張瀟昂 陶靜怡 張達(dá)穎 劉韋辰 王志劍 朱夢(mèng)葉 寧玉梅 魏建梅△

（1 南昌大學(xué)護(hù)理學(xué)院，南昌 330006；2 南昌大學(xué)第一附屬醫(yī)院疼痛科，南昌 330006；3 江西省衛(wèi)生健康神經(jīng)性疼痛重點(diǎn)實(shí)驗(yàn)室，南昌 330006）

三叉神經(jīng)痛 (trigeminal neuralgia, TN) 是以面部三叉神經(jīng)支配區(qū)域反復(fù)發(fā)生陣發(fā)性、電擊樣疼痛為主要特性的疼痛綜合征，常在病人說話、進(jìn)食時(shí)發(fā)作，嚴(yán)重影響病人的身心健康[1]。據(jù)統(tǒng)計(jì)，TN 的發(fā)病率為4～28.9/10 萬(wàn)，且近年來不斷增高[2]。治療TN 不僅需要藥物手術(shù)的干預(yù)，還需要心理社會(huì)層面的支持，有研究表明，錯(cuò)誤的疼痛心理認(rèn)知是50%經(jīng)藥物手術(shù)治療后的病人疼痛無(wú)法完全緩解的一個(gè)重要因素，故針對(duì)疼痛心理認(rèn)知的研究一直是疼痛生理-心理-社會(huì)模型研究的熱點(diǎn)[3,4]。

疼痛災(zāi)難化(pain catastrophizing)是疼痛心理認(rèn)知領(lǐng)域與恐懼-回避理論密切相關(guān)的一個(gè)概念，它是個(gè)體對(duì)正在經(jīng)歷的疼痛或?qū)⒁l(fā)生的疼痛的夸大且消極的思維模式[5]。疼痛災(zāi)難化影響廣泛，它不僅會(huì)夸大病人疼痛體驗(yàn)、降低藥物療效、造成藥物濫用[6]，而且研究表明它能預(yù)測(cè)病人術(shù)后疼痛情況[7]。而TN 等神經(jīng)病理性疼痛病人疼痛災(zāi)難化的發(fā)生率達(dá)51%且常需要手術(shù)治療[8]，故分析TN 疼痛災(zāi)難化發(fā)生情況并積極預(yù)防具有重要意義。但目前國(guó)內(nèi)外關(guān)于TN 疼痛災(zāi)難化的研究較少，且未見有分析其危險(xiǎn)因素并預(yù)測(cè)發(fā)生風(fēng)險(xiǎn)的研究。列線圖 (nomogram)是一種計(jì)算簡(jiǎn)單、能直觀呈現(xiàn)數(shù)據(jù)分析結(jié)果的數(shù)學(xué)模型，常適用于風(fēng)險(xiǎn)預(yù)測(cè)的研究?；诖?，本研究擬以恐懼-回避理論為指導(dǎo)，構(gòu)建Nomogram風(fēng)險(xiǎn)預(yù)測(cè)模型，為預(yù)防疼痛災(zāi)難化的發(fā)生提供參考。

方 法

1.一般資料

本研究已通過南昌大學(xué)第一附屬醫(yī)院醫(yī)學(xué)倫理委員會(huì)審核（IIT [2023] 臨倫審第161 號(hào)），所有研究對(duì)象均簽署知情同意書。采用便利抽樣的方法，選取2021 年1 月至2023 年3 月在南昌大學(xué)第一附屬醫(yī)院疼痛科住院的TN 病人為研究對(duì)象。

根據(jù)Harrell 準(zhǔn)則[9]，構(gòu)建風(fēng)險(xiǎn)預(yù)測(cè)模型時(shí)，如果結(jié)局事件是二分類變量，兩種效應(yīng)水平例數(shù)的最小值應(yīng)大于預(yù)測(cè)變量數(shù)的5～10 倍。本研究預(yù)計(jì)納入11 個(gè)變量，考慮10%～20%的樣本失訪率，故樣本量至少為132 例。本研究原納入211 例TN 病人，排除失訪和數(shù)據(jù)缺失的6 例，最終選取205 例TN 病人作為研究對(duì)象。其中164 例于2021 年1 月至2022 年9 月納入作為建模組，41 例于2022 年10 月至2023 年3 月納入作為驗(yàn)證組。

納入標(biāo)準(zhǔn)：①符合《國(guó)際頭痛障礙分類》第3版 (ICHD-3) 中TN 的診斷標(biāo)準(zhǔn)[1]；②年齡≥18 歲；③可以進(jìn)行正常溝通交流，能夠理解研究?jī)?nèi)容并能夠獨(dú)立填寫問卷。

排除標(biāo)準(zhǔn)：①伴有惡性腫瘤者；②心、肝、腎等重要器官功能嚴(yán)重不全者；③血液、免疫、神經(jīng)系統(tǒng)嚴(yán)重疾病者；④妊娠期或哺乳期婦女。

2. 調(diào)查工具

（1）一般資料調(diào)查表：由研究者自制而成，內(nèi)容包括性別、年齡、婚姻狀況、文化程度、職業(yè)、經(jīng)濟(jì)情況、居住方式。

（2）疼痛程度評(píng)估：使用魏建梅等[10]研發(fā)的改良疼痛評(píng)估尺，通過視覺模擬評(píng)分法(visual analogue scale, VAS)評(píng)分進(jìn)行評(píng)估。使用時(shí)病人面對(duì)無(wú)刻度的一面并根據(jù)自身疼痛情況滑動(dòng)尺標(biāo)，經(jīng)統(tǒng)一培訓(xùn)的觀察者根據(jù)背面刻度來判斷得分。觀察者為經(jīng)統(tǒng)一培訓(xùn)的研究小組成員（醫(yī)生或護(hù)士），觀察者在評(píng)估疼痛程度等指標(biāo)時(shí)不知曉分組情況。滿分10 分，0 分為無(wú)痛，1～3 分為輕度疼痛，4～6 分為中度疼痛，7～10 分為重度疼痛。

（3）負(fù)性情緒評(píng)估：使用由Zigmond 和Snaith[11]編制的醫(yī)院焦慮抑郁量表(hospital anxiety depression scale, HADS)進(jìn)行評(píng)估。HADS 包括兩個(gè)分量表，即焦慮量表(HADS-A)和抑郁量表 (HADS-D)，用于評(píng)定焦慮和抑郁情況。每個(gè)分量表各有7 個(gè)條目，每個(gè)條目計(jì)0～3 分，各條目得分相加即為總分，總分范圍為0～21 分，0～7 分表明無(wú)焦慮抑郁，8～10 分表明可疑存在焦慮抑郁，11～21 分表明肯定存在焦慮抑郁，得分越高表明焦慮抑郁越嚴(yán)重，該量表Cronbach's α 系數(shù)為0.879，焦慮和抑郁分量表的Cronbach's α 系數(shù)分別為0.83 和0.82。

（4）睡眠質(zhì)量評(píng)估：使用由Buysse 等[12]研發(fā)的匹茲堡睡眠質(zhì)量指數(shù)量表(Pittsburgh sleep quality index, PSQI)進(jìn)行評(píng)估。PSQI 分為7 個(gè)維度共19 個(gè)自評(píng)條目和5 個(gè)他評(píng)條目，其中僅前18 個(gè)自評(píng)條目計(jì)入總分。各維度計(jì)為0～3 分，得分相加即為總分，滿分21 分。得分≤7 分表示病人睡眠質(zhì)量好，得分> 7 分表示病人睡眠質(zhì)量差，得分越高表明睡眠質(zhì)量越差。該量表Cronbach's α 系數(shù)為0.842。

（5）社會(huì)支持評(píng)估：采用社會(huì)支持評(píng)定量表(social support rating scale, SSRS)進(jìn)行評(píng)估[13]。該量表包括3 個(gè)維度，共10 個(gè)條目，采用Likert 4 級(jí)評(píng)分法，各條目得分相加即為總分，得分越高表明社會(huì)支持水平越高。該量表Cronbach's α 系數(shù)為0.923。

（6）疼痛災(zāi)難化評(píng)估：使用由Sullivan 編制、Yap 等漢化的疼痛災(zāi)難化量表(pain catastrophizing scale, PCS)進(jìn)行評(píng)估[14]。該量表分為“反復(fù)思慮、夸大、無(wú)助”3 個(gè)維度，共13 個(gè)條目，每個(gè)條目計(jì)0～4 分，得分相加即為總分，滿分52 分，得分越高表明疼痛災(zāi)難化越嚴(yán)重，得分≥30 分表明已達(dá)到了災(zāi)難化水平。該量表Cronbach's α 系數(shù)為0.927，各維度Cronbach's α 系數(shù)分別為0.809、0.768、0.839。

3. 資料收集方法

對(duì)研究小組成員進(jìn)行統(tǒng)一培訓(xùn)，對(duì)問卷發(fā)放和填寫時(shí)的解釋語(yǔ)和指導(dǎo)語(yǔ)等進(jìn)行標(biāo)準(zhǔn)化，并對(duì)其進(jìn)行考核，考核通過者才能參與問卷調(diào)查。研究者在TN 病人入院后3 天內(nèi)發(fā)放問卷，并對(duì)病人填寫過程中存在的疑問及時(shí)解答，必要時(shí)經(jīng)同意后替其填寫。問卷填寫完且核對(duì)后及時(shí)收回。本研究一共發(fā)放211份問卷，共收回205 份問卷，有效回收率為97.2%。

4. 統(tǒng)計(jì)學(xué)分析

由2 人共同對(duì)數(shù)據(jù)進(jìn)行錄入并核對(duì)，以確保數(shù)據(jù)準(zhǔn)確。使用SPSS 25.0 對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，以α = 0.05 作為檢驗(yàn)水準(zhǔn)、P< 0.05 表示差異有統(tǒng)計(jì)學(xué)意義。采用均數(shù)±標(biāo)準(zhǔn)差(±SD)描述計(jì)量資料，用頻數(shù)和百分比描述計(jì)數(shù)資料；組間計(jì)量資料的比較采用t檢驗(yàn)或校正t檢驗(yàn)、計(jì)數(shù)資料的比較采用X2檢驗(yàn)。疼痛災(zāi)難化的多因素分析采用Logistic 回歸分析；使用R 軟件 (4.2.2) 構(gòu)建Nomogram 風(fēng)險(xiǎn)預(yù)測(cè)模型，通過Bootstrap 法（重復(fù)抽樣1000 次）來對(duì)模型進(jìn)行內(nèi)部驗(yàn)證，通過一致性指數(shù) (C-Index)、受試工作者特征(receiver operating characteristic, ROC)曲線的曲線下面積(area under the curve, AUC)、校準(zhǔn)曲線圖(calibrate plot)、決策曲線分析 (decision curve analysis, DCA) 來對(duì)模型進(jìn)行外部驗(yàn)證。

結(jié) 果

1. TN 病人疼痛災(zāi)難化發(fā)生情況

本研究建模組164 例TN 病人中，男性73 例(44.5%)，女性91 例 (55.5%)；年齡 (67.7±10.8) 歲；疼痛災(zāi)難化平均(26.4±6.9)分，反復(fù)思慮維度平均(8.5±2.3)分，夸大維度平均(7.3±2.5)分，無(wú)助維度平均(10.5±3.6) 分，其中105 例病人沒有發(fā)生疼痛災(zāi)難化（PCS 得分< 30），59 例病人發(fā)生了疼痛災(zāi)難化（PCS 得分≥30 分），疼痛災(zāi)難化的發(fā)生率為36%。

2. TN 病人疼痛災(zāi)難化危險(xiǎn)因素的單因素分析

根據(jù)是否發(fā)生疼痛災(zāi)難化，將建模組分為疼痛災(zāi)難化組和無(wú)疼痛災(zāi)難化組，并進(jìn)行疼痛災(zāi)難化危險(xiǎn)因素的單因素分析，結(jié)果顯示兩組年齡、文化程度、VAS 評(píng)分、HADS-A 評(píng)分、HADS-D 評(píng)分、PSQI 評(píng)分比較差異有統(tǒng)計(jì)學(xué)意義（P< 0.05，見表1）。

表1 TN 病人疼痛災(zāi)難化的單因素分析Table 1 Univariate analysis of pain catastrophizing in TN patients

3. TN 病人疼痛災(zāi)難化影響因素的多因素分析

將PCS 得分作為因變量（PCS 得分< 30 = 0，PCS 得分≥30 = 1），將單因素分析中差異具有統(tǒng)計(jì)學(xué)意義的變量即年齡、文化程度（大專及以上= 1、高中及中專= 2、初中= 3、小學(xué)及以下= 4）、VAS、HADS-A（得分< 7 = 0，得分> 7 = 1）、HADS-D（得分< 7 = 0，得分> 7 = 1）、PSQI（得分< 7 = 0，得分> 7 = 1）作為自變量進(jìn)行逐步多因素Logistic 回歸分析（納入α = 0.05，排除α = 0.1）。結(jié)果顯示年齡、文化程度、VAS 得分、HADS-A 得分、HADS-D 得分、PSQI 得分是TN 病人疼痛災(zāi)難化發(fā)生的獨(dú)立危險(xiǎn)因素（P< 0.05，見表2）。

表2 TN 病人疼痛災(zāi)難化影響因素的多元逐步Logistic 回歸Table 2 Multivariate stepwise Logistic regression of factors influencing pain catastrophizing in TN patients

4. TN 病人疼痛災(zāi)難化Nomogram 風(fēng)險(xiǎn)預(yù)測(cè)模型的構(gòu)建及驗(yàn)證

（1）風(fēng)險(xiǎn)預(yù)測(cè)模型的構(gòu)建：將Logistic 回歸分析中差異有統(tǒng)計(jì)學(xué)意義 (P< 0.05) 的變量即年齡、文化程度、VAS 評(píng)分、HADS-A 得分、HADS-D 得分、PSQI 得分放入R 軟件 (4.2.2) 中以構(gòu)建Nomogram風(fēng)險(xiǎn)預(yù)測(cè)模型，各個(gè)危險(xiǎn)因素的具體得分情況見圖1。使用時(shí)醫(yī)務(wù)人員先根據(jù)各個(gè)危險(xiǎn)因素的發(fā)生情況和對(duì)應(yīng)刻度算得分并相加計(jì)算出總分，然后將總分所處于的刻度與危險(xiǎn)度刻度進(jìn)行對(duì)應(yīng)，其垂直對(duì)應(yīng)的刻度即為該不良事件發(fā)生的危險(xiǎn)度（見圖1）。

圖1 列線圖風(fēng)險(xiǎn)預(yù)測(cè)模型Fig. 1 Risk prediction model of nomogram

（2）風(fēng)險(xiǎn)預(yù)測(cè)模型的驗(yàn)證：通過Bootstrap法 （重復(fù)抽樣1000 次）對(duì)模型進(jìn)行內(nèi)部驗(yàn)證，結(jié)果顯示受試工作者特征曲線 (ROC) 的曲線下面積 (AUC) 平均值為0.978 (95%CI:0.978-0.979), 一致性指數(shù) (C-Index)平均值為0.978 (95%CI:0.978-0.979)，表明模型區(qū)分度良好。用驗(yàn)證組41 例病人數(shù)據(jù)對(duì)模型進(jìn)行外部驗(yàn)證，本模型預(yù)測(cè)17 例病人發(fā)生疼痛災(zāi)難化，24 例病人無(wú)疼痛災(zāi)難化，實(shí)際24 例病人發(fā)生了疼痛災(zāi)難化，17 例未發(fā)生疼痛災(zāi)難化，模型總準(zhǔn)確率為82.9%，驗(yàn)證組AUC 為0.882（見圖2），模型的特異度為0.941、靈敏度為0.792，建模組ROC 曲線下面積分別為0.956（見圖3），表明模型區(qū)分度良好；驗(yàn)證組和建模組校準(zhǔn)曲線圖(calibrate plot) 顯示校準(zhǔn)曲線與參考線重合度較高（見圖4、5），表明模型預(yù)測(cè)結(jié)果和實(shí)際情況較吻合；驗(yàn)證組和建模組 DCA 結(jié)果顯示，當(dāng)閾值概率分別在0%～99%和16%～98%時(shí)，TN 病人能夠從臨床干預(yù)中獲益（見圖6、7），表明該模型具有較高的臨床應(yīng)用價(jià)值。

圖2 驗(yàn)證組ROC 曲線Fig. 2 ROC curve of the verification group

圖3 建模組ROC 曲線Fig. 3 ROC curve of the model group

圖4 驗(yàn)證組校準(zhǔn)曲線Fig. 4 Calibration curve of verification group

圖5 建模組校準(zhǔn)曲線Fig. 5 Calibration curve of model group

圖6 驗(yàn)證組DCA 曲線Fig. 6 DCA curve of the verification group

圖7 建模組DCA 曲線Fig. 7 DCA curve of model group

討 論

1. TN 病人疼痛災(zāi)難化現(xiàn)狀

疼痛災(zāi)難化作為與疼痛體驗(yàn)最為相關(guān)的心理因素，具有可預(yù)測(cè)性，是疼痛認(rèn)知領(lǐng)域研究的重點(diǎn)[15]。疼痛災(zāi)難化可能與脊髓上感知疼痛的部分腦區(qū)、中樞敏化、彌散性傷害抑制控制 (diffuse noxious inhibitory controls, DNIC) 的抑制、白介素-6 (interleukin-6,IL-6) 的上調(diào)有關(guān)，并通過社會(huì)應(yīng)對(duì)模型 (communal coping model of catastrophizing, CCM)、恐懼-回避模型、行為激活/抑制系統(tǒng) (behavioral activation system/behavioral inhibition system, BAS/BIS)發(fā)揮作用[7]。本研究顯示，TN病人疼痛災(zāi)難化總分為 (25.9±8.2)、發(fā)生率為36%，高于冠心病病人 (16.7%)[16]，低于剖宮產(chǎn)術(shù)后病人 (57.1%)[17]，表明病人容易出現(xiàn)疼痛災(zāi)難化且災(zāi)難化水平較高，這可能與TN 較為劇烈，對(duì)病人心理社會(huì)影響較大有關(guān)。TN 病人疼痛災(zāi)難化得分最高維度為無(wú)助，與冠心病痛病人[16]一致，表明TN 病人可能對(duì)疾病的治愈缺乏信心，甚至出現(xiàn)了焦慮、抑郁等消極情緒。因此，醫(yī)護(hù)人員有必要重視TN 病人疼痛災(zāi)難化問題，明確其危險(xiǎn)因素，做到有效的預(yù)防和針對(duì)性處理。

2. TN 病人疼痛災(zāi)難化的影響因素

（1）年齡：研究結(jié)果顯示，隨著病人年齡的增加，PCS 得分越高，疼痛災(zāi)難化發(fā)生的概率越高，這與之前的研究結(jié)果一致[18]，可能是因?yàn)楦啐g病人疼痛閾值較低，對(duì)疼痛較為敏感，而且機(jī)體抵抗力較差，容易并發(fā)多種疾病。因此要注重對(duì)高齡TN病人疼痛災(zāi)難化的觀察，加強(qiáng)預(yù)防。

（2）文化程度：研究結(jié)果顯示，病人文化程度越高，其PCS 得分越低，這與之前研究結(jié)果一致[18]，表明高文化程度是疼痛災(zāi)難化的保護(hù)因素。這可能是因?yàn)槲幕潭雀叩牟∪四芊e極分析自身疼痛應(yīng)對(duì)中存在的問題并及時(shí)調(diào)整應(yīng)對(duì)策略。且研究表明[19]，病人的文化程度決定了其疼痛概念化的能力，進(jìn)而會(huì)影響病人對(duì)軀體癥狀的認(rèn)知和評(píng)估。因此，醫(yī)護(hù)人員要向低文化程度的病人講解疾病和疼痛的相關(guān)知識(shí)，用通俗易懂的話語(yǔ)及時(shí)解答病人的疑問。

（3）疼痛程度：本研究表明，病人疼痛程度與疼痛災(zāi)難化水平密切相關(guān)，TN 病人疼痛程度越高，疼痛災(zāi)難化水平越高，這和王銀燕等[8]研究結(jié)果一致。因此，醫(yī)護(hù)人員要積極分析病人疼痛產(chǎn)生的原因，加強(qiáng)疼痛管理，探尋最佳鎮(zhèn)痛方法，避免疼痛災(zāi)難化的發(fā)生。

（4）負(fù)性情緒：本研究提示，隨著病人不良情緒程度的加重，病人疼痛災(zāi)難化水平也在不斷提高?？赡苁且?yàn)樨?fù)性情緒較重的病人更傾向于消極地看待疼痛問題，更會(huì)認(rèn)為疼痛具有威脅性。疼痛災(zāi)難化作為一種有別于負(fù)性情緒的消極認(rèn)知，常與負(fù)性情緒相互影響并形成惡性循環(huán)[20]。故醫(yī)護(hù)人員應(yīng)認(rèn)識(shí)到心理治療和護(hù)理的重要性，做好針對(duì)性心理疏導(dǎo)。

（5）睡眠質(zhì)量：結(jié)果表明，病人睡眠質(zhì)量越差，疼痛災(zāi)難化水平越高。睡眠質(zhì)量差的病人精神狀態(tài)常不佳，其更易出現(xiàn)負(fù)性情緒。而且Wilt 等[21]研究發(fā)現(xiàn)，慢性疼痛病人的總?cè)胨瘯r(shí)長(zhǎng)能通過影響疼痛程度間接導(dǎo)致疼痛災(zāi)難化的發(fā)生，故醫(yī)護(hù)人員要重視病人的睡眠監(jiān)測(cè)和管理，促進(jìn)睡眠質(zhì)量的提升。

3. TN 病人疼痛災(zāi)難化Nomogram 風(fēng)險(xiǎn)預(yù)測(cè)模型的應(yīng)用

本研究通過單因素分析初步篩選危險(xiǎn)因素，并通過多因素Logistic 回歸進(jìn)一步分析，危險(xiǎn)因素的識(shí)別和納入較為可靠。且本研究通過Bootstrap 法（重復(fù)抽樣1000 次）對(duì)模型進(jìn)行內(nèi)部驗(yàn)證，通過AUC、C-Index、Calibrate 曲線圖、DCA 對(duì)模型進(jìn)行外部驗(yàn)證，結(jié)果均表明該模型區(qū)分度、校準(zhǔn)度、臨床獲益水平較高。因此，醫(yī)護(hù)人員可以通過該模型分析TN 病人疼痛災(zāi)難化的危險(xiǎn)因素，計(jì)算出疼痛災(zāi)難化發(fā)生的風(fēng)險(xiǎn)值，為預(yù)防疼痛災(zāi)難化的發(fā)生提供參考。

綜上所述，年齡、文化程度、疼痛程度、焦慮、抑郁、睡眠質(zhì)量是TN 病人疼痛災(zāi)難化的危險(xiǎn)因素，基于此構(gòu)建的Nomogram 風(fēng)險(xiǎn)預(yù)測(cè)模型具有良好的預(yù)測(cè)效能。由于本研究是單中心的橫斷面調(diào)查研究，故樣本可能存在選擇性偏倚，且對(duì)因果關(guān)系的解釋需要進(jìn)一步探究。因此今后需開展大樣本多中心臨床隊(duì)列研究以驗(yàn)證本研究結(jié)果，為預(yù)防TN 病人疼痛災(zāi)難化提供更可靠的證據(jù)。

利益沖突聲明：作者聲明本文無(wú)利益沖突。