从生态瞬间评估中获得的急性和慢性疼痛患者报告结果的统计建模
Andrew Leroux1, Ciprian Crainiceanu2, Scott Zeger2
1Department of Biostatistics and Informatics, Anschutz Medical Campus, University of Colorado, Aurora, CO, United States.
Pain
|May 8, 2024
概括
生态瞬间评估 (EMA) 提供了详细的疼痛数据. 分析全疼痛尺度的线性混合模型优于二元化得分,提高了慢性疼痛研究的准确性和统计能力.
科学领域:
- 疼痛研究 疼痛研究
- 心理测量 心理测量 心理测量
- 生物统计学 生物统计学
背景情况:
- 生态瞬间评估 (EMA) 收集参与者报告的高分辨率疼痛结果 (PRO).
- EMA减少了回忆偏差,但缺乏总结疼痛指标的标准方法.
- 将EMA的重复性疼痛PRO总结为单一的临床测量是具有挑战性的.
研究的目的:
- 为了量化EMA的疼痛总结的准确性.
- 评估值摘要对慢性疼痛状态的二元终点的影响.
- 为了比较EMA研究中疼痛数据分析的不同统计方法.
主要方法:
- 使用数据应用和模拟来分析EMA的疼痛结果.
- 总结的准确性比较,如平均值和中位数.
- 评估了线性混合效应模型,考虑非线性关系与二元化得分.
主要成果:
- 二元化实证估计器可以充分执行.
- 线性混合效应模型在平均疼痛方面提高了高达50%的准确性,特别是在可变疼痛分数方面.
- 双元化疼痛评分 (<3和≥3) 导致统计功率损失40%-50%.
结论:
- 使用整个0-10疼痛尺度的线性混合模型优于EMA疼痛数据的二元分数.
- 这种方法在慢性疼痛研究中提供了更大的统计能力和灵敏度.
- 改善对真实平均疼痛的估计和减少误差是关键的好处.
