导言

颈神经根病变（CR） 是一种常见情况，源于机械性神经受压，可能导致神经元暂时性失能（无轴索损伤的神经功能障碍），同时也会引起神经根的化学性刺激。 其临床表现因患者而高度不同，因此仅依靠病史采集的诊断价值有限。 尽管已有多项临床检查被提出用于辅助诊断，但在单独使用时，尚未有任何检查显示出足够的有效性。

在2023年，Wainner等人提出了一个由四项检查组成的临床组合（ULNT1、Spurling’s test、颈椎牵引试验，以及在有症状的一侧颈椎活动度 < 60°）。 不过，这个组合目前尚未进行外部验证，这意味着它的诊断效能尚未在更广泛、且更具异质性的群体中进行测试；这些人群的疾病严重程度和人口学特征各不相同。

本研究旨在对 Wainner 聚类用于 颈神经根病（cervical radiculopathy）的诊断进行外部验证，并探讨另一组检查聚类是否能获得更高的诊断准确性。

方法

这项前瞻性诊断准确性研究纳入了一组连续就诊的颈痛和/或颈神经根受累相关症状患者，研究背景是日常诊断的不确定性。 该研究遵循 2015 年《诊断准确性研究报告标准》（STARD）指南。 

与会者

连续转诊至神经外科的患者，存在慢性（≥3个月）颈痛和/或颈神经根病变症状。 符合条件的受试者年龄为18–65岁，疼痛为中等程度（VAS 30–79/100），颈部功能障碍（NDI ≥20%），并接受标准化的诊断评估流程，包括MRI。有以下情况者被排除：既往接受过颈椎手术、存在明显外伤、出现颈髓病变、合并重大合并症、怀孕，或无法用法语进行沟通。

检索测试 

当天将十二项临床检查及病史要点与参考标准进行对照评估。 其中包括 改良 Bakody 征、Spurling 征（颈部与上肢症状再现）、颈椎牵引试验、四项上肢神经动力学试验（ULNT1、ULNT2a、ULNT2b、ULNT3），以及颈椎旋转角度 <60°、不对称的颈椎活动度（ROM）、年龄 >48 岁、症状持续时间 <62 周。 临床检查由一位经验丰富且不知分组情况的物理治疗师依据预先设定的标准进行，用于判定结果为阳性、阴性或不确定。

由于年龄和症状持续时间都是连续变量，本研究采用受试者工作特征（ROC）曲线分析，来确定最能区分是否存在颈神经根病变（cervical radiculopathy）的患者的阈值。 由此得到的截断值（年龄 >48岁，症状持续时间 <62周）使得这两个变量能够在后续分析中转化为二元诊断预测因子。 

所有筛查性检查都根据预先设定的标准被归类为阳性或阴性；而由于患者不耐受而无法完成的检查则视为不确定。

参考标准 

参考标准诊断由一名有15年经验的神经外科医生建立完成，且该医生在不知道索引检测试验结果的情况下进行。 根据一组相互匹配的临床发现（分节段/皮节型的放射性神经根痛和/或神经系统体征）以及MRI证据——显示在相应的颈椎水平存在神经根受压或受到刺激——来诊断颈神经根病。

分析 

首先，作者比较了颈神经根病（CR）组与非CR组在基线人口学特征方面的差异。 连续变量（如年龄）用均值和标准差进行描述；分类变量（如性别）则以频数和百分比呈现。 组间比较方面，连续变量采用Wilcoxon秩和检验，分类变量则根据样本量大小选择使用卡方检验或Fisher精确检验。 这一步的目的在于评估两组在基线水平上的差异。

随后，针对每项临床测试的诊断准确性，使用与参考标准对照构建的 2 × 2 列联表进行了评估，如下所示：

根据这些表格计算了敏感度和特异度。 敏感度表示检测为阳性的CR患者比例，而特异度表示未患CR人群中检测为阴性的比例。

随后使用标准公式推导了似然比。 阳性似然比（LR+）的计算为：灵敏度 /（1 − 特异度）。它反映阳性检查结果在多大程度上提高了 CR 的概率。 阴性似然比（LR−）的计算为：（1 − 灵敏度）/ 特异度。它表示阴性检查结果在多大程度上降低了 CR 的概率。

随后使用贝叶斯定理估算检后概率，其中纳入检前概率（即样本中 CR 的患病率）以及似然比。 对于阳性和阴性检测结果，检后概率使用以下公式计算：

检后概率（阳性检测）=（术前概率 × LR+）/［（术前概率 × LR+）+（1 − 术前概率）］

检后概率（阴性检验）=（检前概率 × LR−）/［（检前概率 × LR−）+（1 − 检前概率）］

此外，我们对连续变量（年龄和症状持续时间）进行了受试者工作特征（ROC）曲线分析，以确定最佳截断值。 我们测试了多个阈值，并选择了在灵敏度和特异度之间取得最佳平衡的数值。

在第一个研究目标中，作者通过构建阳性发现的不同组合（4项检测中1项阳性、2项阳性、3项阳性以及4项阳性），对既有的 Wainer 临床预测规则进行了验证。 对于每一种组合，研究者重新计算了诊断准确性指标，包括敏感度、特异度、似然比以及检后概率。

对于第二个研究目标，作者制定了一套新的临床预测规则。 最初，每个变量都通过 2 × 2 分析进行单独评估，只有那些显示出潜在诊断价值的变量才会被保留（LR+ > 1.5 和/或 LR− < 0.5）。 随后，采用后退式逐步逻辑回归模型来识别独立预测因子：变量进入模型的标准为 p < 0.10，移除标准为 p > 0.15。 最后，将保留的变量组合起来，形成用于 颈椎神经根病诊断 的新聚类。

成果

这项研究纳入了 85 名参与者，其中 31.7%（n = 27）被诊断为 颈神经根病（CR）。 非 CR 组共包含 58 名参与者，包括 42 名为颈痛但 未见颈神经根病诊断，12 名为外周神经卡压，另有 4 名为弥漫性肩痛。 非 CR 组中女性参与者所占比例更高，而 CR 组参与者的症状持续时间更长。

所选的 12 项临床检查的诊断准确性在表 2 中呈现，包括其灵敏度、特异度、似然比以及检查后的概率。 在各单项检查中，灵敏度最高（96.3%）出现在以下判定标准：在 4 项上肢神经动力学测试（ULNT）中，至少有 1 项为阳性。

斯珀灵（Spurling）上肢牵拉臂痛试验显示了最高的特异度（98.3%）。其阳性似然比（LR+）为 34.37，阳性结果后的检后概率为 94.1%。 相反，颈椎牵引试验是在单项试验中用于排除 CR 的最有效方法，其阴性结果后的检后概率为 11.9%。

为评估 Wainner 检查组合的诊断效度，作者考察了不同“阳性结果”组合方式。 最敏感的标准是：四项检查中至少有一项呈阳性；而最特异的标准要求：四项检查全部呈阳性。 值得注意的是，当四项检查都未呈阳性时，CR 的所有病例都被准确排除（LR− = 0；检后概率 = 0%）。 相反，当四项检查全部呈阳性时，阳性似然比接近无穷大，检后概率达到 100%。 不过，要求四项检查全部为阳性才能检出，只有 17.9% 的 CR 患者被识别出来——这反映出尽管特异性极佳，但敏感性有限。

为回应第二个研究目标，作者对8个候选变量进行了后退式逐步回归分析：肩外展试验、颈牵引试验、Spurling’s 颈痛试验、Spurling’s 上肢痛试验，以及4个上肢神经牵拉试验（ULNTs）。 该分析最终确定了3个变量用于建立诊断模型：

• 改良的肩关节外展（抬臂）测试
• 斯普林格上肢疼痛测试
• 4个ULNT中有2个或以上为阳性

这个简化的诊断组合展示了有前景的诊断效能。 当三项标准都未呈阳性时，CR 的所有病例都被准确排除。 相反，当三项标准都呈阳性时，阳性似然比为无穷大，从而得到 100% 的检后概率。 在三项标准中出现 2 项阳性的情况下，LR+ 为 7.06，LR− 为 0.17。

重要的是，与原始的 Wainner 分群相比，这个简化的三项检测模型在其最高诊断阈值下提升了敏感度。 当要求三项检测全部为阳性时，它能正确识别 37% 的颈神经根病（cervical radiculopathy）患者；这一比例较原始四项检测分群（17.9%）提高了不止一倍，同时保持了完美的特异度。

问题与思考

研究作者提出的测试条件表明，这一新的聚类方式可能同时适用于鉴别性地“支持（rule in）”与“排除（rule out）”颈神经根病。 当三个标准都不为阳性时，所有颈神经根病病例都被正确排除；而当三个标准全部为阳性时，规则确认（rule-in）率为100%。

不过在临床实践中，检查结果往往并没有那么“非黑即白”。 因此，必须将各项单独的检查发现结合起来解读，才能更好地指导临床决策。 高敏感度的检查在排除颈神经根病变（cervical radiculopathy）诊断方面尤其有价值，比如颈椎牵拉试验和改良肩关节外展试验。 不过需要注意的是，这两种都是缓解症状的动作；因此，休息时无症状的患者可能不会出现反应，这在实际操作中可能会降低它们的诊断表现。

像 ULNT 这样的高敏感度测试，在排除神经根病（radiculopathy）时尤其有用。 在这项研究中，在四项测试里，只要出现至少一个 ULNT 阳性结果，就得到 96.3% 的敏感度，以及 0.08 的阴性似然比（negative likelihood ratio）。 相比之下，颈部牵引试验（cervical distraction test）和改良肩外展试验（modified shoulder abduction test）的排除能力更弱，其 LR− 分别为 0.29 和 0.36。 这提示：ULNT 作为一种临床工具，价值尤其突出——尤其适用于病情表现不够明确的患者；此时颈椎受累可能会导致上肢症状。

ULNTs在以下情况下尤其有意义：颈部疾病可能会模仿外周的肌骨系统问题。 因此，在评估上肢症状不明确的患者时，应将ULNTs纳入考虑。 神经脑膜相关（neuromeningeal）检测有助于识别神经的机械敏感性，并为临床思维提供指导。 随后，可将颈椎牵引（cervical distraction）与Spurling’s试验结合使用，以进一步评估：颈椎是否可能是神经根受累或卡压（entrapment）的潜在来源。

跟我说说书呆子的事

要制定一项新的临床预测规则（CPR），作者采用了逐步（stepwise）逻辑回归的方法。 这种方法从一组候选变量开始（在本例中为临床检查）。随后会根据统计学标准，对预测因子进行逐步选择或剔除，以找出能够最好地预测结局的模型（颈神经根病（cervical radiculopathy）的诊断）。 简而言之，逐步回归的目标是在研究数据集中，找出能以最佳方式预测结局的、变量组合最小的那一组。

这种方法的局限在于，它更重视统计层面的优化，而不是临床解读性和可重复性。 由于变量选择是基于单一样本内的统计显著性来驱动的，得到的模型可能会对数据过拟合，并夸大诊断表现。 尤其是，罕见或仅在特定样本中出现的模式可能会在变量选择中产生不成比例的影响，从而导致结果不稳定，且难以重复验证。

因此，基于逐步回归得到的结论应被视为依赖样本的结果，并且主要用于探索性分析。 因此，所得到的诊断效能可能会被高估，且难以充分推广到其他患者群体。

此外，逐步回归可能会在某些情况下剔除具有临床意义的检查项目——如果它们在模型中无法在其他变量之上提供独立的预测价值。 例如，尽管在这份样本中，颈部牵引表现出很高的灵敏度（88.89%），但最终模型中并未保留它。 这很可能是因为统计上的冗余：一旦纳入其他相关的检查（例如 Spurling’s test 和 ULNT），它就不会再提供额外的、独立的信息。 这些检查可能反映了相互重叠的构念，例如颈神经根的机械敏感性，从而导致预测变量之间出现共线性。

因此，需要外部验证来评估所提出的临床预测规则的稳健性与可推广性。 尽管原始 Wainner 聚类的诊断准确性与本研究报告的结果在总体上相近，但它在识别颈神经根病时的低敏感度限制了其临床价值（当四项测试全部为阳性时为 17.9%）。 新提出的聚类或许能提升诊断表现，但其有效性仍有赖于在独立样本中的复现验证。

带回的信息

• 没有哪一项单独的临床检查能有把握地“纳入或排除”颈神经根病变（cervical radiculopathy）。 通过把病史、神经系统检查所见，以及一组体格检查项目结合起来，可以提升诊断信心。
• 上肢神经动力学检查（ULNTs）仍然是筛查颈椎神经根病变（cervical radiculopathy）最有价值的工具之一。 它们较高的敏感性意味着：ULNTs结果为阴性时，会显著降低颈部神经根受累的可能性。
• Spurling 臂痛测试显示出很高的特异性，因此在阳性时尤其适合用于排查/支持（即“考虑”）颈神经根病变（cervical radiculopathy）。
• 提出的三项测试组合（改良的肩外展试验、Spurling 上臂疼痛试验，以及≥2 项阳性的 ULNTs）相比原先的 Wainner 组合，能识别出更多颈神经根病患者，同时仍保持出色的“纳入（rule-in）”效能。
• 因为这条新的临床预测规则是在单个队列中通过逐步Logistic回归建立的，所以在尚未在独立人群中完成外部验证之前，其诊断准确性需要谨慎解读。
• 颈椎神经根病变（颈神经根病）可能会伪装成肩部问题，或类似周围神经受压卡压的情况。 在评估上肢症状原因不明的患者时，把颈椎筛查和神经动力学测试纳入检查，可能有助于发现是否存在颈椎神经根受累，并为下一步的恰当处理提供指导。

参考资料

Grondin F、Cook C、Hall T、Maillard O、Perdrix Y、Freppel S。《一项用于评估临床预测规则在诊断伴放射痛的颈神经根病时的独立验证》 巴西物理治疗杂志。 2026年5—6月；30(3)：101581。doi： 10.1016/j.bjpt.2026.101581。 在线发表：2026年5月2日（Epub）。 PMID： 42070317；PMCID： PMC13147772。