术后急性疼痛风险预测模型的开发与验证：麻醉监护室早期干预新工具

《PAIN Reports》：Predicting acute postsurgical pain in the postanesthesia care unit: risk tool development and internal validation

本研究开发并内部验证了两个床旁风险预测工具，用于术前预测麻醉监护室（PACU）中重度（NRS≥4）及重度（NRS≥7）急性术后疼痛（APSP）。模型基于多中心前瞻性队列（n=1380），整合了年龄、性别、术前疼痛、阿片类药物使用等易得预测因子，其受试者工作特征曲线下面积（AUROC）分别达0.75和0.72，具有良好的校准度和临床实用性，为个体化围术期疼痛管理提供了循证工具。

　　

引言

中度至重度急性术后疼痛（APSP）影响着约30%的外科患者，是临床最常见的疼痛状况之一。早期APSP不仅给患者带来痛苦，还与不良生理效应、麻醉监护室（PACU）停留时间延长、慢性术后疼痛发生风险增加以及医疗成本上升密切相关。因此，在PACU这一早期术后阶段识别高危患者，对于启动及时干预、改善患者预后具有重要意义。尽管已有一些预测模型试图预测术后疼痛，但开发基于床旁易得数据、适用于异质性手术人群的简易、通用风险工具，将更有利于临床推广和应用。

方法

本研究是一项于2021年5月至2023年5月期间在丹麦三家医院开展的多中心前瞻性队列研究。研究对象为接受择期手术的成年患者。最终分析队列包含1380例完整数据患者。研究结局为PACU内3小时内的中度至重度APSP（数字评分法NRS≥4）和重度APSP（NRS≥7）。基于文献回顾和临床知识，预先确定了11个床旁可得的候选预测因子，包括年龄、性别、体重指数（BMI）、吸烟状况、手术区域术前静息痛强度（NRS 0-10）、是否存在其他部位术前疼痛、术前一周内阿片类药物使用情况、是否为骨科手术、实际采用的区域麻醉方式（椎管内阻滞、外周神经阻滞、无）、预期手术技术（开放、微创）以及预期手术时长。

统计分析采用Logistic回归进行多变量分析，并通过向后逐步选择法筛选预测因子。模型经过500次Bootstrap重采样进行内部验证以校正乐观度，并通过收缩因子对预测因子权重进行收缩以校正过拟合。模型性能通过区分度（AUROC）、校准度（校准图、校准斜率、校准截距、Brier分数）以及决策曲线分析（DCA）进行评估。

结果

基线患者特征和结局

最终队列中，中度至重度APSP发生率为45.1%，重度APSP发生率为12.4%。患者基线特征显示，队列中位年龄为58岁，女性占58.0%，70.8%的患者存在手术区域术前疼痛，20.5%的疼痛患者使用术前阿片类药物。骨科手术占比最高（62.1%），区域麻醉使用率较高（椎管内阻滞19.6%，外周神经阻滞38.1%）。

单变量分析

单变量分析显示，较年轻年龄、女性、术前阿片类药物使用、较长预期手术时长与两种APSP结局风险增加独立相关。而骨科手术和区域麻醉与风险降低相关。此外，微创手术与中度至重度APSP风险增加相关，而其他部位术前疼痛与重度APSP风险增加相关。

模型开发与性能

中度至重度急性术后疼痛预测模型

最终模型包含的预测因子为：年龄、性别、手术区域术前静息痛强度、术前阿片类药物使用、骨科手术、预期手术技术、预期手术时长和区域麻醉。模型的AUROC为0.762（95% CI 0.737–0.787），经乐观校正后为0.754。校正后的校准斜率为0.96，截距为-0.006，表明模型校准良好，尽管在较高预测概率处风险可能被轻微高估。决策曲线分析显示，在较宽的概率阈值范围内，该模型相较于“全部治疗”和“全不治疗”策略具有更优的净获益。建议的风险分类阈值为：>50%为“高风险”，40%-50%为“中度风险”，<40%为“低风险”。

重度急性术后疼痛预测模型

最终模型包含的预测因子为：年龄、性别、手术区域术前静息痛强度、其他部位术前疼痛、术前阿片类药物使用、骨科手术、预期手术时长和区域麻醉。模型的AUROC为0.743（95% CI 0.705–0.782），经乐观校正后为0.724。校正后的校准斜率为0.91，截距为-0.15，表明模型校准尚可，但在较高预测概率处风险可能被轻微低估。决策曲线分析同样显示其临床实用性。建议的风险分类阈值为：>20%为“高风险”，10%-20%为“中度风险”，<10%为“低风险”。

研究还开发了基于网页的风险计算器，便于临床使用。

讨论

本研究成功开发并内部验证了两个用于预测PACU内早期APSP的床旁风险工具。模型性能可接受，且具有良好的校准度和临床实用性。与既往研究相比，本模型的优势在于其前瞻性、多中心设计、专注于早期疼痛评估以及仅使用床旁易得预测因子，增强了临床适用性。

研究中发现微创手术与较高APSP风险相关的意外结果，事后分析提示可能与区域麻醉的交互作用有关，但该交互作用未在事前指定，且对模型整体性能影响微小，因此未纳入最终模型。这一发现也提示手术技术对疼痛的影响可能在同种手术的不同方式间比较更为明显。此外，将区域麻醉作为术前预测因子是本模型的一个特点，这有助于在术前评估中更全面地考量疼痛管理策略。

本研究存在一些局限性。首先，队列包含异质性手术类型，虽增强了普适性，但可能掩盖特定手术的独特风险因素。其次，样本为便利样本，可能存在选择偏倚。第三，重度APSP的实际发生率低于样本量计算时的预期，可能增加过拟合风险，但模型稳定性尚可。第四，未纳入心理或实验性预测因子，以保持模型的临床实用性。第五，将手术类型简化为“骨科”与“非骨科”可能损失部分信息。最后，模型仅预测PACU内的早期疼痛，未涵盖更长期的疼痛轨迹。

未来的研究方向包括对模型进行外部验证，评估其在真实世界临床环境中的有效性，并探索将预测模型与特定治疗措施相结合的策略，实现真正的个体化疼痛管理。

结论

本研究开发的APSP风险预测模型，基于床旁易得数据，在异质性手术队列中表现出可接受的预测性能和临床实用性。经过外部验证后，该模型有望用于识别APSP高危患者，指导靶向性围术期干预措施，并有助于筛选患者进入旨在改善早期APSP管理的随机对照试验。