【麻海新知】基于PQIP数据库预测大手术后急性疼痛

术后急性疼痛十分常见，高达47.2%的患者在术后24h内自述有急性疼痛。急性疼痛影响患者术后体验和恢复，并可能与呼吸及心血管并发症相关，延长患者住院时间，限制患者活动能力，且可能进展为术后慢性疼痛。影响术后疼痛的影响因素众多，涉及患者、麻醉和手术等多方面，及早识别术后疼痛发生风险增加的患者存在一定困难。

患者因素可能包括不可改变的变量(如年龄、性别)和潜在可改变的变量(如焦虑、心理困扰和具有高度灾难思维)。此外，疼痛感知、术前疼痛、术前阿片类药物使用和慢性疼痛的存在都与术后疼痛有关。麻醉和手术因素可能包括镇痛方案选择、是否应用区域阻滞、手术类型和持续时间以及手术切口选择。

2023年7月，来自英国布里斯托大学的R. A. Armstrong等学者，在Anaesthesia杂志刊发一项针对围手术期质量改进计划(PQIP)数据库的二次分析研究。其研究假设为，更好地识别和预防“有风险”的患者，可以降低术后急性或急性-慢性疼痛发生率。该研究主要关注术前变量，并额外考虑围手术期相关因素，以确定它们对术后急性疼痛的相对贡献，并最终开发并内部验证一个可预测大手术患者术后急性疼痛发生风险的模型。

方法‍‍‍‍‍‍

PQIP是一项前瞻性、多中心、观察性队列研究，于2016年成立，收集在英国国家医疗服务体系(NHS)医院接受择期非心脏大手术成人患者数据。研究者对2016年12月至2020年6月匿名患者级别数据进行二次分析。PQIP包含多项术后疼痛评估。研究者选择手术后第1天手术部位严重疼痛作为主要结局。该结局通过Bauer患者满意度评分来衡量，该评分要求患者在10个麻醉相关的不适领域回答以下问题：在手术后的任何阶段，您是否经历了以下情况？可选答案为“否”、“是，轻度”、“是，中度”和“是，严重”。随后将患者回答分为两类结果：“是，严重”与“否”、“是，轻度”或“是，中度”的任何一项。

PQIP记录的另外两种术后疼痛评估包括恢复期疼痛和手术后第3天疼痛。选择术后第1天这一时间点是根据围手术期医学标准化终点(StEP)倡议的建议而定。恢复期疼痛反映了患者的不同临床情况和残留的麻醉药和镇痛药影响。在术后第3天进行的评估可能会受其他因素的偏差，例如并发症或已出院失去随访的患者。

本研究旨在开发一个预测术后疼痛的模型。为选择可能的解释变量，研究者基于临床判断和以前相关案例从 PQIP 数据集中选择部分变量。由于主要关注术前数据，因此将这些变量分为手术前和手术中/术后变量，参见表1。

该研究采用逻辑回归模型，使用向后逐步选择方法，从拟合所有可用预测变量的模型开始，然后逐步消除预测变量。对主要分析，术前变量限于整个纳入期间都存在的变量。二次分析包括具有基线阿片类药物数据的患者子集、手术专科亚组、额外的术中和术后变量。

校准(模型预测在全范围内符合基础数据的程度)通过绘制预测值对观察值、计算平均预测误差以及Hosmer-Lemeshow拟合度检验来进行视觉评估(较大的 P值表明预测和数据之间没有显著差异，即拟合良好)。

表1  PQIP数据集中的变量

本文通过引入自举重抽样的方法，进行内部验证以评估模型的判别能力和校准度，并提供修正结果。该过程旨在纠正过度拟合训练数据的偏差，并给出一个对于新数据的无偏估计，以确定模型表现。在自举中，从原始样本中进行有放回地抽取与原样本大小相同的样本，然后使用新的自举样本来推导模型。接着，将此模型应用于原样本，比较两个样本的准确性差异(即自举和原始样本)，得出乐观值(过度拟合)。该过程被重复多次(本研究使用了300次重复)，并将结果平均以获得最终的乐观估计值。

比较模型表现时，通过以上方式进行校准。如果两者都表现良好，则比较判别能力(通过C统计量)和Brier分数(实际二元结果和预测之间的平方差)。对于嵌套模型(即一个模型包含另一个模型中的一部分预测变量)，使用似然比检验。在决策曲线分析中，如果一个模型在整个被标记为“高风险”的阈值范围内具有最高的净收益，则该模型被认为具有临床价值。还根据Youden指数计算最佳阈值。所有分析都使用R 4.0.3进行。

结果

数据集包含27843例患者记录，其中20125例(72.3％)在术后第一天出现严重疼痛这一主要结果。在删除数据缺失的患者后，根据术前数据进行分析的患者有17079例(图1、表2)。本研究的主要分析纳入37个潜在变量中的25个，其中包括通过向后选择包含和排除的变量，参见表3。

图1 患者主要和二次分析的纳入流程图

表2 根据是否发生主要结局对患者进行分组，对一般特点进行比较

表3 纳入主要模型构建的变量和最终删除的变量

整个数据集上表现的C统计量为0.68(95％CI 0.67-0.69)。经内部验证后，校正乐观预测表现为0.66，说明过度拟合程度较低，并且在预测值范围内良好地校准(平均绝对误差为0.005；χ2= 6.68，P= 0.35)，但倾向于在较高的范围内高估风险(图2a)。决策曲线分析表明，预测严重疼痛概率为50％的阈值与不治疗任何人相似，而预测概率为10％或更低的阈值相当于治疗所有人。该模型的净益潜力在20％至30％之间的阈值最大(图2b)。根据Youden指数，最佳切点略低，仅为18％。

图2 (a)校准曲线分析结果；(b)决策曲线分析结果

在主要分析中包括的患者所有额外围手术期(手术期间和恢复期)和术后(24h)数据(表1)，并建立逻辑回归模型。完整的模型显示，增加术后急性疼痛风险的其他预测因素为术后恢复期严重疼痛(OR 1.97[1.60-2.41]，P<0.001)和胸部切口(OR 1.39 [1.10-1.74]，P<0.01)。降低主要结果风险的其他预测因素包括：麻醉类型(存在与参考缺失相比：全身麻醉OR 0.56 [0.45-0.70]，P<0.001;硬膜外麻醉OR 0.74 [0.66-0.84]，P<0.001、腰麻OR 0.86 [0.77-0.95]，P<0.01)；恢复期因素(无严重疼痛OR 0.68 [0.57-0.82]，P<0.001)、有鼻胃管存在(OR 0.75 [0.65-0.87]，P <0.001)，以及24h因素(下床活动OR 0.71 [0.64-0.79]，P<0.001;进食OR 0.76 [0.68-0.85]，P <0.001)。

结论‍

女性、癌症、胰岛素依赖型糖尿病、吸烟和术前正在服用阿片类药物的患者，更易出现术后急性疼痛。最终模型包括   25个术前预测因子，决策曲线分析表明，将20%-30   %   的预测风险作为高危人群的最佳截止值。   可被   改变的风险因素包括吸烟状况和患者报告的心理健康状况。不可改变的因素包括人口统计学和手术因素。   在内部验证中，术前预测模型校准良好，但区分度仅中等，表明单独使用术前变量无法充分预测术后急性疼痛，需要包括围手术期协变量来改善术后急性疼痛的预测能力。

麻海新知的评述

本研究是对 PQIP数据库二次数据分析，从而 开发并内部验证了一个仅利用患者术前数据来预测非心脏手术后第1 天严重疼痛的模型。尽管模型表现受限，但确定了几个与术后急性疼痛相关的重要因素。重要的是，这是首次系统使用如此大规模、高质量的混合手术人群数据集，来尝试开发围手术期疼痛预测模型。本研究中，18.4%的患者出现术后严重疼痛。研究者专注于术前变量以增加模型的临床实用性，以使 临床医生能采取预防而非反应性的方法。然后，许多关键预测因子都是不可修改的，例如女性和年轻患者、有糖尿病这一 既往病史以及接受胸外科手术，而吸烟是一个可修改的生活方式因素。研究表明，患者报告的结果测量在预测急性术后疼痛方面相对较强，尤其是与心理症状(焦虑 /抑郁)和疼痛/不适感有关的 因素。与减少疼痛风险最相关的因素均为手术因素：手术类型、手术方式和等级。虽然这些因素可能不能被麻醉科医师直接改变，但可为外科医师和患者提供共同决策方法，并加以探讨运用。综合本研究的主要模型和现有分析，患者术前相关数据不足以准确预测哪些患者将经历术后急性疼痛。添加围手术期和术后变量确实增加结果模型的预测能力。此外，与减少疼痛风险相关的麻醉因素包括使用硬膜外和腰麻。与疼痛风险增加有关的手术因素包括胸部切口，而在恢复期间使用鼻胃管与严重疼痛的风险降低有关。进一步分析表明，未接受全身麻醉的患者主要接受骨科或泌尿外科手术，而放置鼻胃管的患者则主要为普外科患者。此外，恢复期疼痛严重程度强烈预测术后 24h疼痛。在术后第1天，降低疼痛的重要预测因素是“DrEaMing” (喝水、进食、活动)的两个方面 ，即活动和进食，这被认为是良好恢复的替代指标。从整个意义上看，这些发现凸显了围手术期管理中依然有很多可改进和干预的方面。例如 ，在术后恢复阶段应进一步加强疼痛控制，并遵守ERAS原则以促进早期行动和口服摄入的恢复。

本研究中主要模型校准非常好，并且可以基于模型预测分层患者风险，这将有助于在共享决策时为手术和麻醉获取知情同意，并向患者提供手术后潜在结果的建议。那些被识别为“高危”的患者可能会接受调整后的麻醉和/或镇痛计划，或加强早期镇痛治疗。本研究也存在局限性。首先，病例混杂，主要为结直肠和其他腹部手术，大约一半病例采用腹腔镜和/或机器人辅助手术。其次，主要结果在约 1/4的患者中缺失，可能出现重要预测因子不可用的情况。再者，围手术期的麻醉和镇痛相关变量具有临床意义，但大多数患者缺乏这些数据，因此被排除在外。最后，本研究关注的是急性术后疼痛这一具体问题，没有探索该模型在预测如术后慢性疼痛方面的表现。

编译、评述：薄禄龙  

原始文献：

Armstrong RA, Fayaz A, Manning GLP, et al. Predicting severe pain after major surgery: a secondary analysis of the Peri-operative Quality Improvement Programme (PQIP) dataset. Anaesthesia. 2023;78(7):840-852. doi: 10.1111/anae.15984.  

声明：古麻今醉公众号为舒医汇旗下，古麻今醉公众号所发表内容之知识产权为舒医汇及主办方、原作者等相关权利人所有。未经许可，禁止进行转载、摘编、复制、裁切、录制等。经许可授权使用，亦须注明来源。欢迎转发、分享。

打赏