经皮内镜腰椎间盘切除后复发风险预测模型的系统评价和Meta分析

doi:10.12307/2025.867

中国组织工程研究 ›› 2026, Vol. 30 ›› Issue (3): 749-759.doi: 10.12307/2025.867

• 骨与关节循证医学 evidence-based medicine of the bone and joint • 上一篇下一篇

经皮内镜腰椎间盘切除后复发风险预测模型的系统评价和Meta分析

余伟杰1，2，曹东东1，2，郭天赐1，2，牛朴钰1，2，杨家麟1，2，王思敏1，2，刘爱峰1，2

1天津中医药大学第一附属医院，天津市 300381；2国家中医针灸临床医学研究中心，天津市 300381

收稿日期:2024-10-15 接受日期:2024-12-18 出版日期:2026-01-28 发布日期:2025-07-09
通讯作者: 刘爱峰，主任医师，博士生导师，天津中医药大学第一附属医院骨伤科，天津市 300381；国家中医针灸临床医学研究中心，天津市 300381
作者简介:余伟杰，男，1995年生，云南省楚雄彝族自治州人，彝族，天津中医药大学在读博士，主要从事骨与关节疾病的中西医结合临床研究。
基金资助:
天津市卫生计生行业高层次人才选拔培养工程(津门医学英才)(TJSJMYXYC-D2-028)，项目负责人：刘爱峰；天津市科技计划项目(23KPXMRC00170)，项目负责人：刘爱峰

Risk prediction models of recurrence after percutaneous endoscopic lumbar discectomy: a systematic review and meta-analysis

Yu Weijie1, 2, Cao Dongdong1, 2, Guo Tianci1, 2, Niu Puyu1, 2, Yang Jialin1, 2, Wang Simin1, 2, Liu Aifeng1, 2

1First Affiliated Hospital of Tianjin University of Traditional Chinese Medicine, Tianjin 300381, China; 2National Clinical Research Center of Chinese Medicine Acupuncture and Moxibustion, Tianjin 300381, China

Received:2024-10-15 Accepted:2024-12-18 Online:2026-01-28 Published:2025-07-09
Contact: Liu Aifeng, Chief physician, Doctoral supervisor, First Affiliated Hospital of Tianjin University of Traditional Chinese Medicine, Tianjin 300381, China; National Clinical Research Center of Chinese Medicine Acupuncture and Moxibustion, Tianjin 300381, China
About author:Yu Weijie, Doctoral candidate, First Affiliated Hospital of Tianjin University of Traditional Chinese Medicine, Tianjin 300381, China; National Clinical Research Center of Chinese Medicine Acupuncture and Moxibustion, Tianjin 300381, China
Supported by:
Tianjin Health and Family Planning Industry High-level Talents Selection and Training Project (Jinmen Medical Talents), No. TJSJMYXYC-D2-028 (to LAF); Tianjin Science and Technology Plan Project, No. 23KPXMRC00170 (to LAF)

摘要/Abstract

摘要：

文题释义：

经皮内镜腰椎间盘切除术：通过皮肤微创切口，应用内窥镜在可视化下将突出的椎间盘组织切除，具有创伤小、出血少和术后恢复快的特点。
临床预测模型：又称为风险预测模型，是指利用数学公式估计特定个体当前患有某病或将来发生某结局的概率，包括诊断模型和预后模型。

摘要
目的：术后复发是经皮内镜腰椎间盘切除治疗腰椎间盘突出症的常见并发症，可显著增加再手术风险。性能良好的风险预测模型有助于早期识别高危人群，预防术后复发。此次研究系统评价经皮内镜腰椎间盘切除术后复发风险预测模型，为手术决策提供借鉴。
方法：检索PubMed、Embase、Web of Science、中国知网、万方、维普和生物医学文献数据库，搜集关于经皮内镜腰椎间盘切除后复发风险预测模型的相关研究，检索时限从各数据库建立至2024-07-01。由2名研究者独立筛选文献和提取资料，并采用偏倚风险评价工具和个体预后与诊断多变量预测模型报告规范(TRIPOD)清单分别对模型进行偏倚风险、适用性和报告质量评价。应用Revman 5.4软件对经皮内镜腰椎间盘切除术后复发率和相关预测因子进行Meta分析。
结果：①共纳入15项研究，均为回顾性研究，包括24个经皮内镜腰椎间盘切除后复发风险预测模型；②偏倚风险评价工具评价结果显示，15项研究均为高偏倚风险；在适用性方面，2项研究为低适用性风险，13项研究为高适用性风险；③在TRIPOD报告质量方面，15项研究整体报告质量较低，主要原因包括未报告盲法、未说明样本量计算方法、缺乏对缺失数据处理方法的详细描述，同时也缺少对所使用模型的介绍等信息；④此外，纳入模型的受试者工作特征曲线下面积在0.684-0.972之间，潜在预测变量数量范围为15-28个；⑤Meta分析结果显示，通过经皮内镜腰椎间盘切除治疗的腰椎间盘突出症患者术后复发率为12%(95%CI=9.0%-15.0%)，Modic改变(OR=6.72，95%CI=3.90-11.59)、体质量指数(OR=1.28，95%CI=1.10-1.49)、工作强度(OR=3.22，95%CI=1.85-5.59)、年龄(OR=2.28，95%CI=1.50-3.48)和吸烟史(OR=2.65，95%CI=1.75-4.00)是经皮内镜腰椎间盘切除术后复发的独立影响因素(均P < 0.05)。
结论：经皮内镜腰椎间盘切除术后复发风险预测模型整体预测性能较好，但模型总体偏倚风险和适用性风险较高，报告质量较低，且缺乏前瞻性研究和外部验证，未来风险预测模型的建立可重点关注Modic改变、体质量指数、工作强度、年龄和吸烟史等预测因子。

中国组织工程研究杂志出版内容重点：人工关节；骨植入物；脊柱；骨折；内固定；数字化骨科；组织工程

关键词: 经皮内镜腰椎间盘切除术, 腰椎间盘突出症, 复发, Modic改变, 风险预测模型, 影响因素, 系统评价

Abstract: OBJECTIVE: Postoperative recurrence is a common complication of percutaneous endoscopic lumbar discectomy for lumbar disc herniation, which can significantly increase the risk of reoperation. A well-performing risk prediction model can help identify high-risk groups early and prevent postoperative recurrence. This study systematically evaluated the risk prediction model for postoperative recurrence after percutaneous endoscopic lumbar discectomy to provide a reference for surgical decision-making.
METHODS: The PubMed, Embase, Web of Science, CNKI, WanFang Data, VIP, and CBM were electronically searched to collect studies on the recurrence risk prediction models after percutaneous endoscopic lumbar discectomy from inception to July 1, 2024. Two reviewers independently screened the literature and extracted data. The models’ risk of bias, applicability, and report quality were assessed using prediction model risk of bias assessment tool (PROBAST) and Transparent Reporting of a Multivariable Prediction Model for Individual Prognosis or Diagnosis (TRIPOD) tools, respectively. Meta-analysis of postoperative recurrence rate of percutaneous endoscopic lumbar discectomy and related predictors was performed using Revman 5.4 software.
RESULTS: (1) A total of 15 studies were included, all of which were retrospective studies, including 24 models for predicting the risk of recurrence after percutaneous endoscopic lumbar discectomy. (2) The PROBAST evaluation results indicated that all 15 studies exhibited a high risk of bias. Regarding applicability, two studies demonstrated a low risk, while 13 presented a high risk. (3) Regarding the TRIPOD reporting quality, the overall quality across the 15 studies was low. The primary reasons for this low compliance included the failure to report blinding, a lack of explanation for the sample size calculation method, lack of detailed description of missing data processing methods, and lack of information such as introduction to the model used. (4) Furthermore, the area under the receiver operating characteristic curve for the model ranged from 0.684 to 0.972, with the number of potential predictor variables varying from 15 to 28. (5) The results of meta-analysis showed that the postoperative recurrence rate of lumbar disc herniation patients treated with percutaneous endoscopic lumbar discectomy was 12% (95%CI=9.0%-15.0%), Modic changes (OR=6.72, 95%CI=3.90-11.59), body mass index (OR=1.28, 95%CI=1.10-1.49), work intensity (OR=3.22, 95%CI=1.85-5.59), age (OR=2.28, 95%CI=1.50-3.48), and smoking history (OR=2.65, 95%CI=1.75-4.00) were independent influencing factors for postoperative recurrence of percutaneous endoscopic lumbar discectomy (all P < 0.05).
CONCLUSION: The overall predictive performance of the recurrence risk prediction models after percutaneous endoscopic lumbar discectomy is satisfactory; however, the model exhibits a high overall risk of bias and applicability, coupled with low reporting quality. Additionally, there is a lack of prospective research and external validation. Future, risk prediction models should consider factors such as Modic changes, body mass index, work intensity, age, and smoking history as potential predictors.

Key words: percutaneous endoscopic lumbar discectomy, lumbar disc herniation, recurrence, Modic change, risk prediction model, influencing factor, systematic review

中图分类号:

余伟杰, 曹东东, 郭天赐, 牛朴钰, 杨家麟, 王思敏, 刘爱峰. 经皮内镜腰椎间盘切除后复发风险预测模型的系统评价和Meta分析[J]. 中国组织工程研究, 2026, 30(3): 749-759.

Yu Weijie, Cao Dongdong, Guo Tianci, Niu Puyu, Yang Jialin, Wang Simin, Liu Aifeng. Risk prediction models of recurrence after percutaneous endoscopic lumbar discectomy: a systematic review and meta-analysis[J]. Chinese Journal of Tissue Engineering Research, 2026, 30(3): 749-759.

图/表（结果） 14

2.1 文献筛选流程及结果初步检索出1 191篇文献，包括PubMed(n=52)、Web of Science(n=285)、Embase(n=46)、中国知网(n=261)、万方(n=229)、维普(n=275)和中国生物医学文献数据库(n=43)。最终纳入文献15篇[6-7，12-24]，包括英文9
篇[12-16，20-23]、中文6篇[6-7，17-19，24]。文献筛选流程及结果见图2。

2.2 纳入研究的基本特征 纳入的15篇文献均来自中国，其中2篇为病例-对照研究[6，14]，13篇为回顾性队列研究[7，12-13，15-24]，样本总量为110-1 706例，结局事件数为11-180例，PELD术后复发率为5.12%-33.96%，测量时间为术后1个月至3年。纳入研究的基本特征见表1。

2.3 纳入研究的偏倚风险、适用性和报告质量评价结果
2.3.1 偏倚风险评价结果纳入研究总体均为高偏倚风险：①研究对象领域：15项研究均为高偏倚风险[6，7，12-24]，主要与研究类型均来自于回顾性队列研究或病例-对照研究有关；②预测因子领域：1项研究为高偏倚风险[17]，主要与模型所包含的年龄和手术节段预测因子可能无效有关；其余14项研究为偏倚风险不清楚[6-7，12-16，18-24]，主要原因为未报告是否在不了解结果信息的情况下评估预测因子；③结果领域：4项研究为高偏倚风险[7，13，21，24]，主要原因是复发性腰椎间盘突出症未依据国际标准，而是采用了次优的分类方法而容易导致分类错误；11项研究为偏倚风险不清楚[6，12，14-20，22-23]，主要原因是无法得知预测因子评估和结果确定的时间间隔信息；④分析领域：15项研究均为高偏倚风险[6-7，12-24]，主要原因在于大部分研究均未明确提及缺失数据的处理方法。结果见表2及图3。
2.3.2 适用性评价结果 2项研究为低适用性风险[13，16]，其余13项研究为高适用性风险[6-7，12，14-15，17-24]。其中，3项研究限定为L4/5或L5/S1单节段突出[14-15，24]，3项研究要求症状持续时间至少3个月且保守治疗无效[18，22-23]，1项研究限定为非椎间盘钙化引起，且保守治疗6周无缓解[21]，1项研究限定为≥60岁的腰椎间盘突出症患者[19]，结果见表2。
2.3.3 报告质量评价结果纳入的15项研究整体报告质量较低，仅有1项研究达到至少70%的TRIPOD依从性[23]，11项研究为40%-70%[6-7，12-18，21-22]，3项研究低于40%的TRIPOD依从性[19-20，24]，结果见表3。
TRIPOD清单中，除“讨论”部分外，其余5个部分报告质量均较低：①标题和摘要(条目1-2)：仅5项研究同时符合标题和摘要描述要求[6，16-17，22-23]，7项研究未在标题中注明是否为模型开发或验证[7，13-14，19-21，24]，3项研究未说明研究场所[12，15，18]；②前言(条目3)：4项研究充分报道了研究背景[20-23]，其余11项研究未充分阐述模型开发或验证的基本原理[6-7，12-19，24]；③方法(条目4-12)：15项研究均对数据来源进行较好地描述[6-7，12-24]；
其中3项研究充分描述了研究对象的基本特征[7，13，19]，剩余12项研究未详述研究对象接受干预措施的具体细节而不符合要求[6，12，14-18，20-24]；15项研究均未对结局指标和预测因子盲法评估的具体细节进行描述；4项研究对样本量的计算方法进行描述[14，16，20，22]，其余11项研究未说明样本量是如何确定的[6-7，12-13，15，17-19，21，23-24]；1项研究采用相邻平均法处理缺失数据[13]，其余14项研究未描述缺失数据的处理方法[6-7，12，14-24]；13项研究充分描述统计分析方法[6-7，12-13，15，17-24]；2项研究实现了风险分层[14，16]；④结果(条目13-17)：大部分研究充分描述了研究对象特征和模型建立过程，但仅有6项研究达到模型详述报告要求[7，13，15，17，22-23]，其余9项未介绍如何使用预测模型[6，12，14，16，18-21，24]；10项研究充分描述了模型区分度和校准度等相关评价指标[6-7，12，14-18，23-24]；15项研究均未涉及模型更新；⑤讨论(条目18-20)：除3项研究未讨论局限性外[6，19-20]，其余12项研究均较好地阐述了研究局限性和未来临床应用价值[7，12-18，21-24]；⑥其他信息(条目21-22)：仅3项研究提供补充信息或网页计算器[13，22-23]；2项研究同时描述了资金来源及其在研究中的作用[21，23]。结果见表3，4及图4。

2.4 风险预测模型的建立情况及性能 纳入的15项研究中包含24个模型，其中4项为模型的开发研究[7，13，19，24]，10项为模型的开发与内部验证[6，12，15-18，20-23]，包括Bootstrapping法、10折交叉验证以及两者结合，另有1项为模型的开发与外部验证[14]。在建模方法选择上，除JIA等[20]采用集成增强型蝙蝠算法-支持向量机模型和REN等[21]选取人工神经网络、极端梯度提升、K近邻、决策树、随机森林和支持向量机模型外，其余13项研究均采取Logistic回归分析方法建模[6-7，12-19，22-24]。
潜在预测变量数量范围为15-28个，变量筛选方法包括最小绝对收缩和选择算子回归、单因素分析、多因素分析和Logistic回归分析等。仅有1项研究描述缺失数据的处理方法为相邻平均法[13]，其余研究未报告缺失数据的处理情况。模型呈现形式方面，12项研究采用列线图[6-7，12，14-19，22-24]，2项应用数学公式表达[13，21]，1项描述为算法形式[20]。结果见表5。
在模型性能方面，14项研究采用受试者工作特征曲线下面积报告区分度[6，7，12-19，21-24]，范围为0.684-0.972，模型性能良好；JIA等[20]通过报道模型准确率为0.934 9，提示模型预测性能较好。11项研究通过校准曲线报道模型校准度[6-7，12，14-18，22-24]，9项研究采用决策曲线分析法评估其临床应用价值[7，14-18，22-24]。结果见表6。

2.5 Meta分析结果 将15项研究中预测因子重复出现较多者进行Meta合并，预测因子分别是Modic改变、体质量指数、Pfirrmann分级、腰椎矢状面活动度、工作强度、年龄、吸烟史和糖尿病史，具体Meta分析结果见表7。
2.5.1 PELD术后复发率针对15项研究中的PELD术后复发率进行Meta合并，各研究间存在异质性(I2=93%，P < 0.001)，对该复发率进行敏感性分析，剔除任一研究后结果变化不大，故采用随机效应模型，Meta分析结果显示，经PELD治疗的腰椎间盘突出症患者术后复发率为12%(95%CI=9.0%-15.0%)，见图5。
2.5.2 Modic改变共12项研究纳入此变量[12-18，20-24]，其中JIA等[12]、HE等[15]、JIA等[20]和REN等[21]的研究未提供相关数据，无法进行Meta合并。由于异质性较大，在将唐明等[18]的研究剔除后异质性显著改善(I2=63%，P=0.01)，仍采用随机效应模型进行Meta合并。结果显示，Modic改变是PELD术后复发的独立危险因素(OR=6.72，95%CI=3.90-11.59，P < 0.001)，结果见图6。

2.5.3 体质量指数共6项研究纳入此变量[7，15，18，21-22，24]，其中HE等[15]和REN等[21]的研究未提供相关数据，无法进行Meta合并。由于异质性较大，将余杨可等[7]研究剔除后异质性改善(I2=71%，P=0.03)，仍需采用随机效应模型合并效应值。结果显示，体质量指数是PELD术后复发的独立危险因素(OR=1.28，95%CI=1.10-1.49，P=0.002)，结果见图7。
2.5.4 Pfirrmann分级共8项研究纳入此变量[7，12-13，15-17，19，22]，其中JIA等[12]和HE等[15]的研究未提供相关数据，无法进行Meta合并。各研究间存在较高异质性(I2=95%，P < 0.001)，剔除任一研究后结果变化不大，仍采用随机效应模型。结果显示，Pfirrmann分级经Meta合并后无统计学差异(P=0.52)，结果见图8。
2.5.5 腰椎矢状面活动度共4项研究纳入此变量[13-15，24]，其中HE等[15]的研究未提供相关数据，无法进行Meta合并。各研究间存在较高异质性(I2=96%，P < 0.001)，剔除任一研究后结果变化不大，仍采用随机效应模型。结果显示，腰椎矢状面活动度经Meta合并后无统计学差异(P=0.32)，结果见图9。

2.5.6 工作强度共4项研究纳入此变量[6，13，16-17]，由于异质性较大，将LI等[13]研究剔除后异质性改善(I2=33%，P=0.23)，采用固定效应模型合并效应值。结果显示，工作强度是PELD术后复发的独立危险因素(OR=3.22，95%CI=1.85-5.59，P < 0.001)，结果见图10。
2.5.7 年龄共5项研究纳入此变量[6-7，15-17]，其中HE等[15]的研究未提供相关数据，无法进行Meta合并。由于异质性较大，将邱洪波等[6]研究剔除后异质性改善(I2=0%，P=0.90)，采用固定效应模型进行Meta合并。结果显示，年龄是PELD术后复发的独立危险因素(OR=2.28，95%CI=1.50-3.48，P=0.0001)，结果见图11。
2.5.8 吸烟史共4项研究纳入此变量[13，16-17，22]，由于异质性较大，将LI等[13]研究剔除后异质性降低(I2=18%，P=0.29)，采用固定效应模型合并效应值。结果显示，吸烟史是PELD术后复发的独立危险因素(OR=2.65，95%CI=1.75-4.00，P < 0.001)，结果见图12。

2.5.9 糖尿病史共4项研究纳入此变量[6，13，22-23]，各研究间存在较高异质性(I2=93%，P < 0.001)，剔除任一研究后结果变化不大，仍采用随机效应模型。结果显示，糖尿病史经Meta合并后无统计学差异(P=0.40)，结果见图13。

2.6 发表偏倚分析 15项研究中，选取结局指标文献数量≥10篇的进行发表偏倚分析，即针对PELD术后复发率绘制漏斗图，显示除一项研究存在明显离散外，其余纳入的各效应量基本对称，存在发表偏倚的可能性相对较小，结果见图14。

参考文献

[1] 中华医学会骨科学分会脊柱外科学组, 中华医学会骨科学分会骨科康复学组. 腰椎间盘突出症诊疗指南[J]. 中华骨科杂志,2020,40(8):477-487.
[2] POJSKIC M, BISSON E, OERTEL J, et al. Lumbar disc herniation: Epidemiology, clinical and radiologic diagnosis WFNS spine committee recommendations. World Neurosurg X. 2024;22:100279.
[3] MUTHU S, RAMAKRISHNAN E, CHELLAMUTHU G. Is Endoscopic Discectomy the Next Gold Standard in the Management of Lumbar Disc Disease? Systematic Review and Superiority Analysis. Global Spine J. 2021;11(7):1104-1120.
[4] KONG M, XU D, GAO C, et al. Risk Factors for Recurrent L4-5 Disc Herniation After Percutaneous Endoscopic Transforaminal Discectomy: A Retrospective Analysis of 654 Cases. Risk Manag Healthc Policy. 2020;13: 3051-3065.
[5] 莫航沣, 陈亚萍, 韩慧, 等. 临床预测模型研究方法与步骤[J]. 中国循证医学杂志,2024,24(2):228-236.
[6] 邱洪波, 唐乐, 何甜, 等. 椎间孔镜治疗腰椎间盘突出症患者术后复发的个体化预警模型的建立[J]. 西安交通大学学报(医学版),2021,42(6):817-822.
[7] 余杨可, 夏磊. 经皮内镜腰椎间盘切除术术后复发的危险因素分析及概率预测[J]. 河南医学研究,2021,30(6):973-977.
[8] GEERSING GJ, BOUWMEESTER W, ZUITHOFF P, et al. Search filters for finding prognostic and diagnostic prediction studies in Medline to enhance systematic reviews. PLoS One. 2012;7(2):e32844.
[9] MOONS KG, DE GROOT JA, BOUWMEESTER W, et al. Critical appraisal and data extraction for systematic reviews of prediction modelling studies: the CHARMS checklist. PLoS Med. 2014;11(10): e1001744.
[10] MOONS KGM, WOLFF RF, RILEY RD, et al. PROBAST: A Tool to Assess Risk of Bias and Applicability of Prediction Model Studies: Explanation and Elaboration. Ann Intern Med. 2019;170(1):W1-W33.
[11] COLLINS GS, REITSMA JB, ALTMAN DG, et al. Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis (TRIPOD): the TRIPOD statement. BMJ. 2015;350:g7594.
[12] JIA M, SHENG Y, CHEN G, et al. Development and validation of a nomogram predicting the risk of recurrent lumbar disk herniation within 6 months after percutaneous endoscopic lumbar discectomy. J Orthop Surg Res. 2021; 16(1):274.
[13] LI Y, WANG B, LI H, et al. Adjuvant surgical decision-making system for lumbar intervertebral disc herniation after percutaneous endoscopic lumber discectomy: a retrospective nonlinear multiple logistic regression prediction model based on a large sample. Spine J. 2021;21(12):2035-2048.
[14] ZHAO C, ZHANG H, WANG Y, et al. Nomograms for Predicting Recurrent Herniation in PETD with Preoperative Radiological Factors. J Pain Res. 2021;14: 2095-2109.
[15] HE H, MA J, XIONG C, et al. Development and Validation of a Nomogram to Predict the Risk of Lumbar Disk Reherniation within 2 Years After Percutaneous Endoscopic Lumbar Discectomy. World Neurosurg. 2023;172:e349-e356.
[16] LI X, PAN B, CHENG L, et al. Development and Validation of a Prognostic Model for the Risk of Recurrent Lumbar Disc Herniation After Percutaneous Endoscopic Transforaminal Discectomy. Pain Physician. 2023;26(1):81-90.
[17] 李鑫, 罗鸣然, 李根, 等. 建立与验证经皮内窥镜腰椎间盘切除后复发风险的预测模型[J]. 中国组织工程研究,2023, 27(13):2087-2092.
[18] 唐明, 曾凡袆, 常新东, 等. 椎旁功能性肌肉横截面积预测腰椎间盘突出症术后复发的Nomogram建立与验证[J]. 暨南大学学报(自然科学与医学版),2023, 44(6):602-611.
[19] 赵子俊, 王轶, 张志强, 等. 老年腰椎间盘突出症患者经皮椎间孔镜髓核摘除术后复发的影响因素及列线图预测模型[J]. 川北医学院学报,2023,38(4): 500-504.
[20] JIA M, LAI J, LI K, et al. Optimizing prediction accuracy for early recurrent lumbar disc herniation with a directional mutation-guided SVM model. Comput Biol Med. 2024;173:108297.
[21] REN G, LIU L, ZHANG P, et al. Machine Learning Predicts Recurrent Lumbar Disc Herniation Following Percutaneous Endoscopic Lumbar Discectomy. Global Spine J. 2024;14(1):146-152.
[22] TANG M, WANG S, WANG Y, et al. Development and Validation of a Nomogram Predicting Postoperative Recurrent Lumbar Disc Herniation Based on Activity Factors. Risk Manag Healthc Policy. 2024;17: 689-699.
[23] TANG M, WANG S, WANG Y, et al. Nomogram Development and Validation for Predicting Postoperative Recurrent Lumbar Disc Herniation Based on Paraspinal Muscle Parameters. J Pain Res. 2024;17:2121-2131.
[24] 梁啸, 李东儒, 陈筱, 等. 内镜腰椎间盘切除术后复发的因素及预测模型[J].中国矫形外科杂志,2024,32(9):775-780.
[25] YEN HK, OGINK PT, HUANG CC, et al. A machine learning algorithm for predicting prolonged postoperative opioid prescription after lumbar disc herniation surgery. An external validation study using 1,316 patients from a Taiwanese cohort. Spine J. 2022;22(7):1119-1130.
[26] BERG B, GOROSITO MA, FJELD O, et al. Machine Learning Models for Predicting Disability and Pain Following Lumbar Disc Herniation Surgery. JAMA Netw Open. 2024; 7(2):e2355024.
[27] AZIMI P, MOHAMMADI HR, BENZEL EC, et al. Use of artificial neural networks to predict recurrent lumbar disk herniation. J Spinal Disord Tech. 2015;28(3):E161-E165.
[28] HARADA GK, SIYAJI ZK, MALLOW GM, et al. Artificial intelligence predicts disk re-herniation following lumbar microdiscectomy: development of the “RAD” risk profile. Eur Spine J. 2021;30(8): 2167-2175.
[29] SHAN ZM, REN XS, SHI H, et al. Machine Learning Prediction Model and Risk Factor Analysis of Reoperation in Recurrent Lumbar Disc Herniation Patients After Percutaneous Endoscopic Lumbar Discectomy. Global Spine J. 2023;10:21925682231173353.
[30] ZHAO J, ZENG L, ZHAO S, et al. Associations of recurrent lumbar disc herniation after percutaneous endoscopic lumbar discectomy with age, body mass index, modic change, disc degeneration and sacral slope: A quantitative review. Exp Ther Med. 2024;27(5):195.
[31] JIANG L, XIE X, HE R, et al. Analysis of risk factors for post-operative recurrence after percutaneous endoscopic lumbar discectomy in patients with lumbar disc herniation: a meta-analysis. J Orthop Surg Res. 2023;18(1):935.
[32] ZHAO Z, QI H, WANG C, et al. Investigating the impact of cartilaginous endplate herniation on recovery from percutaneous endoscopic lumbar discectomy. J Orthop Surg Res. 2024;19(1):264.
[33] FENG X, NIAN S, CHEN J, et al. Modic changes in patients with lumbar disc herniation followed more than 1 year after lumbar discectomy: a systematic review and meta-analysis. PeerJ. 2024;12:e17851.
[34] KE S, HE X, YANG M, et al. The biomechanical influence of facet joint parameters on corresponding segment in the lumbar spine: a new visualization method. Spine J. 2021;21(12):2112-2121.
[35] YANG W, YANG Y, WANG Y, et al. Metformin prevents the onset and progression of intervertebral disc degeneration: New insights and potential mechanisms (Review). Int J Mol Med. 2024;54(2):71.
[36] 周顺, 黄品强, 杨勇. 基于病因学角度探究LDH中医证型职业风险的相关性[J]. 浙江中医药大学学报,2021,45(10): 1125-1129.
[37] LAASIK R, LANKINEN P, KIVIMAKI M, et al. Return to work after lumbar disc herniation surgery: an occupational cohort study. Acta Orthop. 2021;92(6):638-643.
[38] WALTER SS, LORBEER R, HEFFERMAN G, et al. Correlation between thoracolumbar disc degeneration and anatomical spinopelvic parameters in supine position on MRI. PLoS One. 2021;16(6):e0252385.
[39] ELMASRY S, ASFOUR S, DE RIVERO VACCARI JP, et al. Effects of Tobacco Smoking on the Degeneration of the Intervertebral Disc: A Finite Element Study. PLoS One. 2015;10(8): e0136137.
[40] 陈小英. 腰椎间盘突出症术后复发的影响因素研究[J]. 中国全科医学,2020,23(S1): 140-142.
[41] 陈香萍, 张奕, 庄一渝, 等. PROBAST: 诊断或预后多因素预测模型研究偏倚风险的评估工具[J]. 中国循证医学杂志,2020, 20(6): 737-744.
[42] RILEY RD, ENSOR J, SNELL KIE, et al. Calculating the sample size required for developing a clinical prediction model. BMJ. 2020;368:m441.
[43] VAN SMEDEN M, MOONS KG, DE GROOT JA, et al. Sample size for binary logistic prediction models: Beyond events per variable criteria. Stat Methods Med Res. 2019;28(8):2455-2474.
[44] DWAN K, GAMBLE C, WILLIAMSON PR, et al. Systematic review of the empirical evidence of study publication bias and outcome reporting bias - an updated review. PLoS One. 2013;8(7):e66844.

引言

腰椎间盘突出症是临床常见的骨科疾病，多由突出的椎间盘组织刺激和(或)压迫神经根，出现腰痛、下肢放射痛和麻木等症状[1]。据流行病学统计，腰椎间盘突出症发生的终生风险约为30%[2]。近年来，经皮内镜腰椎间盘切除术(percutaneous
endoscopic lumbar discectomy，PELD)成为治疗腰椎间盘突出症的有效手段[3]，凭借创伤小、出血少和术后恢复快的特点，已作为1级推荐纳入《腰椎间盘突出症诊疗指南》[1]。
PELD通过微创摘取突出的髓核组织，解除神经根受压状态，减轻根性疼痛刺激[3]。然而，由于学习曲线较长、患者的适应证选择和穿刺技术等原因，仍存在术后复发的风险。现有研究发现，PELD术后L4/L5节段腰椎间盘突出症复发概率为7%，且与椎间盘变性、椎旁肌肉脂肪浸润程度、腰椎矢状面活动度等因素有关[4]，建立术后复发风险预测模型可有助于早期识别高危人群，预防术后复发。
风险预测模型是通过运用数学公式来评估特定个体当前患有某种疾病的可能性或未来发生某种结果的概率[5]。国内学者通过构建PELD治疗腰椎间盘突出症术后复发临床预测模型发现，患者年龄、糖尿病史、病程、工作强度、椎间盘退变程度是其独立危险因素[6]。另一项研究则发现PELD术后复发与Pfirrmann分级、体质量指数、年龄、术后椎间活动度有关[7]。由于不同模型所包含的预测因子存在差异，加之预测效能的不同以及缺乏外部验证等因素，限制了模型在临床的推广和应用。因而，此次研究对PELD术后复发风险预测模型开发与验证的相关研究进行了系统性评价，不仅可为选择最优的预测模型提供重要依据，同时也为识别和选择潜在预测因子的方向指明了路径。

中国组织工程研究杂志出版内容重点：人工关节；骨植入物；脊柱；骨折；内固定；数字化骨科；组织工程

材料方法

1.1 资料来源
1.1.1 检索者第一作者。
1.1.2 检索资料库 PubMed、Embase、Web of Science、中国知网、万方、维普和中国生物医学文献数据库。
1.1.3 检索词基于GEERSING等[8]针对预测模型系统评价所制定的筛选策略完善检索方案，中文检索词包括“腰椎间盘突出症”“经皮内镜腰椎间盘切除术”“经皮椎间孔镜”“经皮内镜椎板间入路”“内镜”“孔镜”“风险预测”“风险评估”“预测模型”“预后模型”“决策支持”等；英文检索词包括“lumbar disc herniation”“lumbar disc protrusion”“percutaneous endoscopic
lumbar discectomy”“percutaneous
endoscopic transforaminal discectomy”
“percutaneous endoscopic interlaminar discectomy”“risk prediction*”“risk
assessment*”“prediction model*”
“prognostic model*”“decision
support*”等。对发表的国家、地区无限制，语言限制为中文和英文。
1.1.4 检索时限各数据库建库至2024-07-01。
1.1.5 文献检索策略以PubMed为例，具体检索策略见图1。同时，核对纳入研究的参考文献，进一步筛选出相关文献。

1.2 纳入和排除标准
1.2.1 纳入标准 ①研究对象为接受PELD治疗的腰椎间盘突出症患者；②研究内容为腰椎间盘突出症患者经PELD治疗后复发风险预测模型构建或验证研究；③研究类型为队列研究或病例-对照研究；④结局指标为复发性腰椎间盘突出症。
1.2.2 排除标准 ①仅探究独立危险因素的研究，未构建完整模型；②综述、述评、会议摘要、学位论文或重复发表的研究；③基于系统评价或Meta分析结果构建模型的研究；④模型包含的预测因子 < 2个；⑤无法获取全文或信息不全的文献。
1.3 文献筛选与数据提取 文献的筛选和资料的提取工作由2名研究者独立进行，通过相互交叉核对所收集的数据。在出现意见分歧的情况下，将会请第3名研究者进行协助，以便达成一致的判断。首先，通过查阅标题和摘要完成初筛，排除不相关文献；随后阅读全文，以确定是否纳入。基于预测模型研究系统评价的关键评估和数据提取清单进行资料提取[9]，提取内容包括：第一作者、发表年份、国家、研究类型、数据来源、研究对象基本信息、样本量、测量时间、候选变量、预测结果、模型建立方法、内部验证方法、处理缺失数据的方法、模型呈现形式、模型预测性能和最终包含的预测因子等。当在1篇纳入研究中出现多个模型时，每个模型均进行了单独的数据提取。
1.4 纳入研究的偏倚风险、适用性和报告质量评价 2名研究者采用预测模型偏倚风险评价工具(prediction model risk of bias assessment tool，PROBAST)对纳入研究的偏倚风险和适用性进行评估[10]，通过个体预后与诊断多变量预测模型报告规范(transparent reporting of a multivariable prediction model for individual prognosis or diagnosis (TRIPOD): the TRIPOD statement)对纳入研究的报告质量进行评价[11]，出现分歧时由第3名研究者判定。
1.4.1 偏倚风险评估是研究过程中至关重要的一环，它涵盖了4个主要领域：研究对象、预测因子、结果和分析。在每个领域中，评估所涉及的具体问题总计为20个，不同的问题会通过“是/可能是”“否/可能否”以及“没有信息”3种方式进行回答。这种分类方法允许研究者系统地识别潜在的偏倚风险，并对其进行量化评价。具体的评估标准是：如果所有问题的回答均为“是/可能是”，则可以认为偏倚风险较低；而若至少有一个问题的回答为“否/可能否”，则表明偏倚风险较高；如果回答中出现“没有信息”，但其他问题的回答为“是/可能是”，则偏倚风险的状态为不清楚。基于以上的评估标准，将研究结果的偏倚风险总体划分为3类：低偏倚风险、高偏倚风险以及偏倚风险不清楚。
1.4.2 适用性评估涵盖了3个主要领域，包括研究对象、预测因子和结果。在这3个领域中，每一项都会根据其适用性风险程度进行评分，分为“低适用性风险”“高适用性风险”以及“不清楚”3种类别。基于3个领域适用性评估结果对研究总体进行判断，分为低适用性风险、高适用性风险和不清楚。
1.4.3 报告质量评价 TRIPOD清单共包括22个条目[11]，由标题和摘要、前言、方法、结果、讨论和其他信息6个部分组成。根据纳入研究在22个条目中的报告规范性和依从性进行质量评价。
1.5 统计学分析 应用Revman 5.4软件对纳入研究中PELD术后复发率和相关预测因子进行Meta分析。复发率的效应统计量以率(95%CI)表示，预测因子的效应统计量采用OR值(95%CI)表示，以P < 0.05为差异有显著性意义。各研究间的异质性分析采用I2检验判断，当各研究间异质性不显著(P > 0.05，I2 < 50%)时采用固定效应模型；反之，先通过逐篇剔除进行敏感性分析，若异质性仍然较高(P < 0.05, I2≥50%)，则采用随机效应模型进行合并。文章统计学方法已经天津中医药大学第一附属医院生物统计学专家审核。

中国组织工程研究杂志出版内容重点：人工关节；骨植入物；脊柱；骨折；内固定；数字化骨科；组织工程

讨论

此次研究最终纳入15项研究，包括24个预测模型，其中4项为模型开发研究[7，13，19，24]，10项为模型开发与内部验证研究[6，12，15-18，20-23]，仅有1项为模型开发与外部验证研究[14]。由于93.33%(n=14)的研究未进行外部验证，可导致模型泛化能力不足，增加过拟合风险，同时间接降低了模型的可靠性[25]。BERG等[26]基于22 707例腰椎间盘突出症手术患者构建了术后残疾和疼痛的预测模型，应用内部-外部交叉验证方法在5个不同地理区域进行验证，受试者工作特征曲线下面积值均在0.74以上，表明模型在各区域的预测中具有较高的一致性和良好的区分能力。不难看出，未来应进一步开展PELD术后复发风险预测模型的外部验证研究，提高模型的稳定性和适用范围，有利于将模型应用于不同地区的患者，推动个性化治疗的实施。
模型呈现方式以列线图为
主[6-7，12，14-19，22-24]，还包括数学公式表达和算法形式[13，20-21]。24个模型中，23个模型报告受试者工作特征曲线下面积值，范围为0.684 2-0.972，其中22个模型的受试者工作特征曲线下面积值> 0.7，占95.65%，提示模型预测性能较好；86.67%(n=13)的研究采取Logistic回归分析方法建模[6-7，12-19，22-24]。1项研究采取集成增强型蝙蝠算法-支持向量机建模[20]，另一项研究采用人工神经网络、极端梯度提升、K近邻、决策树、随机森林和支持向量机共6种机器学习算法建模[21]。由此可知，Logistic回归仍是目前常用的模型构建方法，主要用于分类问题，可解释性较好；而人工神经网络主要用于非线性统计数据、模糊数据和随机性数据建模。AZIMI等[27]针对402例接受显微椎间盘切除术治疗的腰椎间盘突出症患者，通过人工神经网络构建腰椎间盘突出症术后复发模型，受试者工作特征曲线下面积值达0.83；极端梯度提升的优势在于运算速度、泛化能力较好。HARADA等[28]采用极端梯度提升构建显微椎间盘切除术后复发预测模型，准确率和受试者工作特征曲线下面积值分别为70%和0.72。除此以外，SHAN等[29]采用极端梯度提升、决策树、随机森林和支持向量机在内的6种机器学习算法构建模型，预测复发性腰椎间盘突出症患者PELD术后再手术风险，受试者工作特征曲线下面积值均大于0.74，其预测性能优于传统Logistic回归模型。综上所述，不同算法具有各自的优势，机器学习算法的应用为模型构建提供了更多的潜能，未来开展临床研究时应结合研究目的综合考虑，选择最优算法构建模型。
由于研究类型和试验设计的差异，不同模型最终纳入的预测因子存在差别。24个模型中，潜在预测变量数量范围为15-28个，而最终纳入的预测因子数量为3-11个，出现次数最多的前3个预测因子为Modic改变、体质量指数和Pfirrmann
分级。此次研究发现，经PELD治疗的腰椎间盘突出症患者术后复发率为12.0%，Modic改变、体质量指数、工作强度、年龄和吸烟史是PELD术后复发的独立影响因素(P < 0.05)。同时，现有研究也证实，高龄、体质量指数和Modic改变等因素是PELD术后复发的独立危险因素[30-31]，与此次研究筛选出的预测因子存在较高的一致性。Modic改变主要通过MRI进行评估，表现为椎体终板和周围骨髓信号强度的变化，与腰椎间盘突出症、椎间盘退变和腰痛密切相关。Modic Ⅰ型通常表现为椎体终板的骨髓水肿和炎症，提示活动性病变，可导致术后炎症持续和终板微循环障碍，增加复发风险；Modic Ⅱ型表现为脂肪变性，提示慢性退变阶段，相较于Modic Ⅰ型，其病变处炎症活动性相对较低，但脂肪变性可影响相邻椎体的机械支持力；Modic Ⅲ型则表现为骨硬化，作为长期退变的标志，其硬化特征可降低术后急性复发的风险，但由于硬化区血供较差，易影响术后愈合。总之，Modic Ⅰ型改变的复发风险相对较高，需重视术前炎症控制；Modic Ⅱ型改变的复发风险居中，需重视术后患者长期管理；Modic Ⅲ型改变复发风险相对较低，但可能对邻近节段造成间接影响。ZHAO等[32]针对PELD治疗的126例腰椎间盘突出症患者，评估Modic改变对术后恢复的影响发现，Modic改变与患者术后早期背部疼痛、功能恢复差密切相关。另一项系统评价也指出，腰椎间盘切除术后患者不同亚型的Modic改变总转化率达27.7%，以Modic Ⅰ型‌转化为主，增加了复发性腰椎间盘突出症风险[33]。
体质量指数可反映患者肥胖程度，指南已将肥胖纳入腰椎间盘突出症手术预后不良的影响因素之一[1]。较高的体质量指数可增加腰椎和椎间盘的机械负荷，增加术后复发风险[34]。肥胖通常与慢性炎症和糖尿病有关，肿瘤坏死因子α、白细胞介素1β和糖基化终产物可加速椎间盘退变，导致复发性腰椎间盘突出症[35]。除此以外，低体质量指数患者也可能因骨质疏松、终板密度下降和营养不足等问题，造成PELD术后腰椎稳定性降低，出现手术节段或邻近节段退变。国内学者研究发现，重体力劳动者椎间盘突出程度最为严重，司机及乘务员椎间盘突出程度中等，教师及长期使用电脑的工作人员腰椎间盘突出一般较轻[36]。LAASIK等[37]研究也发现，95%的腰椎间盘突出症患者在腰椎术后1年内能重返工作岗位，从事高强度体力工作者往往需要再次进行弯腰、提举和搬动等动作，反复的机械应力刺激会加重椎间盘退变，从而导致复发性腰椎间盘突出症的发生。除此以外，重体力劳动者腰背部反复受力可延长病变处炎症反应，造成Modic改变加剧；而非重体力劳动者也会因长时间保持固定姿势导致腰椎局部压力升高，加之缺乏运动造成腰背肌力量薄弱，脊柱稳定性下降，增加复发风险。腰椎-骨盆矢状面解剖参数对于维持脊柱稳定、保持姿态和功能活动至关重要。随着年龄的增长，椎间盘含水量下降，腰椎前凸的减少会导致脊柱轴向负荷的增加，伴随年龄增长带来的椎间盘退变，可造成复发性腰椎间盘突出症的风险显著增加[38]。同时，针对不同年龄段患者也应制定个体化的康复计划预防术后复发：年轻患者应避免早期高强度运动；中老年患者应控制术后负荷，进行长期骨质和邻近节段的监测；老年患者应术前优化骨质管理，术后加强功能锻炼，避免卧床时间过长。除上述影响因素外，香烟中的尼古丁和其他有害化学物质对髓核细胞具有毒性作用，可加速椎间盘细胞凋亡及影响糖胺聚糖的合成[39]。临床研究也证实吸烟是腰椎间盘突出症术后复发的危险因素之一，OR值达3.277，与此次研究结论具有一致性[40]。
15项研究均为高偏倚风险，采用回顾性队列研究或病例-对照研究构建或验证模型[6-7，12-24]。由于研究类型采用回顾性研究设计，依赖于既有的记录和数据，容易产生回忆偏倚、信息偏倚和选择偏倚等，同时受到混杂因素的影响，降低模型在临床实践中的适用性[41]。在预测因子方面，大部分研究为偏倚风险不清楚，主要原因在于未报告是否在不了解结局信息的情况下评估预测因子。若研究者已知悉最终结果，可能会无意中倾向于选择或解释与预期结果一致的预测因子，导致过度拟合训练数据，模型在内部验证时表现良好，但在外部验证时模型性能降低，这种偏差会导致模型高估或低估某些预测因子的重要性，最终影响模型的准确性和可靠性[10]。结果与分析方面，4项研究复发性腰椎间盘突出症未依据国际标准，被评为高偏倚风险[7，13，21，24]，11项研究为偏倚风险不清楚[6，12，14-20，22-23]；当结局指标未根据国际或国内标准进行定义，可导致模型在不同研究中的性能无法直接对比，影响模型在临床实践中的推广和应用，降低外部效度。适用性评价方面，2项研究为低适用性风险[13，16]，其余13项研究为高适用性风险[6-7，12，14-15，17-24]，其主要原因在于纳排标准的差别，包括对受试者腰椎间盘突出症突出节段、症状持续时间和年龄等的限制，未来可进一步开展亚组分析，减少模型评价的异质性。
在报告质量方面，15项研究整体报告质量较低，仅有1项研究达到至少70%的TRIPOD依从性[23]，主要原因包括未报告盲法、未说明样本量计算方法、未描述缺失数据的处理方法和缺少模型的使用介绍等。15项研究均未对结局指标和预测因子盲法评估的具体细节进行描述，影响研究者对潜在偏倚风险的评估，降低结论的可信度；仅4项研究对样本量的计算方法进行描述[14，16，20，22]，样本量不足可导致模型过拟合，传统10EPV法则难以适应愈发复杂的临床场景，RILEY等[42]提出四步法来计算模型所需的样本量，包括估计整体结局风险或平均结局值的精确度，确保预测值的平均误差较小，满足过拟合风险降到最低以及确保模型的表观性能和实际性能之间的差异最小。VAN SMEDEN等[43]则提出样本量计算应基于模型的预测误差，考虑预测因子的数量、总样本量和事件分数可更好地呈现模型预测性能。缺失数据可降低模型准确性和可靠性，15项研究中仅1项研究采用相邻平均法处理缺失数据[13]，其余14项研究未描述缺失数据的处理方法[6-7，12，14-24]。常用的缺失数据处理方法包括直接删除，多重插补和机器学习处理等，直接删除缺失数据可造成样本量减少，影响数据集的代表性和多样性；而多重插补和机器学习处理可最大限度地利用数据，增强了统计效能。除此以外，详细介绍模型如何使用是模型构建研究必不可少的一环，通过详细介绍模型的使用步骤，可以减少误用的风险。共有6项研究达到模型详述报告要
求[7，13，15，17，22-23]，其余9项未介绍如何使用预测模型[6，12，14，16，18-21，24]，通过详细介绍模型的使用方法，研究者可以帮助非专业人士理解和应用模型，从而推动模型在实际工作中的推广和应用。
此次研究的局限性：①仅纳入中、英文文献，未检索Scopus、BIOSIS等数据库进行灰色文献检索，可能存在发表偏倚，相对来说，期刊更容易发表阳性结果[44]；②纳入的研究均来自于中国地区，其结果尚难以广泛代表世界其他地区人群；③大部分模型缺乏外部验证，导致模型的外推性和适用范围受限。
综上所述，PELD术后复发风险预测模型整体预测性能较好，但模型总体偏倚风险和适用性风险较高，报告质量较低，且缺乏前瞻性研究和外部验证。同时，Modic改变、体质量指数、工作强度、年龄和吸烟史是PELD术后复发的独立影响因素，构建模型时应予以重点关注。建议未来依据PROBAST和TRIPOD报告清单完成模型构建，减少偏倚风险并提高报告质量，开展多中心、大样本的前瞻性研究和外部验证研究，比较多种机器学习算法构建的模型性能，为临床早期识别和预防PELD术后复发提供高质量的决策辅助
依据。

中国组织工程研究杂志出版内容重点：人工关节；骨植入物；脊柱；骨折；内固定；数字化骨科；组织工程

经皮内镜腰椎间盘切除后复发风险预测模型的系统评价和Meta分析

Risk prediction models of recurrence after percutaneous endoscopic lumbar discectomy: a systematic review and meta-analysis

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表（结果） 14

参考文献

相关文章 15

引言

材料方法

讨论

文章快阅

延伸阅读

编辑推荐

Metrics

本文评价

[1]	陈强, 伍文娟, 江舒华, 黄达. 体育锻炼改善烧伤患者身体功能的系统评价与Meta分析[J]. 中国组织工程研究, 2026, 30(5): 1269-1281.
[2]	杨媛媛, 周珊珊, 成小菲, 冯露叶, 汤继芹. 非侵入性脑刺激治疗脑卒中后下肢运动功能障碍的网状Meta分析[J]. 中国组织工程研究, 2026, 30(4): 1008-1018.
[3]	王志鹏, 张晓刚, 张宏伟, 赵希云, 李元贞, 郭成龙, 秦大平, 任真. 机器学习在腰椎间盘突出症患者预后预测模型中应用价值的系统评价[J]. 中国组织工程研究, 2026, 30(3): 740-748.
[4]	薛慧, 李东楠, 赵雅迪, 陈超, 谢宗源. Ph染色体阳性急性淋巴细胞白血病移植前后BCR/ABL基因表达与复发的关系[J]. 中国组织工程研究, 2026, 30(1): 139-144.
[5]	许凡萍, 李勤椿, 唐冬芳. 不同嵌合抗原受体T细胞相关靶点治疗B细胞血液恶性肿瘤：长期随访数据综述[J]. 中国组织工程研究, 2026, 30(1): 248-259.
[6]	鹿麒, 孙玛骥, 王学志, 宋婷, 马一鸣, 袁峰, 陈宏亮. 两种可视化关节突成型技术治疗L5-S1椎间盘突出症：临床结局半年随访评价[J]. 中国组织工程研究, 2025, 29(9): 1841-1847.
[7]	冯志萌, 孙宁, 孙兆忠, 李岳飞, 刘昌震, 李洒. 影像三维重建安全辅助单孔分体内镜治疗L5/S1极外侧腰椎间盘突出症[J]. 中国组织工程研究, 2025, 29(9): 1876-1882.
[8]	张春霖, 侯曌华, 严旭, 姜岩, 付苏, 宁永明, 李东哲, 董超, 刘小康, 王永魁, 曹争明, 杨腾跃. 腰椎“内聚式”对称减压人工诱导突出椎间盘自然回缩的减压机制[J]. 中国组织工程研究, 2025, 29(9): 1810-1819.
[9]	静如意, 陈颖欣, 曹蕾. 深板层角膜移植与穿透性角膜移植治疗基质角膜营养不良预后的比较[J]. 中国组织工程研究, 2025, 29(8): 1626-1633.
[10]	支芳, 朱满华, 熊伟, 林星镇. 腰椎间盘突出症模型大鼠疼痛的针刺干预[J]. 中国组织工程研究, 2025, 29(5): 936-941.
[11]	杨煜, 李英豪, 多壮志, 周定容. 整体功能性体育锻炼对腰椎间盘突出症术后患者腰椎生物力学的影响[J]. 中国组织工程研究, 2025, 29(33): 7096-7101.
[12]	梁基耀, 周红海, 韦贵康, 苏少亭, 陈龙豪, 何心愉, 刘粮酺. 颈椎定点旋转手法在体生物力学量化及影响因素分析[J]. 中国组织工程研究, 2025, 29(3): 486-492.
[13]	张子瑜, 陈龙豪, 盛威, 吕涵哲, 沈颖, 王炳豪, 吕智桢, 吕立江 . 人工智能应用于腰椎间盘突出症诊疗：推动诊治手段向规范化、高效化、精准化[J]. 中国组织工程研究, 2025, 29(29): 6269-6276.
[14]	虞兵兵, 王婷婷, 方俊霖, 郭云, 黄英如. 针灸治疗绝经后骨质疏松症的Meta分析、系统评价和试验序贯分析[J]. 中国组织工程研究, 2025, 29(29): 6305-6316.
[15]	王嘉孺, 张瑛, 杨永, 祁文, 肖华业, 马秋平, 杨连招, 罗自维, 何雅青, 张江银, 韦嘉雯, 孟媛, 谭思连. 基于机器学习脑卒中功能恢复及预后预测模型的系统评价[J]. 中国组织工程研究, 2025, 29(29): 6317-6325.