队列建立与基线评估
招募新诊断IA患者并全面评估疼痛、炎症、中枢介导特征及心理状态。
招募66例新诊断IA患者,基线进行PROMs、临床评估(包括HRUS)、QST(PPT、TSP、CPM)及心理量表评估。
Centrally mediated pain features predict persistent pain in early inflammatory arthritis: a 2-year prospective study
前瞻性队列随访2年,含PROMs、超声、QST等多层级评估,混合效应模型验证预测关联。
新诊断炎性关节炎患者队列(66例) 患者报告结局指标(PROMs) 定量感觉测试(QST) 肌肉骨骼超声(HRUS)
持续性疼痛定义:NRS≥3,在6、12、24个月评估 基线中枢介导疼痛复合评分与后续疼痛的关联:b=1.32,95% CI 0.83-1.82,P<0.001 基线炎症复合评分与后续疼痛的关联:b=0.05,95% CI -0.50-0.59,P=0.87 斜方肌PPT平均边际效应:-0.51,95% CI -1.02-0.01,P=0.054 CPM PDT效应平均边际效应:-0.49,95% CI -0.97-0.00,P=0.051
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。
招募新诊断IA患者并全面评估疼痛、炎症、中枢介导特征及心理状态。
招募66例新诊断IA患者,基线进行PROMs、临床评估(包括HRUS)、QST(PPT、TSP、CPM)及心理量表评估。
追踪疼痛轨迹、炎症和中枢介导疼痛标志物的变化。
在6、12、24个月进行随访,包括疼痛评分、PROMs、临床炎症指标和QST(部分时间点)。
检验基线及纵向炎症/中枢介导疼痛复合评分与后续疼痛的关联。
使用线性混合效应回归模型,控制年龄、性别、时间及先前疼痛,分析复合评分与疼痛变化的关系。
识别持续性疼痛的基线预测因子。
使用混合效应线性回归模型评估基线PROMs、QST指标等对后续疼痛的预测价值,计算边际R2。
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 |
|---|---|---|---|
| 统计分析 | Stata V17.0 | StataCorp | -- |
| R版本4.5.0 | -- | -- |
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 |
|---|---|
| 患者招募与纳入 | 纳入标准:NRS疼痛评分≥3,临床诊断外周炎性关节病,症状发作12个月内;排除标准:见补充材料 阅读提示:Methods 2.2 Participant recruitment and assessments; Supplementary Data S1 |
| QST评估 | QST协议:PPT、TSP、CPM的具体参数和操作流程;参考值用于z转换 阅读提示:Methods 2.2; Supplementary Data S1; Reference 30,35 |
| PROMs评估 | PROMs包括PHQ-9, GAD-7, PHQ-15, fibromyalgia criteria, painDETECT;评估时间点 阅读提示:Methods 2.2; Table 1 |
| 统计分析 | 混合效应模型构建:随机截距、固定效应、协变量调整;复合评分生成方法 阅读提示:Methods 2.4.1, 2.4.2; Table 2 |
| 超声评估 | HRUS: 14关节评估PD活动;评分标准 阅读提示:Methods 2.2; Table 1 |