行为参与指标对AI赋能肌肉骨骼康复疼痛结局的影响：一项真实世界研究

《Journal of Pain Research》：Exploring the Impact of Behavioral Engagement Indicators on Pain Outcomes in AI-Enabled Musculoskeletal Rehabilitation: A Real-World Investigation

　　

目的：本研究旨在检验反映时机、常规形成和连续性的行为参与指标能否预测慢性肌肉骨骼（MSK）脊柱疼痛患者在接受人工智能（AI）赋能康复项目后的最终疼痛评分。

方法：这项对真实世界临床注册数据（2020年6月19日至2024年11月8日，美国，N=19,866）的临时性分析，纳入接受AI辅助、完全远程康复治疗的成年慢性MSK脊柱疼痛患者，该康复在物理治疗师监督下实施，结合运动、实时生物反馈（异步监测）、教育和行为改变（持续最长12周）。主要结局为最终疼痛评分，通过11点数字疼痛评定量表（NPRS）报告。行为参与候选预测因子（源自治疗记录数据）包括早期阶段（前三周）——治疗启动（至首次治疗的天数）、早期常规形成（一致的工作日治疗完成）和早期连续性（无错过周）——以及全期指标——工作日常规一致性和存在一周治疗中断（连续≥7天无治疗）。采用结构方程模型（SEM）评估与疼痛结局的关联，并对混杂因素进行校正。调节分析评估基线疼痛严重程度、年龄、种族/民族和BMI分层的亚组差异。

结果：所有早期阶段行为参与指标——及时治疗启动、常规形成和参与连续性——均与更低的最终疼痛评分相关，尽管效应量很小（Cohen's f²=0.01）。在整个干预期间，更高的工作日治疗完成一致性与更低疼痛相关（β=?0.21，P<0.001），而经历一整周中断则预测更高疼痛（β=0.14，P<0.001），效应量较小（Cohen's f²=0.02）。除肥胖患者外，所测亚组均未观察到调节效应，其中一周中断对疼痛的影响更强。模型解释方差为25%。

结论：捕捉治疗启动、常规形成和连续性的行为参与指标与AI赋能MSK康复后的疼痛结局显著相关，尽管效应幅度较小。行为参与可能代表可修饰的干预靶点，需进一步验证。

慢性脊柱疼痛是全球性公共卫生问题，严重影响患者躯体功能、情绪和社会参与。运动康复是核心治疗手段，而依从性决定疗效。既往肌肉骨骼（MSK）康复的预测研究多聚焦于运动剂量指标（如总治疗次数、时长或运动量），但这些指标仅量化完成量，未能刻画患者参与行为如何形成和维持。随着远程康复模式兴起，患者自主性增强，治疗启动、规律形成和连续性等行为模式对结局的影响愈发重要。同时，远程平台产生客观、带时间戳的设备日志数据，为超越传统依从性指标研究行为参与提供了机会。然而，这些行为模式是否与疼痛结局相关尚不清楚。为此，研究人员开展了一项真实世界研究，检验行为参与指标——包括启动时机、常规形成和连续性——是否可预测AI赋能康复项目的最终疼痛评分。

研究人员基于一项持续进行的真实世界临床注册研究进行临时性分析，数据来自美国全国19,866名慢性脊柱疼痛成人（平均年龄48.4岁，女性55.3%），纳入时间为2020年6月19日至2024年11月8日。所有参与者接受了AI辅助、完全远程康复干预，由物理治疗师监督，结合运动、实时生物反馈、教育和认知行为疗法，持续最长12周。主要结局为最后完成的疼痛再评估，采用11点数字疼痛评定量表（NPRS）。行为参与候选预测因子源自设备记录，包括早期阶段（前三周）的治疗启动时间（至首次治疗天数）、早期常规形成（工作日一致完成治疗）、早期连续性（无错过周），以及全期指标——工作日常规一致性和一周中断（连续≥7天无治疗）。统计方法上，研究人员采用逆概率加权（IPW）校正因仅纳入完成≥5次治疗参与者所致的选择偏倚，并通过结构方程模型（SEM）评估预测因子与疼痛的关联，同时校正年龄、性别、BMI、种族/民族、教育、社会经济状态、镇痛药使用、治疗时长、基线疼痛、抑郁、焦虑和恐惧回避信念等混杂因素。调节分析采用多组SEM比较基线疼痛严重度、种族/民族、BMI和年龄分层。样本量远超最低要求，支持稳定参数估计。

结果部分共有三个小标题。

Early-Phase Metrics：在治疗前3周的早期指标中，治疗启动越及时，最终疼痛评分越低（β=0.03，P=0.014）；早期在工作日形成规律治疗与较低疼痛相关（β=?0.23，P<0.001）；早期连续性（未错过任何周）同样预测更低疼痛（β=?0.21，P<0.001）。尽管统计显著，但效应量极小（Cohen's f²=0.01），该模型解释了24.4%的疼痛结局方差。

Full-Period Metrics：在整个干预期内，更高的工作日治疗一致性与更低的最终疼痛评分显著相关（β=?0.21，P<0.001）；而经历一整周治疗中断则预测更高疼痛（β=0.14，P<0.001）。效应量较小（Cohen's f²=0.02），模型解释24.9%的方差。

Moderation Analysis：BMI类别调节了全期行为参与指标与疼痛之间的关联（Δχ²(2)=10.09，P=0.006）。一周中断对疼痛的影响在肥胖患者中更强（β=0.27，P<0.001），而非肥胖患者中不显著（β=0.06，P=0.131）。基线疼痛严重度、种族/民族和年龄均无显著调节效应，表明这些关联在各亚组中一致。

讨论部分指出，较快的治疗启动、早期工作日规律和早期无中断均与更低疼痛相关，全期保持工作日规律和避免一周中断亦如此。模型解释约四分之一疼痛方差，说明行为参与提供补充性预后信息。与文献一致，延迟启动物理治疗与更差结局相关；工作日常规形成可能促进习惯养成和自动性，降低再参与成本。一周中断可能破坏已形成的常规，增加重新参与难度，但反向因果关系不能排除——高疼痛也可能导致中断。效应量虽小，但在校正广泛混杂因素后仍具独立贡献，且行为信号可解释、可干预。BMI的调节效应提示肥胖患者中断后再参与困难更大。该AI赋能模型包含自动运动追踪和实时生物反馈等功能，可能支持参与，但本研究仅描述预测关联，不归因于AI本身。研究优势包括大规模全国样本、客观设备测量、早期与全期指标区分、以及IPW和SEM校正。局限性包括观察性设计、残余混杂、中断时间异质性、以及其他结局（如残疾、生活质量）未评估。

研究结论：在这项针对接受AI赋能、远程MSK康复的慢性脊柱疼痛成人的大型真实世界队列中，行为参与指标与疼痛结局显著相关，尽管效应幅度较小。更早启动、早期常规形成和早期连续性均与更低的最终疼痛评分相关。全期保持工作日规律一致性和避免一周中断可预测更好的疼痛结局。这些关联在基线疼痛、种族/民族和年龄层面一致，而中断的不利影响在肥胖参与者中更强。行为参与模式可能代表远程护理中可修饰的干预靶点，并有助于识别需要针对性支持的患者。然而，仍需进一步验证性研究来确认这些发现，并确定其如何助力个性化护理。