功能性动作筛查在预测运动损伤中的价值：基于诊断性试验的系统评价

于丹丹，马琼，李夏，张玉旋，肖军

运动损伤通常发生于体育训练过程中，尤其多见于大运动量、高强度和低水平有氧运动中[1]。其好发人群为各类球类(如足球、篮球、橄榄球等)运动员和军队人员[2-6]。运动损伤是困扰着运动员和教练员的重大问题，不仅影响个人身体健康和团队训练效果，还给社会经济和公共卫生服务带来压力[7]。有研究表明，预测损伤的形成可能会对损伤发生的频率和相关成本产生积极的影响[8-9]。

功能性动作筛查(functional movement screen，FMS)是由深蹲测试、跨栏测试、直线弓箭步测试、肩关节活动度测试、主动直腿抬高测试、躯干稳定俯卧撑测试和旋转稳定测试7 个子项目构成，用于评估基本运动模式，以识别可能导致损伤的功能失调、不对称和疼痛的运动动作[10-11]。虽然FMS普遍应用于体能训练范畴和体育竞技范畴[12]，但使用FMS 作为损伤预防筛查的工具仍存在争议[13]。

通过检索文献发现，国内外共有5 篇关于FMS 预测运动损伤价值的Meta 分析[14-18]。这5 篇研究中，1 篇[14]支持FMS 对预测损伤有价值，2篇[15-16]认为FMS 预测损伤有价值但证据水平非常低，2 篇[17-18]不支持FMS 作为损伤预测工具。基于此，本研究在前人研究的基础上，更新相关数据，旨在采用Meta 分析的方法，评价FMS 在预测运动损伤中的价值，以期为运动员和教练员选择有效的预防运动损伤方法提供参考依据。

1 研究方法

1.1 筛选标准 纳入标准：研究类型为前瞻性队列研究；研究对象为从事体育锻炼人员，在开始测试之前未出现运动损伤；观察指标包括合并敏感度(SEN)、特异度(SPE)、阳性似然比(+LR)、阴性似然比(-LR)、诊断比值比(DOR)和合并受试者工作特征曲线(SROC)曲线下面积(AUC)。排除标准：无法获取全文的研究；数据不完整或有严重错误的研究；重复发表或数据重复的研究(前者保留第1 篇，后者保留数据最全的1 篇)。

1.2 检索策略 计算机检索中文数据库：重庆维普中文科技期刊数据库(VIP)、中国知网数据库(CNKI)、万方数据库(Wanfang)、中国生物医学文献数据库网络版(SinoMed)；外文数据库：Medline、Cochrane Library、Embase，各个数据库检索时间范围均为从该数据库建库至2023 年5 月。中文库采用题名或关键词和主题词相结合的方式进行检索，检索词为“功能性动作筛查”“功能动作测试”“运动损伤”，英文库主要根据各个数据库的主题词结合自由词的方式进行检索，检索词为“Functional Movement Screen”“FMS”“sports injury”“musculoskeletal injuries”。此外，相关会议论文、学位论文等灰色文献也在检索范围之类。

1.3 资料提取与分析 由2 位研究者根据预先制定的筛选标准独立筛选文献、提取资料及质量评价并交叉核对，如遇分歧通过讨论或咨询第三位研究者解决。根据下载文献的标题和摘要进行初筛，排除明显不符合筛选标准的文献，对可能符合筛选标准的文献进一步阅读全文进行二次筛选，以确定是否纳入。建立Excel 资料提取表，提取内容包括：第一作者、发表年份、研究对象、性别、年龄、样本量、失访人数、观察周期、损伤风险阈值、受伤类型及真阳性数、假阳性数、真阴性数、假阴性数等。

1.4 纳入研究的偏倚风险评价 采用QUADAS-2[19]工具对纳入文献的方法学质量进行评价。QUADAS-2工具包括偏倚评价和适用性两部分。偏倚评价涵盖4 个领域，分别为病例的选择、待评价试验、金标准、病例流程和进展情况；适用性涵盖3 个领域，分别为病例的选择、待评价试验、金标准，所有领域的评价分为高风险、低风险和不清楚。偏倚风险评价由两名研究人员独立完成并交叉核对，如遇到分歧则咨询第三方。

1.5 统计学方法 运用RevMan 5.4和Meta Disc 1.4软件[20]进行统计分析。采用χ2检验，结合I2值来评估异质性大小。若I2≤50%，说明同质性较好，采用固定效应模型(fixed-effect model，FEM)；若I2＞50%，说明异质性较大，采用随机效应模型(random-effect model，REM)。效应统计量为合并敏感度(sensitivity，SEN)、合并特异度(specificity，SPE)、合并阳性预测值(positive likelihood ratio，+LR)、合并阴性预测值(negative likelihood ratio，-LR)及合并诊断比值比(diagnostic odds ratio，DOR)，并计算其95% 可 信 区 间(confidence interval，CI)。 用MetaDisc 1.4 软件绘制各研究Meta 分析结果的合并受试者工作特征曲线(summery receiver operating characteristic curve，SROC)，并 计 算 曲 线 下 面 积(area under curve，AUC)和Q*值(即SROC 曲线上当SEN 等于SPE 时的数值)。0.5＜AUC ≤0.7 表示诊断真实性低；0.7＜AUC ≤0.9 表示诊断真实性为中度；0.9＜AUC＜1 表示诊断真实性为高度[21]。Meta分析的检验水准设为α＝0.05。

2 研究结果

2.1 文献检索 初步检索出647 篇相关文献，将其导入文献管理软件NoteExpress，利用软件自动查重功能，并结合手动查重后剩余468 篇，通过阅读标题和摘要后，初步筛选出215 篇文献作为全文评估，进一步阅读全文，最终纳入36 篇文献，其中中文17 篇，英文19 篇，文献筛选流程见图1。

图1 文献筛选流程图

2.2 纳入文献的基本特征 共纳入36 项研究，涉及9 181 名参与者，其中4 项研究报告了失访人数，26 项研究报告了具体的观察周期。纳入文献基本特征，见表1。

表1 纳入文献基本特征

2.3 纳入文献的质量评价 共纳入36 项研究。在病例选择、待评价试验、病例流程和进展情况三个领域分别有15、4、4 项研究存在高风险偏倚。在病例选择和待评价试验两个领域有较好的适用性。偏倚风险评估结果，见图2。

图2 纳入研究产生偏倚风险的项目所占百分比

2.4 Meta 分析结果

2.4.1 诊断准确性分析 36 篇研究间存在异质性，故采用随机效应模型。Meta 分析结果显示：灵敏度的合并效应值为0.44(95%CI：0.42，0.46)，见图3；特异度的合并效应值为0.76(95%CI：0.75，0.77)，见图4；合并阳性似然比(+LR)为2.08(95%CI：1.76，2.47)，见图5；合并阴性似然比(-LR)为0.67(95%CI：0.61，0.75)，见图6；合并诊断比值比(DOR)为3.59(95%CI：2.66，4.83)，见 图7；SROC曲线下面积(AUC)为0.737 4(SE＝0.037 4)，见图8。

图3 FMS 预测运动损伤的合并灵敏度

图4 FMS 预测运动损伤的合并特异度

图5 FMS 预测运动损伤的合并阳性似然比

图6 FMS 预测运动损伤的合并阴性似然比

图7 FMS 预测运动损伤的合并诊断比值比

图8 FMS 预测运动损伤的SROC 曲线下面积

2.4.2 异质性来源分析 由于Meta 分析结果存在明显的异质性，对纳入研究的可能影响异质性的因素(文献类型、研究对象、样本量、损伤风险阈值)进行亚组分析，结果见表2。

表2 FMS 预测运动损伤的亚组分析结果

3 讨论

运动损伤一直以来都是困扰着运动员和教练员的重要课题，其主要诱因包括身体柔韧性差、核心稳定性弱和运动模式错误等。Y 型平衡测试(Y-balance test)、星型平衡测试(star balance test)和FMS 常常被应用于预防运动损伤，其中FMS 因具有操作简单、成本低、效果好等优点而使用最广泛[12]。本研究通过对纳入的36 个前瞻性队列研究进行Meta 分析，以确定FMS 预测运动损伤的有效性。结果显示：FMS 对运动损伤的预测合并敏感度是0.44，合并特异度是0.76，AUC 为0.737 4，这与之前国内发表的研究结果基本一致[18]。较高的合并特异度(0.76)表明FMS 预测运动损伤有较低的误诊率；较低的合并敏感度(0.44)表明FMS 预测运动损伤有较高的漏诊率；AUC 为0.737 4 表明FMS 预测运动损伤的诊断真实性为中度。

亚组分析结果显示：文献类型方面，中文文献的合并敏感度为0.65，英文文献的合并敏感度为0.38，两者存在差异，这可能与中文研究纳入的研究对象少、研究人群种族更具统一性有关。研究对象方面，军警人员的合并敏感度为0.38，运动员的合并敏感度为0.55，提示FMS 预测运动损伤的效果在适用人群中存在差异。损伤风险阈值方面，＞14 的合并敏感度为0.58，合并特异度为0.65，≤14 的合并敏感度为0.41，合并特异度为0.77，提示损伤风险阈值≤14 的具有较高的漏诊率和较低的误诊率，这可能与FMS 综合评分≤14 是研究中最常用的损伤风险识别阈值有关[58]。

本研究的局限性：①纳入研究的诊断标准不统一，提示可能存在选择性偏倚。②纳入研究的质量偏低，影响研究结果的真实性和准确性。③本研究仅纳入中文和英文文献，排除了以其他语言形式发表的研究，可能存在发表偏倚。

对今后研究的建议：①严格按照诊断性试验报告标准(STARD)[59]规范报告，以提高诊断性试验研究的报告质量。②严格按照临床医学科研设计、衡量、评价(DME)模式来开展诊断性试验[60]，以提高诊断性试验研究的方法学质量。③建议今后有关FMS 的研究，要对运动损伤进行严格定义并在特定情况下使用，可以尝试以不同职业或不同运动能力的人群为切入点，建立多层次的评分标准，以更好地评估FMS 预测运动损伤的效果。

4 结论

FMS 对运动损伤的预测效果较差。当前证据表明FMS 直接作为运动损伤的预测工具还有待商榷，但受纳入研究数量和质量的双重限制，上述结论尚需更多高质量研究予以证实。