抑郁、焦虑和恐惧回避是否是数字疗法治疗慢性肌肉骨骼疼痛后疗效的预测因素？

《PAIN Reports》：Are depression, anxiety, and fear-avoidance predictors of outcomes after digital care for chronic musculoskeletal pain?

慢性肌肉骨骼疼痛远程数字护理中，恐惧回避信念和抑郁显著预测疼痛改善，焦虑无显著影响。调整人口学及临床协变量后，心理因素仍独立预测疼痛结局（β=0.15-0.14，OR=0.85-0.86），且联合临床特征时模型解释力提升22.8%-26.5%。性别、疼痛部位（脊柱>末梢）、干预频次及基线疼痛强度亦为重要预测因子。研究采用结构方程模型处理缺失数据，验证了远程康复中心理社会因素的核心作用。

　　慢性肌肉骨骼疼痛（CMP）作为一种全球范围内的常见健康问题，对社会和经济造成了巨大的负担。根据相关研究，CMP是导致全球残疾的主要原因之一，影响了超过1.59亿人，而在美国，几乎每五名成年人中就有一人受到其影响，每年带来的经济损失高达3809亿美元。面对这一问题，传统面对面康复方式虽然已被广泛接受，但其在偏远地区或特定人群中存在一定的局限性，例如专业资源不足、交通不便以及慢性疼痛人群的不断增长。因此，数字护理（Digital Care Program, DCP）作为一种新兴的解决方案，正在迅速发展，成为克服这些障碍的重要工具。

然而，尽管有大量研究支持心理预测因素在面对面康复中的作用，但它们在数字护理环境中的有效性仍缺乏明确的证据。这促使研究人员探索数字康复背景下，哪些心理因素可以准确预测疼痛结果。本研究的目的是评估恐惧回避信念、抑郁和焦虑是否能作为数字护理项目中慢性肌肉骨骼疼痛患者疼痛结果的预测因素。通过分析患者的基线数据，结合临床和人口统计学变量，研究试图揭示这些心理因素在数字康复中的作用，并探讨如何通过优化护理方式来提高治疗效果。

研究采用了一种多模式的数字护理方案，该方案结合了锻炼、教育和认知行为疗法（CBT）。所有参与者均通过电子问卷进行评估，包括疼痛程度、恐惧回避信念、抑郁和焦虑水平等。研究结果表明，恐惧回避信念和抑郁症状在所有疼痛结果指标中均显示出显著的预测作用。无论是否调整了人口统计学和临床变量，这两个因素都与疼痛水平的变化密切相关。相比之下，焦虑并未显示出对疼痛结果的显著影响。这可能与数字护理环境中的特点有关，如更高的患者自主性和频繁的双向沟通，这些因素有助于缓解焦虑，从而减轻其对疼痛的负面影响。

在数字护理项目中，患者完成的锻炼次数与疼痛改善之间也存在显著的正相关。尽管锻炼计划是根据患者的个体需求进行定制的，但较高的锻炼参与度似乎对改善疼痛有积极作用。此外，性别、疼痛部位和基线疼痛水平也被发现是重要的预测因素。男性在数字护理项目中表现出更好的疼痛结果，而脊柱疼痛的患者则有更差的恢复表现。这些发现提示，性别和疼痛部位可能在不同人群中具有不同的影响，因此在制定数字护理方案时，需要考虑这些因素。

研究还通过敏感性分析，评估了心理因素与人口统计学或临床特征结合后的预测效果。结果显示，当心理因素与临床特征结合时，模型的预测性能显著提高，而与人口统计学特征结合时则提升有限。这表明，在数字康复中，临床特征如基线疼痛水平可能比人口统计学特征更具预测价值。因此，在评估数字护理项目的成功因素时，应更加关注临床特征，而不仅仅是人口统计学信息。

研究的结论强调了恐惧回避信念和抑郁在数字康复中的重要性，并建议未来的数字护理项目应采取多模式、个性化的干预策略，以更有效地应对这些心理因素，从而优化患者的康复效果。同时，研究也指出了当前研究的一些局限性，例如未考虑针对心理健康问题的特定干预措施，以及未涵盖其他重要的心理社会因素。未来的研究应进一步探索这些变量，以更全面地理解数字康复的预测因素，并提高其在不同人群中的适用性。

此外，研究还指出，数字护理项目的优势在于其灵活性和可及性，这有助于患者在不同环境中获得有效的康复支持。通过远程访问和实时反馈，患者可以更方便地参与康复计划，减少因地理或经济因素带来的障碍。然而，研究中使用的是自我报告的测量方法，可能存在回忆偏差或社会期望效应。因此，未来的研究需要考虑更客观的评估手段，以提高数据的准确性。

总体而言，本研究为数字护理环境中慢性肌肉骨骼疼痛的预测因素提供了新的视角，并强调了心理因素在康复过程中的关键作用。这些发现不仅有助于指导临床实践，也为未来研究提供了方向，特别是在如何优化数字护理方案以更好地满足不同患者需求方面。通过进一步探索这些心理因素与其他临床变量之间的相互作用，可以更有效地提升数字康复的效果，为慢性疼痛患者提供更个性化的治疗路径。