论文标题： Predictive Utility of the Functional Movement Screen and Y-Balance Test: Current Evidence and Future Directions

论文链接： https://doi.org/10.3390/sports13020046

期刊名： Sports

期刊主页： https://www.mdpi.com/journal/sports

一、引言

肌肉骨骼损伤（MSI）风险筛查在康复、体育和健身领域引起了广泛关注，其主要目的是准确预测初次损伤并指导预防性干预。在这些便于现场操作的筛查工具中，功能性动作筛查（FMS）和Y平衡测试（YBT）因其简单易用而广受欢迎。然而，尽管它们被广泛应用，其在预测损伤方面的准确性却存在不一致的情况。当前筛查工具面临的重大问题包括依赖过于宽泛的评分系统、缺乏特定环境的相关性，以及忽视了年龄、性别、健康水平和既往伤病史等个体特征。本综述旨在分析传统动作筛查存在的问题，强调工作负荷监测和个性化评估的必要性，并推动以数据为中心和技术驱动的现代损伤预测方法的整合。

二、材料与方法

本研究采用了结构化的文献检索方法，在PubMed/MEDLINE、Scopus、Web of Science、ScienceDirect、Cochrane Library、PsycINFO以及SPORTDiscus等多个数据库中进行了系统的文献检索。结合了“肌肉骨骼损伤危险因素”、“Y平衡测试（YBT）”、“星形偏移平衡测试（SEBT）”、“功能性动作筛查（FMS）”、“损伤预测”、“系统评价”和“荟萃分析”等关键词组合。重点关注评估FMS和YBT预测效度、敏感性和特异性的研究。研究优先选择过去15年内发表的、具有高相关性和强证据等级的文献。排除了针对高中以下儿童的研究，以及因重复或缺乏新信息而无法解答研究问题的文献。文献检索最初获得了479条记录，经过筛选和排除，最终纳入了75项研究，包括系统评价、荟萃分析、前瞻性队列研究、横断面研究和病例对照研究等。

三、分析与结果

描述性分析与预测效度：

荟萃分析显示，FMS和YBT的总体得分通常缺乏临床相关性，其敏感性和特异性在不同群体中表现出显著的变异性。针对FMS的荟萃分析指出，其特异性（85.7%）普遍高于敏感性（24.7%），且阳性预测值仅为42.8%。总体而言，FMS得分与损伤风险之间的效应量可能缺乏临床实质意义。针对YBT的系统评价由于纳入研究的异质性较高而无法进行荟萃分析，不同人群和不同临界值得出的损伤预测结果好坏参半，部分研究发现经过优化的临界值其敏感性和特异性依然很差。

影响预测效度的因素：

研究表明，女性在FMS的灵活性和平衡测试中表现更好，且男女组群往往需要设定不同的临界值才能实现预测的准确性。以往的伤病史会显著增加复发或新发损伤的风险，但现有的FMS有时更多是在识别既往损伤，而非发现潜在的诱发风险因素。

理论前提的缺陷：

动作筛查的理论基于一些有限的基础动作（如FMS中的深蹲）来评估整体运动控制能力。然而，将这些在健身房中常见的练习作为体育运动中复杂动作的“代理指标”，忽略了实际运动中特定的疲劳效应、受力、速度和协调模式。研究发现，当受试者了解FMS的评分标准后，其得分会有所提高，这表明得分部分反映了受试者对测试的熟悉程度，而不仅仅是真实的运动功能障碍。

四、讨论

基于文献分析，单一的动作筛查无法全面捕捉损伤的复杂性，研究提出了整合多因素与新兴技术的方向：

1. 准确的预测需要考虑可改变和不可改变的风险因素，如年龄、性别、体重指数（BMI）、以往伤病史以及体能测试数据；

2.高强度的体力劳动、长时间的久坐或站立、轮班工作以及睡眠质量差，都会显著增加肌肉骨骼损伤的发生率。例如，睡眠质量较差的人群工伤风险显著上升，且睡眠障碍会干扰内分泌并影响身体恢复；

3.急慢性工作负荷比率（ACWR）与损伤风险存在中等强度的相关性。过高或过低的负荷都会削弱身体对损伤的抵抗力，呈现出U型关系；

4.损伤预测是一个类似于天气预报的复杂非线性系统。机器学习方法能够处理复杂、多尺度、动态的交互数据；

5.结合GPS、陀螺仪和加速度计的惯性测量单元（IMU）等智能监测技术，能够实时收集运动员或工作人员的动态负荷数据，助力开发高精度的个体神经肌肉预测模型。

五、展望与结论

用于肌肉骨骼损伤筛查的现场工具（如FMS和YBT）在预测损伤方面的实用性非常有限，因为它们高度依赖具体环境。大量的混杂因素（如性别、年龄、运动类型）、不一致的评分效度，以及对一般动作模式的过度依赖，削弱了这些工具的有效性。

未来的研究应致力于开发能够考虑上述差异的改良评分系统，或者开发不受过往经验偏差影响的新型动作筛查工具。更为重要的是，损伤预防领域必须向整合技术驱动的方法转型。通过结合机器学习和可穿戴设备（如IMUs），收集并分析个体独特的生物力学、职业负荷、睡眠恢复和生活方式数据，建立个性化的多因素预测模型，这将从根本上提高不同人群损伤预测和预防的准确性。

引用格式：

Eckart, A.C.; Ghimire, P.S.; Stavitz, J.; Barry, S. Predictive Utility of the Functional Movement Screen and Y-Balance Test: Current Evidence and Future Directions. Sports 2025, 13, 46.

期刊介绍：

主编：Prof. Dr. Eling Douwe De Bruin

Sports (ISSN 2075-4663) 是一个国际性的、同行评审的开放获取期刊，致力于发表与体育、运动和健康科学跨学科领域相关的研究。

• 2025 Impact Factor：3.2

• 2025 CiteScore：4.3

• Time to First Decision：18.6 Days

• Acceptance to Publication：4.8 Days