目的:磁共振（MRI）诊断后上方（冈上、冈下）肩袖肌腱撕裂的敏感度可以超过90%,但其在肩胛下肌腱（subscapularis,SSC）撕裂中的总体诊断敏感度并不理想。其中,Ⅰ、Ⅱ型损伤（Yoo和Rhee分型）可以占到整个肩胛下肌腱撕裂的80%,撕裂方式为磨损和部分撕裂。这种以小型部分撕裂为主的损伤特点会降低MRI在肩胛下肌腱撕裂中的总体诊断敏感性。漏诊肩胛下肌腱撕裂会导致肩关节长期疼痛和功能逐渐丧失,并伴随肌肉萎缩、脂肪浸润以及撕裂范围进展,一个有效的非侵入性评价工具将有助于早期识别和干预这类损伤。本研究旨在筛选出与肩胛下肌腱撕裂高度相关的可靠预测指标,建立列线图模型提高临床识别肩胛下肌腱撕裂高危人群的诊断水平。方法:回顾性收集从2016年7月至2021年8月在我院接受肩关节镜手术528例患者的临床及影像学资料。按照是否发生肩胛下肌腱撕裂将患者分为肩胛下肌腱撕裂组和未撕裂组。其中,2016年7月至2019年7月收治的患者进入训练集队列,2019年8月至2021年8月收治的患者进入验证集队列。采用单因素分析、多因素逻辑回归、最小绝对收缩和选择算子（LASSO）方法及交叉验证方法在训练集队列中筛选与肩胛下肌腱撕裂高度相关的可靠预测指标。在R语言中利用这些预测指标构建肩胛下肌腱撕裂风险的列线图模型并进行内部验证和外部验证。使用一致性指数（C-index）评估该模型的区分度,利用校正曲线评估该模型预测结果的一致性,绘制决策曲线分析（DCA）评估模型的临床效用及净获益。使用受试者工作特征曲线（ROC）评价该预测模型和传统诊断方法（基于直接征象的MRI诊断联合专科查体）在肩胛下肌腱撕裂患者中的诊断表现。结果:根据纳入排除标准,分别有362名和166名患者进入训练集队列及验证集队列中。研究发现,斜矢状位喙突肱骨距离（CHD）,喙突角（CA）,二头肌长头腱（LHB）位置,后上方肩袖肌腱撕裂数量,MRI诊断结果（基于直接征象）和专科查体（至少联合2种查体方法）是预测肩胛下肌腱撕裂的关键因素。该列线图模型在预测肩胛下肌腱撕裂风险方面展现出良好的区分度（C-index=0.879,95%CI,0.838-0.920）,校正曲线显示该模型的预测结果与实际结果基本吻合（平均绝对误差,MAE=0.009）。外部验证的结果显示该预测模型在验证集队列中依然表现出良好的区分度（C-index=0.884,95%CI,0.831-0.938）及一致性（平均绝对误差,MAE=0.025）。ROC曲线提示,与传统诊断方法相比,该预测模型具备更优异的敏感度（76.74%vs 56.98%）、特异度（84.78%vs 84.42%）、阳性预测值（61.11%vs 53.26%）、阴性预测值（92.13%vs 86.30%）、阳性似然比（5.04 vs 3.66）和阴性似然比（0.27 vs 0.51）。决策曲线分析表明,当风险阈值在3%～93%之间时,该预测模型能产生更高的临床净获益,比传统诊断方法具有更高的临床效用。在列线图模型的基础上,我们开发了一个网页版评分工具（即,SSC-DynNom评分）。列线图总得分为110分时,可以获得最佳的诊断敏感度和特异度,此时对应的风险预测概率为28%。当风险预测概率＞28%时,被定义为肩胛下肌腱撕裂高风险组;风险预测概率≤28%时,被定义为肩胛下肌腱撕裂低风险组。结论:相比于传统诊断方法（基于直接征象的MRI诊断联合专科查体）,根据该模型提供的个体化风险预测概率能更有效地识别出肩胛下肌腱撕裂高危人群,为制定合理的临床诊疗方案提供依据。