肩部疼痛的成因複雜，尤其是與肌腱問題相關的病症，例如即疼痛的成因複雜，尤其是與肌腱問題相關的病症，例如棘上肌肌腱病變（supraspinatus tendinopathy），更是困擾許多患者的主要原因。醫生在診斷肩痛時，往往依賴一些解剖指標，比如關鍵肩角（Critical Shoulder Angle, CSA）和肩峰指數（Acromial Index, AI），但這些指標真的準確嗎？最新研究揭示了其中的奧秘。
什麼是 CSA 和 AI？
關鍵肩角（CSA）： 肩臼上下骨邊界與肩峰外側邊界之間的角度。
肩峰指數（AI）： 從肩臼平面到肩峰外側的距離，除以從肩臼平面到肱骨頭外側的距離。
這些數值通常被用來預測肩部相關疾病，但過去對它們是否能準確預測岡上肌肌腱病變的研究較少。
研究方法：探索肩痛的數據
這項研究回顧了308位在2018年到2019年間因棘上肌肌腱病變就診的患者，同時比較了300位有肩痛但未患棘上肌肌腱病變的患者（通過超音波檢查確認）。他們的**年齡、性別、體重指數（BMI）**等基本信息，還有CSA和AI數據，都被納入分析。
研究結果：CSA 比 AI 更具預測力
患者在年齡、性別、BMI、有無糖尿病和高脂血症方面，兩組患者之間並沒有顯著差異。
CSA 更高的關聯性棘上肌肌腱病變患者的平均CSA明顯高於非病變患者（p < 0.001）。
當CSA超過38.11°時，預測棘上肌肌腱病變的敏感性為71.8%，特異性為71.0%。
AI 無法區分病變
AI的ROC曲線下的面積（AUC）僅為46.9%，幾乎無法提供有用的判斷。
CSA的準確性：
ROC曲線下的面積（AUC）為76.8%，具備可接受的區辨力，顯示CSA是一個有潛力的預測工具。
這對臨床有什麼意義？
研究清楚表明，**關鍵肩角（CSA）**是評估肩痛患者是否患有棘上肌肌腱病變的一個有價值的工具，尤其是當CSA超過38°時，醫生應更加留意相關病變的可能性。
另一方面，**肩峰指數（AI）**在這項研究中並未展現出預測力，可能在臨床應用中作用有限。
總結
如果你正在為肩痛煩惱，不妨詢問醫生是否可以測量你的CSA，這或許能提供更多診斷線索。這項研究告訴我們，有時一個小小的角度，就能為我們揭示大大的健康秘密！
