慢性疼痛中的情感预测:与疼痛干扰和强度的差异关联

Affective Predictions in Chronic Pain: Differential Associations With Pain Interference and Intensity

作者信息Tal Ivancovsky, Salvatore Cajiao, Juan R Castaño-Asins, Antonio Montes-Pérez, Eva Cortés-Velasco, Juan V Luciano, Lorena Chanes
PMID42714978
发布时间2026-09
DOI10.1002/ejp.70371

实验完整度

包含患者与对照的行为学实验及HLM分析,但仅单一行为任务,无独立证据层级或功能机制验证

主要模型

慢性背痛患者(n=32) 健康对照(n=35) 社会感知计算机化任务

重点核对

受试者分组:慢性疼痛组32例与健康对照组35例,分析前排除3例慢性疼痛患者 任务试次结构:45个实验试次,3种情绪各15个;匹配条件每情绪9试次,非匹配条件每情绪6试次 疼痛测量工具:BPI-IS测量疼痛干扰,BPI-PS和VAS测量疼痛强度 统计分析:疼痛干扰×匹配条件交互B=-0.03,95% CI[-0.069,-0.001],p=0.046;疼痛强度×可预测性交互VAS B=0.03,95% CI[0.012,0.044],p<0.001 协变量中心化:试次水平预测变量进行个体均值中心化,受试者水平变量进行总均值中心化

摘要

背景:预期对情绪-疼痛交互具有重要影响。既往研究主要关注疼痛相关预期对感知疼痛强度的影响。然而,对负性效价信息的更广泛预期可能影响疼痛之外的感知,并在疼痛转为慢性时发生改变。本研究旨在探究慢性疼痛患者是否在疼痛感知之外表现出社会-情感预期的改变。方法:从巴塞罗那Hospital del Mar疼痛科招募的35名慢性疼痛成人(分析前排除3名;最终n=32)和35名年龄、性别匹配的健康对照完成了一项社会感知任务,该任务旨在诱发对面部表情的预期并评估其对社会评价的影响。面部表情要么与诱发情绪刻板一致(匹配试次),要么与另一情绪类别刻板关联(非匹配试次)。测量预期(可预测性评分)和社会评价(喜爱度评分)。结果:观察到疼痛干扰和强度的选择性改变。疼痛干扰与匹配和非匹配试次之间可预测性评分差异的减小相关,提示情绪预期刻板性降低。相反,疼痛强度(以及慢性疼痛状况本身)与可预测性和喜爱度评分之间更强的关系相关,提示在社会评价中更依赖可预测性。结论:我们的发现提示慢性疼痛可能与社会-情感预期及其与社会评价关系的改变相关,可能不仅影响疼痛感知,还影响情感和人际功能。

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
慢性疼痛患者是否在疼痛感知之外表现出社会-情感预期的改变,以及疼痛强度与疼痛干扰是否与预测形成和使用的不同方面相关联。
核心机制
疼痛干扰与情绪预期刻板性降低(匹配与非匹配试次可预测性评分差异减小)相关;疼痛强度与更依赖可预测性进行社会评价相关。慢性疼痛可能在使用预期而非形成预期阶段表现出差异。
主要证据
32名慢性背痛患者和35名健康对照完成社会感知任务,采用HLM分析。疼痛干扰×匹配条件交互显著(B=-0.03,p=0.046),疼痛强度×可预测性交互显著(VAS B=0.03,p<0.001;BPI-PS B=0.03,p=0.002),bootstrap分析支持结果稳健性。
研究意义
研究提示慢性疼痛可能与超出疼痛感知的社会-情感预期改变相关,可能为理解慢性疼痛中常见的情感和人际困难提供认知-情感因素的线索,并可能为促进认知-情感灵活性的干预提供信息。

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

受试者招募与分组

建立慢性疼痛患者和匹配健康对照的研究样本

从Hospital del Mar疼痛科招募35名慢性背痛成人,从一般人群招募35名年龄和性别匹配的健康对照。分析前排除3名慢性疼痛患者(1名未遵守任务指导语,2名因疲劳无法完成量表),最终样本为32名慢性疼痛患者和35名对照。

2

社会感知计算机化任务实施

诱发对面部表情的预期并评估其对社会评价的影响

参与者完成3个练习试次和45个实验试次。每个试次依次呈现:注视屏(4秒)、目标人物中性面部表情照片(Face 1,5秒)、诱发恐惧/快乐/悲伤情绪的文字场景(20秒)、目标人物刻板面部表情照片(Face 2,5秒)。随后参与者对可预测性和喜爱度进行评分。

3

疼痛相关量表评估

测量疼痛强度、疼痛干扰和当前疼痛水平

参与者完成任务后填写一系列自评问卷,包括简版疼痛量表(BPI)和视觉模拟量表(VAS)。BPI包含疼痛严重程度子量表(BPI-PS,4项)和疼痛干扰子量表(BPI-IS,7项),每项0-10评分。VAS为10厘米水平线,从'无痛'(0厘米)到'最严重可想象疼痛'(10厘米)。

4

行为数据HLM分析与统计

检验疼痛测量指标与可预测性评分和喜爱度评分的关系

使用HLM 7.0对3015个实验试次(67名参与者×45试次)进行层次线性模型分析。以可预测性评分和喜爱度评分为结果变量,匹配条件和疼痛测量为预测变量,包含交互项。采用连续采样模型,参与者为随机因子,限制性最大似然法估计参数。

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
E-Prime 3Psychology Software Tools Inc.--
Qualtrics XMQualtrics--
HLM 7.0Scientific Software International Inc.--
JASP 0.16.2版JASP Team--
R 4.5.2R Core Team--
跨学科情感科学实验室面部表情集Interdisciplinary Affective Science Laboratory--

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
受试者招募与分组
慢性疼痛组最终n=32,对照组n=35;排除标准包括1名未遵守任务指导语和2名因疲劳无法完成量表;对照组年龄和性别匹配(±5岁)
阅读提示:Methods 2.2 Participants
社会感知任务实施
45个实验试次,恐惧/快乐/悲伤场景各15个;匹配条件每情绪9试次(60%),非匹配条件每情绪6试次(40%);每个试次注视4秒、Face 1呈现5秒、场景20秒、Face 2呈现5秒;试次顺序、目标身份与场景配对和匹配/非匹配分配在个体内伪随机化
阅读提示:Methods 2.3 Materials and Procedure及Figure 1图注
疼痛量表评估
BPI-PS 4项,BPI-IS 7项,每项0-10评分;VAS为10厘米水平线;使用Qualtrics XM计算机化完成
阅读提示:Methods 2.3 Materials and Procedure
HLM统计分析
试次水平预测变量个体均值中心化,受试者水平变量总均值中心化;随机截距纳入所有模型;随机斜率在不收敛时省略;条件估计在疼痛水平2、5、8处计算;bootstrap 5000样本参与者水平整群重采样
阅读提示:Methods 2.4 Data Analysis