[1] CIEZA A, CAUSEY K, KAMENOV K, et al. Global estimates of the need for rehabilitation based on the Global Burden of Disease study 2019: a systematic analysis for the Global Burden of Disease Study 2019. Lancet. 2021;396(10267):2006-2017. [2] KINNEY M, SEIDER J, BEATY AF, et al. The impact of therapeutic alliance in physical therapy for chronic musculoskeletal pain: A systematic review of the literature. Physiother Theory Pract. 2020;36(8): 886-898. [3] CHOI SY, KIM YJ, KIM B. Effect of Auriculotherapy on Musculoskeletal Pain: A Systematic Review and Meta-Analysis. J Korean Acad Nurs. 2022;52(1):4-23. [4] WALLY MK, HSU JR, SEYMOUR RB. Musculoskeletal Pain Management and Patient Mental Health and Well-being. J Orthop Trauma. 2022;36(Suppl 5):S19-S24.  [5] MEI F, LI JJ, LI J, et al. Global Cluster Analysis and Network Visualization in Musculoskeletal Pain Management: A Scientometric Mapping. Orthop Surg. 2023; 15(1):301-314. [6] PLOTKIN DL, ROBERTS MD, HAUN CT, et al. Muscle Fiber Type Transitions with Exercise Training: Shifting Perspectives. Sports (Basel). 2021;9(9):127.  [7] WINSTEIN CJ, STEIN J, ARENA R, et al. Guidelines for Adult Stroke Rehabilitation and Recovery: A Guideline for Healthcare Professionals From the American Heart Association/American Stroke Association. Stroke. 2016;47(6):e98-e169. [8] STOJIC S, BOEHL G, RUBINELLI S, et al. Two decades of the International Classification of Functioning, Disability and Health (ICF) in health research: a bibliometric analysis. Disabil Rehabil Assist Technol. 2025;20(2):444-451. [9] AMANDA IG, JOOST TPK, LAURA EB, et al. Can Crafted Communication Strategies Allow Musculoskeletal Specialists to Address Health Within the Biopsychosocial Paradigm?  Clin Orthop Relat Res. 2021; 479(6):1217-1223. [10] FRESK M, GROOTEN WJA, BRODIN N, et al. Mapping information regarding the work-related disability of depression and long-term musculoskeletal pain to the International Classification of Functioning, Disability and Health and ICF Core Sets. Front Rehabil Sci. 2023;4:1159208. [11] KHAN AM, KHAWAJA SG, AKRAM MU, et al. sEMG dataset of routine activities. Data Brief. 2020;33:106543. [12] LATHLEAN TJH, RAMACHANDRAN AK, SIM S, et al. The clinical utility and reliability of surface electromyography in individuals with chronic low back pain: A systematic review. J Clin Neurosci. 2024;129:110877. [13] SZYSZKA-SOMMERFELD L, SYCIŃSKA-DZIARNOWSKA M, SPAGNUOLO G, et al. Surface electromyography in the assessment of masticatory muscle activity in patients with pain-related temporomandibular disorders: a systematic review. Front Neurol. 2023;14:1184036. [14] DEBORAH F, ALESSIO G. New insights into pain-related changes in muscle activation revealed by high-density surface electromyography. J Electromyogr Kinesiol. 2020; 52(0):102422. [15] ALCAN V, ZINNUROĞLU M. Current developments in surface electromyography. Turk J Med Sci. 2023;53(5):1019-1031. [16] CHEN C, SONG M. Visualizing a field of research: A methodology of systematic scientometric reviews. PLoS One. 2019; 14(10):e0223994. [17] 王振洲,张杨.近20年国际人工智能赋能特殊儿童诊断及干预研究的可视化分析[J].中国康复理论与实践,2024,30(4): 404-415. [18] TARTAGLIA GM, LODETTI G, PAIVA G, et al. Surface electromyographic assessment of patients with long lasting temporomandibular joint disorder pain. J Electromyogr Kinesiol. 2011;21(4):659-664. [19] AL-SALEH MA, ARMIJO-OLIVO S, FLORES-MIR C, et al. Electromyography in diagnosing temporomandibular disorders. J Am Dent Assoc. 2012;143(4):351-362. [20] SANTANA-MORA U, LÓPEZ-RATÓN M, MORA MJ, et al. Surface raw electromyography has a moderate discriminatory capacity for differentiating between healthy individuals and those with TMD: a diagnostic study. J Electromyogr Kinesiol. 2014;24(3):332-340. [21] SCHIFFMAN E, OHRBACH R, TRUELOVE E, et al. Diagnostic Criteria for Temporomandibular Disorders (DC/TMD) for Clinical and Research Applications: recommendations of the International RDC/TMD Consortium Network and Orofacial Pain Special Interest Group. J Oral Facial Pain Headache. 2014;28(1):6-27. [22] SZYSZKA-SOMMERFELD L, MACHOY M, LIPSKI M, et al. The Diagnostic Value of Electromyography in Identifying Patients With Pain-Related Temporomandibular Disorders. Front Neurol, 2019;10:180. [23] 李倩,于娱,施琴芬.基于知识图谱的国内外颠覆式创新研究对比分析[J].科技管理研究,2020,40(15):9-19. [24] MAO J, LI H, ZHAO Y. An innovative deep learning-driven technique for restoration of lost high-density surface electromyography signals. Appl Intell. 2025;55(7):1-16. [25] NASRI N, ORTS-ESCOLANO S, CAZORLA M. An sEMG-Controlled 3D Game for Rehabilitation Therapies: Real-Time Time Hand Gesture Recognition Using Deep Learning Techniques. Sensors (Basel). 2020; 20(22):6451. [26] GUO K, ORBAN M, LU J, et al. Empowering hand rehabilitation with ai-powered gesture recognition: A study of an semg-based system. Bioengineering. 2023;10(5):557. [27] ANDERS C, BROSE G, HOFMANN GO, et al. Evaluation of the EMG-force relationship of trunk muscles during whole body tilt. J Biomech. 2008;41(2):333-339. [28] ANDERS C, STEINIGER B. Main force directions of trunk muscles: A pilot study in healthy male subjects. Hum Mov Sci. 2018;60:214-224. [29] ANDERS C, SCHÖNAU T. Spatiotemporal characteristics of lower back muscle fatigue during a ten minutes endurance test at 50% upper body weight in healthy inactive, endurance, and strength trained subjects. PLoS One. 2022;17(9):e0273856. [30] ANDERS C, HÜBNER A. Influence of elastic lumbar support belts on trunk muscle function in patients with non-specific acute lumbar back pain. PLoS One. 2019;14(1): e0211042. [31] VARRECCHIA T, MARCHIS CD, DRAICCHIO F, et al. Lifting Activity Assessment Using Kinematic Features and Neural Networks. Appl Sci. 2020; 10(6):1989. [32] TIWANA V, SILVIA C, ALESSANDRO MARCO DN, et al. Trunk Muscle Coactivation in People with and without Low Back Pain during Fatiguing Frequency-Dependent Lifting Activities. Sensors (Basel). 2022; 22(4):1417. [33] D’ANNA C, VARRECCHIA T, RANAVOLO A, et al. Centre of pressure parameters for the assessment of biomechanical risk in fatiguing frequency-dependent lifting activities. PLoS One. 2022;17(8):e0266731. [34] RANAVOLO A, SERRAO M, DRAICCHIO F. Critical Issues and Imminent Challenges in the Use of sEMG in Return-To-Work Rehabilitation of Patients Affected by Neurological Disorders in the Epoch of Human-Robot Collaborative Technologies. Front Neurol. 2020;11:572069. [35] RANAVOLO A, CHINI G, SILVETTI A, et al. Myoelectric manifestation of muscle fatigue in repetitive work detected by means of miniaturized sEMG sensors. Int J Occup Saf Ergon. 2018;24(3):464-474. [36] RANAVOLO A, AJOUDANI A, CHERUBINI A, et al. The Sensor-Based Biomechanical Risk Assessment at the Base of the Need for Revising of Standards for Human Ergonomics. Sensors (Basel). 2020;20(20): 5750.  [37] LARIVIÈRE C, ARSENAULT AB, GRAVEL D, et al. Surface electromyography assessment of back muscle intrinsic properties. J Electromyogr Kinesiol. 2003;13(4):305-318. [38] DE FELÍCIO CM, SIDEQUERSKY FV, TARTAGLIA GM, et al. Electromyographic standardized indices in healthy Brazilian young adults and data reproducibility. J Oral Rehabil. 2009;36(8):577-583. [39] FALLA DL, JULL GA, HODGES PW. Patients with neck pain demonstrate reduced electromyographic activity of the deep cervical flexor muscles during performance of the craniocervical flexion test. Spine (Phila Pa 1976). 2004;29(19):2108-2114. [40] YOSHIKAWA K, NAKAMORI M, USHIO K, et al. Analysis of the suprahyoid muscles during tongue elevation: High-density surface electromyography as a novel tool for swallowing-related muscle assessment. J Oral Rehabil. 2024;51(9):1872-1880. [41] VANESSA T, NADIYA M, MARTIN H, et al. Test-retest reliability of high-resolution surface electromyographic activities of facial muscles during facial expressions in healthy adults: A prospective observational study. Front Hum Neurosci. 2023;17(0):1126336. [42] FEDERICI MI, DI PASQUALE F, VALENTI C, et al. Systematic Review and Meta-Analysis of Electromyography Potential to Discriminate Muscular or Articular Temporomandibular Disorders and Healthy Patients. Healthcare (Basel). 2025; 13(5):466. [43] JIANG N, XUE J, LI G. Assessment of Lumbar Muscles Coordinated Activity Based on High-Density Surface Electromyography: A Pilot Study. Annu Int Conf IEEE Eng Med Biol Soc. 2019;2019:2238-2241. [44] GATEWOOD CT, TRAN AA, DRAGOO JL. The efficacy of post-operative devices following knee arthroscopic surgery: a systematic review. Knee Surg Sports Traumatol Arthrosc. 2017;25(2):501-516. [45] YOKOYAMA H, KANEKO N, SASAKI A, et al. Firing behavior of single motor units of the tibialis anterior in human walking as non-invasively revealed by HDsEMG decomposition. J Neural Eng. 2022;19(6): 066033. [46] BRANDT M, MADELEINE P, SAMANI A, et al. Effects of a Participatory Ergonomics Intervention With Wearable Technical Measurements of Physical Workload in the Construction Industry: Cluster Randomized Controlled Trial. J Med Internet Res. 2018; 20(12):e10272. [47] SCANO A, PIROVANO I, MANUNZA ME, et al. Sustained fatigue assessment during isometric exercises with time-domain near infrared spectroscopy and surface electromyography signals. Biomed Opt Express. 2020;11(12):7357-7375. [48] LATHLEAN T, RAMACHANDRAN AK, SIM S, et al. Clinical utility and reproducibility of surface electromyography in individuals with chronic low back pain: a protocol for a systematic review and meta-analysis. BMJ Open. 2022;12(5):e058652. [49] ARVANITIDIS M, JIMÉNEZ-GRANDE D, HAOUIDJI-JAVAUX N, et al. People with chronic low back pain display spatial alterations in high-density surface EMG-torque oscillations. Sci Rep. 2022;12(1):15178. [50] FANG N, ZHANG C, LV J. Effects of Vertical Lifting Distance on Upper-Body Muscle Fatigue. Int J Environ Res Public Health. 2021;18(10):5468.  [51] ALBERTO R, DRAICCHIO F, VARRECCHIA T, et al. Wearable Monitoring Devices for Biomechanical Risk Assessment at Work: Current Status and Future Challenges-A Systematic Review. Int J Environ Res Public Health. 2018;15(9):2001.  [52] ZHONG S, JIA N, QU Y, et al. Analysis and study on biomarkers of local muscle fatigue caused by repetitive lifting task. BMC Musculoskelet Disord. 2024;25(1):660. [53] NISHIKAWA Y, WATANABE K, CHIHARA T, et al. Influence of forward head posture on muscle activation pattern of the trapezius pars descendens muscle in young adults. Sci Rep. 2022;12(1):19484. [54] LI Y, LI X, SONG H, et al. Health-related outcomes with supervised exercise and myofascial release versus only supervised exercise in subacromial pain syndrome: a randomized controlled single-blind study. BMC Sports Sci Med Rehabil. 2024; 16(1):171. [55] WEGNER-CZERNIAK K, MĄCZYŃSKI J, BŁASZCZYK A, et al. Change in the Order of Activation of Lower Limb Muscles Relative to Spinal Extensors During the Janda Test and Change in Postural Balance in Patients with LBP After Muscle Energy Techniques. J Clin Med. 2025;14(5):1448. [56] QIANG Z, ASHWIN I, ZIYUE S, et al. A Dual-Modal Approach Using Electromyography and Sonomyography Improves Prediction of Dynamic Ankle Movement: A Case Study. IEEE Trans Neural Syst Rehabil Eng. 2021;29:1944-1954. [57] ISMAIL BEN A, YASSINE B, AHMED A. Hybrid EMG-NMES control for real-time muscle fatigue reduction in bionic hands. Sci Rep. 2025;15(1)22467. [58] ZEKAI L, XUANQI W, JUN G, et al. A Wireless, High-Quality, Soft and Portable Wrist-Worn System for sEMG Signal Detection. Micromachines (Basel). 2023;14(5):1085.

[1]	徐灿丽, 何文星, 王玉萍, 巴寅颖, 迟 莉, 王文娟, 王佳佳. 核因子κB激活激酶在自身免疫、信号通路、基因表达、肿瘤防治等领域的研究脉络与趋势[J]. 中国组织工程研究, 2026, 30(在线): 1-11.
[2]	朱小龙, 张 玮, 杨 阳. 椎间盘再生与修复领域研究热点与前沿信息的可视化分析[J]. 中国组织工程研究, 2026, 30(9): 2391-2402.
[3]	温发延, 李 岩, 强天明, 杨 琛, 申林明, 李亚东, 柳永明. 单侧双通道内镜技术治疗腰椎疾病：全球研究现状及变化趋势[J]. 中国组织工程研究, 2026, 30(9): 2380-2390.
[4]	黄 杰, 曾 浩, 王文驰, 吕柱成, 崔 伟. 脂代谢影响骨质疏松症的文献可视化分析[J]. 中国组织工程研究, 2026, 30(6): 1558-1568.
[5]	张海文, 张 贤, 许太川, 李 超. 衰老在骨质疏松领域研究现状及趋势的文献可视化分析[J]. 中国组织工程研究, 2026, 30(6): 1580-1591.
[6]	杨泽雨, 支 亮, 王 佳, 张婧欹, 张清芳, 王玉龙, 龙建军. 高频重复经颅磁刺激研究热点宏观角度的可视化分析[J]. 中国组织工程研究, 2026, 30(5): 1320-1330.
[7]	彭 皓, 陈奇刚, 申 震. H型血管在不同骨骼疾病中研究热点的可视化分析[J]. 中国组织工程研究, 2026, 30(3): 760-769.
[8]	章安琪, 化昊天, 蔡恬媛, 王子成, 孟 卓, 占效谦, 陈国茜. 全膝关节置换后疼痛：研究现状及趋势分析[J]. 中国组织工程研究, 2026, 30(3): 795-804.
[9]	姜 侃, 阿力木江·阿不都肉苏力, 沙拉依丁·艾尔西丁, 艾克拜尔江·艾赛提, 库提鲁克·守克尔, 艾克热木江·木合热木. 生物材料与骨再生：研究热点及有影响力的500篇文献分析[J]. 中国组织工程研究, 2026, 30(2): 528-536.
[10]	杨姜茜, 李黄岩, 张业廷, 余佐银. 运动干预多发性硬化症的研究热点与主题演变[J]. 中国组织工程研究, 2026, 30(18): 4771-4781.
[11]	李瑞颖, 夏 翃. 铜死亡研究进展可视化分析：全球视野下的热点与前沿[J]. 中国组织工程研究, 2026, 30(17): 4529-4541.
[12]	邹顺一, 易 进, 曾 浩, 李剑琦, 吴钟萍. 绝经后骨质疏松症：相关信号通路的可视化分析[J]. 中国组织工程研究, 2026, 30(16): 4229-4239.
[13]	魏婧怡, 王潇婧, 刘西花. 眼动追踪技术在康复领域的应用：基于CiteSpace和VOSviewer的可视化分析[J]. 中国组织工程研究, 2026, 30(16): 4265-4277.
[14]	刘安南, 李建辉, 高 伟, 李 雪, 宋 婧, 邢丽萍, 李虹霖. 铁死亡与阿尔茨海默病的文献计量学分析[J]. 中国组织工程研究, 2026, 30(16): 4278-4288.
[15]	王婧伊, 安 帅, 李道勤, 何 韬, 冯明利, 喇高燕, 李 征, 程静波. 膝骨关节炎阶梯化手术治疗及3种术式的应用趋势：文献计量学分析[J]. 中国组织工程研究, 2026, 30(15): 4010-4020.

肌肉骨骼疼痛是指由人体肌肉、骨骼、关节及软组织等相关结构病变所引发的疼痛综合征。研究数据显示，肌肉骨骼疼痛影响着全球约20%的人群，成为长期影响公众健康的重要因素[1]，仅在美国，每年因肌肉骨骼疼痛造成的直接与间接经济损失高达
3 000亿美元[2]。肌肉骨骼疼痛的临床表现多样，既包括颈肩痛、腰背痛和下肢相关疼痛，也涉及颞下颌关节紊乱及术后功能障碍等。肌肉骨骼疼痛常与运动模式及姿势因素相关，机械负荷、急性损伤或长期不良姿势均可能成为肌肉骨骼疼痛的重要诱因[3]，
表现为功能受限和反复慢性化疼痛，严重影响患者的生活质量和工作能力，并可引发情绪问题，从而增加个人和社会负担[4]。
肌肉骨骼疼痛的核心机制之一是肌肉功能与外界负荷需求之间的不平衡[5]，异常的肌肉募集模式或收缩方式可导致组织损伤与疼痛[6]。研究表明，康复在肌肉骨骼疼痛管理中发挥着关键作用，康复的核心在于循证医学的指导下的功能重建与生活质量改善[2]。当前康复采用“病理机制解析-多模态干预-全周期管理-跨学科协作”的综合模式[7]，通过生物力学、神经控制和心理认知等多方面干预实现疼痛缓解、功能重塑及社会参与的逐级康复目标[8-10]。
表面肌电图作为一种无创、实时且灵敏的神经肌肉功能评估工具，可动态反映肌肉募集模式、收缩强度和疲劳状态等特征[11]。在肌肉骨骼疼痛康复中，表面肌电图既可揭示疼痛相关的异常运动模式和肌肉功能失衡机制，为病理机制解析和康复靶点选择提供依据，也可用于疗效监测和训练反馈，帮助优化康复方案与制定个性化干预[12-13]。已有综述指出，高密度表面肌电图可量化肌肉活动空间分
布[14]。另一项综述集中于表面肌电图应用的信号处理方法，包含检测技术、影响因素及未来发展方向[15]。尽管这些研究提供了方法学与应用参考，但整体上仍缺乏对表面肌电图在肌肉骨骼疼痛康复领域趋势、技术演进路径及前沿热点的系统总结，这一不足限制了表面肌电图在康复中的应用与推广。
为此，此次研究采用文献计量学方法[16]，对近20年来表面肌电图在肌肉骨骼疼痛康复领域的相关研究进行可视化分析，旨在揭示表面肌电图在肌肉骨骼疼痛康复领域中的研究现状、知识结构与发展趋势，明确当前研究空白，为未来临床应用和技术创新提供循证参考。

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

1   资料和方法   Data and methods
1.1   资料来源   以 Web of Science 核心合集数据库的SCI-Expanded、SSCI为数据来源，按照主题进行高级检索，检索时限为2000年1月至2025年4月，检索式：(“sEMG” OR “Surface Electromyograph” OR “Electromyograph” OR “Surface Electromyograph signal”) AND pain ，语言限定为“English”，文献类型限定为“Article”和“Review article”，初步检索获得相关文献567篇。   
1.2   研究方案设计   见图1。
1.3   文献筛选   采用双人独立筛选机制，由2名研究员通过阅读标题和摘要进行初筛，对存在分歧的文献，通过阅读全文并由第 3 名研究员参与讨论以达成一致。纳入标准为文献类型限定为论著和综述且语种为英文，排除与研究主题不符、会议论文、个案报道、报纸文章以及重复发表的文献。经严格筛选后，最终纳入507 篇文献进行文献计量学分析。
1.4   数据处理   采用Citespace 6.4. R1软件对纳入文献进行可视化分析。将文献以纯文本格式导出保存为“download_**txt”文本文件，导入CiteSpace软件中，对数据进行清洗去重，剔除冗余数据、重复记录或无关信息。同时，对作者姓名、机构名、关键词等字段进行规范化处理，结合机构隶属关系与合著网络信息对同名条目进行核实与合并，以保证数据的准确性与一致性。时间设置为2000年1月至2025年4月，时间切片为1年。词汇类型包括主题、摘要、关键词和关键词PLUS。

节点筛选方式使用g-indext，比例参数k=25，TopN=50，Pruning裁剪方式按需选择，其他设置保持默认。节点类型以作者、国家和机构进行合作关系分析，以关键词进行共现分析、聚类分析、突现分析和动态演化分析，以文献和期刊进行共被引分析，并绘制知识图谱。

3.1   发文量、国家、机构和作者分析   近25年来，表面肌电图在肌肉骨骼疼痛康复领域的研究整体呈现由起步期到快速发展的转变过程。2000-2010年间研究数量有限，仍处于探索阶段；随着表面肌电图信号采集与分析技术的进步以及循证医学理念的普及，自2011年起研究数量逐步增长；2018年后该领域研究数量显著增长，这可能与运动康复对客观、量化评估手段需求的提升以及跨学科合作的推动有关。尽管近年来发文量有波动，但整体水平远高于早期阶段，显示该领域研究在方法探索和应用实践方面正在逐步积累，为未来进一步发展奠定基础。以发文国家而言，中国的发文量位居榜首，美国与意大利紧随其后，其中意大利在中心性方面表现突出，但大多数国家的中心性偏低，提示国际间学术合作不足，有待进一步加强。尽管中国在发文量上占据优势，但科研机构在全球排名中相对靠后，提示科研机构分散、合作关系尚未形成规模，这可能与该领域在中国起步较晚有关。以发文机构而言，丹麦的奥尔堡大学(Aalborg University)的发文量位居首位，该机构在神经肌肉控制、肌肉疲劳及疼痛机制等方面的研究中居核心地位；德国耶拿弗里德里希·席勒大学(Friedrich Schiller University of Jena)的发文量位列第二，主要聚焦在腰背肌群功能评估与康复干预；然而，整体的中心偏低(最高仅0.04)，反映出跨机构合作网络不紧密，学术交流的深度和广度有待提升。以作者发文而言，Anders Christoph、Varrecchia Tiwana 与 Draicchio Francesco是该领域的高产学者，发文量、h-index和被引次数显示出较高的学术活跃度和影响力。Anders Christoph长期关注躯干肌群的表面肌电图-力学关系研究，揭示背部肌肉和腹部肌肉在姿势控制中激活的差异，强调肌肉活动模式与运动控制策略重塑在康复中的核心地位[27-30]。Varrecchia Tiwana致力于表面肌电图在职业相关肌肉疲劳与风险评估中的应用，将生物力学参数与运动学分析相结合，利用高密度表面肌电图实现风险等级评估和区分不同人群[31-32]，验证它在肌肉疲劳、肌肉共激活及风险分级中的效度[33-34]。Draicchio Francesco强调表面肌电图与运动学的联合应用，为职业防护与康复训练优化的提供依据[35-36]。3位学者虽在研究上各有侧重，但共同推动了表面肌电图在机制探索、技术应用和临床实践中的多层次发展，为未来跨团队、多层面的协作提供了一定的方向。
3.2   期刊共被引、期刊双图叠加与文献共被引分析   通过期刊共被引分析可知，《Journal of Electromyography and Kinesiology》在该领域居于核心位置(频次352)，与《Clinical Biomechanics》《Spine》《Pain》及《Archives of Physical Medicine and Rehabilitation》等期刊共同构建了主要的学术传播网络，这些期刊覆盖康复、疼痛学和生物力学等多个学科方向，反映出表面肌电图相关研究已逐渐形成以功能评估和疼痛机制探讨为核心的交叉学术。其中，《Pain》与《Archives of Physical Medicine and Rehabilitation》在网络中心性的分值较高(0.06)，提示它们在跨学科知识交流中的桥梁作用，对于推动基础机制研究向临床应用的转变具有重要意义。期刊双图叠加分析进一步揭示了该领域的跨学科特征，研究成果主要表现为“神经学、运动医学及眼科”领域的知识被大量引用于“运动医学、康复与体育”相关文献(z=7.57，f=434 35)，表明该领域对神经学和运动控制理论的高度依赖。同时，部分知识流动也体现由“临床”向“康复与运动医学”延展的趋势，说明表面肌电图已不仅能辅助诊断，更逐渐发展为康复干预与疗效监测的重要手段。文献共被引分析结果显示，高被引文献前5位均集中于表面肌电图在颞下颌关节疾病中的应用，强调它们在疼痛诊断和功能障碍筛查中的临床价值。然而，从整体网络分布来看，高被引文献仍集中于方法学与诊断学层面的探索，而在长期随访、疗效评估及应用标准化等方面的研究尚显不足，有待进一步拓展。
3.3   关键词分析   基于关键词共现、聚类、突现及时区图的综合分析，此次研究揭示了过去25年表面肌电图在肌肉骨骼疼痛康复领域中的发展特征。关键词演化显示，该领域经历3个主要阶段：①2000-2010年：研究关注“肌肉活动” “评估可靠性” “下背痛”，探索表面肌电图作为评估工具的可行性。早期研究表明，下背痛患者在屈伸动作中竖脊肌募集不足和对称性失调，为疼痛机制观察提供基础[37-39]，但该阶段研究样本量、测量标准化不足及电极放置差异明显，制约了研究的可重复性和临床推广[40-42]。②2010-2020年：随着高密度表面肌电图与多模态方法的应用，研究主题拓展至“肌肉骨骼疼痛” “肌肉疲劳” “生物反馈”，更加关注神经肌肉机制及康复干预效果。高密度表面肌电图揭示慢性下背痛患者竖脊肌区间协同下降[43]，生物反馈干预可改善姿势控制、优化肌肉激活模式[44]，推动了肌肉功能参数与临床疗效的关联探索，为康复方案提供依据。然而，在方法学层面上存在信号处理缺乏统一标准、干预方案差异大及随访时间有限等问题，对研究结论的一致性和跨中心推广造成限制[34]。③2020-2025年：关键词时区图分析显示“高密度表面肌电图” “可穿戴技术” “多模态”等成为研究热点。最新研究利用运动单位分解追踪术后神经肌肉功能恢复[45]，可穿戴系统实现职业人群肌肉负荷实时监测[46]，多模态融合揭示肌肉疲劳与皮质血流动力学耦合机制[47]，这些进展标志着表面肌电图正向高分辨率采集、动态监测及多层次机制解析发展。然而，当前智能化和可穿戴表面肌电图应用在数据处理标准化、算法对不同个体的适用性及长期临床疗效评估方面仍存在不足[45-47]，提示未来需在标准化、跨学科融合上需进一步完善。
此外，从机制层面来看，表面肌电图已进入神经肌肉活动模式精细化阶段。研究发现，下背痛患者存在竖脊肌激活延迟及异常共激活模式，可通过高密度表面肌电图的空间分布和时频特征量化[48-49]。在临床应用方面，表面肌电图不仅用于疼痛诊断与风险评估，还在康复干预中提供实时反馈[50-51]，如职业人群疲劳分级模式[52]，优化运动控制策略[53-54]。在方法学上，高密度表面肌电图提升了信号的时空分辨率，可穿戴与无线系统拓展了真实场景下的应用[51]，多模态融合(如与运动学或功能性近红外光谱技术结合)为跨层次机制探索提供新视角[47，55]。这些进展表明，表面肌电图正逐步形成从基础研究到临床应用的闭环研究体系。
未来趋势方面，表面肌电图在肌肉骨骼疼痛康复中的发展将聚焦3个方向：①结合人工智能与机器学习深度分析多通道表面肌电图信号的神经肌肉活动，预测个体康复进程并优化干预方案[16]；②建立多模态评估体系，实现从肌肉活动到中枢神经功能综合评估[56]；③建立可实现日常环境下肌肉活动监测与康复反馈的可穿戴康复平台，实现个体化评估与实时训练反馈[57-58]。这些趋势表明，表面肌电图不仅是基础研究工具，更将在临床决策支持、康复策略优化和疗效监测中发挥核心作用。
综上所述，过去25年，表面肌电图已从基础应用探索逐步发展至神经肌肉功能解析及临床应用研究。技术进步推动了表面肌电图其在肌肉骨骼疼痛康复中的广泛应用，体现出在评估与干预研究中的方法学价值；同时，未来仍需进一步完善测量标准化、提升多中心研究可重复性，并优化个体化康复评估策略。
3.4   该研究的局限性   受限于检索平台与分析工具的选择，该文仅检索了 Web of  Science核心合集数据库，未涵盖中国知网、PubMed、Scopus等其他重要数据库，可能遗漏部分高质量文献，从而影响结果的全面性与代表性。作者也尝试检索中国知网中的相关文献，经人工筛选发现纳入文献数量有限、关键词分布过于泛化，并且期刊整体学术质量和国际可比性较低，这可能影响可视化分析的可靠性。因此，为保证数据质量、可重复性和国际可比性，此次研究最终仅纳入Web of Science核心合集数据库中的英文文献进行分析。研究对象仅限英文文献，未涉及中文、日文等非英文成果，存在一定语言偏倚，可能遗漏部分具有区域特点或临床实践相关的重要观点。此外，数据检索截止于2025年4月，未能覆盖2025整年度的研究进展，结果可能存在一定的时间滞后性。此次研究采用横断面计量学分析，旨在揭示学科发展的整体趋势与研究热点，难以直接反映具体干预措施在不同人群与临床环境中的实际疗效及转化价值。
3.5   结论   表面肌电图作为非侵入性神经肌肉功能评估技术，在肌肉骨骼疼痛康复领域的研究在近25年呈现波动式增长趋势，并逐渐形成相对系统的研究框架。研究热点从早期聚焦“肌肉收缩”“下背痛”及“功能失调”等基础病理研究，逐渐转向至近年“疼痛管理”“脊柱”以及 “治疗性运动”等临床干预方向。研究显示，表面肌电图可用于肌肉骨骼疼痛机制探索、功能状态评估、康复训练监测及职业人群肌肉负荷评价，并且随着高密度表面肌电图、可穿戴系统及多模态技术的不断发展，它的应用正向临床实践拓展。未来研究可聚焦：规范信号采集与处理方法以提升不同研究之间的可比性；开展多中心、不同人群及长期随访研究，以验证干预效果；探索表面肌电图与其他评估手段的整合应用以强化康复指导的科学性。推进上述方向将有助于促进表面肌电图在临床中的应用转化，为精准评估与个体化康复提供依据。
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

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

该文以可视化文献计量学系统揭示表面肌电图(sEMG)在肌肉骨骼疼痛领域的知识结构与演化趋势。结果表明，全球研究持续增长，中国、美国与意大利居于核心，欧洲部分机构形成学术集群。研究主题由功能评估与疼痛诊断延伸至康复监测与干预优化。同时，表面肌电图正加速与人工智能、机器学习及智能康复技术融合，推动学科迈向精准化与智能化医疗前沿。

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

	阅读次数
	全文
	摘要