智能化患者自控鎮痛用于術后鎮痛的療效和安全性meta分析

申金海 黃天文 王琳玉 李艷

廣西醫科大學附屬腫瘤醫院藥學部，廣西南寧 530021

術后疼痛是術后即刻出現的急性傷害性疼痛，是臨床亟須處理的疼痛之一。術后疼痛可導致患者術后下床活動或出院時間推遲、康復時間延長、生活質量降低等后果[1]。因此，有效地緩解患者術后疼痛是降低醫療成本、提高醫療服務水平的重要措施[2]。目前，臨床上常用的鎮痛手段為鎮痛泵[3]。患者自控鎮痛（patient-controlled analgesia，PCA）的應用在一定程度上改善了患者術后疼痛的管理，但目前仍存在對鎮痛管理不足、個性化鎮痛方案缺乏以及鎮痛設備不先進等問題，使得術后疼痛仍得不到滿意的有效控制[4-5]。

基于物聯網技術的革新以及大數據時代的到來，針對PCA的人工智能（artificial intelligence，AI）技術——智能化患者自控鎮痛（artificial intelligence patient-controlled analgesia，AI-PCA）也由此得到迅猛發展[6]。AI-PCA不僅能夠實現實時傳輸數據，準確記錄鎮痛泵的運行參數、報警類型以及患者自控鍵按壓次數等信息，還能構建醫院的信息系統之間的數據共享，進而將患者的基本信息與鎮痛泵的運行參數同步無縫銜接到監控臺。因此，AI-PCA的出現有助于醫護人員對術后鎮痛進行智能化管理，從而實現了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后疼痛的程度以及不良反應的發生率，還可以縮短術后住院時間、提高患者滿意度等[8]。盡管目前已有文獻報道了AI-PCA對比PCA用于術后鎮痛的療效和安全性，但仍存在一定的不足之處[9]。本研究通過檢索目前已發表的AI-PCA對比PCA用于術后鎮痛的隨機對照試驗（randomized controlled trial，RCT），采用meta分析的方法對AI-PCA用于術后鎮痛的療效和安全性進行評價，為該技術在術后鎮痛中的應用提供安全性和有效性的循證依據。

1 資料與方法

1.1 納入與排除標準

①研究對象美國麻醉師協會評分Ⅰ～Ⅲ級、年齡≥18需要進行術后鎮痛的患者；②干預措施為試驗組使用AI-PCA進行術后鎮痛；③對照措施為對照組使用PCA進行術后鎮痛；④結局指標包括疼痛數字評分（numerical rating score，NRS）、視覺模擬評分（visual analogue scale，VAS）、患者滿意度、不良反應總發生率；⑤研究類型為公開發表的RCT研究；語種限定為中文和英文。

排除標準：①重復發表的文獻、綜述、基礎研究；②無法提取數據的文獻；③未說明美國麻醉師協會評分分級的文獻。

1.2 檢索策略

計算機檢索PubMed、Embase、Cochrane Library、Web of Science、知網、維普、萬方等數據庫從建庫起至2021年10月20日公開發表的文獻，并手工檢索納入文獻中的參考文獻。中文檢索詞為“人工智能”“智能化”“機器學習”“基于互聯網”“無線鎮痛系統”“鎮痛”。英文檢索詞為“artificial intelligence”“machine learning”“web-based”“artificial intelligence patient-controlled analgesia”“analgesia”。

各數據庫均采用主題詞檢索與自由詞檢索結合的檢索方式。以維普數據庫為例，本文的檢索式如下所示：M=（人工智能OR智能化OR機器學習OR基于互聯網OR無線鎮痛系統）AND M=鎮痛。

1.3 文獻篩選、資料提取、質量評價

根據研究目的確定文獻的納入和排除標準，由2位研究者獨立進行文獻篩選，再雙方交叉核對，出現爭議時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、發表年份、兩組受試者的例數、年齡、性別、干預措施及結局指標等。采用Cochrane系統評價手冊5.1.0版RCT偏倚風險評估工具，對納入的文獻進行質量評價。具體評價條目包括：隨機序列的產生、分配隱藏、是否對研究者和受試者施盲、研究結果評估盲法、結果數據的完整性和選擇性報告情況以及其他偏倚來源，每個條目均分為“低風險”“高風險”及“不清楚”。

1.4 統計學方法

采用RevMan 5.4軟件對納入研究進行meta分析。連續型變量采用均數差（mean difference，MD）作為效應指標，二分類變量采用相對危險度（relative risk，RR）作為效應指標，各效應指標均提供點估計值和95%置信區間（95% confidence interval，95%CI）。采用χ2檢驗及I2值評價研究間的異質性。當P＜0.05、I2＞50%時，表示各研究間存在統計學異質性，采用隨機效應模型來合并效應量；反之，當P＞0.05、I2≤50%時，則采用固定效應模型來合并效應量。采用漏斗圖來評價發表偏倚，檢驗方法為Egger′s檢驗，檢驗水準α=0.05。

2 結果

2.1 文獻檢索結果

初檢共獲得相關文獻796篇，經過剔重、細篩等步驟后，最終納入17篇RCT[10-26]，均為中文文獻，共包含7 746例患者，其中試驗組4 904例，對照組2 842例。文獻檢索流程圖詳見圖1。

圖1 文獻檢索流程圖

2.2 納入研究的基本特征與質量評價

所有納入研究均為RCT；其中10項研究[10-12，15，17，19-22，26]描述了隨機分配方法；1項研究[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；所有研究均未說明結局評價盲法情況；所有研究的結果數據完整；所有研究均未發現有選擇性報告的風險；所有研究均不清楚是否存在其他偏倚來源（表1、圖2）。

圖2 納入研究的偏倚風險條形圖

表1 納入研究的基本信息

2.3 meta分析結果

2.3.1 術后24 h NRS評分共8項研究[12-14，16-17，19，22，24]報道了術后24 h NRS評分，各研究間有統計學異質性（I2=90%，P<0.000 01），隨機效應模型meta分析結果顯示，兩組的差異無統計學意義[MD=-0.09，95%CI（-0.25，0.07），P>0.05]（圖3）。

圖3 兩組術后24 h NRS評分的meta分析森林圖

2.3.2 術后48 h NRS評分共8項研究[12-14，16-17，19，22，24]報道了術后48 h NRS評分，各研究間有統計學異質性（I2=92%，P<0.000 01），隨機效應模型meta分析結果顯示，兩組的差異無統計學意義[MD=-0.12，95%CI（-0.27，0.03），P>0.05]（圖4）。

圖4 兩組術后48 h NRS評分的meta分析森林圖

2.3.3 術后24 h VAS評分共7項研究[11，15，18，20-21，23，26]報道了術后24 h VAS評分，各研究間有統計學異質性（I2=90%，P<0.000 01），隨機效應模型meta分析結果顯示，試驗組的術后24 h VAS評分顯著低于對照組[MD=-0.47，95%CI（-0.75，-0.19），P=0.001 0]（圖5）。

圖5 兩組術后24 h VAS評分的meta分析森林圖

2.3.4 術后48 h VAS評分共7項研究[11，15，18，20-21，23，26]報道了術后48 h VAS評分，各研究間有統計學異質性（I2=83%，P<0.000 01），隨機效應模型meta分析結果顯示，試驗組的術后48 h VAS評分顯著低于對照組[MD=-0.42，95%CI（-0.65，-0.20），P=0.000 3]（圖6）。

圖6 兩組術后48 h VAS評分的meta分析森林圖

2.3.5 患者滿意度共9項研究[11，14-16，18，20，22，24-25]報道了患者滿意度，各研究間無統計學異質性（I2=46%，P=0.06），固定效應模型meta分析結果顯示，試驗組的患者滿意度明顯高于對照組[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 不良反應總發生率共11項研究[10，13-16，19-21，24-26]報道了不良反應總發生率，各研究間無統計學異質性（I2=27%，P=0.19），固定效應模型meta分析結果顯示，試驗組的不良反應總發生率顯著低于對照組[RR=0.75，95%CI（0.67，0.84），P<0.000 01]（圖8）。

圖8 兩組不良反應總發生率的meta分析森林圖

2.4 異質性來源分析

在合并分析術后24、48 h NRS和VAS時，各研究間存在統計學異質性。經分析認為，統計學異質性主要來源于臨床異質性和方法學異質性。臨床異質性產生的主要原因是患者所接受的手術類型不一，且對疼痛耐受程度各異，導致鎮痛方案及對結局指標的評分存在差異。方法學異質性產生的主要原因是各研究的研究設計存在差異，包括隨機方法、盲法、分配隱藏、結局報告的完整性、統計學方法的嚴謹性等。

2.5 發表偏倚評估

以納入文獻數量≥9篇的患者滿意度和不良反應總發生率為指標繪制漏斗圖。結果顯示，以患者滿意度[11，14-16，18，20，22，24-25]為指標時，各研究散點較為對稱，但個別研究[14，22]可能存在發表偏倚（圖9中位于漏斗外的點）。以不良反應總發生率[10，13-16，19-21，24-26]為指標時，各研究散點集中在漏斗頂部，提示本研究存在一定程度的發表偏倚。詳見圖9、10。

圖9 患者滿意度的漏斗圖

圖10 不良反應總發生率的漏斗圖

3 討論

本次meta分析顯示AI-PCA應用于術后鎮痛的療效和安全性優于PCA，這主要得益于近年來AI技術的發展，而AI-PCA的應用也進一步促進了AI技術在醫學領域研究的發展。本研究遵循循證醫學的理念，采用meta分析的方法探討了AI-PCA應用于術后鎮痛的有效性和安全性，研究結果為AI-PCA在術后鎮痛的有效和安全應用提供了循證參考。

AI-PCA實現了術后鎮痛的信息化和規范化管理，應用于術后鎮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和物聯網發展的要求，是術后鎮痛管理的創新和有意義的嘗試，在臨床上的應用具有一定的優勢。同時，本研究也為AI技術在醫學領域其他方面的應用提供了借鑒。

本研究也發現目前的AI-PCA仍存在一定的不足，主要是尚未能進行獨立思考及做出決策，提供的僅是挽救性鎮痛而不是智能化的預防性鎮痛。此外，AI-PCA也面臨著倫理和患者信息安全等方面的問題[27]，盡管AI-PCA在術后鎮痛的應用是大勢所趨，但如何妥善解決這些問題也是目前的重大課題。相信AI-PCA目前所面臨的挑戰也將成為AI技術不斷發展的驅動力，為AI技術在更廣闊的醫學領域應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告具體的隨機序列產生方法、分配隱藏情況及盲法實施情況，因此從現有的信息中難以判斷是否存在其他來源的偏倚，結論的可靠性受到一定的影響；②AI-PCA為我國的原創技術，未檢索到英文RCT，納入文獻均為中文文獻，且發表時間較為集中，結果也均為陽性結果，這在一定程度上存在發表偏倚；③納入的文獻的質量普遍不高，對研究結果有一定的影響；④本研究未使用GRADE進行證據質量分級，在方法學上具有一定的局限性，對讀者對本研究的理解以及對本研究結論的真實性和可靠性有一定影響。

綜上所述，AI-PCA作為一種新的鎮痛技術可以提高鎮痛療效并降低不良反應發生率，應用于術后鎮痛的療效和安全性總體上優于PCA。但由于受納入研究質量和數量的影響，上述結論仍需更多在更廣泛人群中的高質量研究予以證實。