编辑推荐：
为解决目前基于非自适应短形式调查的疼痛影响评分（PIS）最小重要变化（MIC）估计存在的不足，研究人员开展了利用计算机自适应测试（CAT）版本的 PROMIS 测量来估计 PIS MIC 的研究。结果得出 PIS MIC 约为 3 分，该结果对评估疼痛治疗反应有重要意义。
在医学研究领域，慢性疼痛一直是一个备受关注的难题。对于慢性疼痛患者治疗效果的评估，传统上常依赖于一些不够精准的指标。目前，关于美国国立卫生研究院（NIH）研究工作组用于慢性下腰痛研究标准的疼痛影响评分（Pain Impact Score，PIS）的最小重要变化（Minimal Important Change，MIC）的估计，存在诸多问题。此前虽已有三项基于 PROMIS 短形式调查数据的 PIS MIC 锚定估计值发表，但范围差异较大（3 - 7.5），且均未使用 PROMIS 的计算机自适应测试（Computer Adaptive Testing，CAT）版本数据。这使得在评估疼痛治疗效果时，难以准确判断治疗带来的变化是否具有临床意义，影响了对治疗方案的合理选择和优化，也不利于患者的精准治疗。
为了填补这一空白，来自美国 Madigan 陆军医疗中心跨学科疼痛管理中心等机构的研究人员开展了一项重要研究。他们对两项随机临床试验（Randomized Clinical Trial，RCT）的数据进行了二次分析，这两项试验针对美国现役军人的慢性疼痛开展非药物疼痛治疗。研究人员通过分析这些数据，旨在估计使用 CAT 版本的 PROMIS 测量时 PIS 的 MIC，并探索 PIS 的心理测量特性。该研究成果发表在《BMC Musculoskeletal Disorders》上，为疼痛治疗效果评估提供了新的依据和思路。
研究人员采用了一系列关键技术方法。数据来源于两项随机临床试验，参与者为美国现役军人，他们被招募至 Madigan 陆军医疗中心跨学科疼痛管理中心接受治疗。研究中使用了国防和退伍军人疼痛评分量表（Defense and Veterans Pain Rating Scale，DVPRS）来确定 7 天平均疼痛强度，并采用 CAT 版本的 PROMIS 疼痛干扰和身体功能测量指标。通过患者全球印象变化（Patient Global Impression of Change，PGIC）问卷收集患者对自身治疗前后状态变化的评价。运用受试者工作特征（Receiver Operating Characteristic，ROC）曲线分析和预测逻辑回归模型来估计 MIC，并计算个体统计变化的度量指标。
下面介绍研究结果：
- 参与者特征：本次二次分析样本包含 IMPPPORT 研究的 61 名参与者和 SMART 研究的 192 名参与者。综合样本（n = 253）主要是 25 岁以上、至少接受过一些大学教育的已婚男性陆军军人。与 IMPPPORT 研究群体相比，SMART 研究群体年龄更大、军衔更高，主要疼痛类型为肌肉骨骼型的比例更低，基线 PIS 及部分 PROMIS 评分更差。
- PIS 变化及 MIC 估计：综合样本中，PIS 平均变化为下降 2.7 分，平均百分比变化为下降 8.5%，且变化具有统计学意义。通过 ROC 分析和预测模型分析，综合样本的推荐 MIC 为 PIS 下降 3 分（ROC 分析为 2.5 分，预测模型方法为 3.4 分）。MIC 估计值因基线影响评分而异，基线 PIS 为轻度的参与者所需的 MIC 较小，而中度或重度的参与者所需的 MIC 较大。同时，两个研究样本的 MIC 也存在差异，SMART 研究样本的 MIC 估计值更大。
- 个体变化统计：用于评估个体变化显著性的统计指标中，标准差指数为 14，测量标准误差为 7，估计标准误差为 6，预测标准误差为 9，个体重复性系数为 9.1，组水平变化的重复性系数为 0.6。
研究结论和讨论部分具有重要意义。研究发现，使用 CAT 版本的 PROMIS 身体功能和疼痛干扰测量时，PIS MIC 约为 3 分（因统计方法而异），这与之前基于非自适应短形式调查的估计值相符。这一结果为研究人员和临床医生在评估疼痛治疗反应时提供了新的选择，因为 CAT 问卷比短形式问卷更准确。然而，研究也存在一定局限性，如 MIC 估计的 95% 置信区间范围较宽，样本仅包含现役军人，可能不代表非军事人群，且计算 PIS 时使用 DVPRS 而非 PROMIS 疼痛强度量表，可能对结果有一定影响。此外，关于基于锚定的 MIC 是否应用于识别个体治疗反应者，目前仍存在争议。但总体而言，该研究为后续进一步研究如何更精准地定义疼痛治疗反应提供了参考，也为临床实践中判断治疗效果和调整治疗方案提供了重要依据。
