参与者筛选与基线评估
确定符合纳入标准的慢性腰背痛患者,并收集基线人口学和临床特征。
通过广告、社交媒体和登记处招募参与者,经电话筛选和ICD-11标准确认,最终纳入30名慢性腰背痛患者。完成基线问卷,包括人口学信息、疼痛时长、药物使用、国际体力活动问卷、DASS-21和Oswestry残疾指数。
Cognitive-affective and behavioral pain mechanisms in individuals with chronic low back pain: a network analysis
该研究为观察性生态瞬时评估研究,采用网络分析探索变量间关系,缺乏主动干预或实验验证,属于观察性分析。
30名慢性腰背痛患者(基于ICD-11诊断标准)
样本量为30名慢性腰背痛患者 生态瞬时评估次数为每天5次,持续2周 主要分析变量:疼痛、疼痛期望、疼痛回避、恐惧、注意力和负性情感 使用时序网络(mlVAR)和同期网络(mlVAR及个体gVAR)分析
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
确定符合纳入标准的慢性腰背痛患者,并收集基线人口学和临床特征。
通过广告、社交媒体和登记处招募参与者,经电话筛选和ICD-11标准确认,最终纳入30名慢性腰背痛患者。完成基线问卷,包括人口学信息、疼痛时长、药物使用、国际体力活动问卷、DASS-21和Oswestry残疾指数。
在实际生活中重复测量疼痛、期望、回避、恐惧、注意力、负性情感等变量的瞬时水平,以捕捉其动态变化。
参与者使用移动应用(Ethica Data)完成每日5次、持续14天的生态瞬时评估,每次包含14个项目,采用0-6分制。每日额外询问睡眠质量、药物和酒精使用情况。
通过数据清洗和建模,估计群体和个体水平的认知情感与行为因素之间的时序及同期网络结构。
使用R软件进行网络分析。对数据进行缺失值处理(多重插补)、去趋势(因疼痛、注意力和负性情感存在线性趋势)和正态性检验。采用多水平向量自回归模型(mlVAR)估计群体网络,使用图向量自回归模型(gVAR)估计个体网络,并使用qgraph可视化。
比较群体和个体水平的网络结构,识别稳定的关系及个体间差异。
检查群体水平的时间网络和同期网络,发现疼痛与注意力、期望与疼痛间的稳定联系。个体网络显示高度变异性,如参与者12的网络结构与群体相似,而参与者5和7的网络则不同,其中恐惧与回避的关系在不同个体中方向或强度不同。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 数据收集 | Ethica Data | -- | -- |
| 数据分析 | R | -- | -- |
| IBM SPSS统计软件 | IBM | -- |
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 |
|---|---|
| 参与者筛选 | 纳入标准为根据ICD-11诊断为原发性慢性腰背痛,年龄18-65岁,荷兰语流利,有互联网和智能手机。排除标准为合并其他疼痛症状和娱乐性药物使用。 阅读提示:见Methods章节2.1 Participants |
| 生态瞬时评估程序 | 每日5次评估,持续2周,评估时间范围从08:00至23:00,随机提示,每次响应窗口为30分钟,评估包含14个项目。 阅读提示:见Methods章节2.3 Procedure和2.2.2 Ecological momentary assessment |
| 网络分析 | 使用mlVAR和gVAR模型,分析变量包括疼痛、期望、回避、恐惧、注意力和负性情感。对非平稳变量进行去趋势,使用多重插补处理缺失数据。 阅读提示:见Methods章节2.4.2 Network analysis |