青少年肌肉骨骼疼痛中高影响慢性疼痛的识别

Identification of high-impact chronic pain in adolescents with musculoskeletal pain

作者信息Jewel N White, Christopher D King, Robert C Coghill, Marina López-Solá, Massieh Moayedi, Jennifer N Stinson, Martin S Angst, Brice Gaudillière, Nima Aghaeepour, Laura E Simons
PMID42663526
期刊Pain
发布时间2026-08-19
DOI10.1097/j.pain.0000000000004092

实验完整度

横断面队列分析PEG心理测量学,含相关、ROC、logistic回归及12个月随访,但无独立功能或机制验证。

主要模型

263名10-18岁慢性肌肉骨骼疼痛青少年 三个三级儿童疼痛诊所的多中心队列

重点核对

PEG评分截断值6对HICP的分类准确性 PEG与功能残疾(FDI)的聚合效度 PEG与疼痛强度、不愉快感、生活质量的交叉验证 PEG各条目对高功能残疾的独立贡献 12个月随访中HICP状态的转变模式

摘要

高影响慢性疼痛(HICP)指严重干扰日常功能并伴随生活质量下降的疼痛,但目前缺乏在青少年中识别和追踪HICP的简短工具。源自简明疼痛评估量表的3条目疼痛、愉悦和一般活动(PEG)量表是一种有前景的快速测量工具,但其心理测量学特性及基于PEG的经验性HICP截断值尚未在儿童慢性疼痛中确立。本研究在263名接受三级疼痛治疗的慢性肌肉骨骼疼痛青少年(10-18岁;84.4%女性)中检验了PEG的聚合效度、分类准确性及HICP的PEG截断值。PEG与主要临床变量高度相关:功能残疾(r = 0.63)、生活质量(r = −0.56)、疼痛强度和疼痛不愉快感(r = 0.58, 0.61),与次要临床变量呈强至中度相关:疲劳(r = 0.53)、抑郁(r = 0.49)、疼痛灾难化(r = 0.49),与睡眠和焦虑相关性较弱(r = −0.31, 0.25)。受试者工作特征分析表明,在所有4个主要临床变量中,PEG对功能残疾上三分位分数(功能残疾量表≥28)的区分能力最强(曲线下面积=0.81,敏感度0.75,特异度0.76,阳性预测值0.64,约登指数0.51,PEG评分截断值6),并针对疼痛强度、疼痛不愉快感和生活质量变量进行了交叉验证。PEG是一种有前景的简短监测和临床状态工具,可支持儿童慢性肌肉骨骼疼痛的风险分层诊疗和临床研究。

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
PEG量表在青少年慢性肌肉骨骼疼痛中的心理测量学特性、分类准确性及识别HICP的截断值如何?
核心机制
PEG通过评估疼痛强度、对生活乐趣和一般活动的干扰,捕捉疼痛影响的多维结构,其干扰条目独立于强度条目贡献功能信息。
主要证据
在263名青少年中,PEG与功能残疾、疼痛强度、不愉快感和生活质量强相关;ROC分析显示PEG截断值6对功能残疾(FDI≥28)区分最佳(AUC=0.81),并交叉验证于其他变量。
研究意义
PEG可作为简短监测工具,支持儿童慢性疼痛的风险分层诊疗和临床研究。

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

样本招募与数据采集

建立慢性肌肉骨骼疼痛青少年队列并收集基线及随访数据

从三个三级儿童疼痛诊所招募263名青少年,采集人口学、疼痛参数、PEG及临床变量,随访12个月

2

PEG聚合效度评估

检验PEG与主要和次要临床变量的相关性

计算PEG与功能残疾、疼痛强度、不愉快感、生活质量、睡眠、疲劳、抑郁、焦虑、疼痛灾难化的Pearson相关系数

3

PEG分类准确性及截断值确定

确定PEG识别HICP的最佳截断值并评估其分类准确性

以功能残疾、疼痛强度、不愉快感、生活质量为结局,进行ROC分析,计算AUC、敏感度、特异度、PPV、约登指数,选择最佳截断值

4

截断值交叉验证

验证PEG截断值6在其他临床变量中的一致性

将基于功能残疾选定的PEG截断值6应用于疼痛强度、不愉快感和生活质量变量,评估分类指标

5

PEG条目独立贡献分析

评估PEG干扰条目是否独立于强度条目提供功能信息

对每个PEG条目进行ROC分析,并采用分层logistic回归预测高功能残疾,计算OR和部分相关

6

HICP状态纵向转变分析

描述HICP状态在12个月内的变化轨迹

使用PEG截断值6定义HICP,通过Sankey图展示状态转变,计算各时间点HICP比例

7

治疗参与度探索性分析

探索物理治疗和行为健康服务参与与HICP状态变化的关联

记录各时间点PT和BH服务接受情况(二元变量),通过序列热图可视化,按3个月HICP状态分层总结

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
研究电子数据采集----
Epic----
SPSS 31.0版IBM Corp--
视觉模拟量表----

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
样本纳入与排除
年龄范围10-18岁;慢性肌肉骨骼疼痛诊断;能阅读并完成英文问卷;样本量263人;招募中心为三个三级儿童疼痛诊所
阅读提示:Methods 2.1 Participants and procedure
PEG评分与截断值
PEG条目评分0-10;总分为3条目均值并四舍五入取整;HICP截断值为6;评估截断值范围0-9
阅读提示:Methods 2.2.6 Pain, Enjoyment, and General Activity scale; Methods 2.5 Statistical analyses
结局变量定义
FDI高残疾定义为上三分位(≥28);VAS-PS和VAS-PU病例定义基于三分位或中位数;PedsQL低生活质量定义为下三分位(<59.4)
阅读提示:Methods 2.5 Statistical analyses; Table 2
统计分析参数
显著性水平P < 0.05;相关系数强度分类标准;AUC判别标准:0.7-<0.8可接受,0.8-<0.9优秀;约登指数计算公式
阅读提示:Methods 2.5 Statistical analyses
纵向随访与缺失数据处理
随访时间点:基线、3、6、9、12个月;缺失数据比例从0%升至10.6%;完整病例敏感性分析基于n=223
阅读提示:Results 3.5 Missing data and high-impact chronic pain status; Supplemental Table S3