成人择期手术后慢性疼痛风险预测新模型：P4-Prevoque?问卷的开发与验证

本研究开发了一种术前预测成人慢性术后疼痛（CPSP）风险的简易模型P4-Prevoque?，通过术前疼痛强度、手术类型、教育水平和手术担忧度四个指标，实现AUC 0.81的优异区分度（敏感性74%，特异性77%），为临床早期识别高风险患者提供了实用工具。

　　

背景

慢性术后疼痛（CPSP）作为全球性健康难题，影响10%-85%的手术患者，其复杂的生物心理社会机制导致临床管理效果常不尽如人意。尽管已有多种预测模型，但普遍存在手术类型局限性或数据采集复杂等问题。这项单中心前瞻性队列研究（PERISCOPE试验）旨在开发适用于多手术类型的简易术前预测工具。

研究方法

比利时安特卫普大学医院2022-2023年纳入660例择期手术患者，最终415例完成随访（19.3%发生CPSP）。通过电子化采集（REDCAP^?）33项候选预测因子，包括人口统计学特征、术前镇痛药使用、手术分类（Kalkman分型）及患者报告结局（EQ-5D-5L生活质量量表、HADS焦虑抑郁量表等）。主要终点定义为术后3个月手术部位疼痛数字评分（NRS）≥3分。

关键发现

通过逐步回归分析筛选出四大核心预测因子：

1. 术前疼痛强度（NRS每增加1分，CPSP风险升高27%）

2. 手术类型（腹腔手术风险达ENT手术的8.3倍）

3. 教育水平（低教育者风险为高教育者的2.9倍）

4. 手术担忧度（每增加1级担忧，风险上升19%）

最终P⁴-Prevoque?模型展现出优异性能：

• 区分度：校正后AUC 0.76（95%CI 0.67-0.82）

• 校准度：预测概率与观察频率匹配良好（E/O比1.02）

• 实用性：仅需4个易获取指标，5分钟内可完成评估

创新价值

相较于传统模型（如Kalkman评分AUC 0.72），该模型显著提升预测效能（p=0.0003）。其突出优势在于：

• 跨手术普适性：覆盖11个学科的44种术式

• 临床友好性：避免复杂生化检测或术后参数依赖

• 干预窗口前移：术前即可识别高风险人群，为心理干预和镇痛策略优化创造条件

局限与展望

研究存在教育水平偏倚（非完成者中高学历占比较少）和远程疼痛评估的局限性。未来需开展多中心外部验证，并探索模型指导下的靶向干预（如术前认知行为疗法或个体化镇痛）对CPSP发生率的影响。值得注意的是，ICD-11新定义下部分疼痛加重患者未被纳入，提示未来模型需同步适应诊断标准的演进。

临床转化意义

该模型通过电子问卷形式可无缝整合至术前评估流程，其简明特性特别适合数字化医疗场景（如移动端APP或候诊室自助终端）。对于预测高风险患者，临床医生可优先启动多模式镇痛、心理疏导或术后早期疼痛随访，从而可能打破"手术成功但疼痛持续"的困境。