翻譯：金迪； 點評：葉軍青

海軍軍醫(yī)大學附屬長征醫(yī)院       

引言

外周神經阻滯用于足踝手術，可以提供良好鎮(zhèn)痛、增加患者滿意度、提高手術室周轉效率，然而這些益處可能被嚴重的術后反跳痛削弱。術后反跳痛是神經阻滯消退后突發(fā)的一種急性嚴重疼痛，門診骨科患者術后反跳痛的發(fā)生率高達50%。術后反跳痛的已知危險因素包括年齡偏小、女性、術前疼痛評分高、涉及骨骼的手術（與非骨性手術相比）等   ，還可能涉及其它一些   患者和手術因素，如焦慮、抑郁、手術類型、使用止血帶等。    

為防止患者發(fā)生嚴重術后反跳痛，可采用連續(xù)外周神經阻滯、添加區(qū)域麻醉佐劑（如地塞米松）和多模式鎮(zhèn)痛等方式。本期我們帶來《Br J Anaesth》的一項臨床研究，選擇術前和術中因素構建多變量模型，并驗證該模型對單次腘窩坐骨神經阻滯的足踝術后嚴重反跳痛的預測效應。

方法

該研究在加拿大溫哥華的圣保羅醫(yī)院進行了一項單中心回顧性隊列研究，納入 2016 年 1 月 4 日至 2019 年 11 月 1 日在圣保羅醫(yī)院接受單次腘窩坐骨神經阻滯（聯合或不聯合其他外周神經阻滯）的下肢手術患者。 對于在此期間進行多次手術的患者，僅納入第一次符合條件的手術。在 PACU 中出現無法抑制的疼痛（定義為NRS疼痛評分 > 3、無法抑制或嚴重疼痛的護理記錄或未記錄疼痛狀態(tài)）的患者被排除在外。失訪的患者或接受連續(xù)外周神經阻滯的患者被排除在外（圖1）。

作者為構建多變量模型，選擇了多個候選預測因子。包括對足踝手術的分類、年齡、性別、地塞米松使用情況、局部麻醉劑類型（長效與混合；在腘窩坐骨神經阻滯中使用短效局麻藥歸為混合）、住院與日間（患者術前辦理了入院手續(xù)或其手術被標記為“住院”，則視為住院），術中麻醉類型（鎮(zhèn)靜、椎管內麻醉或全身麻醉，其中全身麻醉界定為術中提供氣道支持）、阻滯時長、止血帶使用等。醫(yī)療求助定義為在術后電話隨訪時，對問題“在神經阻滯消退后，您是否有去急診室或打電話給外科醫(yī)生/家庭醫(yī)生尋求鎮(zhèn)痛治療？“回答“是”（表1）。

圖1 研究流程圖

表 1 候選預測因素和患者隊列特征

*比較發(fā)生嚴重反跳痛與沒有反跳痛患者之間統計學意義

建模方法 研究使用之前列出的預測因子構建了一個多變量邏輯回歸模型（排除數據缺失>10%的預測因子）。 作者通過Cramer‘s V 衡量變量之間的相關性，超過 0.7 界定為相關，并進一步通過方差膨脹系數評估了最終模型中所有預測變量的多重共線性，超過 4 則視為共線性程度較高。年齡使用限制性立方樣條（RCS）進行建模，設置樣條函數節(jié)點為3個。在建模過程中為避免偏差和過度擬合，作者沒有進行預測變量的選擇。研究將止血帶持續(xù)時間作為額外預測因子，構建獨立模型，再通過似然比檢驗衡量其能否改善模型擬合。 

模型驗證 研究使用bootstrap（自舉法）對預測模型進行內部有效性評估，共重復1000次。在每一次重復時，對原始數據進行有放回的重采樣形成模擬數據集，樣本大小與原始數據相當，再對該模擬數據集進行多重插補。使用插補后的模擬數據集進行建模，再利用bootstrap樣本和原始數據匯成的10 個多重插補數據集進行模型效能評估?？赏ㄟ^分別計算模型在“訓練集”和“驗證集”中的差異，得到模型的高估值。在1000次重復后，可得到平均高估值，取原始模型的表觀性能減去平均高估值則計算出原始模型性能的估計值。

研究使用AUROC來評估模型的區(qū)分度（模型準確區(qū)分有或沒有結果的能力的量度），校準度（觀察到的結果和模型預測的風險之間的一致性程度）則通過繪制Loess校準圖和校準斜率評估。Brier 評分和Nagelkerke’s R2被用于評估模型預測的整體效能。Brier 評分為實際風險和預測風險差值的平方根，而Nagelkerke’s R2 量化了結果被模型解釋的比例，越趨于1，模型預測的準確性越高。

結果

在研究期間，共有2651 名患者接受了腘窩坐骨神經阻滯，其中 803（30.3%）名患者失訪（圖 1）。在排除了重復入院、接受了連續(xù)外周神經阻滯等病例，最終1365 名患者被納入隊列研究并用于多重插補。隊列特征見表 1；1211 名患者（88.7%）接受了日間手術。由于 54名 (4.0%) 患者沒有反跳痛評分數據，因此只有1311名患者數據被用于建模。嚴重反彈性疼痛的事件發(fā)生率為 652/1311 (49.7%)，其中64名（9.8%）患者尋求醫(yī)療幫助，而未報告嚴重反跳痛的組中有2名（0.3%）患者有額外的鎮(zhèn)痛需求。

兩位作者（TTHJ 和JD）獨立對各病例的手術類型進行分類，若存在分歧則由第三位作者（KJW）仲裁，計算Cohen’s kappa系數為0.980（95% CI：0.972-0.989），因此兩位評估者間一致性很高。通過Cramer‘s V 和方差膨脹系數衡量變量之間的相關性和共線性低，故所有預測變量都保留在模型中。用于建模的1311例患者中，術中麻醉類型有缺失值僅1例，主要模型的所有其他數據都是完整的。對于探索性模型，止血帶持續(xù)時間還有 7 個缺失值。

在該模型中，對嚴重反彈性疼痛具有最高預測值的預測因素是未使用地塞米松、涉及骨骼的手術和女性（表2）。表 3 和圖 2 顯示了主要模型的內部驗證有效性。校準斜率在預測和實測的風險之間大多是線性的，但在兩端范圍內模型預測能力降低（圖 2）。 似然比檢驗結果表明，在探索性模型中添加止血帶持續(xù)時間作為預測因子，模型擬合度顯著提高（P<0.001），然而，由此產生的模型預測效能提高是微乎其微的。

表2嚴重反跳痛的多變量邏輯回歸模型

年齡’：對年齡繪制了設置3個節(jié)點的限制性立方樣條

表 3 嚴重反跳痛風險預測模型的效能評估

AUROC ROC曲線下面積；CI，置信區(qū)間；N/A 不適用

討論

本研究表明，單次腘窩坐骨神經阻滯的足踝手術（包括創(chuàng)傷性和擇期手術）中，有近一半患者在術后早期經歷了劇烈疼痛，5.2%患者因無法忍受而主動尋求醫(yī)療幫助?；谧沲资中g患者開發(fā)了反跳痛的風險預測模型并進行內部有效驗證，在這個模型中，女性、涉及足踝的任何骨性手術、止血帶時間及地塞米松的使用似乎是重要的預測變量。但是，模型預測性能不佳，其中經高估值校正后AUROC的值為0.632表明了模型區(qū)分度差，而 Nagelkerke’s R2為 0.063 則表明模型中的預測變量仍然無法解釋嚴重反跳痛發(fā)生率的大多數變化。該模型缺乏預測能力的主要原因是目前常規(guī)收集的臨床數據庫中的術前和術中變量不足以提供反跳痛的個體化風險分層。因此，其他以患者為中心的預測因素，例如術前急性或慢性疼痛嚴重程度術前阿片類藥物的使用、疼痛災難化、焦慮、抑郁和社會支持措施將需要在未來的研究中進行驗證，以提高模型性能。

圖2 校準圖。陰影區(qū)域：沿校準曲線的 95% 置信區(qū)間

優(yōu)勢及不足 該研究的優(yōu)勢包括缺失數據少、使用先驗預測變量和足夠的樣本量且對足踝部手術的系統分類在未來具有很高的可重復性。該研究利用了一個獨特的臨床數據集，為在一家三級醫(yī)院接受 PNB 的患者的常規(guī)隨訪。

該回顧性研究存在可能的缺失值、錯誤分類和混雜的局限性。因患者在術后第二天會進行電話隨訪故可能存在回憶偏差。其次，研究對預測因子的選擇受到數據庫的限制。第三，嚴重反跳痛的定義僅強調PNB阻滯消退的主觀感受，沒有包含以患者為中心的結局相關，例如返回急診室的恢復質量、慢性阿片類藥物的使用。第四，30.3%的患者失訪（3次電話聯系不上的患者不再進一步隨訪），故無法確定他們的反跳痛發(fā)生率。且由于數據庫的限制，研究無法對失訪的患者進行事后分析。第五，這是在三級醫(yī)院進行的單中心研究，需要外部驗證。此外，由于使用腘窩坐骨神經阻滯導管進行全踝關節(jié)置換術，因此納入研究的隊列中歸類為全踝關節(jié)置換術的患者數量很少。因此，未來在其他機構或其他環(huán)境（如社區(qū)醫(yī)院）的外部驗證和模型更新將提供信息，并將提高模型的普遍性。 

結論

研究使用常規(guī)收集的術前和術中因素開發(fā)的模型對接受單次腘窩坐骨神經阻滯的足踝手術患者的嚴重反跳痛的可預測性有限。 這凸顯了改善術后足部和踝關節(jié)反彈性疼痛管理的必要性，以及目前仍無法確定患者是否會出現嚴重反跳痛。未來可利用涉及其他以患者為中心的預測因子的前瞻性研究開發(fā)一個更好的模型，進而對那些可能會發(fā)生嚴重反跳痛和需要醫(yī)療求助的人進行風險分層。

骨麻征途的點評

隨著超聲技術的應用在麻醉領域越來越普遍，外周神經阻滯（PNB）在骨科創(chuàng)傷手術尤其是四肢創(chuàng)傷手術的麻醉應用中所占比例越來越高。而且在術后鎮(zhèn)痛方面，PNB也優(yōu)于椎管內麻醉和全身麻醉。當PNB作用尚未消退時，來自手術部位的疼痛信號被完全阻斷。但在局麻藥作用逐漸消退后，將近50%的患者會出現疼痛，其程度短時間內急遽增加，這種現象通常被稱為PNB后的反跳痛，一般發(fā)生在術后12-24小時。其實，在以往椎管內麻醉或者全身麻醉后大多數病人都會出現術后明顯的疼痛，在四肢手術中尤其以足踝手術后的疼痛為最甚。

足踝手術后存在疼痛，主要有以下幾個原因：1、踝關節(jié)骨折發(fā)生時累及到關節(jié)面，關節(jié)面存在明顯的臺階，手術以后由于關節(jié)面臺階，從而導致關節(jié)疼痛。2、由于骨性或韌帶結構，手術時沒有恢復完整性、穩(wěn)定性，從而造成踝關節(jié)不穩(wěn)定，從而導致關節(jié)疼痛。3、受傷能量較大，屬于高能量損傷，從而導致脛骨遠端關節(jié)面軟骨，或距骨表面軟骨損傷，例如軟骨破壞、軟骨剝脫，這種情況雖然沒有明顯骨性結構因素導致的疼痛，但由于軟骨層剝脫，或存在關節(jié)面游離體造成疼痛。4、創(chuàng)傷或骨折以后，發(fā)生交感神經性骨營養(yǎng)不良，也是屬于踝關節(jié)術后疼痛的原因。

而足踝手術后反跳痛是上述各種疼痛的急性發(fā)作，疼痛評分高，一般患者難以忍受。既往一些研究表明，麻醉、手術和患者因素都可能影響反跳痛的形成。其中一些因素，如年齡、性別和術前既存疼痛等，也與術后嚴重疼痛的形成相關。而手術類型和部位等因素也會影響反跳痛的嚴重程度，一般而言，骨骼手術位置越表淺，越靠近四肢遠端，術后疼痛越厲害。一些文獻指出，局麻藥和佐劑都可能影響神經周圍炎癥的情況，從而影響反跳痛的形成。而作者研究得出的這個模型中，女性、涉及足踝的任何骨性手術、止血帶時間及地塞米松的使用似乎是重要的預測變量。

該研究的主要目的是探討單次腘坐骨神經阻滯的足踝手術患者的嚴重反跳痛的發(fā)生率，分析相關高危因素，采用別出心裁的一些統計學方法，建立相關模型。雖然該研究使用常規(guī)收集的術前和術中因素開發(fā)的模型對接受單次腘坐骨神經阻滯的足踝手術患者的嚴重反跳痛的可預測性有限，但是，鑒于術后這么高比例的患者出現反跳痛，而且疼痛評分很高，該模型仍舊能夠為識別反跳痛的高危人群及制訂針對性的圍術期鎮(zhèn)痛管理策略提供參考。

國內足踝手術的絕大多數患者需要收治入院，為圍術期多模式鎮(zhèn)痛在作者上述擬定模型中的合理應用提供了便捷：首先選用超長效局麻藥（局麻藥中復合少量阿片類藥或者右美托咪定），從而延長PNB的持續(xù)時間；其次術后反跳痛出現之前再次PNB或者術中埋管向神經周圍持續(xù)輸注局麻藥；最后強調的是，術中使用地塞米松，術后適當使用阿片類藥物和非甾體類抗炎藥，從而降低反跳痛的發(fā)生率及疼痛評分，我認為這是我們以后在此類臨床麻醉工作中可以做的一些研究。

翻譯  ：金迪

評校：葉軍青

原文： Jen TTH, Ke JXC, Wing KJ, Denomme J, McIsaac DI, Huang SC, Ree RM, Prabhakar C, Schwarz SKW, Yarnold CH. Development and internal validation of a multivariable risk prediction model for severe rebound pain after foot and ankle surgery involving single-shot popliteal sciatic nerve block. Br J Anaesth. 2022 Jul;129(1):127-135. doi: 10.1016/ j.bja.2022. 03.030. Epub 2022 May 12. PMID: 35568510. 

（本欄目由仙琚制藥公益支持，僅供醫(yī)學專業(yè)人士參考）  

聲明：舒醫(yī)匯旗下古麻今醉公眾號、古麻今醉網、古麻今醉APP、舒醫(yī)匯公眾號所發(fā)表內容之知識產權為舒醫(yī)匯及主辦方、原作者等相關權利人所有。未經許可，禁止進行轉載、摘編、復制、裁切、錄制等。經許可授權使用，亦須注明來源。歡迎轉發(fā)、分享。

本文由“健康號”用戶上傳、授權發(fā)布，以上內容（含文字、圖片、視頻）不代表健康界立場。“健康號”系信息發(fā)布平臺，僅提供信息存儲服務，如有轉載、侵權等任何問題，請聯系健康界（jkh@hmkx.cn）處理。

相關知識

【產麻新譚】區(qū)域阻滯應用于自然分娩、陰道手術助產和剖宮產術 —— 敘述性綜述
坐骨神經痛怎么鍛煉康復
麻醉手術術后如何更快康復？
【產麻新譚】椎管內麻醉剖宮產術中疼痛預防和管理：技術方法和人文關懷
【神麻人智】使用術前神經心理學評估開發(fā)腦深部刺激術后語言流暢性的預測模型
區(qū)域阻滯在剖宮產術后鎮(zhèn)痛的研究進展
削骨手術危險嗎
削骨瘦臉手術術后護理怎么做
復雜脊柱手術后疼痛管理指南
肌肉骨骼康復學

網址: 【骨麻征途】單次腘窩坐骨神經阻滯行足踝手術——術后反跳痛的風險預測模型來了 http://www.gysdgmq.cn/newsview435333.html