下肢远端骨折患者慢性术后疼痛的危险因素与预测：队列分析

背景：旨在修复骨折的手术干预常伴随慢性术后疼痛，这与抑郁、生活质量受损和社会负担增加相关。这一现象在年轻的下肢远端骨折患者中研究不足。开发一个可扩展且准确的预测模型，可通过早期识别高风险患者和指导个性化疼痛管理策略来改善术后护理。方法：本研究收集了住院病历并对所有患者进行了为期1年的随访。我们通过一个三阶段方法开发了一个预测模型，涉及最小绝对收缩和选择算子回归、信息增益分析和多变量逻辑回归，随后进行模型验证。使用Shinyapps.io平台为最终预测模型构建了一个网页风险计算器。结果：最终队列包括818名患者：其中38.4%经历了CPSP，18.2%的CPSP患者发展为神经病理性疼痛。有6个与CPSP相关的独立变量：术后镇痛技术、固定类型、术前临床管理、就诊当日和术后第1天的数字评定量表评分。开发队列和验证队列的乐观校正受试者操作特征曲线下面积分别为0.872和0.838，该模型显示出良好的校准和临床效用。通过将基于机器学习的大数据变量筛选与传统逻辑回归的可解释性相结合，建立了一个基于网络的预测列线图。结论：本研究表明，疼痛管理策略、手术方法和患者心理因素共同影响CPSP的发生。通过将基于机器学习的大数据变量筛选与传统逻辑回归的可解释性相结合，我们开发了一个基于网络的预测列线图，能够在患者出院时识别早期CPSP风险，从而提高过渡性疼痛护理干预的可及性。