老年患者骨科手术后疼痛轨迹:预后因素及与术后结局关联的分析

Pain Trajectories after Orthopedic Surgery in Older Adults: An Analysis of Predictors and Associations with Postoperative Outcomes

作者信息Yan Li, Hong Hong, Jia-Hui Ma, Dong-Xin Wang
PMID41944592
发布时间2026-06-11
DOI10.1097/ALN.0000000000006083

实验完整度

研究包含患者队列数据、生长混合模型、多变量回归等多个证据层次,并进行了功能验证(轨迹与结局关联)和机制探索(预测因素)。

主要模型

老年骨科手术患者(65至90岁) 患者队列(710例)

重点核对

患者年龄范围65至90岁,来自两项中心随机对照试验数据库 术后疼痛强度评估:每日两次,持续5天,使用11点NRS评分 轨迹识别方法:增长混合模型,基于运动时疼痛评分 轨迹分组:四种类型,概率分别为57.9%、23.4%、10.8%、7.9% 结局评估:30天内并发症、5天内吗啡等效量、住院时间、30天WHOQOL-BREF身体领域评分

摘要

背景:老年骨科患者术后疼痛轨迹的异质性及其对临床结局的影响尚未得到充分表征。本研究旨在识别不同的术后疼痛轨迹,确定其潜在的预测因素,并评估其对术后结局的影响。方法:这项二次分析纳入了710名年龄在65至90岁之间、接受骨科手术并接受自控镇痛的成年患者。术后,使用11点数字评分量表每天评估两次疼痛强度,持续5天;并发症的发生情况随访至30天;在30天时评估生活质量。采用增长混合模型根据运动时的疼痛强度识别疼痛轨迹。使用多项逻辑回归分析确定轨迹归属的预测因素。使用多变量回归评估轨迹归属与术后结局之间的关联。结果:识别出四种不同的疼痛轨迹:缓慢下降型(57.9%)、快速下降型(23.4%)、上升-下降型(10.8%)和缓慢上升型(7.9%)。以缓慢下降型为参照,术前镇痛药使用与上升-下降型(校正比值比[OR],3.76;95% CI,1.53至9.23;P = 0.004)和缓慢上升型(校正OR,3.89;95% CI,1.52至9.98;P = 0.005)的风险增加相关,而在自控镇痛中使用右美托咪定与快速下降型(校正OR,0.47;95% CI,0.32至0.70;P < 0.001)和上升-下降型(校正OR,0.15;95% CI,0.08至0.28;P < 0.001)的风险降低相关。与缓慢下降型相比,快速下降型患者需要更多的阿片类药物并出现更多并发症;上升-下降型患者需要更多的阿片类药物,并且在30天时身体领域的生活质量评分较低;缓慢上升型患者术后住院时间更长。结论:老年骨科患者的术后疼痛遵循四种不同的轨迹,这些轨迹受基线和围手术期因素的影响。特定的疼痛轨迹与不良术后结局相关。在特征明确的老年骨科手术患者数据库中,识别出四种不同的术后疼痛轨迹:缓慢下降、快速下降、上升-下降和缓慢上升。轨迹模式可通过术前患者特征和术中因素进行预测。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
老年骨科手术后是否存在不同的疼痛轨迹,以及这些轨迹的预测因素及其与术后结局的关联是什么?
核心机制
术前镇痛药使用和慢性吸烟可能反映术前疼痛状态和中枢疼痛处理改变,导致术后疼痛控制不佳;而右美托咪定辅助镇痛可能通过阿片节约效应降低特定不良轨迹的风险。
主要证据
基于710例老年骨科手术患者数据库,采用增长混合模型识别出四种疼痛轨迹,多变量回归发现术前镇痛药使用增加上升-下降和缓慢上升轨迹的风险,右美托咪定降低快速下降和上升-下降轨迹的风险,且快速下降轨迹与更多并发症相关,上升-下降轨迹与较低的身体健康质量相关,缓慢上升轨迹与较长住院时间相关。
研究意义
研究结果表明术后疼痛轨迹是独特的临床表型,可作为术后结局的早期预警信号,支持从反应性疼痛管理转向主动、风险分层的围手术期护理。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

患者纳入与数据采集

获取研究所需的患者队列及数据。

从两项中心随机对照试验数据库中纳入710名年龄65至90岁、接受骨科手术并接受自控静脉镇痛的患者,提取基线、围手术期及术后数据。

2

术后疼痛轨迹识别

识别术后5天内疼痛强度随时间变化的潜在轨迹类别。

使用增长混合模型分析术后5天内每日两次的运动时NRS疼痛评分,确定最优轨迹类别数。

3

预测因素分析

识别基线及围手术期因素中与轨迹归属相关的独立预测因素。

采用多因素多项逻辑回归分析,以缓慢下降轨迹为参照,评估各因素对轨迹归属的独立影响。

4

轨迹与结局关联分析

评估不同疼痛轨迹与术后结局之间的关联。

采用多变量回归模型分析轨迹归属与术后吗啡用量、并发症、住院时间及30天生活质量等结局的关联,并调整混杂因素。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
对乙酰氨基酚----
非甾体抗炎药----
氟比洛芬酯----
帕瑞昔布----
甲泼尼龙----
地塞米松----

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
患者纳入
患者年龄、手术类型、排除标准
阅读提示:详见Materials and Methods中的Study Participants部分。
疼痛评估
NRS评分频率、时间点、评估时活动状态
阅读提示:详见Materials and Methods中的Outcome Measures部分。
轨迹识别
增长混合模型参数(如类别数、拟合标准)
阅读提示:详见Materials and Methods中的Statistical Analysis部分。
预测因素分析
多项逻辑回归的变量选择、参照组
阅读提示:详见Materials and Methods中的Statistical Analysis部分及结果图3。
结局评估
术后结局的定义、随访周期、评估工具
阅读提示:详见Materials and Methods中的Outcome Measures部分。