识别颈神经根受累

导言

由于不同病理情况下的常见体征和症状存在重叠，因此识别颈神经根受累可能具有挑战性。因此，良好的病史采集和临床检查对于提高正确诊断的可能性至关重要。独立检测或患者信息的使用已显示出较低的诊断价值。 (米泽尔等人，2017 年）因此，人们主张研究诊断具有颈椎根性疼痛和/或根性病变特征的患者颈神经根受累的最佳方法。我们开发并比较了三种不同的模型，以确定它们如何准确诊断颈神经根受累。

方法

该研究利用前瞻性收集的数据，构建了Sleijser-Koehorst 等人 2021 年的诊断预测模型研究。在 2021 年的研究中，分别测定了从病史采集和临床检查中得出的几个项目的诊断准确性。我们今天回顾的这项研究旨在建立一个诊断模型，并确定一组单独具有良好诊断特性的项目组合的临床实用性。 2021 年研究中灵敏度或特异度至少达到 0.80 的项目被选中用于开发三个预测模型。

这些预测因素包括

病人病史模型：
- 手臂疼痛比颈部疼痛更严重
- 患者报告的麻痹感
- 患者报告的麻痹和/或麻木感
- 熨烫衣物引发症状
- 手插在口袋里走路，症状减轻
临床检查模式
- 马刺试验
- 上肢神经动力测试 1（正中神经）
- 宫颈牵引试验
- 神经系统测试
  - 感觉
  - 反射
  - 肌肉无力

第三个预测模型是患者病史模型和临床检查模型的组合。

为了确定这三个模型的诊断能力，每个预测模型都要与参考（金）标准进行比较。在这项研究中，作者使用了两个标准作为参考标准：

神经外科医生对颈神经根受累的临床诊断

和

核磁共振成像（MRI）扫描结果表明神经根受压或受刺激的部位与临床诊断一致（基于皮层分布）。

对模型进行分析，并通过曲线下面积（AUC）计算诊断准确率。 AUC 解释如下

AUC ≥ 0.9：出色的诊断准确性
AUC 0.80 至 0.89：诊断准确性极高
AUC 0.70 至 0.79：可接受的诊断准确性
AUC 0.51 至 0.69：诊断准确性差
AUC = 0.5：无区分价值

成果

研究对象包括 134 名疑似神经根受累的患者。症状持续时间的中位数为 26 周，样本的平均年龄为 49.9 岁。男女人口几乎各占一半。根据参考标准，有 66 名患者的颈椎神经根受累，68 名患者的颈椎神经根未受累。

颈神经根受累 — 来自 Sleijser-Koehorst 等人，JOSPT Open (2025)

多元回归分析在预测模型中保留了以下变量：

患者病史预测模型

患者病史模型中保留了 "手臂疼痛重于颈部疼痛 "和 "患者报告的麻痹和/或麻木 "这两个预测因子。它们的 AUC 值合计为 0.74，表明诊断准确性可以接受。

临床检查模式

多变量分析后保留了 Spurling 检验和 ULNT1 检验。计算得出的 AUC 为 0.77，表明诊断准确性可以接受。

组合模型

在患者病史模型和临床检查结果模型的组合中保留了三个预测因子：

手臂疼痛比颈部疼痛更严重
患者报告出现麻痹和/或麻木感
刺穿试验

该模型的 AUC 值为 0.82，体现了极高的诊断准确性。

问题与思考

由于目前已有一些临床预测规则和检查群组（如韦恩纳群组）来检测颈神经根受累的可能性，因此乍一看，这项研究并没有增加多少新信息。然而，在Wainner 群的案例中，信息是通过临床检查结果获得的。我们都知道，良好的临床检查是最重要的，而选择准确的检测方法也是当务之急。然而，对于那些在颈椎神经根受累问题的模式识别方面已经很有经验的临床医生来说，这些群组还是很有用的。对于大多数新手和经验不足的临床医生来说，它跳过了假设-演绎临床推理过程中的某些步骤。这项研究有助于从患者病史中识别某些体征和症状，并有助于增加或减少对颈神经根受累的怀疑。 毕竟，"病史采集仍然是获取准确医疗数据、了解病人和建立信任的最重要部分"。 (Flugelman et al. 2021)鉴别诊断需要建立一系列假设，其中一些必须排除，另一些必须确认。由于目前的数据是从同一作者的早期研究（Sleijser-Koehorst et al. 2021），您可以查看下表，其中不同的患者报告访谈项目可能会帮助您获得何时考虑可能的颈神经根受累的线索。

需要注意的是，大多数基本符号的置信区间都很宽。病人的表现可能会有很大差异，这并不是一个限制性的清单，因为有许多症状与其他病症重叠。此外，还根据诊断优势从患者访谈中选取了某些体征，并通过 2025 年研究对这些体征进行了进一步分析和完善。

充分了解病史采集信息的准确描述以及临床测试的执行和解释非常重要。表 2 介绍了作者对病史采集和临床检查线索的解读方式。

跟我说说书呆子的事

作者从他们的 2021 年研究中选择了患者病史结果，这些结果表明对识别颈神经根受累的敏感性和特异性至少达到了 0.80，不过也包括准确性低于 0.80 临界值的临床检查结果，但没有提供理由。

综合模型的诊断准确率最高。这意味着，如果斯普林试验呈阳性，再加上患者报告的手臂疼痛比颈部疼痛更严重，以及麻痹和/或麻木症状，就能最准确地识别颈神经根受累。然而，解释方差较小： 0.38. 如果解释方差较低，就意味着有很多其他未知因素在影响诊断，而模型却没有捕捉到。这就意味着，虽然综合模型可以很有把握地告诉我们哪些人神经根受累，但它并不是一个完美的模型。

即使是最好的模型，也只能解释38%的诊断差异。这告诉我们

模型是 有用但不完美这意味着在诊断这种疾病时，其他因素也可能起作用。
临床判断仍然很重要，物理治疗师或医生不能只依赖这一模型，而应将其作为决策中的一个工具。

仅凭面谈或临床检查并不能百分之百地诊断出颈椎神经根受累。有些患者可能症状明显，但没有神经压迫症状。还有一些人可能临床检测呈阳性，但并没有患病。进行测试的检查员之间可能存在差异，或者患者可能使用其他措辞来描述自己的症状，或者对患者反应的解释可能存在差异。然而，这项研究只有一名检查员进行临床检查测试，因此结果的差异不可能来自检查员之间的差异。

总之，虽然开发出的工具并不完美，但利用 结合患者病史、临床检查和可能的影像学（如核磁共振成像）检查 与单独的检测、病史发现或仅根据核磁共振扫描结果相比，该方法可能更有利于确定颈神经根是否受累。

作者设计了严格的研究方案，包括充分的盲法、测试评估与参考标准对比之间没有延迟以避免疾病进展/回归偏倚，以及在测试和成像之间没有治疗，因此我们可以举起我们的帽子。您唯一需要注意的是，要仔细确定 49% 的流行率（因此反映了检测前的概率）是否可在您的临床实践中推广。