申金海 黃天文 王琳玉 李艷

廣西醫(yī)科大學(xué)附屬腫瘤醫(yī)院藥學(xué)部，廣西南寧 530021

術(shù)后疼痛是術(shù)后即刻出現(xiàn)的急性傷害性疼痛，是臨床亟須處理的疼痛之一。術(shù)后疼痛可導(dǎo)致患者術(shù)后下床活動(dòng)或出院時(shí)間推遲、康復(fù)時(shí)間延長(zhǎng)、生活質(zhì)量降低等后果[1]。因此，有效地緩解患者術(shù)后疼痛是降低醫(yī)療成本、提高醫(yī)療服務(wù)水平的重要措施[2]。目前，臨床上常用的鎮(zhèn)痛手段為鎮(zhèn)痛泵[3]。患者自控鎮(zhèn)痛（patient-controlled analgesia，PCA）的應(yīng)用在一定程度上改善了患者術(shù)后疼痛的管理，但目前仍存在對(duì)鎮(zhèn)痛管理不足、個(gè)性化鎮(zhèn)痛方案缺乏以及鎮(zhèn)痛設(shè)備不先進(jìn)等問(wèn)題，使得術(shù)后疼痛仍得不到滿意的有效控制[4-5]。

基于物聯(lián)網(wǎng)技術(shù)的革新以及大數(shù)據(jù)時(shí)代的到來(lái)，針對(duì)PCA的人工智能（artificial intelligence，AI）技術(shù)——智能化患者自控鎮(zhèn)痛（artificial intelligence patient-controlled analgesia，AI-PCA）也由此得到迅猛發(fā)展[6]。AI-PCA不僅能夠?qū)崿F(xiàn)實(shí)時(shí)傳輸數(shù)據(jù)，準(zhǔn)確記錄鎮(zhèn)痛泵的運(yùn)行參數(shù)、報(bào)警類型以及患者自控鍵按壓次數(shù)等信息，還能構(gòu)建醫(yī)院的信息系統(tǒng)之間的數(shù)據(jù)共享，進(jìn)而將患者的基本信息與鎮(zhèn)痛泵的運(yùn)行參數(shù)同步無(wú)縫銜接到監(jiān)控臺(tái)。因此，AI-PCA的出現(xiàn)有助于醫(yī)護(hù)人員對(duì)術(shù)后鎮(zhèn)痛進(jìn)行智能化管理，從而實(shí)現(xiàn)了PCA的智能化[7]。

研究表明，與PCA相比，AI-PCA不僅能夠顯著降低術(shù)后疼痛的程度以及不良反應(yīng)的發(fā)生率，還可以縮短術(shù)后住院時(shí)間、提高患者滿意度等[8]。盡管目前已有文獻(xiàn)報(bào)道了AI-PCA對(duì)比PCA用于術(shù)后鎮(zhèn)痛的療效和安全性，但仍存在一定的不足之處[9]。本研究通過(guò)檢索目前已發(fā)表的AI-PCA對(duì)比PCA用于術(shù)后鎮(zhèn)痛的隨機(jī)對(duì)照試驗(yàn)（randomized controlled trial，RCT），采用meta分析的方法對(duì)AI-PCA用于術(shù)后鎮(zhèn)痛的療效和安全性進(jìn)行評(píng)價(jià)，為該技術(shù)在術(shù)后鎮(zhèn)痛中的應(yīng)用提供安全性和有效性的循證依據(jù)。

1 資料與方法

1.1 納入與排除標(biāo)準(zhǔn)

①研究對(duì)象美國(guó)麻醉師協(xié)會(huì)評(píng)分Ⅰ～Ⅲ級(jí)、年齡≥18需要進(jìn)行術(shù)后鎮(zhèn)痛的患者；②干預(yù)措施為試驗(yàn)組使用AI-PCA進(jìn)行術(shù)后鎮(zhèn)痛；③對(duì)照措施為對(duì)照組使用PCA進(jìn)行術(shù)后鎮(zhèn)痛；④結(jié)局指標(biāo)包括疼痛數(shù)字評(píng)分（numerical rating score，NRS）、視覺(jué)模擬評(píng)分（visual analogue scale，VAS）、患者滿意度、不良反應(yīng)總發(fā)生率；⑤研究類型為公開(kāi)發(fā)表的RCT研究；語(yǔ)種限定為中文和英文。

排除標(biāo)準(zhǔn)：①重復(fù)發(fā)表的文獻(xiàn)、綜述、基礎(chǔ)研究；②無(wú)法提取數(shù)據(jù)的文獻(xiàn)；③未說(shuō)明美國(guó)麻醉師協(xié)會(huì)評(píng)分分級(jí)的文獻(xiàn)。

1.2 檢索策略

計(jì)算機(jī)檢索PubMed、Embase、Cochrane Library、Web of Science、知網(wǎng)、維普、萬(wàn)方等數(shù)據(jù)庫(kù)從建庫(kù)起至2021年10月20日公開(kāi)發(fā)表的文獻(xiàn)，并手工檢索納入文獻(xiàn)中的參考文獻(xiàn)。中文檢索詞為“人工智能”“智能化”“機(jī)器學(xué)習(xí)”“基于互聯(lián)網(wǎng)”“無(wú)線鎮(zhèn)痛系統(tǒng)”“鎮(zhèn)痛”。英文檢索詞為“artificial intelligence”“machine learning”“web-based”“artificial intelligence patient-controlled analgesia”“analgesia”。

各數(shù)據(jù)庫(kù)均采用主題詞檢索與自由詞檢索結(jié)合的檢索方式。以維普數(shù)據(jù)庫(kù)為例，本文的檢索式如下所示：M=（人工智能OR智能化OR機(jī)器學(xué)習(xí)OR基于互聯(lián)網(wǎng)OR無(wú)線鎮(zhèn)痛系統(tǒng)）AND M=鎮(zhèn)痛。

1.3 文獻(xiàn)篩選、資料提取、質(zhì)量評(píng)價(jià)

根據(jù)研究目的確定文獻(xiàn)的納入和排除標(biāo)準(zhǔn)，由2位研究者獨(dú)立進(jìn)行文獻(xiàn)篩選，再雙方交叉核對(duì)，出現(xiàn)爭(zhēng)議時(shí)與第三方共同探討解決。納入研究的提取信息包括：第一作者、發(fā)表年份、兩組受試者的例數(shù)、年齡、性別、干預(yù)措施及結(jié)局指標(biāo)等。采用Cochrane系統(tǒng)評(píng)價(jià)手冊(cè)5.1.0版RCT偏倚風(fēng)險(xiǎn)評(píng)估工具，對(duì)納入的文獻(xiàn)進(jìn)行質(zhì)量評(píng)價(jià)。具體評(píng)價(jià)條目包括：隨機(jī)序列的產(chǎn)生、分配隱藏、是否對(duì)研究者和受試者施盲、研究結(jié)果評(píng)估盲法、結(jié)果數(shù)據(jù)的完整性和選擇性報(bào)告情況以及其他偏倚來(lái)源，每個(gè)條目均分為“低風(fēng)險(xiǎn)”“高風(fēng)險(xiǎn)”及“不清楚”。

1.4 統(tǒng)計(jì)學(xué)方法

采用RevMan 5.4軟件對(duì)納入研究進(jìn)行meta分析。連續(xù)型變量采用均數(shù)差（mean difference，MD）作為效應(yīng)指標(biāo)，二分類變量采用相對(duì)危險(xiǎn)度（relative risk，RR）作為效應(yīng)指標(biāo)，各效應(yīng)指標(biāo)均提供點(diǎn)估計(jì)值和95%置信區(qū)間（95% confidence interval，95%CI）。采用χ2檢驗(yàn)及I2值評(píng)價(jià)研究間的異質(zhì)性。當(dāng)P＜0.05、I2＞50%時(shí)，表示各研究間存在統(tǒng)計(jì)學(xué)異質(zhì)性，采用隨機(jī)效應(yīng)模型來(lái)合并效應(yīng)量；反之，當(dāng)P＞0.05、I2≤50%時(shí)，則采用固定效應(yīng)模型來(lái)合并效應(yīng)量。采用漏斗圖來(lái)評(píng)價(jià)發(fā)表偏倚，檢驗(yàn)方法為Egger′s檢驗(yàn)，檢驗(yàn)水準(zhǔn)α=0.05。

2 結(jié)果

2.1 文獻(xiàn)檢索結(jié)果

初檢共獲得相關(guān)文獻(xiàn)796篇，經(jīng)過(guò)剔重、細(xì)篩等步驟后，最終納入17篇RCT[10-26]，均為中文文獻(xiàn)，共包含7 746例患者，其中試驗(yàn)組4 904例，對(duì)照組2 842例。文獻(xiàn)檢索流程圖詳見(jiàn)圖1。

圖1 文獻(xiàn)檢索流程圖

2.2 納入研究的基本特征與質(zhì)量評(píng)價(jià)

所有納入研究均為RCT；其中10項(xiàng)研究[10-12，15，17，19-22，26]描述了隨機(jī)分配方法；1項(xiàng)研究[20]描述了分配方案隱藏；所有研究均未闡述參與者盲法情況；所有研究均未說(shuō)明結(jié)局評(píng)價(jià)盲法情況；所有研究的結(jié)果數(shù)據(jù)完整；所有研究均未發(fā)現(xiàn)有選擇性報(bào)告的風(fēng)險(xiǎn)；所有研究均不清楚是否存在其他偏倚來(lái)源（表1、圖2）。

圖2 納入研究的偏倚風(fēng)險(xiǎn)條形圖

表1 納入研究的基本信息

2.3 meta分析結(jié)果

2.3.1 術(shù)后24 h NRS評(píng)分共8項(xiàng)研究[12-14，16-17，19，22，24]報(bào)道了術(shù)后24 h NRS評(píng)分，各研究間有統(tǒng)計(jì)學(xué)異質(zhì)性（I2=90%，P<0.000 01），隨機(jī)效應(yīng)模型meta分析結(jié)果顯示，兩組的差異無(wú)統(tǒng)計(jì)學(xué)意義[MD=-0.09，95%CI（-0.25，0.07），P>0.05]（圖3）。

圖3 兩組術(shù)后24 h NRS評(píng)分的meta分析森林圖

2.3.2 術(shù)后48 h NRS評(píng)分共8項(xiàng)研究[12-14，16-17，19，22，24]報(bào)道了術(shù)后48 h NRS評(píng)分，各研究間有統(tǒng)計(jì)學(xué)異質(zhì)性（I2=92%，P<0.000 01），隨機(jī)效應(yīng)模型meta分析結(jié)果顯示，兩組的差異無(wú)統(tǒng)計(jì)學(xué)意義[MD=-0.12，95%CI（-0.27，0.03），P>0.05]（圖4）。

圖4 兩組術(shù)后48 h NRS評(píng)分的meta分析森林圖

2.3.3 術(shù)后24 h VAS評(píng)分共7項(xiàng)研究[11，15，18，20-21，23，26]報(bào)道了術(shù)后24 h VAS評(píng)分，各研究間有統(tǒng)計(jì)學(xué)異質(zhì)性（I2=90%，P<0.000 01），隨機(jī)效應(yīng)模型meta分析結(jié)果顯示，試驗(yàn)組的術(shù)后24 h VAS評(píng)分顯著低于對(duì)照組[MD=-0.47，95%CI（-0.75，-0.19），P=0.001 0]（圖5）。

圖5 兩組術(shù)后24 h VAS評(píng)分的meta分析森林圖

2.3.4 術(shù)后48 h VAS評(píng)分共7項(xiàng)研究[11，15，18，20-21，23，26]報(bào)道了術(shù)后48 h VAS評(píng)分，各研究間有統(tǒng)計(jì)學(xué)異質(zhì)性（I2=83%，P<0.000 01），隨機(jī)效應(yīng)模型meta分析結(jié)果顯示，試驗(yàn)組的術(shù)后48 h VAS評(píng)分顯著低于對(duì)照組[MD=-0.42，95%CI（-0.65，-0.20），P=0.000 3]（圖6）。

圖6 兩組術(shù)后48 h VAS評(píng)分的meta分析森林圖

2.3.5 患者滿意度共9項(xiàng)研究[11，14-16，18，20，22，24-25]報(bào)道了患者滿意度，各研究間無(wú)統(tǒng)計(jì)學(xué)異質(zhì)性（I2=46%，P=0.06），固定效應(yīng)模型meta分析結(jié)果顯示，試驗(yàn)組的患者滿意度明顯高于對(duì)照組[RR=1.15，95%CI（1.13，1.18），P<0.000 01]（圖7）。

圖7 兩組患者滿意度的meta分析森林圖

2.3.6 不良反應(yīng)總發(fā)生率共11項(xiàng)研究[10，13-16，19-21，24-26]報(bào)道了不良反應(yīng)總發(fā)生率，各研究間無(wú)統(tǒng)計(jì)學(xué)異質(zhì)性（I2=27%，P=0.19），固定效應(yīng)模型meta分析結(jié)果顯示，試驗(yàn)組的不良反應(yīng)總發(fā)生率顯著低于對(duì)照組[RR=0.75，95%CI（0.67，0.84），P<0.000 01]（圖8）。

圖8 兩組不良反應(yīng)總發(fā)生率的meta分析森林圖

2.4 異質(zhì)性來(lái)源分析

在合并分析術(shù)后24、48 h NRS和VAS時(shí)，各研究間存在統(tǒng)計(jì)學(xué)異質(zhì)性。經(jīng)分析認(rèn)為，統(tǒng)計(jì)學(xué)異質(zhì)性主要來(lái)源于臨床異質(zhì)性和方法學(xué)異質(zhì)性。臨床異質(zhì)性產(chǎn)生的主要原因是患者所接受的手術(shù)類型不一，且對(duì)疼痛耐受程度各異，導(dǎo)致鎮(zhèn)痛方案及對(duì)結(jié)局指標(biāo)的評(píng)分存在差異。方法學(xué)異質(zhì)性產(chǎn)生的主要原因是各研究的研究設(shè)計(jì)存在差異，包括隨機(jī)方法、盲法、分配隱藏、結(jié)局報(bào)告的完整性、統(tǒng)計(jì)學(xué)方法的嚴(yán)謹(jǐn)性等。

2.5 發(fā)表偏倚評(píng)估

以納入文獻(xiàn)數(shù)量≥9篇的患者滿意度和不良反應(yīng)總發(fā)生率為指標(biāo)繪制漏斗圖。結(jié)果顯示，以患者滿意度[11，14-16，18，20，22，24-25]為指標(biāo)時(shí)，各研究散點(diǎn)較為對(duì)稱，但個(gè)別研究[14，22]可能存在發(fā)表偏倚（圖9中位于漏斗外的點(diǎn)）。以不良反應(yīng)總發(fā)生率[10，13-16，19-21，24-26]為指標(biāo)時(shí)，各研究散點(diǎn)集中在漏斗頂部，提示本研究存在一定程度的發(fā)表偏倚。詳見(jiàn)圖9、10。

圖9 患者滿意度的漏斗圖

圖10 不良反應(yīng)總發(fā)生率的漏斗圖

3 討論

本次meta分析顯示AI-PCA應(yīng)用于術(shù)后鎮(zhèn)痛的療效和安全性優(yōu)于PCA，這主要得益于近年來(lái)AI技術(shù)的發(fā)展，而AI-PCA的應(yīng)用也進(jìn)一步促進(jìn)了AI技術(shù)在醫(yī)學(xué)領(lǐng)域研究的發(fā)展。本研究遵循循證醫(yī)學(xué)的理念，采用meta分析的方法探討了AI-PCA應(yīng)用于術(shù)后鎮(zhèn)痛的有效性和安全性，研究結(jié)果為AI-PCA在術(shù)后鎮(zhèn)痛的有效和安全應(yīng)用提供了循證參考。

AI-PCA實(shí)現(xiàn)了術(shù)后鎮(zhèn)痛的信息化和規(guī)范化管理，應(yīng)用于術(shù)后鎮(zhèn)痛有著良好的臨床療效而且更加安全，更加符合目前信息化建設(shè)和物聯(lián)網(wǎng)發(fā)展的要求，是術(shù)后鎮(zhèn)痛管理的創(chuàng)新和有意義的嘗試，在臨床上的應(yīng)用具有一定的優(yōu)勢(shì)。同時(shí)，本研究也為AI技術(shù)在醫(yī)學(xué)領(lǐng)域其他方面的應(yīng)用提供了借鑒。

本研究也發(fā)現(xiàn)目前的AI-PCA仍存在一定的不足，主要是尚未能進(jìn)行獨(dú)立思考及做出決策，提供的僅是挽救性鎮(zhèn)痛而不是智能化的預(yù)防性鎮(zhèn)痛。此外，AI-PCA也面臨著倫理和患者信息安全等方面的問(wèn)題[27]，盡管AI-PCA在術(shù)后鎮(zhèn)痛的應(yīng)用是大勢(shì)所趨，但如何妥善解決這些問(wèn)題也是目前的重大課題。相信AI-PCA目前所面臨的挑戰(zhàn)也將成為AI技術(shù)不斷發(fā)展的驅(qū)動(dòng)力，為AI技術(shù)在更廣闊的醫(yī)學(xué)領(lǐng)域應(yīng)用增添更多更加深入的研究成果。

本次meta分析具有一定的局限性：①本研究所納入研究未報(bào)告具體的隨機(jī)序列產(chǎn)生方法、分配隱藏情況及盲法實(shí)施情況，因此從現(xiàn)有的信息中難以判斷是否存在其他來(lái)源的偏倚，結(jié)論的可靠性受到一定的影響；②AI-PCA為我國(guó)的原創(chuàng)技術(shù)，未檢索到英文RCT，納入文獻(xiàn)均為中文文獻(xiàn)，且發(fā)表時(shí)間較為集中，結(jié)果也均為陽(yáng)性結(jié)果，這在一定程度上存在發(fā)表偏倚；③納入的文獻(xiàn)的質(zhì)量普遍不高，對(duì)研究結(jié)果有一定的影響；④本研究未使用GRADE進(jìn)行證據(jù)質(zhì)量分級(jí)，在方法學(xué)上具有一定的局限性，對(duì)讀者對(duì)本研究的理解以及對(duì)本研究結(jié)論的真實(shí)性和可靠性有一定影響。

綜上所述，AI-PCA作為一種新的鎮(zhèn)痛技術(shù)可以提高鎮(zhèn)痛療效并降低不良反應(yīng)發(fā)生率，應(yīng)用于術(shù)后鎮(zhèn)痛的療效和安全性總體上優(yōu)于PCA。但由于受納入研究質(zhì)量和數(shù)量的影響，上述結(jié)論仍需更多在更廣泛人群中的高質(zhì)量研究予以證實(shí)。