的檢驗水準設為α＝0.05。

2 研究結果

2.1 文獻檢索 初步檢索出647 篇相關文獻，將其導入文獻管理軟件NoteExpress，利用軟件自動查重功能，并結合手動查重后剩余468 篇，通過閱讀標題和摘要后，初步篩選出215 篇文獻作為全文評估，進一步閱讀全文，最終納入36 篇文獻，其中中文17 篇，英文19 篇，文獻篩選流程見圖1。

圖1 文獻篩選流程圖

2.2 納入文獻的基本特征 共納入36 項研究，涉及9 181 名參與者，其中4 項研究報告了失訪人數，26 項研究報告了具體的觀察周期。納入文獻基本特征，見表1。

表1 納入文獻基本特征

2.3 納入文獻的質量評價 共納入36 項研究。在病例選擇、待評價試驗、病例流程和進展情況三個領域分別有15、4、4 項研究存在高風險偏倚。在病例選擇和待評價試驗兩個領域有較好的適用性。偏倚風險評估結果，見圖2。

圖2 納入研究產生偏倚風險的項目所占百分比

2.4 Meta 分析結果

2.4.1 診斷準確性分析 36 篇研究間存在異質性，故采用隨機效應模型。Meta 分析結果顯示：靈敏度的合并效應值為0.44(95%CI：0.42，0.46)，見圖3；特異度的合并效應值為0.76(95%CI：0.75，0.77)，見圖4；合并陽性似然比(+LR)為2.08(95%CI：1.76，2.47)，見圖5；合并陰性似然比(-LR)為0.67(95%CI：0.61，0.75)，見圖6；合并診斷比值比(DOR)為3.59(95%CI：2.66，4.83)，見 圖7；SROC曲線下面積(AUC)為0.737 4(SE＝0.037 4)，見圖8。

圖3 FMS 預測運動損傷的合并靈敏度

圖4 FMS 預測運動損傷的合并特異度

圖5 FMS 預測運動損傷的合并陽性似然比

圖6 FMS 預測運動損傷的合并陰性似然比

圖7 FMS 預測運動損傷的合并診斷比值比

圖8 FMS 預測運動損傷的SROC 曲線下面積

2.4.2 異質性來源分析 由于Meta 分析結果存在明顯的異質性，對納入研究的可能影響異質性的因素(文獻類型、研究對象、樣本量、損傷風險閾值)進行亞組分析，結果見表2。

表2 FMS 預測運動損傷的亞組分析結果

3 討論

運動損傷一直以來都是困擾著運動員和教練員的重要課題，其主要誘因包括身體柔韌性差、核心穩定性弱和運動模式錯誤等。Y 型平衡測試(Y-balance test)、星型平衡測試(star balance test)和FMS 常常被應用于預防運動損傷，其中FMS 因具有操作簡單、成本低、效果好等優點而使用最廣泛[12]。本研究通過對納入的36 個前瞻性隊列研究進行Meta 分析，以確定FMS 預測運動損傷的有效性。結果顯示：FMS 對運動損傷的預測合并敏感度是0.44，合并特異度是0.76，AUC 為0.737 4，這與之前國內發表的研究結果基本一致[18]。較高的合并特異度(0.76)表明FMS 預測運動損傷有較低的誤診率；較低的合并敏感度(0.44)表明FMS 預測運動損傷有較高的漏診率；AUC 為0.737 4 表明FMS 預測運動損傷的診斷真實性為中度。

亞組分析結果顯示：文獻類型方面，中文文獻的合并敏感度為0.65，英文文獻的合并敏感度為0.38，兩者存在差異，這可能與中文研究納入的研究對象少、研究人群種族更具統一性有關。研究對象方面，軍警人員的合并敏感度為0.38，運動員的合并敏感度為0.55，提示FMS 預測運動損傷的效果在適用人群中存在差異。損傷風險閾值方面，＞14 的合并敏感度為0.58，合并特異度為0.65，≤14 的合并敏感度為0.41，合并特異度為0.77，提示損傷風險閾值≤14 的具有較高的漏診率和較低的誤診率，這可能與FMS 綜合評分≤14 是研究中最常用的損傷風險識別閾值有關[58]。

本研究的局限性：①納入研究的診斷標準不統一，提示可能存在選擇性偏倚。②納入研究的質量偏低，影響研究結果的真實性和準確性。③本研究僅納入中文和英文文獻，排除了以其他語言形式發表的研究，可能存在發表偏倚。

對今后研究的建議：①嚴格按照診斷性試驗報告標準(STARD)[59]規范報告，以提高診斷性試驗研究的報告質量。②嚴格按照臨床醫學科研設計、衡量、評價(DME)模式來開展診斷性試驗[60]，以提高診斷性試驗研究的方法學質量。③建議今后有關FMS 的研究，要對運動損傷進行嚴格定義并在特定情況下使用，可以嘗試以不同職業或不同運動能力的人群為切入點，建立多層次的評分標準，以更好地評估FMS 預測運動損傷的效果。

4 結論

FMS 對運動損傷的預測效果較差。當前證據表明FMS 直接作為運動損傷的預測工具還有待商榷，但受納入研究數量和質量的雙重限制，上述結論尚需更多高質量研究予以證實。