基于meta分析构建和验证带状疱疹后神经痛预测系统

《Scientific Reports》：Construction and validation of a prediction system for postherpetic neuralgia: based on meta-analysis

　　

带状疱疹后神经痛（PHN）是一种慢性、顽固性疼痛疾病。现有的PHN预测系统临床适用性有限。研究人员在PubMed、Web of Science、Embase和Cochrane Library中系统检索了1950年至2025年间的文献，最终纳入44项研究（PROSPERO: CRD420251011300）。训练集（n=417）和验证集（n=228）来自浙江中医药大学附属第一医院和杭州市第三人民医院。基于meta分析中的效应量，研究人员使用训练集拟合线性回归模型，开发了PHN预测评分量表（PPSS），随后在独立验证集中进行验证。从meta分析中确定的七个关键风险因素被选入评分，包括年龄（比值比（OR）（95%置信区间）：1.66（1.47，1.88））、急性疼痛（OR：2.61（2.24，3.05））、前驱疼痛（OR：1.79（1.38，2.31））、严重皮疹（OR：2.64（1.95，3.56））、头部皮疹（OR：1.96（1.8，2.13））、糖尿病（OR：1.34（1.24，1.44））、免疫抑制（OR：2.23（1.95，2.56））。基于上述因素和权重，构建了PPSS。结果显示，在验证集上，PPSS的曲线下面积（AUC）为0.759（0.693–0.824），准确率为0.684（0.624–0.745），精确率为0.515（0.417–0.612），召回率为0.693（0.589–0.798），特异度为0.680（0.606–0.754）。这些发现表明PPSS有望在临床实践中推广和应用。

**基于meta分析构建和验证带状疱疹后神经痛预测系统：论文解读**

**研究背景与问题**
带状疱疹（herpes zoster，HZ）由水痘-带状疱疹病毒（varicella-zoster virus，VZV）再激活引起，约1/3人口一生中会罹患。其最常见并发症为带状疱疹后神经痛（postherpetic neuralgia，PHN），定义为皮疹愈合后持续超过90天的疼痛，患病率5%-30%，严重影响患者疼痛感知、睡眠质量及经济状况。现有有效疼痛管理方法（如脊髓刺激、星状神经节阻滞、激光治疗）可预防PHN，但因临床预测困难，这些方法常用于难治性PHN而非预防阶段，故准确预测PHN成为关键临床目标。近年来，基于机器学习的预测模型虽有报道，但存在单数据集建模缺乏外部验证、预测因子异质性强且临床不常规收集、模型可解释性有限等挑战。为此，研究人员通过meta分析整合临床常用风险因素的效应值，构建PHN预测评分量表（PPSS），并在两个独立队列中验证，旨在建立适合快速筛查、易于理解的评分工具。该论文发表在《Scientific Reports》。

**研究内容与结论**
研究人员首先进行系统综述和meta分析，检索PubMed、Web of Science、Embase和Cochrane Library（1950-2025年），最终纳入44项研究（PROSPERO: CRD420251011300），涉及707,831例HZ患者。提取调整后的比值比（odds ratio，OR）和95%置信区间（confidence interval，CI），对17个潜在风险因素进行meta分析。随后，从浙江中医药大学附属第一医院（TJHCM，训练集，n=417）和杭州市第三人民医院（HTPH，验证集，n=228）收集HZ患者临床数据。基于meta分析中显著且纳入研究数≥5的7个风险因素（年龄、急性疼痛、前驱疼痛、严重皮疹、头部皮疹、糖尿病、免疫抑制），将β系数（log(OR)）乘以10后四舍五入赋分，在训练集中进行线性拟合，确定最优截断值（cutoff=40），构建PPSS。在独立验证集中，PPSS的AUC为0.759（95%CI: 0.693-0.824），准确率0.684，精确率0.515，召回率0.693，特异度0.680，校准曲线和决策曲线显示良好校准度和临床净获益。结论：PPSS在可接受的预测性能与简洁实用结构间取得平衡，具有临床推广潜力。

**主要关键技术方法**
研究人员采用系统综述和meta分析，遵循PRISMA 2020指南，在四个数据库中检索文献，使用纽卡斯尔-渥太华量表（Newcastle-Ottawa Scale，NOS）评估偏倚风险；采用随机效应或固定效应模型合并效应量（log(OR)），以I²评估异质性，通过敏感性分析、亚组分析、meta回归探索异质性来源，并用漏斗图和Egger检验评估发表偏倚，Trim-and-fill方法校正。建模方面，基于meta分析获得的β系数，经线性变换赋分后构建线性回归模型，在训练集上拟合确定截断值，并在独立验证集上通过接收者操作特征（receiver operating characteristic，ROC）曲线、校准曲线、决策曲线评估模型性能。样本队列来自浙江中医药大学附属第一医院和杭州市第三人民医院。

**研究结果**
**Meta-analysis - Study selection and study characterization**：研究人员通过系统检索和筛选，最终纳入44项研究（21项前瞻性，23项回顾性），覆盖707,831例HZ患者。36项研究以临床症状联合病毒学检测诊断HZ，8项基于诊断代码。PHN定义在疼痛时长上存在差异（1-6个月）。文献质量评估显示39项研究为高质量（NOS≥7），5项为中等质量。

**Meta-analysis of risk factors**：对17个风险因素逐一进行meta分析。结果如下：年龄（每十年）合并OR为1.66（95%CI: 1.47-1.88），年龄（>50岁 vs <50岁）OR为2.72（2.15-3.45）；性别（女性 vs 男性）OR为1.02（0.84-1.25），无显著关联；肥胖（obesity）OR为1.13（1.05-1.21）；吸烟OR为1.28（1.19-1.37）；急性疼痛（severe vs moderate vs mild）OR为2.61（2.24-3.05）；前驱疼痛（prodromal pain）OR为1.79（1.38-2.31）；异常感觉（abnormal sensation）OR为2.51（1.29-4.92）；严重皮疹（severe rash，moderate to severe vs mild）OR为2.64（1.95-3.56）；头部皮疹（rash on the head）OR为1.96（1.8-2.13）；腰骶部皮疹（rash on waist and sacrum）OR为0.87（0.46-1.66），无显著关联；初始治疗时间（initial treatment time）OR为1.3（0.51-3.33），无显著关联；免疫抑制（immunosuppression）OR为2.23（1.95-2.56）；糖尿病（diabetes）OR为1.34（1.24-1.44）；自身免疫病（autoimmune diseases）OR为1.5（1.17-1.92）；焦虑抑郁（anxiety and depression）OR为1.43（1.29-1.6）；肿瘤史（tumor）OR为1.06（0.72-1.57），无显著关联。

**Assessment of sources of heterogeneity**：异质性检验显示年龄、性别、糖尿病、自身免疫病、肿瘤存在较高异质性（I²≥75%）。敏感性分析表明结果稳健；亚组分析发现年龄分类标准是异质性来源；meta回归显示PHN不同定义是年龄异质性来源之一，出版年份是自身免疫病和肿瘤异质性来源。基于不同PHN定义（>30天和>90天）的敏感性分析支持模型稳健性。

**Publication bias assessment**：Egger检验显示急性疼痛（p=0.001）、异常感觉（p=0.008）、糖尿病（p=0.037）存在潜在发表偏倚，但Trim-and-fill校正后结果仍稳健。

**Modeling and validation - Baseline comparison**：训练集（TJHCM，n=417）平均年龄57.39岁，53%为女性，PHN患病率42.93%（179/417）；验证集（HTPH，n=228）中位年龄66.5岁（58，72.25），61%为女性，PHN患病率30.70%（75/228）。两组间存在异质性。

**PPSS**：基于7个风险因素构建PPSS，赋分公式为：f(X) = [X_Age - 50] × 5 + sgn(X_Age - 50) × 10 + X_Acute pain × 3 + X_Prodromal pain × 6 + X_Severe rash × 10 + X_Rash on the head × 6 + X_Diabetes × 3 + X_Immunosuppression × 8，并附可视化列线图。在训练集上，AUC为0.853（95%CI: 0.815-0.89），准确率0.772，精确率0.769，召回率0.67，特异度0.849，Kappa=0.528，截断值40。在验证集上，AUC为0.759（95%CI: 0.693-0.824），准确率0.684，精确率0.515，召回率0.693，特异度0.680，Kappa=0.343。校准曲线显示预测概率与实际观察概率一致性良好，Brier分数分别为0.152和0.179。决策曲线分析表明，使用PPSS模型在不同风险阈值下净获益均高于不使用模型。

**讨论总结与结论**
该研究首次利用meta分析建立PHN预测系统。PPSS兼顾了可接受的预测性能和简洁实用的结构，所有评估要素可通过直接询问患者获得，临床可及性高。相比机器学习模型（AUC 0.87），PPSS的AUC稍低（0.76），但更直观、易理解、适用临床。PPSS评分>40的患者为高风险，建议采用先进疼痛管理策略以降低PHN发生率；评分<40的低风险患者适合常规治疗，有助于合理分配医疗资源。PPSS的精确率较低（0.515），表明阳性预测可能有一定假阳性率，但阴性判断准确。meta分析结果与既往研究定性一致，并新发现异常感觉和肥胖是风险因素，肿瘤与PHN无显著关联。机制方面，VZV再激活引起PHN的机制不完全清楚，可归纳为免疫监视减弱（免疫衰老、免疫抑制）和神经炎症导致的外周及中枢敏化。头部皮疹风险可能与颅神经解剖位置和髓鞘形成有关。异常感觉以往未被重视，研究人员建议临床医生关注HZ患者的异常感觉症状。优势包括首次定量评估、模型简洁、外部验证；局限性包括样本量小、缺乏代表性、异质性和仅纳入≥5个研究的因素可能遗漏重要变量。

**研究结论翻译**：本研究基于meta分析结果，对七个关键风险因素（年龄、急性疼痛、前驱疼痛、严重皮疹、头部皮疹、糖尿病、免疫抑制）进行定量赋分，并据此构建了PHN预测评分量表（PPSS）。该评分系统在训练集和验证集中均表现出可接受的预测性能。因此，研究人员建议临床医生使用PPSS评估HZ患者，从而识别出发生PHN的高风险人群，并及时给予积极的疼痛干预，以帮助降低PHN的发生率。