提升人类情感量化水平：基于货币等价法创新疼痛测量的经济学路径

针对传统疼痛自评量表（如NRS、VAS、gLMS）存在跨个体可比性差、测量偏差等问题，研究团队开发了基于经济激励相容理论的货币等价法（ME）。通过三项预注册随机对照试验证明，ME在区分不同疼痛刺激强度方面显著优于传统方法（效应量达1.7以上），为临床疼痛评估和镇痛疗效研究提供了更精准的测量工具。

　　

在经济学、心理学和医学领域，数字自评量表被广泛用于量化从生活满意度到疼痛体验等主观感受。然而这类量表长期面临缺乏客观基准的质疑——当一个人说自己的疼痛程度是“7分”，另一个人也说“7分”时，他们的真实感受可能截然不同。这种跨个体不可比性使得疼痛测量在临床实践和科学研究中陷入困境，甚至导致慢性疼痛患病率的估计出现巨大差异（成人群体估计值从18%到34.5%不等）。更严重的是，不准确的疼痛测量可能导致疼痛管理不当，影响生活质量，并造成医疗系统沉重负担（美国每年疼痛治疗费用超过600亿美元）。

为破解这一难题，来自苏黎世大学大脑、心智与市场研究中心的Michele Garagnani、Petra Schweinhardt、Philippe N. Tobler和Carlos Alós-Ferrer团队在《Social Science》发表了一项开创性研究。他们借鉴经济学标准诱导方法，开发了一种通过货币量化急性疼痛负面价值的新方法——货币等价法（Monetary Equivalence, ME），使疼痛测量首次实现跨个体可比。

研究团队采用三种疼痛诱导技术（电刺激、接触热刺激和镇痛剂试验），在2022年6月至9月期间完成了三项预注册随机对照试验，共招募330名健康参与者。关键技术方法包括：1）使用DS5隔离双极恒流刺激器（Digitimer）和TSA II热刺激仪（Medoc Ltd）施加标准化疼痛刺激；2）双盲随机分配至高/低疼痛条件或镇痛剂/安慰剂组；3）同步采集传统量表（NRS、VAS、gLMS）与新型ME数据；4）基于多重价格列表（multiple price lists）设计激励相容的货币选择任务；5）采用曼-惠特尼U检验、贝叶斯因子分析和概率回归进行统计验证。

3.1. Statistical separation of experimental groups

通过效应量分析发现，ME方法在区分不同疼痛条件方面展现卓越性能。在电刺激研究中，ME1和ME2的效应量分别达到1.72和1.15（远超1.2的“极大效应”阈值），而传统方法NRS、VAS、gLMS仅显示0.45、0.48和0.18的小到中等效应。在接触热疼痛研究中，ME方法同样保持1.71-1.68的极高效应量，传统方法仅为0.45-0.57。最具说服力的是镇痛剂研究：传统方法甚至出现方向错误的显著差异（效应量-0.36至-0.52），而ME方法持续显示4.0以上的极高正向效应量。

3.2. Bayesian factor analysis

贝叶斯因子分析提供“决定性证据”：ME1解释数据的可能性显著高于传统方法（对数贝叶斯因子全部超过61），而ME1与ME2之间无显著差异（对数因子接近零）。这表明货币等价法在统计优越性上具有鲁棒性。

3.3. Probit regressions

概率回归模型进一步证实，当同时纳入所有测量方法时，只有ME1始终成为预测疼痛条件的显著变量（研究1：t=2.68, p<0.01；研究2：t=4.73, p<0.001；研究3：t=3.53, p<0.001）。传统方法的预测能力要么不显著，要么出现方向错误。所有模型的伪R²值均超过0.81，显示ME方法具有极强的解释力。

研究结论表明，货币等价法通过提供人际可比的货币尺度，有效解决了抽象数字量表的校准难题。该方法在实验性急性疼痛测量中显著优于传统量表，且适用于不同疼痛模态和镇痛疗效评估场景。尽管临床推广仍需考虑收入异质性等问题，但ME方法为疼痛测量提供了革命性解决方案，尤其适用于随机平行分配的临床试验场景。这项研究不仅推动了疼痛测量方法的革新，更为人类主观感受的量化研究开辟了经济学与医学跨学科融合的新范式。