《Cephalalgia Reports》：Weather and headache reports are weakly associated but not individually predictable: A real-world analysis of over one million user-days from the Migrebot headache diary
编辑推荐：
目的：偏头痛（migraine）患者常将发作归因于天气，然而个体层面的证据稀缺。研究人员探讨了逐日天气是否与头痛日记报告相关、是否存在与患者信念相符的稳定天气敏感亚组，以及天气是否能预测每日风险。
方法：研究人员对Migrebot移动头痛日记常规收集的数
目的：偏头痛（migraine）患者常将发作归因于天气，然而个体层面的证据稀缺。研究人员探讨了逐日天气是否与头痛日记报告相关、是否存在与患者信念相符的稳定天气敏感亚组，以及天气是否能预测每日风险。
方法：研究人员对Migrebot移动头痛日记常规收集的数据进行了一项预注册观察性分析，将用户日（user-days）与城市和日期级气象数据（主要来自俄罗斯）相链接。在调整性别、星期和季节的汇总逻辑回归（pooled logistic regression）基础上，辅以每用户分析、半样本重复性、置换零分布（permutation nulls）和时间验证的机器学习（machine learning）。
结果：主要队列包含2024年来自235个城市的5277名用户和1,144,878个用户日，并在2025年于7301名用户和1,433,219个用户日中进行了时间重复验证。关联在统计学上可检出但非常微弱。24小时温度变化正向增加一个标准差（SD）所对应的比值比（odds ratio, OR）为1.022（95%置信区间1.018–1.026），气压下降则轻度增加比值；温度关系呈不对称性，降温与较低比值相关，而升温不显著。经季节调整的每用户标准标记了5.8%的用户（2025年为5.7%）；每用户温度变化斜率在日记两半之间无法复现（半样本相关性接近零），且该标记与记录的天气触发因素无关。日级预测接近随机水平（曲线下面积0.51–0.52）。
结论：城市级每日天气估计是头痛报告的一个统计学上可检出但非常微弱的人群水平相关因素；未能识别出可重复的天气敏感亚组，预测接近随机。本研究结果针对头痛报告和偏头痛相容模式（migraine-compatible pattern）而非确诊偏头痛，不支持个体化的避免天气建议。
开放科学框架注册：https://osf.io/ng347 （统计分析计划版本1.4）。
偏头痛患者普遍认为天气变化可诱发急性发作，约半数患者将天气列为常见诱因之一，这一信念长期影响临床建议与患者行为。然而，五十年来关于环境天气是否真正触发发作的客观证据并不一致。急诊科（emergency department, ED）病例交叉研究发现，环境温度升高与头痛就诊风险短暂增加相关，但前瞻性日记研究通常仅发现微弱且可疑的气象影响。一种常见观点认为，人群水平信号被稀释，因为只有少数患者真正“天气敏感”；个体水平研究虽曾标记出亚组，但样本量小且方向不一，稳定可识别的天气敏感表型是否存在尚属未知。数字头痛日记使在大规模人群中链接自我报告与客观气象数据成为可能。为此，研究人员利用Migrebot头痛日记常规收集的数据，预注册分析了超过一百万用户日，旨在回答四个问题：天气与头痛报告在人群水平是否相关、方向如何；关联是否特异于偏头痛相容发作；能否检测到稳定可识别的天气敏感亚组及其与患者自身信念的对应关系；天气是否提供临床有用的日级预测。
研究人员开展了一项预注册观察性分析，主要队列为2024年5277名用户贡献的1,144,878个用户日，覆盖235个匿名城市；2025年时间重复队列包含7301名用户和1,433,219个用户日。数据来自基于Telegram的Migrebot移动头痛日记，用户主要为俄罗斯人。研究得出结论：天气与头痛报告存在统计学上可检出但极微弱的人群水平关联，24小时温度变化（OR 1.022/SD）和气压下降是较一致的短期相关因素，但关联不对称，且无法识别可重复的天气敏感亚组，日级预测接近随机，因此不支持个体化避天气建议。其意义在于对临床实践和患者教育具有直接警示作用。
该研究的关键技术方法包括：基于Migrebot移动头痛日记（Telegram平台，主要俄罗斯用户）的真实世界队列，2024年主要队列含5277名用户和1,144,878个用户日，2025年重复队列含7301名用户和1,433,219个用户日；天气数据来自OpenWeather API，按城市和日期链接。统计方法上，使用调整性别、星期和季节的汇总逻辑回归（聚类稳健标准误），辅以每用户逻辑回归并施加Benjamini–Hochberg错误发现率（false discovery rate, FDR）控制、半样本重复性、置换零分布、用户内固定效应模型、阴性对照检验和时间验证机器学习（正则化逻辑回归、LightGBM、随机森林）。
队列：通过应用注册的合格密集期规则和天气质量过滤，2024年主要队列包含5277名用户、1,144,878个用户日、235个城市，头痛日占25.2%；2025年重复队列包含7301名用户、1,433,219个用户日、248个城市，头痛日占26.4%。两个年份队列重叠75.6%，因此2025年并非独立样本。
日记依从性与纳入规则：整个导出年度中，用户自身观察期内的每日报告率中位数为0.85；改变纳入规则（如60天连续、90%密度）会改变队列规模但基本不改变温度变化关联（OR约1.022）。被密度规则排除的日子头痛率更高（30.3%对比25.2%），但排除日上的关联为1.016，说明依从性选择影响患病率而不影响天气关联。
人群水平天气关联：客观天气变量与头痛报告概率相关但微弱。24小时温度变化正向一个SD的OR为1.022（95%置信区间1.018–1.026），气压下降对应的OR为0.982/SD（即每10 hPa上升OR 0.973）。湿度变化无关联。温度关系不对称：降温与较低头痛比值相关（OR 0.953/5°C），升温不显著（OR 1.008/5°C），对称V形被拒绝。绝对温度的作用依赖于季节调整，因此结论基于日间变化而非环境水平。城市间异质性低。
阴性对照与规格检验：将城市天气提前7天、30天或随机分配城市，均不产生类似关联，证实主要关联不是安慰剂效应。天气可预测日记记录行为，但极端编码未记录日时关联仍稳健。灵活季节性、分布滞后模型等均不能消除关联；温度指标单独进入模型表现出变化特征而非水平特征。
个体异质性：经季节调整的每用户FDR标准标记2024年5.8%（2025年5.7%）的用户为“天气敏感”，但该标记不稳定：日记两半的温度斜率相关性接近零，DerSimonian–Laird汇总显示无可检测的个体间方差，年份间标签一致性极低（Cohen's κ ≈ ?0.0006）。随机效应模型估计真实斜率个体间SD几乎为零，模拟分析显示个体表观离散度可由估计误差解释。因此未能识别出可重复的天气敏感亚组。
表型与患者信念：光过敏、声过敏、恶心为主及多症状表型与温度变化的交互作用均落在预设±10%界值内，表明不存在大的效应修饰。曾记录天气相关触发因素的用户与未记录者在统计标记率上无差异（5.87%对5.69%，κ ≈ 0.002），患者主观归因与统计学标签不相关。
结局特异性：以偏头痛相容症状模式为结局（非条件模型）时，温度变化关联为OR 1.025/SD，与任何头痛相似；条件模型为空（OR 1.01），表明温度变化不改变可评估头痛日符合症状模式的比例。药物日与所有头痛日的关联无显著差异。天气不预测症状模块的完成。
发作起始：限定在头痛日后的风险集中，温度变化关联为1.032（1.026–1.038），在头痛日后为1.017；发作起始日（即头痛日前一天为无头痛日）的固定效应模型估计为1.035。按发作时间分析，日间/晚间发作的关联仍存在（1.023），但不能确证因果关系。
重复验证：在2024+2025合并模型中，温度变化效应从每5°C OR 1.031降至1.021（年交互p = 0.015），气压效应从0.973降至0.986（p < 0.001），方向重复但显著减弱，且因用户重叠较大，年交互可能部分反映队列组成变化。
日级预测：基于2024训练、2025测试的严格次日目标，天气加日历逻辑回归的曲线下面积（area under the curve, AUC）为0.516，与仅日历基线一致；LightGBM和随机森林未超过逻辑回归；个性化每用户模型没有改善；限制在仅2025年出现的新用户时AUC降至0.508。决策曲线分析显示无净获益。
讨论部分指出，这些结果与先前急诊研究方向一致但效应更小，与日记研究结论一致。最关键的是个体异质性证据不足以支持存在可重复的天气敏感亚组，且主观归因与标签不一致。临床意义是，微弱、非局部化、非预测性的关联不能作为个体化避天气建议的基础。局限性包括观察性设计、同日测量、城市级暴露、自我报告、选择偏倚、未测混杂等。
研究结论可翻译为：在超过一百万真实世界日记用户日中，城市级每日天气估计显示与日级头痛报告存在统计学可检出但非常小的人群水平关联——即温度日变化和气压下降带来小幅头痛比值变化，且温度关联受季节调节——但没有有意义的表型分层或记录的天气归因差异，没有证据表明存在可识别且可重复的天气敏感亚组，偏头痛相容症状模式结局与总体头痛表现一致，也不具有临床有用的日级预测价值。未来工作应采用发作锚定或病例交叉设计以及个体生理信号，而不是城市级环境天气估计，以寻求个体水平预测。
