《Annals of Epidemiology》:Managing Existing Pain: Predicting Pain Progression and Improvement Using Machine Learning Approaches
编辑推荐:
•共病是疼痛进展和缓解的普遍预测因子。•阿片类药物使用在预测高影响慢性疼痛进展方面排名第一。•随着疼痛恶化,预测因子从健康因素转向社会和经济因素。•社会经济地位在老年、男性、白人及受教育程度较低的成年人中排名最高。•社会关系在种族和族裔少数群体中排名最高。引言慢性疼痛(CP)
- •
共病是疼痛进展和缓解的普遍预测因子。
- •
阿片类药物使用在预测高影响慢性疼痛进展方面排名第一。
- •
随着疼痛恶化,预测因子从健康因素转向社会和经济因素。
- •
社会经济地位在老年、男性、白人及受教育程度较低的成年人中排名最高。
- •
社会关系在种族和族裔少数群体中排名最高。
引言
慢性疼痛(CP)是美国一个普遍存在的健康问题,影响着大约24%的成年人,其中8.5%的人报告有高影响慢性疼痛(HICP),限制了日常活动。[1] 它可能导致阿片类药物使用风险增加、残疾和生活质量下降[2]、[3]、[4]、[5]、[6],并造成巨大的经济成本[7],因此有必要了解其发展背后的可改变因素。
机器学习(ML)方法以其增强的灵活性、更少的假设以及捕获复杂非线性关系和交互作用的能力,推动了健康研究超越传统回归分析的发展。[8]、[9]、[10]、[11] 然而,在人群水平疼痛研究中的应用仍然有限,少数近期研究将身体健康、抑郁和家庭收入确定为高影响慢性疼痛报告的关键预测因子,以及进入和退出高影响慢性疼痛状态的过渡因素。[12]、[13]、[14] 这些研究存在三个关键局限性。第一,它们没有考察从非慢性疼痛到高影响慢性疼痛的分步路径,包括从非慢性疼痛到慢性疼痛的早期过渡——这一阶段早期干预可能最为有效——以及向高影响慢性疼痛的恶化升级。改善被定义为退出高影响慢性疼痛,这无法捕获从慢性疼痛中的改善。此外,尽管越来越多的研究认识到药物和非药物方法在影响疼痛轨迹方面的不同作用,但这些研究对多模态疼痛管理策略如何促进这些过渡提供了有限的证据。[15]、[16] 第三,它们没有考察社会人口统计学群体之间的异质性,尽管在疼痛体验和治疗可及性方面存在显著的群体差异。[17]、[18]、[19]
本研究回答了两个研究问题:1)哪些因素预测现有疼痛个体的疼痛进展和缓解?2)这些预测因子在社会人口统计学群体之间有何不同?利用全国健康访谈调查纵向队列(NHIS-LC)数据,我们应用基于树的机器学习算法来对广泛的生物心理社会因素和疼痛治疗变量进行重要性排名。
部分摘要
数据
这是一项基于NHIS-LC 2019-2020年数据的队列研究。主要数据收集的批准由全国卫生统计中心(NHSC)研究伦理审查委员会获得。所有参与者均提供了口头知情同意。原始2019年全国健康访谈调查调查了31,997名成年人,其中10,415人最终完成了随访访谈(见附录图A1)。参与者与非参与者之间的人口统计学和健康特征比较显示差异极小。
总体样本中的主要预测因子
图1显示了每个结果的前10个预测因子。共病数量在完全和部分慢性疼痛缓解中排名第一,在慢性疼痛和高影响慢性疼痛进展中排名第二,共病越多,进展的可能性越高,缓解的可能性越低(见附录图A2)。肥胖在慢性疼痛进展中排名第一,其重要性与共病数量相当,且与进展呈正相关。阿片类药物使用在高影响慢性疼痛进展中排名第一,远超所有其他。
讨论
本研究是最早使用机器学习在全国代表性纵向数据中考察一系列生物心理社会和治疗相关预测因子在不同疼痛进展和缓解阶段的综合集成的研究之一。共病数量在所有四个结果和几乎所有亚组中都是普遍预测因子,共病越多预测进展可能性越高、缓解可能性越低,这在所有研究的亚组中均成立(见附录表A5),这与……一致。
伦理声明
所有参与者或其法定代表人均获得了参与本研究和发表文章的书面知情同意。参与者的隐私权利得到了尊重。
本研究遵守研究所在地的相关法律、监管框架和指导方针。根据相关法律和机构指南,不需要伦理委员会批准。德克萨斯大学阿灵顿分校机构审查委员会判定此项研究……
患者和公众参与研究
没有患者或公众成员参与研究问题的设定、结果指标的确定,或研究设计或实施方案的制定。本研究使用的是全国健康访谈调查纵向队列的公开可获取的、去标识化的二手数据,直接的患者或公众参与不可行。没有患者或公众成员被要求对结果的解释或稿件的撰写提供建议。
CRediT作者贡献声明
黄睿(Rui Huang):写作——审阅与编辑,概念化,方法论。Akib Zaman:写作——审阅与编辑,可视化,方法论,形式分析,数据整理。孙飞诺(Feinuo Sun):写作——初稿撰写,监督,调查,资金获取,数据整理,概念化。
利益冲突声明
作者声明以下财务利益/个人关系,这些可能被视为潜在的利益冲突:孙飞诺报告了德克萨斯大学阿灵顿分校提供的财务支持。如果有其他作者,他们声明没有任何已知的竞争性财务利益或个人关系可能影响本文所报道的工作。
致谢与资金支持声明
我们感谢Richard Nahin博士、审稿人和编辑的支持。我们感谢德克萨斯大学阿灵顿分校向孙飞诺博士提供的启动资金支持。
患者和公众参与研究
没有患者或公众成员参与研究问题的设定、结果指标的确定,或研究设计或实施方案的制定。本研究使用的是全国健康访谈调查纵向队列的公开可获取的、去标识化的二手数据……
Feinuo Sun | Akib Zaman | Rui Huang