IMobileTransformer：一种基于融合技术的轻量级模型，用于水稻病害识别

《Engineering Applications of Artificial Intelligence》：IMobileTransformer: A fusion-based lightweight model for rice disease identification

本研究通过多中心前瞻性研究，开发了适用于脑损伤且无法自我报告患者的疼痛评估工具ESCID-DC，验证了其良好的信效度，包括高区分度（AUC>0.83）、内部一致性（α-Cronbach≥0.80）和与参考量表NCS-R-I的高度相关性（r≥0.75）。

　　在重症监护病房（ICU）中，疼痛的评估一直是医疗护理中的一个重要挑战，尤其是在那些无法自我报告疼痛的患者中。这类患者通常因脑损伤、意识障碍或机械通气等医疗状况而失去表达能力，因此需要依赖行为指标来判断其疼痛状态。近年来，行为疼痛评估工具逐渐成为临床上推荐的评估方式，但这些工具在某些特定群体中的适用性仍需进一步验证。本研究旨在开发并验证一种适应于脑损伤患者的行为疼痛评估工具——行为疼痛指标量表（ESCID）的适应版本（ESCID-DC），以更准确地评估无法自我报告且使用人工气道的患者疼痛情况。

### 行为疼痛评估的重要性

在重症患者中，疼痛是一个普遍存在的问题，尽管患者无法用语言表达，但疼痛仍然可能影响其生理和心理状态。研究表明，ICU中约有43%的患者经历疼痛，这一比例在不同情况下会有所变化。例如，在静息状态下，疼痛的发生率约为33%，而在进行有创或疼痛性操作时，这一比例可能上升至90%。疼痛不仅会增加患者的不适感，还可能引发一系列不良后果，如焦虑、谵妄、住院时间延长以及慢性疼痛等问题。因此，及时和准确地评估疼痛对于改善患者预后、减少并发症和提高护理质量至关重要。

### 评估工具的发展背景

在西班牙，行为疼痛指标量表（ESCID）已被开发并验证，适用于无法自我报告且接受机械通气的医疗和术后患者。该量表基于五个行为指标，评分范围为0至2，总分为0至10，能够有效区分疼痛和非疼痛状态，并在临床实践中展现出良好的内部一致性与观察者间的一致性。然而，尽管ESCID在某些群体中表现良好，专家们仍建议进一步验证其在脑损伤和意识障碍患者中的适用性。因此，本研究在原有ESCID的基础上，结合脑损伤患者的特点，进行了适应性调整，开发出ESCID-DC这一新的评估工具。

### 研究方法与过程

本研究采用多中心研究设计，分为两个阶段：量表开发和心理测量学验证。在第一阶段，研究团队通过三种不同的方法逐步构建ESCID-DC的内容。首先，研究人员在脑损伤患者中进行前瞻性观察研究，记录他们在不同条件下的面部和身体行为反应，包括静息状态和疼痛性操作（如气管吸引和指床加压）与非疼痛性操作（如用纱布摩擦皮肤）期间的行为变化。接着，由三位专家盲评这些行为数据，以确定哪些行为最能反映疼痛。最后，通过面效度测试，确保量表的表述清晰、易于理解，并且能够在实际临床环境中高效使用。

第二阶段则专注于评估ESCID-DC的心理测量学特性。研究团队采用标准化方法，对参与研究的346名患者进行了系统评估。这些患者均为无法自我报告疼痛、有脑损伤且使用人工气道的重症患者，研究覆盖了西班牙17家医院的21个ICU。研究团队还对评估过程进行了严格的培训，确保所有观察者对量表的理解一致，并通过反馈机制减少评分差异。评估过程包括三种时间点：疼痛性操作前、操作中和操作后15分钟，分别使用ESCID-DC和NCS-R-I（适用于插管患者的改良版诺西普森昏迷量表）进行评分。

### 研究结果与分析

研究结果显示，ESCID-DC在疼痛性操作期间表现出较高的区分能力，其曲线下面积（AUC）超过0.83，表明该量表能够有效区分疼痛和非疼痛状态。此外，ESCID-DC在不同时间点的评分变化也显示出良好的敏感性，能够反映疼痛随时间的变化趋势。在观察者间一致性方面，ESCID-DC的Kappa值超过0.87，表明不同观察者对疼痛评分的判断高度一致。同时，内部一致性分析显示，α-Cronbach值在疼痛性操作期间均达到0.80以上，说明量表的各个项目在整体评估中具有较高的相关性。

为了进一步验证ESCID-DC的结构效度，研究团队采用了探索性因子分析（EFA）和验证性因子分析（CFA）相结合的方法。结果显示，所有项目在三个因子模型中均表现出良好的相关性，且KMO值（>0.78）和巴特利特球形度检验（p<0.001）均支持因子分析的可行性。此外，研究还发现，ESCID-DC在评估过程中展现出与NCS-R-I高度相关的趋势，Pearson相关系数（r≥0.75）均具有统计学意义，表明两种量表在测量疼痛方面具有良好的收敛效度。

### 量表的适用性与局限性

ESCID-DC的开发和验证结果表明，该量表适用于ICU中无法自我报告疼痛的脑损伤患者。其评分系统考虑了患者在不同操作下的行为反应，包括面部表情、呼吸模式、肢体反应以及无法安抚的表现等。这些指标不仅能够反映疼痛的强度，还能够帮助医护人员识别患者在不同操作下的反应模式，从而更准确地判断其疼痛状态。此外，研究还发现，某些行为在原有ESCID中被保留，但在ESCID-DC中被剔除，例如肌肉僵硬和咳嗽等行为。这些行为在脑损伤患者中出现频率较低，且可能与神经系统损伤本身或镇静药物的影响混淆。

然而，研究也指出了一些局限性。首先，由于样本中大多数患者处于意识障碍状态，无法进行自我报告，因此无法进行标准的判别效度分析。其次，研究并未评估镇痛药物对量表评分的影响，这可能会影响疼痛评估的准确性。未来的研究可以进一步探讨这些因素对ESCID-DC性能的影响，并在更多样化的临床环境中进行验证。

### 临床意义与未来研究方向

ESCID-DC的开发和验证为ICU中脑损伤患者的疼痛评估提供了一种新的工具。该量表在临床实践中展现出良好的适用性，能够帮助医护人员在无语言表达能力的情况下更准确地识别患者的疼痛状态。这不仅有助于改善患者的舒适度，还能促进更有效的镇痛干预措施的实施。此外，ESCID-DC的高区分能力和良好一致性表明，它可以在不同的操作和时间点上提供可靠的数据支持。

未来的研究可以考虑在不同类型的ICU中验证ESCID-DC的适用性，并探索其在更广泛的疼痛性操作中的表现。此外，研究还可以进一步评估该量表在不同镇痛药物和镇静水平下的稳定性，以确保其在不同治疗策略下的有效性。随着对疼痛评估工具研究的深入，ESCID-DC有望成为重症脑损伤患者疼痛管理的重要组成部分，从而提高整体护理质量和患者预后。

### 总结

本研究通过系统的方法，开发并验证了一种适用于脑损伤患者的新型行为疼痛评估工具——ESCID-DC。该量表在临床实践中展现出良好的心理测量学特性，包括高区分能力、良好一致性以及与NCS-R-I的高相关性。这些结果表明，ESCID-DC能够有效评估无法自我报告疼痛的重症脑损伤患者，从而为疼痛管理提供有力支持。尽管研究仍存在一定的局限性，但ESCID-DC的开发为未来的临床实践和研究提供了新的方向，特别是在提高疼痛识别的准确性和优化患者护理方面。随着更多临床数据的积累，ESCID-DC有望成为ICU中不可或缺的疼痛评估工具，进一步推动疼痛管理在重症脑损伤患者中的应用。