A Field-Side Triage Model for Early Specialist Referral After Acute Lower Extremity Sports Injuries in Young Athletes: Development and Internal Validation

该研究开发并内部验证了一个基于年龄、性别、功能严重程度、损伤部位及机制等易获取临床变量的现场分诊模型，该模型能有效识别年轻运动员下肢急性运动损伤中需手术干预的高风险人群，从而支持资源有限环境下的早期专科转诊决策。

要点

这篇论文讲述了一个非常实用的故事：如何帮助那些在运动场上受伤的年轻人，在第一时间就能判断出“谁需要立刻找专家（骨科医生）做手术”，而谁可以稍微观察一下。

想象一下，你是一名学校的体育老师或队医。一个年轻运动员在球场上摔倒了，捂着膝盖或脚踝，疼得直不起腰。这时候，你面临一个两难的选择：

• 叫救护车/立刻转诊？ 如果叫了，但最后发现只是扭伤，不仅浪费医疗资源，还可能让运动员过度紧张。
• 让他自己休息？ 如果没叫，结果他其实是韧带断裂需要手术，那就会耽误治疗，甚至影响他未来的运动生涯。

这篇研究就是为了解决这个“猜谜游戏”，开发了一套**“赛场急救筛选指南”**。

🏥 核心比喻：运动场上的“天气预报”

你可以把这套模型想象成运动场上的**“受伤风险天气预报”**。

通常，我们看天气预报需要卫星云图、气压数据（就像医生需要拍 MRI 核磁共振、做详细检查）。但在比赛现场，没有这些高科技设备，只有教练和队医看着运动员的表现。

这项研究就是告诉大家：不需要卫星云图，只要看几个简单的“风向”和“云层”，就能大概预测这场“风暴”（是否需要手术）会不会来。

🔍 他们是怎么预测的？（看什么指标？）

研究人员分析了 2017 年到 2025 年间 2100 多名年轻运动员的数据，发现只要看以下5 个简单的“信号”，就能算出风险高低：

1. 年龄（是不是“大孩子”）： 15 岁以上的青少年风险稍高（身体发育更成熟，受伤机制可能更复杂）。
2. 性别（是男生还是女生）： 研究发现女生在这个年龄段受伤需要手术的概率稍高一些。
3. 受伤部位（是不是膝盖）： 膝盖是“重灾区”，膝盖受伤比脚踝或大腿受伤更需要警惕。
4. 能不能走路（功能受损程度）： 这是最重要的信号！
   • Level 1： 还能继续跑？（低风险）
   • Level 2： 疼得走不动，但能自己挪步？（中风险）
   • Level 3： 完全站不起来，必须别人抬着走？（高风险，极可能需要手术）
5. 受伤方式（是不是“急刹车”）： 比如在空中落地、急停变向时受伤（这种高能量冲击），比简单的碰撞风险更高。

📊 这个“天气预报”准吗？

研究人员把这套方法做成了两个版本：

• 完整版（专家模式）： 如果你知道所有细节（包括受伤时的具体动作），准确率高达 89%。
• 简化版（现场模式）： 如果你只知道前 4 点（甚至不知道具体的受伤动作，因为当时太混乱了记不清），准确率依然高达 88%。

这就像什么？ 就像你不用看复杂的卫星云图，只要看“天是不是黑得吓人”、“风是不是很大”、“有没有人淋湿了”，就能判断要不要带伞。准确率非常高！

🎯 怎么用这个指南？（分级处理）

根据计算出的风险，运动员被分成了三类，就像交通信号灯：

• 🟢 绿灯（低风险）： 受伤后还能走，或者只是轻微扭伤。
  • 建议： 先冰敷、休息，观察一下，不用急着找大专家。
• 🟡 黄灯（中风险）： 有点疼，走路困难，或者膝盖受伤。
  • 建议： 需要密切观察，或者尽快安排复查，别掉以轻心。
• 🔴 红灯（高风险）： 完全不能走路，或者膝盖受伤且是急停落地造成的。
  • 建议： 立刻转诊！ 这种人有很大概率需要手术，必须马上找骨科专家。

💡 为什么这个研究很重要？

1. 不再“凭感觉”： 以前，队医或教练可能凭经验说“看着挺严重的”，或者“应该没事”。现在有了这个科学工具，大家的判断标准就统一了。
2. 节省资源： 不需要把所有扭伤的人都送到医院，让真正需要手术的“红灯”病人能更快得到救治。
3. 简单好用： 不需要等拍片子，不需要等专家会诊，在球场上、在更衣室里，只要看一眼运动员能不能走路，就能做出初步判断。

⚠️ 需要注意什么？

虽然这个工具很好，但作者也诚实地说了：

• 这是在一个医院做的研究，以后需要在更多地方、更多类型的比赛中验证一下（就像天气预报在不同地区可能需要微调）。
• 它只是一个辅助工具，不能替代医生的专业判断。如果运动员情况看起来很奇怪，哪怕模型说是“绿灯”，医生也要相信自己的直觉。

总结

这篇论文就像给所有运动队的“第一响应人”发了一张**“智能导航卡”。它告诉我们：在受伤后的第一时间，通过观察年龄、性别、伤在哪里、能不能走路**这几个简单指标，就能像老练的导航员一样，精准地把那些真正需要“大修”（手术）的运动员引导到正确的“维修站”（专科医院），既不漏掉危险，也不制造拥堵。

技术摘要

以下是基于该预印本论文《急性下肢运动损伤年轻运动员的现场分诊模型：早期专科转诊的开发与内部验证》的详细技术总结：

1. 研究背景与问题 (Problem)

• 临床挑战：在年轻运动员急性运动损伤的早期管理中，及时识别需要专科转诊的严重损伤至关重要。然而，在赛场边或初级医疗环境中，诊断资源（如影像学）往往有限。
• 现有工具的局限：现有的临床决策规则（如渥太华踝/膝规则）主要用于指导骨折的影像学检查，而非指导广泛的运动损伤是否需要转诊至骨科或运动医学专家。
• 决策困境：目前的转诊决策多依赖主观判断和经验，导致转诊标准不一致。过度转诊会浪费医疗资源，而转诊不足则可能导致延误治疗、恢复期延长及并发症。
• 研究目标：开发并内部验证一个基于现场可获取的简易临床变量的预测模型，用于在损伤发生后的早期评估阶段，识别需要手术干预（作为严重损伤的代理指标）的年轻运动员，从而辅助早期专科转诊决策。

2. 研究方法 (Methodology)

• 研究设计：单中心回顾性队列研究。
• 研究对象：2017 年 1 月至 2025 年 11 月期间，在 Ashiya Central Hospital 就诊的 22 岁及以下年轻运动员，共纳入 2,129 例急性下肢（大腿、膝、小腿、踝、足）运动损伤病例。
• 结局指标：手术干预（作为需要专科转诊的客观代理指标）。
• 候选预测变量（均在损伤初期评估时获取）：
  • 年龄：二分变量（≥15 岁 vs <15 岁）。
  • 性别。
  • 损伤部位：膝关节 vs 非膝关节。
  • 功能严重程度（Functional Severity）：根据伤后立即的活动受限程度分为三级：
    • 1 级：可继续运动。
    • 2 级：因疼痛/功能受限无法继续运动，但可独立行走。
    • 3 级：无法负重，无法独立行走。
  • 损伤机制：是否涉及高能量减速（High-Energy Deceleration, HED），如落地、变向或快速减速时的负重负荷。
• 模型构建：
  • 全模型：包含所有上述变量。
  • 简化模型：排除可能难以在现场准确获取的“损伤机制”变量，将功能严重程度作为有序变量处理，以提高现场适用性。
  • 统计方法：使用多变量逻辑回归构建模型。
• 验证与评估：
  • 内部验证：采用 1000 次 Bootstrap 重采样校正过拟合。
  • 性能指标：受试者工作特征曲线下面积（AUC）、Brier 评分、校准斜率（Calibration Slope）。
  • 临床效用：决策曲线分析（DCA）评估净获益。
  • 风险分层：基于预测概率设定阈值（5% 和 15%），将患者分为低、中、高风险组。

3. 关键结果 (Results)

• 样本特征：2,129 名运动员中，276 名（13.0%）接受了手术治疗。
• 独立预测因子（多变量分析）：
  • 年龄较大（≥15 岁）。
  • 女性。
  • 膝关节损伤。
  • 功能严重程度更高（伤后活动受限越严重，手术风险越高）。
  • 高能量减速（HED）机制。
  • 注：功能严重程度是预测力最强的变量。
• 模型性能：
  • 全模型：校正后 AUC 为 0.890，Brier 评分 0.073，校准斜率 1.00（表明校准良好，无过拟合）。
  • 简化模型（仅含年龄、性别、部位、功能严重程度）：AUC 为 0.883，Brier 评分 0.075。
  • 结果显示，简化模型在剔除损伤机制变量后，仍保持了极高的区分度。
• 风险分层表现：
  • 低风险组（1,150 人）：手术率 1.7%。
  • 中风险组（393 人）：手术率 7.6%。
  • 高风险组（586 人）：手术率 38.6%。
  • 以高风险组作为转诊阈值时：灵敏度 81.9%，特异度 80.6%，阴性预测值（NPV）高达 96.8%。
  • 决策曲线分析：在 5%-20% 的临床阈值范围内，该模型比“全部转诊”或“不转诊”策略具有更高的净获益。

4. 主要贡献 (Key Contributions)

1. 填补空白：开发了首个专门针对年轻运动员急性下肢损伤早期转诊的预测模型，区别于以往仅用于指导影像学检查的规则。
2. 现场适用性：提出了一个简化模型，仅依赖现场可立即观察到的临床变量（无需详细损伤机制或影像学），使其非常适合资源有限的赛场边环境。
3. 结构化分诊框架：建立了基于风险分层的转诊策略：
   • 高风险：建议立即转诊专科。
   • 中风险：建议密切随访和重新评估。
   • 低风险：建议保守治疗并监测。
4. 标准化决策：将临床直觉转化为结构化规则，有助于非专科人员（如队医、教练）做出更一致、客观的转诊决策。

5. 意义与局限性 (Significance & Limitations)

• 临床意义：
  • 该模型为在缺乏诊断资源的环境下提供了实用的风险分层工具，有助于平衡“及时识别严重损伤”与“避免过度转诊”之间的矛盾。
  • 高阴性预测值（96.8%）意味着该模型能有效排除不需要手术的低风险患者，减少不必要的专科就诊。
• 局限性：
  • 单中心研究：数据来自一家医院，外部验证（在其他人群和环境中验证）是必要的。
  • 回顾性设计：需要前瞻性研究来评估其在实时临床实践中的表现。
  • 变量简化：未纳入影像学或详细的体格检查，虽然提高了现场适用性，但在专科环境中可能不如包含更多变量的模型精确。
  • 未验证实际影响：目前尚未证实实施该分诊框架是否能实际改善患者预后或优化医疗资源利用。

总结：该研究成功开发并验证了一个基于简易临床指标的预测模型，能够准确识别年轻运动员中需要手术干预的高风险损伤。其简化版本特别适用于赛场边分诊，有望提高运动损伤早期管理的效率和一致性。