腓骨长肌腱比腘绳肌更好吗？解析一篇ACL Meta分析的硬伤

副标题：森林图把方向标反了——一份临床医生的方法学审查日记

引子：一个临床决策背景

在膝关节运动医学里，前交叉韧带（ACL）重建的移植物选择是一个永远不会过时的话题。腘绳肌腱（HT，主要是半腱肌 ± 股薄肌）已经用了三十多年，是当今全球最主流的自体移植物之一。最近几年，腓骨长肌腱（PLT）作为新选择越来越受到关注，特别是亚洲——印度、中国、巴基斯坦、印尼、土耳其的临床比较研究密集涌现。

2026 年 3 月，Cureus 上线了一篇新的系统综述与 Meta 分析：Peroneus Longus Tendon Versus Hamstring Tendon Autograft for Primary Anterior Cruciate Ligament Reconstruction。32 项研究、约 2500 例患者、其中 10 项 RCT —— 数据量看上去相当扎实。

作者的核心结论一句话能讲完：PLT 与 HT 在功能评分（IKDC、Lysholm）和稳定性（Lachman、anterior drawer、pivot shift）上没有差异；PLT 在大腿围度保留方面"显著优于"HT；踝关节功能（AOFAS）"未受影响"；因此 PLT 是 HT 的"safe and reliable alternative"——一个"安全可靠的替代方案"。

听起来挺干净。但当我们坐下来逐图、逐表、逐参考文献地核对，会发现这篇文章在多个层面上经不起推敲——而且这些问题中相当一部分，不是高深的方法学争论，而是肉眼可见的硬错误。

下面我们把这些错误一条一条摆出来。这不是为了否定 PLT 这个移植物本身，而是为了让大家看清楚：循证医学在阅读层面，远比"看摘要、看 P 值"复杂。

一、森林图把方向标反了

我们先从最直观的一处错误说起。

论文 Figure 4 比较两组的"大腿围度"。这是论文最强的阳性发现：作者声称 PLT 组的大腿围度比 HT 组显著保留，差异 0.92 cm（95% CI 0.72–1.11），作为"PLT 取材后大腿肌肉萎缩更轻"的核心证据。

问题来了。我们看实际数据：Agarwal 2023 这一行，HT 组数值是 0.88，PLT 组是 0.216；Soni 2026 这一行，HT 是 1.367，PLT 是 0.751。从数值和作者文字看，这显然不是绝对围度（绝对围度通常 40 到 50 cm），而是围度减少量（健患侧之差），也就是肌肉萎缩量。HT 那一侧萎缩更多，意味着 HT 不利、PLT 占优——这一点和作者文字里写的"HT 萎缩更明显"是一致的。

合并的 Mean Difference（HT − PLT）= +0.92，正值，落在森林图的右侧。按照逻辑，正值应当落在 "Favours PLT"（PLT 更好）一侧。但森林图右侧标签写的是 "Favours [HT]"——HT 更好。

这是一个典型的方向标错。如果一个不熟悉数据来源的读者只看图，会以为 HT 更好。如果熟悉的读者只看作者文字，会以为 PLT 更好。两者打架。

而且这不止 Figure 4 一处。Figure 3 Lysholm 评分的 favour 标签同样反了：MD = HT − PLT，Lysholm 越高越好，负 MD 应当 favour PLT，但 Figure 3 把负值一侧标成了 "Favours [HT]"。三张主要森林图里有两张方向标反，提示图表方向设置或最终核对环节存在系统性问题。

更进一步地，作者在不同地方对这个结局的文字描述本身也不统一：正文写"thigh circumference was significantly higher in patients in the hamstring group"——HT 组围度更高；摘要和讨论又写"HT 组 reduction 更大、PLT 组 preservation 更好"。如果这个指标其实是"围度减少量"，那"数值越高"反而是越糟。结局名称、方向和解释从头到尾没有统一——这才是读者无法放心使用这个结果的根本原因。

另外，Figure 4 中个别研究的 SD 极小，比如 Soni 2026 的 SD 仅 0.087 / 0.065 cm（也就是不到 1 mm 的标准差），这在生物学上不太可信，需要回到原始研究核查单位、SD 与 SE、或者是否为 change score。该研究在合并中权重达 14.9%，是 thigh circumference 这个"PLT 最强阳性结论"的主要驱动者之一。

二、"八项研究"还是"十项研究"

Figure 4 还有一个更基础的错误。论文正文写："Eight studies were included in the pooled analysis to compare thigh circumference"——纳入了 8 项研究。

但森林图里实际显示了 10 行：Agarwal 2023、Asif 2024、Dwidmuthe 2024、Gök 2024、Kapoor 2025、Rhatomy 2019、Sari 2025、Saugat 2025、Soni 2026、Waly 2022。Heterogeneity 那一行写的 df = 9，对应 10 项研究。下面的参考文献列表也是 10 个。

是 8 还是 10？作者的正文说 8，所有可核实的图表证据都是 10。这意味着主分析里有两项研究，作者自己都没算清。

三、Table 4 自己和自己打架

继续往下看。论文做了"按随访时间分层"的亚组分析：6 个月、12 个月、24 个月。

Table 4 显示 IKDC 6 个月的 Mean Difference 是 −1.64，95% CI 是 −2.73 到 −0.55。CI 不含 0，统计学上显著。

但同一段落的正文写："In all follow-up points, neither of the outcomes was significantly different between the two groups"——所有随访点都不显著。

而到了讨论部分（第 12 页），作者又写："IKDC scores were significantly higher in the PLT group at six months"——6 个月时 PLT 显著更高。

同一个数据，论文里出现了三种相互矛盾的描述：表里显著、结果文字里说不显著、讨论里又说显著。作为读者，你信哪一个？

四、Table 6 表头标"OR"，里面塞了 MD

Table 6 是"次要结局比较"，包括前抽屉、Lachman、pivot shift、graft failure、graft diameter、AOFAS。表头明确写"OR (95% CI)"——比值比。

但 Graft Diameter 这一行是 −0.69 (−0.86 to −0.52)。比值比怎么会是负数？显然这是 Mean Difference，不是 OR。AOFAS 那一行带了星号，脚注说"Presented as mean difference"，但 Graft Diameter 没有星号、没有任何说明。

简单说：表头说一种东西，里面塞另一种东西，从投稿到见刊都没有被纠正。

五、参考文献张冠李戴

论文里被反复引用的"Rhatomy et al. [8]"——所有森林图里都出现了它，因为它是 PLT 与 HT 比较的关键早期研究。但参考文献清单里 [8] 实际是：

Catma MF, Dulgeroglu D, Guroz AN, Kuzucu Y. Association between knee flexor strength and preservation of the tibial attachment of the sartorial fascia during hamstring tendon harvest. Orthop J Sports Med. 2024.

这是一篇关于 sartorial fascia 与膝关节屈曲力量的研究，作者是 Catma 等人，不是 Rhatomy。真正的 Rhatomy 2019 PLT vs HT 比较研究是 [7]。

严格说，我们不能据此断言作者真的从 Catma 那篇文献里提取了 Rhatomy 的数据；更可能的解释是文献编号错位或文献管理软件出错。但无论如何，这个错误意味着——读者无法按引用编号追溯数据来源。对一篇 Meta 分析来说，这是数据可追溯性最起码的一关，连这一关都失守，是一个相当大的红旗。

六、AOFAS 的 MCID 9 分，引的是肩关节文献

论文在讨论 PLT 取材是否影响踝关节功能时，使用 AOFAS（American Orthopaedic Foot and Ankle Society）评分。两组差异 0.17 分，作者写："the magnitude of difference was far below the established MCID of 9 points [69]"——远低于 9 分的最小临床重要差异，因此踝关节功能 clinically comparable。

听起来很合理。但参考文献 [69] 是：

Su F, Allahabadi S, Bongbong DN, Feeley BT, Lansdown DA. Minimal clinically important difference, substantial clinical benefit, and patient acceptable symptom state of outcome measures relating to shoulder pathology and surgery: a systematic review. Curr Rev Musculoskelet Med. 2021.

一篇关于肩关节 MCID 的系统综述，被拿来支持踝关节 AOFAS 的 MCID = 9。这两件事完全是两个解剖部位、两套量表。

更关键的是，AOFAS 是综合性踝-后足评分，它本身并不是专门用来测量 PLT 取材后外翻力量、第一跖列跖屈力量或动态踝稳定性的工具。即使 AOFAS 没差异，也不能排除细微但与运动相关的踝外翻力矩缺陷——而这恰恰是 PLT 取材最容易出问题的地方。更理想的指标应当包括 FAAM / FADI、等速或等长踝外翻力矩、足底压力分布与运动相关测试。论文用 AOFAS 没差异 + 错引的 MCID 来作"踝功能 clinically unaffected"的判断，论证基础是单薄的。

到这里，六处肉眼可见的错误是论文质量的最直接证据。但这只是表层。

往下看方法学层面，问题更结构性。

七、亚组结果不一致

论文的主分析合并了 10 项 RCT 和 22 项观察性研究。这本身不是绝对禁忌——更稳妥的做法是分层呈现，并做交互检验或敏感性分析。

而论文最有意思的地方在 Table 5：作者按设计做了亚组分析。

也就是说：IKDC 上 RCT 显示出小幅 PLT 优势、而观察性研究接近无差异；Lysholm 上则连点估计的方向都相反——RCT 提示 PLT 更好，观察性研究则微微偏向 HT。

这种不一致可能来自多个层面——偏倚、随机误差、设计差异或临床异质性。可能是观察性研究里的 confounding by indication（医生选择移植物时会考虑患者身材、依从性、运动水平，造成两组本身就不可比），可能是 RCT 里盲法不充分（10 项 RCT 中有 4 项被作者自己评为 outcome measurement high risk），也可能是研究数较少、亚组样本不足导致的随机波动，或是不同设计里入选患者本身存在临床差异。

但作者的处理方式是：把这两个不一致的亚组结果直接平均掉，得到主分析"无差异"，然后又用 RCT 亚组"显著"作为推荐 PLT 的证据。这两件事不能同时被用来支撑强结论——如果你信主分析的"无差异"，就不能再用 RCT 亚组的"显著"去推荐；如果你信 RCT 亚组的"显著"，就不能再用主分析的"无差异"去说"两者等效"。

更关键的是，论文没有做 subgroup interaction test——也就是说"RCT 显著、观察性不显著"是否真是统计上的差别，作者没检验，只看了一组 P 值显著、另一组不显著就下了结论。这是 Meta 分析里很常见的解释陷阱：两个亚组各自的显著性差别，并不等于亚组之间存在交互效应。

八、偏倚风险评估工具偏粗、不匹配

论文 22 项观察性研究使用的是 Newcastle-Ottawa Scale（NOS）。NOS 是一个流行但相对粗糙的工具，对队列研究的"选择 / 可比性 / 结局"做总分评估。

NOS 可以粗略评价选择、可比性和结局，但对非随机干预比较里最关键的几个核心偏倚——confounding by indication（适应证混杂）、selection into intervention（干预选择）、deviation from intended intervention（偏离预期干预）——它的评估框架不够细。Cochrane 推荐的工具是 ROBINS-I，正是为非随机干预比较设计的。

后果是：作者用 NOS 把 22 项里 16 项评为 good，结论里写"included studies demonstrated moderate to high methodological quality"——总体质量中到高。但如果把这些研究放进 ROBINS-I 框架里重评，部分研究可能因混杂控制不足、干预选择不清、结局评估不盲等问题被降级（具体等级需要逐篇核实）。仅在工具层面，"NOS good"不应直接等同于"低偏倚风险"。

九、没有方案注册，没有 GRADE，没有发表偏倚评估

这里需要先把三件事分清楚：

• PRISMA 2020 是报告规范——要求作者透明说明方案 / 注册情况、检索策略、纳入排除标准等。它本身不是质量评分工具。
• AMSTAR 2 是方法学质量评估工具，强调预先方案、PICO、检索充分性、RoB 工具、统计模型、发表偏倚等核心域。
• GRADE 是结局层面证据确定性评级框架——对每个主要结局单独评分，分为 high / moderate / low / very low。

三者方向一致但层级不同。

具体到这篇论文：

• 没有 PROSPERO 注册号或公开方案——主要结局、亚组分析（特别是按时间和按设计的亚组）、敏感性分析是否预先指定，无从判断。
• 没有 GRADE 证据确定性评价——摘要和结论里"safe / reliable / viable"等措辞理应对应每个结局的证据等级，但既然没有这一层评估，强语气就站不住。
• 没有发表偏倚 / 小研究效应评估——IKDC 29 项、Lysholm 23 项研究数充足，按通行做法应当至少考虑并说明（漏斗图、Egger 等是常见手段，在高异质性下解释要谨慎，但不至于只字不提）。

PLT 是新兴术式，相关研究多为单中心小样本研究，地区分布也比较集中，正是发表偏倚和小研究效应最容易出现的领域。作者没有评估这些风险，因此无法判断阳性结论是否受到选择性发表的影响。

十、统计显著 ≠ 临床有意义

这是临床医生最容易忽略的一关。

论文 RCT 亚组显示 IKDC MD = −1.85，Lysholm MD = −2.11，CI 不含 0，统计显著。作者自己在讨论里也提到 IKDC 的 MCID（minimal clinically important difference，最小临床重要差异）是 9 到 20 分。

也就是说，这 1.85 分的差异，通常低于患者可感知或临床决策所需的最小差异。MCID 的意义就在于这是一条群体层面的"临床显著阈值"——低于这个阈值的群体均值差异，不应被作为临床优越性的证据，更不应该指导手术决策。

需要补一句的是：Lysholm 的 MCID 不能直接套用 IKDC 的 MCID。Lysholm 是另一套量表，在 ACL 重建人群里的 MCID 文献报告各有不同（常见区间约 8–10 分），但本篇论文既没引用 Lysholm 自己的 MCID，也没单独讨论 −2.11 在 Lysholm 量纲下的临床意义——它直接把 IKDC 的"低于 MCID"逻辑挪用到了 Lysholm 上。这是一种偷懒，也是另一种 spin。

但摘要里这一条被写成了 "demonstrated significantly higher IKDC and Lysholm scores in the peroneus longus tendon group"。统计显著被包装成临床优越——这是循证医学里被反复批评的 outcome reporting spin（结论偏移）。

那么，PLT 到底比 HT 好还是不好？

讲到这里，我得说清楚态度：上述所有批评，都不是说 PLT 这个移植物本身不好。

PLT 在生物力学上的特性是确实存在的——长度足够（25–28 cm）、直径稳定、抗拉强度不输四股 HT、取材在膝关节远端、不破坏屈伸平衡。这些都是真实的解剖学和力学优势。临床上，对身材较小、HT 直径偏细的患者，PLT 是值得考虑的选择。

我们要说的是：这篇 2026 年的 Meta 分析，在它现有的形式下，无法支持"PLT 是 HT 的安全可靠替代"这个结论。它能支持的最多是："在低确定性证据下，未发现 PLT 和 HT 在 IKDC、Lysholm、粗略稳定性测试和 AOFAS 上有临床意义的差异。"

而我们最缺的，恰恰是这篇 Meta 分析没真正回答的几个关键问题：

• PLT 移植物长期再断裂率（≥ 5 年随访）
• 翻修率
• 重返运动率（RTS）和 ACL-RSI
• KT-1000 / 2000 定量松弛度
• 长期骨关节炎进展
• 等速踝外翻力矩（不是 AOFAS）
• 同期半月板 / 软骨损伤的处理
• 不同 PLT 形态（半束 / 全束 / 双束）的差别
• HT 不同股数（4-strand vs 6-strand）的差别

需要澄清一点：论文 Table 6 确实合并了 graft failure（OR = 1.24，95% CI 0.55–2.80），但没有清楚交代事件定义、事件数、随访时间是否对齐。这远不足以替代上面这种"长期硬终点"。其余几条则要么没报告、要么没分层、要么没做。

给读者的三条建议

如果你是临床医生、医学生、或任何会读 Meta 分析做决策的人，下面三条值得记住。

第一，看图比看摘要更重要。

摘要是作者最想让你看到的版本。森林图、表格、PRISMA 流程图、参考文献清单才是数据本身。本篇论文的摘要写得相当克制和漂亮，但所有"硬伤"都在图表里。养成至少看一眼森林图方向标签的习惯，比读三遍摘要更有用。

第二，"统计显著"和"临床有意义"是两件事。

P 值 < 0.05 不等于差异值得让你改变手术决策。学会问一句："这个差异有没有超过 MCID？"如果作者没提 MCID，你应当主动去找原始量表的研究——这是一分钟的工作，但能挡掉一半的"循证决策"陷阱。

第三，亚组结果方向不一致时，应当怀疑而不是高兴。

本篇 RCT 亚组 PLT 占优、观察性亚组无差异，作者把它当作"证据更强"的迹象。但这其实是偏倚警报。当不同设计、不同人群、不同分析方法给出方向相反的结果时，第一反应应当是问"哪一组更可信、为什么"，而不是挑一个对自己叙事有利的去用。

写在最后

这篇 Meta 分析最让人感慨的不是它错了几处——任何论文都会有错——而是它的错呈现出一种集中性：图表方向、研究计数、表头单位、参考文献编号、MCID 引用，多个层面同时失守。这通常意味着作者团队在数据提取、图表生成、结果撰写之间缺乏统一的核对环节。

它真正能支持的结论，最多是：在低确定性证据下，现有研究未显示 PLT 与 HT 在 IKDC、Lysholm、粗略稳定性检查和 AOFAS 上存在临床重要的差异。

而它最强的阳性结论——PLT 更好地保留大腿围度——受到 Figure 4 研究数不一致、结局方向解释混乱、森林图 favour 标签反向和高度异质性的影响，不能直接作为临床推荐的依据。至于 PLT 是否能在长期再断裂率、翻修率、重返运动、踝外翻力量和运动表现上真正不输 HT，还需要更规范的 RCT 和更长期的硬终点数据。

ACL 移植物的选择是临床真实的难题。我们需要更好的证据，而不是更多看上去整齐的 Meta 分析。

下一次再有人拿"32 项研究、2500 例患者"作为权威依据时，不妨先把森林图放大看一眼方向标签——很多事情，从那里就能看出端倪。

作者：茅泳涛医生，苏州大学附属第二医院骨科运动医学
本文基于对 Rasul 等 2026 年 Cureus 论文（DOI: 10.7759/cureus.105983）的方法学审查