脑卒中偏瘫患者痉挛程度的影响因素及风险预测模型分析

doi:10.12307/2026.344

中国组织工程研究 ›› 2026, Vol. 30 ›› Issue (23): 6092-6098.doi: 10.12307/2026.344

• 肌肉肌腱韧带组织构建 tissue construction of the muscle, tendon and ligament • 上一篇下一篇

脑卒中偏瘫患者痉挛程度的影响因素及风险预测模型分析

曹新燕1，冷晓轩1，高世爱1，陈金慧1，刘西花2

1山东中医药大学康复医学院，山东省济南市 250355；2山东中医药大学附属医院康复科，山东省济南市 250011

收稿日期:2025-05-06 接受日期:2025-08-14 出版日期:2026-08-18 发布日期:2026-01-05
通讯作者: 刘西花，博士，主任医师，山东中医药大学附属医院康复科，山东省济南市 250011
作者简介:曹新燕，女，2001年生，山西省大同市人，汉族，山东中医药大学在读硕士，主要从事神经与心肺康复领域的临床及科学研究。
基金资助:
国家自然科学基金项目(81802239)，项目负责人：刘西花；山东省中医药科技面上项目(M-2023142)，项目负责人：刘西花

Analysis of influencing factors and risk prediction model for spasticity severity in stroke patients with hemiplegia

Cao Xinyan1, Leng Xiaoxuan1, Gao Shiai1, Chen Jinhui1, Liu Xihua2

1School of Rehabilitation, Shandong University of Traditional Chinese Medicine, Jinan 250355, Shandong Province, China; 2Department of Rehabilitation, Affiliated Hospital of Shandong University of Traditional Chinese Medicine, Jinan 250011, Shandong Province, China

Received:2025-05-06 Accepted:2025-08-14 Online:2026-08-18 Published:2026-01-05
Contact: Liu Xihua, PhD, Chief physician, Department of Rehabilitation, Affiliated Hospital of Shandong University of Traditional Chinese Medicine, Jinan 250011, Shandong Province, China
About author:Cao Xinyan, MS candidate, School of Rehabilitation, Shandong University of Traditional Chinese Medicine, Jinan 250355, Shandong Province, China
Supported by:
National Natural Science Foundation of China, No. 81802239 (to LXH); Shandong Province Traditional Chinese Medicine Science & Technology Project (General Project), No. M-2023142 (to LXH)

摘要/Abstract

摘要：

文题释义：
脑卒中：是由脑血管破裂出血或脑血管堵塞引起的急性脑血管疾病，具有高致残率、高复发率、高致死率、高发病率等特点。脑卒中患者常见运动、感觉、言语、吞咽、认知等一系列功能障碍，其中运动障碍最为常见。
痉挛性偏瘫：脑卒中后痉挛性瘫痪是脑卒中患者的主要功能障碍之一，主要由于上运动神经元损伤引起的下行抑制减弱，以速度依赖性肌张力增加并伴有腱反射亢进为特征，严重痉挛将会造成肢体肌肉关节挛缩，影响患肢的运动功能恢复，降低患者的生活质量。

背景：痉挛性偏瘫目前仍是临床上亟需解决的难题，目前大部分研究主要讨论痉挛发病的影响因素，而此研究通过二元Logistic回归重点探讨影响脑卒中患者痉挛严重程度的关键因素，为患者个性化治疗方案提供可靠的依据。
目的：通过单因素和多因素Logistic回归分析脑卒中偏瘫患者痉挛程度的影响因素，并构建风险预测模型。
方法：选取2024年11月至2025年3月在山东中医药大学附属医院住院治疗的120例脑卒中后痉挛患者为研究对象，采用自行设计的调查表进行问卷调查，通过Logistic回归分析筛选偏瘫患者痉挛严重程度的影响因素，构建风险预测模型，利用受试者工作特征曲线分析模型的预测效能。
结果与结论：120例脑卒中痉挛患者中轻度痉挛(改良Ashworth分级<2级)患者66例，重度痉挛(改良Ashworth分级≥2级)患者54例。Logistic回归分析结果显示，对于脑卒中痉挛患者，高龄、正常的感觉功能、较高的Barthel指数和Fugl-Meyer运动功能评分是痉挛严重程度的保护因素；而抑郁焦虑的不良情绪、睡眠质量差和疼痛是痉挛严重程度的危险因素。脑卒中偏瘫患者痉挛严重程度的Logistic回归模型受试者工作特征曲线下面积为0.969[95%CI(0.944，0.994)]，说明基于这些因素构建的预测模型具有较高的预测效能。临床工作者应该通过多维度、个体化的干预策略，积极预防和减轻痉挛程度，改善患者的功能预后和生活质量。
https://orcid.org/0009-0006-9245-9899 (曹新燕)

中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程

关键词: 脑卒中, 偏瘫, 痉挛, 改良Ashworth分级, 影响因素, 模型分析

Abstract: BACKGROUND: Spastic hemiplegia remains a challenging clinical problem that urgently needs to be addressed. Currently, most research primarily focuses on discussing the influencing factors of spasticity onset. This study, however, utilizes binary logistic regression to primarily explore the key factors affecting the severity of spasticity in stroke patients, providing a reliable basis for personalized treatment plans for patients.
OBJECTIVE: To identify the influencing factors of spasticity severity in stroke patients with hemiplegia through univariate and multivariate logistic regression analyses, and to construct a risk prediction model.
METHODS: A total of 120 patients with post-stroke spasticity hospitalized at the Affiliated Hospital of Shandong University of Traditional Chinese Medicine from November 2024 to March 2025 were enrolled. A self-designed questionnaire was used for data collection. Logistic regression analysis was performed to screen the influencing factors of spasticity severity in hemiplegic patients, and a risk prediction model was constructed. The predictive performance of the model was evaluated via a receiver operating characteristic curve analysis.
RESULTS AND CONCLUSION: Among 120 stroke spasticity patients, 66 had mild spasticity with Modified Ashworth Scale < 2 and 54 had severe spasticity with Modified Ashworth Scale ≥ 2. The results of logistic regression analysis showed that for stroke spasticity patients, advanced age, normal sensory function, higher Barthel index, and Fugl-Meyer motor function score were protective factors for the severity of spasticity; whereas negative emotions of depression and anxiety, poor sleep quality, and pain were risk factors for the severity of spasticity. The area under the receiver operating characteristic curve of the logistic regression model for spasticity severity in post-stroke hemiplegia patients was 0.969 [95% confidence interval (0.944, 0.994)], indicating that the predictive model constructed based on these factors has high predictive performance. Clinicians should actively prevent and reduce spasticity through multidimensional and individualized intervention strategies to improve patients' functional prognosis and quality of life.

Key words: stroke, hemiplegia, spasticity, Modified Ashworth Scale, influencing factors, model analysis

中图分类号:

曹新燕, 冷晓轩, 高世爱, 陈金慧, 刘西花. 脑卒中偏瘫患者痉挛程度的影响因素及风险预测模型分析[J]. 中国组织工程研究, 2026, 30(23): 6092-6098.

Cao Xinyan, Leng Xiaoxuan, Gao Shiai, Chen Jinhui, Liu Xihua. Analysis of influencing factors and risk prediction model for spasticity severity in stroke patients with hemiplegia[J]. Chinese Journal of Tissue Engineering Research, 2026, 30(23): 6092-6098.

图/表（结果） 4

2.1 参与者数量分析根据改良Ashworth分级将患者分为轻度痉挛(改良Ashworth分级< 2级)和重度痉挛(改良Ashworth分级≥2级)，共纳入120例患者，其中轻度痉挛66例，重度痉挛54例，无脱落患者。
2.2 试验流程图见图1。

2.3 研究对象基本特征共收集120例脑卒中后痉挛患者资料，其中男72例占60%，女48例占40%；65岁及以下患者79例占65.8%，65岁以上患者41例占34.2%；体力工作者64例占53.3%，脑力工作者56例占46.7%；出血型脑卒中53例占44.2%，缺血性脑卒中67例占55.8%；病程≤1个月的患者37例占30.8%，2-6个月的患者45例占37.5%，> 6个月的患者38例占31.7%；存在感觉障碍的患者61例占50.8%，见表1。
2.4 偏瘫患者痉挛严重程度单因素分析结果单因素分析结果显示，不同痉挛程度组间在性别、工作类型、脑卒中类型方面差异无显著性意义(P > 0.05)；而两组在年龄、病程、是否存在感觉障碍、肌力分级、Fugl-Meyer运动功能评分、改良Barthel指数、疼痛等级、焦虑与抑郁情绪、睡眠质量方面差异有显著意义(P < 0.05)，见表1。
2.5 偏瘫患者痉挛严重程度多因素分析结果以痉挛严重程度作为因变量，以单因素分析结果中P < 0.05的影响因素(年龄、病程、感觉功能障碍、肌力分级、改良Barthel指数、Fugl-Meyer运动功能评分、疼痛分级、焦虑、抑郁评分、睡眠质量评分)作为自变量进行二元Logistic回归分析，赋值方式见表2。回归分析结果显示年龄、感觉功能障碍、改良Barthel指数、Fugl-Meyer运动功能评分是脑卒中偏瘫患者痉挛程度的保护因素，疼痛等级、焦虑抑郁情绪和睡眠质量是脑卒中偏瘫患者痉挛程度的危险因素，结果见表3。
2.6 偏瘫患者痉挛严重程度影响因素预测模型根据Logistic回归分析结果构建脑卒中偏瘫患者痉挛程度影响因素的预测模型：Logit(P)=-15.640-1.332×年龄-0.786×病程+0.183×肌力-1.012×感觉功能障碍-0.120×改良Barthel指数-0.116×Fugl-Meyer运动功能评分+1.046×疼痛等级+0.261×焦虑评分+0.360×抑郁评分+0.369×睡眠质量。以预测概率值为检验变量，痉挛严重程度为状态变量，预测模型受试者工作特征曲线下面积为0.969[95%CI(0.944，0.994)]，说明模型预测能力较好，模型最大约登指数为0.809，灵敏度为0.870，特异度为0.939，受试者工作特征曲线见图2。

参考文献

[1] CHEN B, YANG T, LIAO Z, et al. Pathophysiology and Management Strategies for Post-Stroke Spasticity: An Update Review. Int J Mol Sci. 2025;26(1):406.
[2] 姜帅,肖娟,刘泽键,等.高频重复经颅磁刺激联合功能性电刺激对脑卒中患者下肢痉挛及激活后抑制的影响[J].中国康复医学杂志,2024,39(11):1638-1643.
[3] ZENG H, CHEN J, GUO Y, et al. Prevalence and Risk Factors for Spasticity After Stroke: A Systematic Review and Meta-Analysis. Front Neurol. 2021;11:616097.
[4] 吕阳婷,殷艺雯.肌筋膜松解术治疗脑卒中后上肢痉挛性瘫痪的效果[J].实用医学杂志,2024,40(23):3379-3383.
[5] PINHO S, CAMÕES-BARBOSA A, HATIA M, et al. Shoulder Spasticity Treatment With Botulinum Toxin: A Nationwide Cross-Sectional Survey of Clinical Practices. Cureus. 2023;15(11):e48493.
[6] LI S, FRANCISCO GE, RYMER WZ. A New Definition of Poststroke Spasticity and the Interference of Spasticity With Motor Recovery From Acute to Chronic Stages. Neurorehabil Neural Repair. 2021;35(7):601-610.
[7] 胡延超,李瑞青,郝文雪,等.γ-氨基丁酸能系统在脑卒中后痉挛状态中的研究进展[J].中国老年学杂志,2023,43(4):994-997.
[8] LIU J, ZHAO G, NIU Y, et al. Effect of electro-acupuncture therapy on limb spasm and excitability of motor neurons in stroke rats. Zhejiang Da Xue Xue Bao Yi Xue Ban. 2021;50(3):361-368.
[9] ZHOU Z, WANG S, ZHANG J. Progress on acupuncture in relieving stroke induced limb spasticity by regulating neuroplasticity-related signals. World J Acupunct Moxibustion. 2023;33(2):65-71.
[10] 黄赛娥,卓丽萍,黄丹霞,等.偏瘫肌痉挛影响因素临床研究[J].亚太传统医药,2015,11(21):80-83.
[11] 中华医学会神经病学分会中华医学会神经病学分会脑血管病学组.中国各类主要脑血管病诊断要点2019[J].中华神经科杂志,2019,52(9):710-715.
[12] 中风的诊断依据、证候分类、疗效评定：中华人民共和国中医药行业标准《中医内科病证诊断疗效标准》(ZY/T001.1-94)[J].辽宁中医药大学学报,2016,18(10):16.
[13] 何紫艳,唐晓晓,田亚星,等.指部徒手感觉刺激前后脑卒中偏瘫患者手指屈、伸肌张力及超声剪切波弹性成像的变化[J].中国康复理论与实践,2022,28(2):204-211.
[14] MESEGUER-HENAREJOS AB, SÁNCHEZ-MECA J, LÓPEZ-PINA JA, et al. Inter- and intra-rater reliability of the Modified Ashworth Scale: a systematic review and meta-analysis. Eur J Phys Rehabil Med. 2018; 54(4):576-590.
[15] VIANA RB, DE OLIVEIRA VN, DANKEL SJ, et al. The effects of exergames on muscle strength: A systematic review and meta-analysis. Scand J Med Sci Sports. 2021;31(8):1592-1611.
[16] WANG YC, CHANG PF, CHEN YM, et al. Comparison of responsiveness of the Barthel Index and modified Barthel Index in patients with stroke. Disabil Rehabil. 2023;45(6):1097-1102.
[17] LIAO LY, WANG PY, ZHU Y, et al. Effects of transcranial magnetic stimulation combined with extracorporeal shockwave therapy for poststroke spasticity: study protocol for a randomised controlled trial. BMJ Open. 2025;15(1):e086300.
[18] SINGER B, GARCIA-VEGA J. The Fugl-Meyer Upper Extremity Scale. J Physiother. 2017;63(1):53.
[19] WIESNER K, SCHWARZ A, MEYA L, et al. Interrater reliability of the Fugl-Meyer Motor assessment in stroke patients: a quality management project within the ESTREL study. Front Neurol. 2024;15:1335375.
[20] FARRAR JT, YOUNG JP JR, LAMOREAUX L, et al. Clinical importance of changes in chronic pain intensity measured on an 11-point numerical pain rating scale. Pain. 2001;94(2):149-158.
[21] 万丽,赵晴,陈军,等.疼痛评估量表应用的中国专家共识(2020版)[J].中华疼痛学杂志,2020,16(3):177-187.
[22] 中华医学会神经病学分会,中华医学会神经病学分会睡眠障碍学组,中华医学会神经病学分会神经心理与行为神经病学学组.中国成人失眠伴抑郁焦虑诊治专家共识[J].中华神经科杂志,2020, 53(8):564-574.
[23] 王存利,王红霞.社区围绝经期女性主观认知下降现状及影响因素分析[J].护理学杂志,2025,40(1):79-83.
[24] 刘贤臣,唐茂芹,胡蕾,等.匹兹堡睡眠质量指数的信度和效度研究[J].中华精神科杂志,1996,29(2):103-107.
[25] OPHEIM A, DANIELSSON A, ALT MURPHY M, et al. Early prediction of long-term upper limb spasticity after stroke: part of the SALGOT study. Neurology. 2015;85(10):873-880.
[26] URBAN PP, WOLF T, UEBELE M, et al. Occurence and clinical predictors of spasticity after ischemic stroke. Stroke. 2010;41(9):2016-2020.
[27] WELMER AK, WIDÉN HOLMQVIST L, SOMMERFELD DK. Location and severity of spasticity in the first 1-2 weeks and at 3 and 18 months after stroke. Eur J Neurol. 2010;17(5):720-725.
[28] LIAO LY, XU PD, FANG XQ, et al. Prevalence and clinical predictors of spasticity after intracerebral hemorrhage. Brain Behav. 2023;13(3):e2906.
[29] CHUNG SG, VAN REY EM, BAI Z, et al. Aging-related neuromuscular changes characterized by tendon reflex system properties. Arch Phys Med Rehabil. 2005;86(2):318-327.
[30] JONES R, RATNAKUMAR N, AKBAŞ K, et al. Delayed center of mass feedback in elderly humans leads to greater muscle co-contraction and altered balance strategy under perturbed balance: A predictive musculoskeletal simulation study. PLoS One. 2024;19(5):e0296548.
[31] WISSEL J, SCHELOSKY LD, SCOTT J, et al. Early development of spasticity following stroke: a prospective, observational trial. J Neurol. 2010;257(7):1067-1072.
[32] 孟凡刚,许天奇,季玉陈,等.小脑齿状核脑深部电刺激术对脑卒中后运动功能的改善作用[J].中国现代神经疾病杂志,2024, 24(7):507-509.
[33] YE Q, WANG X, LI T, et al. Clinical efficacy of NIBS in enhancing neuroplasticity for stroke recovery. J Neurosci Methods. 2025;417: 110399.
[34] LUO J, FENG Y, HONG Z, et al. High-frequency repetitive transcranial magnetic stimulation promotes neural stem cell proliferation after ischemic stroke. Neural Regen Res. 2024;19(8):1772-1780.
[35] HOH JE, SEMRAU JA. The Role of Sensory Impairments on Recovery and Rehabilitation After Stroke. Curr Neurol Neurosci Rep. 2025;25(1):22.
[36] TSAO CW, ADAY AW, ALMARZOOQ ZI, et al. Heart Disease and Stroke Statistics-2022 Update: A Report From the American Heart Association. Circulation. 2022;145(8):e153-e639.
[37] ZHAO H, ZHANG T, ZHANG H, et al. Exercise-with-melatonin therapy improves sleep disorder and motor dysfunction in a rat model of ischemic stroke. Neural Regen Res. 2024;19(6):1336-1343.
[38] MOHANDAS P, ALOMARI Z, ARTI F, et al. A Systematic Review and Meta-Analysis on the Identification of Predictors Associated With Insomnia or Sleep Disturbance in Post-stroke Patients. Cureus. 2024;16(3):e56578.
[39] HWANG HS, KIM H. Factors Affecting the Quality of Sleep and Social Participation of Stroke Patients. Brain Sci. 2023;13(7):1068.
[40] ALI M, TIBBLE H, BRADY MC, et al. Prevalence, Trajectory, and Predictors of Poststroke Pain: Retrospective Analysis of Pooled Clinical Trial Data Set. Stroke. 2023;54(12):3107-3116.
[41] PLECASH AR, CHEBINI A, IP A, et al. Updates in the Treatment of Post-Stroke Pain. Curr Neurol Neurosci Rep. 2019;19(11):86.
[42] TREISTER AK, HATCH MN, CRAMER SC, et al. Demystifying Poststroke Pain: From Etiology to Treatment. PM R. 2017;9(1):63-75.
[43] 李佳祺,赵彤,杨琨,等.脑卒中患者恢复期症状负担及其影响因素调查[J].护理学杂志,2021,36(14):1-3.

引言

痉挛性偏瘫作为脑卒中最常见的运动障碍之一[1]，其流行病学特征和临床影响备受关注。脑卒中后痉挛的发生率可达40%[2]，其中严重痉挛者占10.3%，致残率达9.4%[3]。患者主要表现为肌张力增高、关节挛缩、活动受限等运动功能障碍，这些症状不仅导致肢体疼痛和姿势异常，还会严重影响患者的功能恢复进程，显著降低生活质量[4]。从病理生理机制角度，脑卒中后痉挛是一种复杂的神经功能障碍现象，发生机制尚未完全阐明。目前，大部分学者认为痉挛的发生主要与牵张反射兴奋性增高有关，表现为速度依赖性肌张力增加并伴有腱反射亢进[5]，这种改变主要是由于上运动神经元损伤引起的下行抑制减弱，导致肢体运动和感觉调节功能失调[6]。从分子学水平角度，γ-氨基丁酸是中枢神经系统中重要的抑制性神经递质，γ-氨基丁酸含量减少，对中枢神经系统的抑制作用降低，导致脊髓兴奋性异常增加[7]，与痉挛发生密切相关。脑源性神经营养因子是一种促进神经生长活性的蛋白，对中枢神经系统的生长发育有重要作用。脑卒中发生后，γ-氨基丁酸A型受体活性下降导致神经元无法正常去极化，影响脑源性神经营养因子的释放，降低了脑源性神经营养因子与突触前酪氨酸激酶B受体的结合，从而进一步抑制γ-氨基丁酸的合成与释放，加重痉挛程度[8-9]。然而，由于痉挛发病机制涉及多个神经通路和分子水平的改变，且临床表现和严重程度受到病灶部位、损伤程度、康复时机等多种因素的影响，尚未取得理想的治疗效果。目前，国内学者对脑卒中后痉挛程度影响因素的相关研究相对较少，黄赛娥等[10]研究主要讨论发生肌痉挛的危险因素，且未涉及临床量表评估和模型预测，缺乏更全面、客观的循证医学证据。国外大部分学者的研究也主要针对痉挛患病的影响因素，重在比较痉挛患者与未痉挛患者的临床差异。此研究基于国内外相关研究结论的基础上，拟探讨脑卒中后痉挛性偏瘫患者不同痉挛程度的影响因素，同时构建预测模型并验证其可靠性。研究结果将为临床防治方案的优化和患者个体化康复策略的制定提供科学依据，对改善患者预后、提高生活质量具有重要的临床意义。
中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程

材料方法

1 对象和方法 Subjects and methods
1.1 设计回顾性研究。
1.2 时间及地点收集2024年11月至2025年3月山东中医药大学第一附属医院康复中心收治的120例痉挛性偏瘫患者的临床资料。
1.3 对象依据影响因素分析中的样本量应为自变量数的5-10倍，该研究纳入13个自变量，总样本量应为65-130例，考虑10%的失访率，则样本量为72-143例，此研究共选取符合要求的患者120例。
选择2024年11月至2025年3月在山东中医药大学附属医院康复中心收治的痉挛性偏瘫患者共120例。数据收集在研究对象入院后的2周内完成，所有研究对象均签署知情同意书，已获山东中医药大学附属医院医学伦理委员会批准(批准文号：2024-122-KY)。
纳入标准：①年龄30-70岁，性别不限；②符合西医脑卒中诊断标准[11]、中医中风病诊断标准[12]，且经过CT或MRI确诊为脑卒中，包括出血性脑卒中和缺血性脑卒中患者；③改良Ashworth量表评分≥1级；④充分知情且自愿参与研究者。
排除标准：①因其他疾病导致肌肉痉挛，排除脑卒中外其他疾病的影响；②既往有精神心理疾病、认知障碍或智力障碍者；③有听力或语言表达障碍，无法正确理解评估量表内容者。
1.4 方法
1.4.1 一般资料调查系统查阅相关资料后，咨询脑卒中临床专家并经课题组讨论后形成一般资料调查表，包括性别、年龄、工作类型、脑卒中类型、病程、是否存在感觉功能障碍。
1.4.2 改良Ashworth分级评定量表(Modified Ashworth Scale，MAS)评估改良Ashworth分级是临床上评估痉挛程度使用最广泛的工具，具有操作简便、价格低廉的优势[13]，该量表在评分者间及评分者内均有较高的信度[14]。评估标准包括6个级别：0级表示无肌张力增加；1级表示肌张力略微增加；1+级表示肌张力轻度增加；2级表示肌张力明显增加；3级表示肌张力严重增加；4级表示僵直。
1.4.3 徒手肌力评估(Manual Muscle Test，MMT) 徒手肌力评估是一种简便快速判断患者肌肉功能状态的方法。临床上最常用的是Lovett分级[15]：0级表示无肌肉收缩；1级表示肌肉有轻微收缩，但关节无法主动运动；2级表示在减重状态下可以活动关节，但不能抗自身重力；3级表示在抗重力状态下可以全范围活动关节，但不能抵抗阻力；4级表示能进行抗重力和抗部分阻力的关节运动；5级为正常肌力。
1.4.4 改良Barthel指数(Modified Barthel Index，MBI)评估改良Barthel指数是一个具有有序类别的量表，用于评估成年人的日常生活活动能力[16]。评估内容包括进食、洗澡、修饰、更衣、控制尿便、如厕、床椅转移、行走、上下楼梯等10个项目，这些项目可以通过直接评估/观察或与患者、家属或工作人员的可靠访谈来分配。改良Barthel指数是一个5分制评分量表，总评分为0-100。分数越高，患者完成日常生活活动的独立性就越强[17]。
1.4.5 Fugl-Meyer运动功能评分(Fugl-Meyer Assessment Scale，FMA) Fugl-Meyer量表涵盖了运动、感觉、平衡、关节活动度和疼痛5个领域的内容[18]。运动功能评分量表包含上肢运动和下肢运动，其中上肢运动包含33个评估项目，下肢运动包含17个评估项目，每项0-2分，总分100分，分数越高提示功能越好。此量表已被确立为衡量运动功能恢复的标准化评估工具[19]。
1.4.6 疼痛数字评定量表(Numerical Rating Scale，NRS) 疼痛数字评定量表评分曾被美国疼痛学会视为疼痛评估的金标准[20]，具有分类清晰、准确简便的特点。量表内容由0-10这11个数字组成，以逐级递增的方式描述疼痛程度。评分标准分为：无疼痛(0)、轻度疼痛(1-3分)、中度疼痛(4-6分)、重度疼痛(7-10分)，分数越高，疼痛程度越高[21]。
1.4.7 焦虑自评量表(Self-Rating Anxiety Scale，SAS)和抑郁自评量表(Self-Rating Depression Scale，SDS) 焦虑自评量表和抑郁自评量表是国际公认的评价焦虑和抑郁的量表，分数越高表示焦虑或抑郁程度越严重。评估量表共20个条目，采用4级评分，统计指标为20个条目相加的总分乘以1.25后取整数部分而得的标准分，焦虑自评量表标准分的分界值为50分，其中50-59分为轻度焦虑，60-69分为中度焦虑，70分以上为重度焦虑；抑郁自评量表标准分的分界值为53分，其中53-62分为轻度抑郁，63-72分为中度抑郁，73分以上为重度抑郁[22-23]。
1.4.8 匹兹堡睡眠质量指数量表(Pittsburgh Sleep Quality Index，PSQI) 匹兹堡睡眠质量指数量表是国内外临床评定睡眠质量的常用量表，该研究采用的是刘贤臣等[24]修订的量表，包括18个条目，7个维度，包括睡眠质量、入睡时间、睡眠时间、睡眠效率、睡眠障碍、催眠药物、日间功能障碍。每个维度计0-3分，最高分21分，分数越高，表示睡眠质量越差。
1.5 主要观察指标研究对象的一般资料、改良Ashworth分级、徒手肌力分级、改良Barthel指数、Fugl-Meyer运动功能评分、疼痛数字评定量表评分、焦虑自评量表评分和抑郁自评量表评分、匹兹堡睡眠质量指数量表评分。
1.6 统计学分析采用SPSS 26.0软件进行统计分析。符合正态分布的计量资料以x±s表示，两组间比较采用t检验；如不符合正态分布，则以中位数和四分位数间距[M(P25，P75)]表示，组间比较采用秩和检验；定性资料分析采用独立样本2*2表格卡方检验，等级资料采用秩和检验。采用二元Logistic回归进行多因素分析，检验水准α=0.05，P < 0.05为差异有显著性意义。同时采用受试者工作特征曲线评价模型预测能力。文章统计方法经过山东中医药大学生物统计学专家审核。

讨论

3.1 脑卒中偏瘫患者痉挛程度的保护因素研究结果表明，高年龄、正常的感觉功能、较高的改良Barthel指数和Fugl-Meyer运动功能评分是偏瘫患者痉挛严重程度的保护因素。这一发现与多项研究结果相互印证。OPHEIM等[25]在脑卒中上肢痉挛早期预测因素的研究中，采用Fugl-Meyer量表中的感觉功能部分评估患者的感觉功能水平，研究证实感觉功能低下是脑卒中后12个月内预测痉挛发生率的重要预测因子，且评分越低提示痉挛发生风险越高，这一结论与URBAN等[26]的研究结果高度一致，后者通过对301例缺血性脑卒中患者的评估和随访，发现偏瘫伴感觉障碍患者的痉挛发生率显著升高。在年龄因素方面，WELMER等[27]研究显示，脑卒中后3个月内65岁以下患者的痉挛程度更为严重；LIAO等[28]研究也指出中重度痉挛更可能出现在年轻人群中，这与该研究结论相符。从生理机制来看，这一现象可能源于以下原因：①随着年龄增长，老年人肌肉质量和力量逐渐流失，腱反射随之减弱，导致反射收缩力度降低[29]；②年长者感觉系统反馈减少，感觉神经末梢敏感性下降，致使触发反射的初始信号减弱[30]，这些因素共同导致高龄脑卒中患者的痉挛程度相对较轻。此外，该研究还发现较高的改良Barthel指数和Fugl-Meyer运动功能评分与较低的痉挛程度相关，这一结论在WISSEL等[31]研究中也被证实，其对94例痉挛患者进行为期6周和12-24周的随访，在2次随访中均提示Barthel指数降低的患者痉挛程度更严重，这一关联性可能源于较高的评分反映了患者良好的运动控制能力，通常提示其中枢神经系统损伤程度较轻，具有较强的神经可塑性[32]。同时，良好的运动功能状态有助于维持肌肉的正常张力和关节活动度，减少继发性挛缩的发生。基于以上研究结果，临床实践中应特别关注以下高危人群：首先，对于年轻患者(65岁以下)，由于其神经肌肉系统具有更强的反应性，应加强早期干预和预防措施；其次，对于运动功能较差(改良Barthel指数和Fugl-Meyer运动功能评分较低)的患者，应重点关注运动控制能力的提升。康复训练时可在常规康复技术基础上增加非侵入性神经调控技术，将外周治疗与中枢干预相结合，通过调节大脑活动来增强神经可塑性并促进功能康复[33-34]。研究表明，感觉功能障碍会影响协调性、平衡、力量控制等运动功能和日常生活活动，其中本体感觉对运动功能恢复有关键作用，治疗时可采用体感刺激技术、强制性运动疗法、机器人训练等方法[35]，增强感觉反馈对运动控制的调节作用。
3.2 脑卒中偏瘫患者痉挛程度的危险因素研究结果表明，情绪问题、睡眠质量和疼痛等级是影响偏瘫患者痉挛严重程度的重要危险因素。脑卒中患者除运动功能障碍外，常伴发多种情绪和睡眠障碍[36-37]。流行病学调查显示，25%-80%的脑卒中患者存在不同程度的睡眠障碍[38]。HWANG等[39]学者通过脑卒中患者睡眠质量与社会参与度的相关性研究发现，睡眠质量与痉挛程度呈显著负相关，这一现象可能源于双向作用机制：一方面，痉挛导致的肌肉紧张和不适感直接影响患者的睡眠质量；另一方面，睡眠质量下降又会导致患者无法获得充分的肌肉放松，进而加重痉挛程度，形成恶性循环。疼痛作为脑卒中后常见并发症，其表现形式多样，包括中枢性疼痛、头痛、肩手综合征、复杂性区域疼痛综合征以及痉挛相关性疼痛等。纵向研究数据显示，高达72%的偏瘫痉挛患者会出现不同程度的疼痛症状[40]。疼痛不仅直接影响患者的生活质量，还可能引发一系列继发性问题，如抑郁情绪、睡眠障碍和认知功能下降等。值得注意的是，年轻脑卒中患者发生脑卒中后疼痛的风险显著高于老年患者[41]，这可能与年轻患者神经系统的可塑性较强有关。从病理生理学机制来看，脑卒中后疼痛的发生涉及中枢和外周双重机制，主要通过伤害感受器和神经性过程介导。偏瘫痉挛的本质是牵张反射亢进导致的肌群不自主收缩，这种异常收缩会造成肌肉和韧带的异常负荷，引发伤害感受性疼痛。疼痛刺激又可激活脊髓和脑干的伤害性感受通路，通过突触传递增强α运动神经元的兴奋性，进一步加重肌肉痉挛[42]，形成“痉挛-疼痛-痉挛加重”的病理循环。此外，持续性严重疼痛还会显著降低患者康复训练的依从性和耐受性，影响康复治疗效果，阻碍痉挛状态的改善进程。因此，在临床实践中，偏瘫痉挛患者的治疗应重视疼痛管理、情绪调节和睡眠质量改善等多维度的综合干预策略。李佳祺等[43]研究表明运动想象疗法可以引导患者放松全身肌肉，给予丰富的感官体验，降低交感神经兴奋性，从而有效减低疼痛程度，缓解焦虑、抑郁情绪。
3.3 脑卒中偏瘫患者痉挛程度影响因素预测模型评价该研究基于回归分析结果构建偏瘫患者痉挛严重程度影响因素的预测模型，模型受试者工作特征曲线下面积为0.969[95%CI(0.944，0.994)]，最大约登指数为0.809，灵敏度为0.870，特异度为0.939，表明模型可较好地预测脑卒中患者痉挛程度的影响因素。此模型涉及的因素评估方法简单，具有一定的临床应用价值。
3.4 小结研究结果显示，高龄、正常的感觉功能、较高的改良Barthel指数和Fugl-Meyer运动功能评分是偏瘫患者痉挛程度的保护因素，情绪问题、睡眠质量和疼痛等级则是偏瘫患者痉挛程度的危险因素。此研究为识别痉挛高风险患者、优化早期干预策略提供了重要循证依据。未来研究应进一步验证模型的普适性，结合人工智能或大数据分析等新兴技术，构建更精准的预测模型，同时继续深入研究保护因素和危险因素的分子机制，为靶向治疗提供新思路，并增加新的预测变量，探索基因多态性、肠道菌群等与痉挛程度的关系。此研究也存在一定局限性：为单中心研究，纳入的样本量有限，可能导致某些因素的效应被低估，对结果产生一定影响，还需扩大样本量，进行多中心、多地区临床研究，以提高结果的准确性和可靠性。
中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程

脑卒中偏瘫患者痉挛程度的影响因素及风险预测模型分析

Analysis of influencing factors and risk prediction model for spasticity severity in stroke patients with hemiplegia

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表（结果） 4

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]	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.
[2]	冷晓轩, 于子夫, 曹新燕, 高世爱, 陈金慧, 刘西花. 脑卒中偏瘫患者平衡功能现状及影响因素分析[J]. 中国组织工程研究, 2026, 30(18): 4611-4617.
[3]	陈金慧, 于子夫, 高世爱, 曹新燕, 冷晓轩, 刘西花 . 中枢与外周康复技术影响脑卒中患者上肢功能和日常活动能力的网状Meta分析[J]. 中国组织工程研究, 2026, 30(17): 4457-4471.
[4]	许峰, 古冬阳, 朱梓豪, 李秋捷, 万祥林. 脑卒中患者步态时空特征与跌倒风险的关系[J]. 中国组织工程研究, 2026, 30(16): 4038-4044.
[5]	高赞, 刘艺轩, 张力陈, 侯兵, 唐亚蕾, 李淑美, 车鹏程, 窦娜. 机器人辅助步态训练干预脑卒中患者下肢运动功能的网状Meta分析[J]. 中国组织工程研究, 2026, 30(16): 4219-4228.
[6]	马善新, 郑建玲, 程健, 林禧, 李秋缘, 王丽, 曾杨康, 宋鲁平. 悬吊保护下佩戴智能助行器主动辅助偏瘫患者行走：随机对照试验[J]. 中国组织工程研究, 2026, 30(12): 3075-3082.
[7]	程乐, 朱才丰, 周冰原, 高大红, 崔晓雅, 李静, 王雪伟, 杨高尚, 陈希阳. 靶向炎症细胞因子治疗脑卒中的机制：开放全基因组关联研究大数据分析[J]. 中国组织工程研究, 2026, 30(12): 3198-3216.
[8]	李洁, 赵晓峰, 曾琪, 周润田, 陈容, 胡希鉴, 赵斌. 青少年特发性脊柱侧弯进展的影响因素及列线图预测模型构建[J]. 中国组织工程研究, 2026, 30(11): 2727-2735.
[9]	黄凤琴, 胡亚琳, 杨伯银, 罗兴梅. 构建高血压脑出血后认知障碍风险预测列线图模型[J]. 中国组织工程研究, 2026, 30(10): 2466-2474.
[10]	邢聪. 腰伸肌群的疲劳诱发方案[J]. 中国组织工程研究, 2026, 30(10): 2515-2524.
[11]	朱传喜, 邱龙, 李凌絮, 汲广成 . 中药结合头针运动疗法改善缺血性脑卒中大鼠肢体痉挛[J]. 中国组织工程研究, 2025, 29(35): 7571-7577.
[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]	李文静, 高晓, 李爱华, 倪燕, 孙威, 王疆娜. 足部位置和座椅高度对脑瘫儿童坐-站转移下肢运动学和动力学参数的影响[J]. 中国组织工程研究, 2025, 29(21): 4469-4476.
[14]	张其明, 廖迪, 钟志亮, 林利华, 郑翔, 李琼, 单莎瑞. 深层肌肉刺激与肌电生物反馈干预脑卒中后患者小腿三头肌痉挛和步态的改变[J]. 中国组织工程研究, 2025, 29(2): 385-392.
[15]	徐大星, 涂泽松, 纪木强, 许伟鹏, 牛维. 机器学习预测肱骨近端骨折钢板内固定后继发性螺钉切出的风险[J]. 中国组织工程研究, 2025, 29(15): 3179-3187.