数字与混合干预治疗亚急性和慢性下背痛:组件网络荟萃分析

Digital and hybrid interventions for subacute and chronic low back pain: component network meta-analysis

作者信息Svenja Kaczorowski, Lars Donath, Patrick J Owen, Nitin Kumar Arora, Tobias Saueressig, Hugo Pedder, Niamh L Mundell, Tim Schleimer, Rebekka Döding, Daniel L Belavy
PMID42982894
发布时间2026-11-04
DOI10.1038/s41746-026-03416-5

实验完整度

高

纳入46项RCT的CNMA,含残疾、疼痛强度及不良事件的比较与安全性分析

主要模型

亚急性与慢性非特异性下背痛成人患者 46项随机对照试验(含平行组与整群RCT) 数字、面对面及混合交付的干预组件

重点核对

纳入标准:成人(≥18岁)非特异性亚急性或慢性下背痛,亚急性定义>6且<12周,慢性≥12周 网络结构:残疾即时网络33项研究,疼痛强度即时网络32项研究;45项研究纳入分析 主要模型:残疾采用可加性CNMA模型,疼痛强度采用两向交互模型,依据DIC选择 MCID:残疾4.92/100 Oswestry残疾指数,疼痛强度0.82/10数字疼痛评定量表 安全性:21项研究报告不良事件,因监测与报告方法异质未能统计合并

摘要

结合运动、教育和心理组件的数字与混合干预越来越多地用于下背痛(LBP),但尚不清楚哪些组件及组合驱动疗效。我们开展了一项前瞻性注册的组件网络荟萃分析(CNMA),评估其对非特异性LBP的疗效与安全性。检索了6个数据库和2个试验注册库至2025年5月。使用贝叶斯随机效应CNMA分析残疾、疼痛强度与不良事件数据。在2809条记录中,纳入46项研究的56篇报告(6717名参与者;80%为慢性下背痛)。在短期(最小临床重要差异(MCID):4.92/100 Oswestry残疾指数),与无干预相比,结合数字与面对面运动加面对面心理组件的混合干预(MD:–22.21;95%-CrI:–34.11至–10.67)、结合数字与面对面运动(MD:–15.75;95%-CrI:–22.79至–8.80)或数字运动加物理治疗(MD:–13.17;95%-CrI:–21.18至–5.16)可降低残疾。数字与面对面运动(MD:-1.76;95%-CrI:-2.62;-0.87)以及数字运动训练联合面对面教育(MD:-1.73;95%-CrI:-2.71;-0.83)在超过MCID(0.82/10数字疼痛评定量表)的程度上改善疼痛强度。未发现严重不良事件。多组件混合干预似乎安全,并可能为慢性LBP提供有临床意义的改善。

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
数字与混合交付的干预中,哪些治疗组件及其组合对亚急性和慢性非特异性下背痛的残疾与疼痛强度最有效,以及其安全性如何?
核心机制
单一组件未显示超过MCID的效应;多组件混合组合(如数字与面对面运动联合面对面心理干预、数字运动联合面对面教育)可产生超过MCID的临床意义改善,而完全数字干预未显示可比疗效。
主要证据
基于46项研究6717名参与者的贝叶斯随机效应CNMA显示,混合组合在短期残疾(如MD –22.21)和疼痛强度(如MD –1.76)上超过MCID;未报告与干预相关的严重不良事件。
研究意义
结果提示多组件混合干预可为慢性下背痛提供有临床意义的改善,并可能为灵活、可扩展的治疗模式提供依据;同时强调需系统评估不良事件及长期效果。

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

文献检索与筛选

识别符合PICOS标准的数字与混合干预随机对照试验

检索PubMed、SPORTDiscus、CENTRAL、EMBASE、PsycINFO、CINAHL及WHO、NIH试验注册库,双人独立筛选标题摘要与全文

2

干预组件分解与网络构建

将复杂干预拆分为治疗组件与交付方式以构建组件网络

将干预分解为教育、心理、运动等组件及数字或面对面交付方式,绘制网络图与UpSet图

3

主要结局的组件网络荟萃分析

评估各组件及组件组合对残疾和疼痛强度的相对疗效

采用贝叶斯随机效应CNMA,分别拟合单效应NMA、可加性CNMA和两向交互模型,以DIC选择主要模型

4

安全性评估

总结数字与混合干预相关的不良事件

提取并叙述性总结各研究报告的严重与非严重不良事件

5

异质性与一致性评估

检验传递性、异质性与直接间接证据一致性

采用网络荟萃回归、节点拆分、非相关均值效应模型及亚组与敏感性分析

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
Covidence文献筛选平台Covidence--
ImageJ图像分析软件----
R统计软件----
RStudio集成开发环境----
R2jags软件包----
multinma软件包----
nmathresh软件包----

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
文献检索与筛选
检索数据库、检索时间范围、语言限制(英语和德语)、双人独立筛选流程
阅读提示:Methods的Information sources、Search和Study selection小节,Supplemental Data 6和7
纳入排除标准
人群年龄与疼痛类型定义、亚急性与慢性疼痛病程界定、数字与混合干预定义
阅读提示:Methods的Eligibility criteria和Intervention definition小节,Supplemental Data 4和5
组件分解与网络构建
组件分类方式、交付方式划分、组件完整清单
阅读提示:Methods的Planned methods of analysis小节及Fig. 7,Supplemental Data 11
模型选择与效应估计
单效应NMA、可加性CNMA与两向交互模型的比较、DIC选择标准、先验设定
阅读提示:Methods的Planned methods of analysis小节,Supplemental Data 18和19
MCID确定
基于分布法取基线合并标准差一半的MCID计算及回转变换
阅读提示:Methods的Summary measures和Planned methods of analysis小节
异质性与一致性评估
传递性效应修饰因子、节点拆分结果、UME模型比较
阅读提示:Methods的Assessment of inconsistency小节,Supplemental Data 22和23
安全性评估
不良事件定义、严重与非严重分类标准、与干预的因果关系判定
阅读提示:Methods的Data items小节,Supplemental Data 21