基于贝塔混合模型从健康评估问卷预测类风湿关节炎患者疼痛视觉模拟评分的创新研究

这篇研究通过贝塔混合模型（beta mixture models）创新性地建立了健康评估问卷残疾指数（HAQ）与疼痛视觉模拟评分（VAS）的非线性映射关系，解决了传统线性回归在边界值预测中的局限性。研究通过多中心随机对照试验数据（n=1055）和外部验证队列（RAMS），证实模型能精准捕捉疼痛分布特征（RMSE 0.238-0.241，伪R2 0.325-0.341），为类风湿关节炎（RA）患者的疼痛评估和卫生决策提供了可靠工具。

　　

引言
类风湿关节炎（RA）是一种全球影响约1760万人的慢性自身免疫性疾病，以关节炎症和功能残疾为核心特征。患者报告结局（PROs）如健康评估问卷残疾指数（HAQ）和疼痛视觉模拟评分（VAS）是评估疾病负担的关键指标。尽管既往研究证实HAQ与VAS存在正相关（Spearman相关系数0.575），但线性回归无法处理VAS的边界值和非线性关系。本研究首次应用贝塔混合模型，通过多组分概率分布和协变量（HAQ、年龄、性别）优化预测性能。

材料与方法
数据来源于R4RA多中心4期随机对照试验（ISRCTN97443826），纳入158名对肿瘤坏死因子-α（TNF-α）抑制剂应答不足的RA患者，共1055次观察。HAQ（范围0-3）和VAS（0-100mm）分别评估功能残疾和疼痛强度。模型开发采用16种变量组合（表1），通过贝叶斯信息准则（BIC）确定最优组分数，并以k折交叉验证（k=4）评估性能指标（均方根误差RMSE、平均绝对误差MAE、伪R²
）。外部验证采用英国RA药物研究（RAMS）队列（n=1758）。

结果
最优模型为双组分贝塔混合模型（Ac2），以HAQ、年龄、性别预测组分概率，HAQ为主回归变量。模型在开发队列中表现优异（RMSE 0.238，伪R²
0.341），模拟疼痛分布与观测值高度吻合（图2）。概率分析显示，HAQ=1.72时预测VAS均值为64.7，且不确定性随HAQ极值增大（图3）。外部验证中，模型仅在低HAQ区间轻微低估VAS约5单位（图4），证实其泛化能力。

讨论
相比传统线性回归（如Yoshii等报道HAQ每增加1单位VAS升高19.1），贝塔混合模型通过处理边界聚集和非线性关系，更贴合临床实际。研究局限性包括极端HAQ样本不足和R4RA队列的选择偏倚，但RAMS验证缓解了后者担忧。未来可扩展至系统性红斑狼疮等疾病，或整合疾病活动度（DAS28-CRP）等变量以提升精度。

结论
该模型为RA疼痛评估提供了首个基于HAQ的贝塔混合模型解决方案，支持卫生技术评估中的证据合成和资源分配决策。配套的在线计算器（在线资源3）和参数矩阵（在线资源2）便于临床与研究应用。