新生兒疼痛評估量表測量學性能的系統評價再評價

沈巧，唐語蔓，冷虹瑤，雷若冰，鄭顯蘭*

住院新生兒因診療原因，不可避免地要經歷各種疼痛刺激。研究顯示82.6%的常見臨床操作可引發重度疼痛[1]。新生兒疼痛評估與鎮痛管理專家共識指出，規范適宜的疼痛管理，可減輕或防止疼痛對身體或心理帶來的各種不良影響，加速康復進程[2]。及時、準確評估新生兒疼痛是實施疼痛管理，衡量鎮痛措施有效性的關鍵。由于新生兒無法通過語言表達疼痛，醫護人員需借助神經生理、行為反應的測量對其疼痛進行評估。包含有生理和/或行為指標的疼痛評估量表被認為是最為便捷且費用最低廉的評估方法，醫護人員經過簡單培訓即可掌握[3]。

基于共識選擇健康測量工具的標準（Consensus-based Standards for the Selection of Health Measurement Instruments，COSMIN）指出只有具備良好測量學性能的量表才能作為可靠工具用于臨床實踐[4]。目前，針對不同的新生兒群體和不同的疼痛類型，已構建和測試了40多種疼痛評估量表。然而，對于具體的臨床情景，應該選擇哪種量表評估新生兒疼痛仍沒有定論。其主要原因在于現有新生兒疼痛評估量表數量眾多，且其測量結果的可靠性和穩定性存在較大差異[5]；而已發表的單項研究或系統評價僅能提供關于某個量表或量表某一方面測量學性能的零散證據，不利于醫護人員的臨床決策。系統評價再評價作為一種對某一特定問題相關系統評價進行綜合研究的一種方法，可為證據使用者提供全面系統的高質量證據[6]。因此，本研究擬通過系統評價再評價，對現有新生兒疼痛評估量表的測量學性能進行全面評價，從而為臨床實踐者和研究者選擇最佳的疼痛評估量表提供證據支持。

1 資料與方法

1.1 文獻納入和排除標準 納入標準：（1）研究主題為新生兒疼痛評估量表的測量性能研究，包括信度（內部一致性信度、評分者間信度、重測信度等）、效度（內容效度、結構效度、校標效度等）、反應度，以及可解釋性、實用性和可行性等（后三者雖非測量性能，但是量表的重要特性）；（2）量表測評對象為住院新生兒；（3）研究類型為：系統評價、Meta分析或Meta整合。排除標準：（1）研究主題為其他類型的疼痛評估方法，如新生兒疼痛表情自動識別系統、近紅外光譜技術、心率變異性分析等；（2）無法提取測量學性能相關數據的文獻；（3）發表語言為非中文或非英文；（4）系統評價計劃書、會議摘要、重復發表的文獻。

1.2 文獻檢索策略 2021-10-31以自由詞和主題詞結合制定檢索策略，計算機檢索中國知網、中國生物醫學文獻數據庫、萬方數據知識服務平臺、維普網、PubMed、Embase、Cochrane Library、Web of Science、CINAHL數據庫，通過納入研究的參考文獻追溯與本研究相關的文獻。指南推薦意見的形成應基于當前可得的最佳證據[7]，而系統評價證據的有效期為3～5年[8]，故本次文獻檢索時段限制為近5年（2016年11月至2021年11月）。中國知網的檢索策略為：（主題=疼痛+鎮痛）AND（主題=新生兒+足月兒+早產兒+低出生體重兒+小于胎齡兒+嬰兒）AND（主題=評估+評分+測量+測定+量表+簡表+問卷+工具）AND（主題=測量學+信效度+信度+效度+反應度+反應性+可行性+實用性+適用性+可操作性）AND（主題=系統評價+系統綜述+薈萃分析+Meta分析+Meta整合）NOT（主題=剖宮產+分娩+產科+產婦+成人+老年人+妊娠）。PubMed的檢索策略見表1。

表1 PubMed檢索策略Table 1 Search strategies for systematic reviews about psychometric properties of neonatal pain assessment scales in PubMed

1.3 文獻篩選與資料提取 利用EndNote軟件對各數據庫合并后的檢索結果去除重復文獻，進一步由2名研究者獨立完成文獻篩選和資料提取，并通過交叉核對與分歧討論后達成一致意見。利用Excel提取資料，內容包括：第一作者、發表年份、研究主題、納入研究數、研究對象、納入量表數、量表使用情景、方法學質量評價和結果綜合方法等。

1.4 納入研究的質量評價 由2名研究者分別獨立地對納入研究的方法學質量、偏倚風險、報告質量和證據質量進行評價，并交叉核對評價結果，采用組內討論的形式解決分歧。具體的評價方法或標準如下。

1.4.1 文獻質量評價 依據澳大利亞喬安娜布里格斯研究所（Joanna Briggs Institute，JBI）循證衛生保健中心系統評價的方法學質量評價工具[9]對納入研究的方法學質量進行評價。該系統評價的方法學質量評價工具包括循證問題、文獻納入排除標準、檢索策略、文獻質量評價、資料提取與綜合、發表偏倚等11個條目。每個條目可評價為“是”“否”“不清楚”和“不適用”。

依據系統評價偏倚風險（Risk of Bias in Systematic Review，ROBIS）工具[10]對納入研究的偏倚風險進行評價。ROBIS的評價過程分為3個階段，階段1：評估相關性（此部分主要針對干預性、病因性、診斷試驗和預后性系統綜述。故本研究不進行階段1的評估）；階段2：評估系統評價制定過程中的偏倚風險程度，包括4個領域，共21個標志性問題；階段3：評估系統評價整體的偏倚風險，包括3個標志性問題。評估領域及標志性問題（階段2、3）的方法為：從系統評價中尋找支持偏倚風險程度判斷的信息，回答標志性問題，判斷偏倚風險程度。標志性問題的回答為“是”“可能是”“否”“可能否”和“無信息”；偏倚風險程度的評價為“低”（所有標志性問題的回答為“是”或“可能是”）、“高”（任一標志性問題的回答為“否”或“可能否”）和“不確定”。

1.4.2 報告質量評價 由于測量工具系統評價的報告規范PRISMA-COSMIN正處于開發階段，故本研究采用Preferred Reporting Items for Systematic Reviews and Meta-Analyses（PRISMA）聲明[11]對納入研究的報告質量進行評價。PRISMA聲明作為系統評價報告的基礎規范，包括7個部分，共27個條目。每個條目根據文獻中是否有完整報告，評價為“是”（完整報告）、“否”（部分報告+未報告）和“不適用”，并計算每個條目的報告完成率。

1.4.3 證據質量評價 納入的系統評價由于原始研究間的臨床異質性和方法學異質性均未進行定量合成。故本研究主要依據定性系統評價證據分級工具（Confidence of the Evidence from Reviews of Qualitative Research，CERQual）[12]對納入研究證據質量進行評價：系統評價結果起始為高質量證據，然后從方法學局限性、相關性、結果一致性和數據充分性4個方面判斷是否進行降級：不降級（無）、降1級（嚴重）、降2級（非常嚴重），最終將系統評價的證據質量分為“高”“中”“低”和“極低”4個級別。

2 結果

2.1 文獻篩選流程及結果 初檢共獲得文獻122篇，利用EndNote軟件去除重復文獻34篇，閱讀標題和摘要剔除研究對象、研究主題、研究類型和發表語言等明顯不符合納入標準的文獻76篇，進一步閱讀全文剔除會議摘要2篇，研究對象不符3篇，最終納入7篇文獻[13-19]進行描述性分析。文獻篩選流程圖見圖1。

圖1 文獻篩選流程圖Figure 1 Flowchart of the inclusion of systematic reviews

2.2 納入研究的基本特征 文獻納入的研究數量為9～352篇，涉及1～40種新生兒疼痛評估量表，可歸納為急性疼痛、持續性疼痛、術后疼痛、機械通氣性疼痛4種類型。納入的1篇發表在JAMA Pediatrics的系統評價[13]對現有新生兒疼痛評估量表的測量學特征進行了綜合性評價，其余納入研究僅針對一個疼痛評估量表、一類新生兒群體，或一種測量學特征：2篇系統評價[14-15]分別評價了新生兒疼痛、躁動和鎮靜評分（Neonatal Pain，Agitation，and Sedation Scale，N-PASS） 和舒適量表（COMFORT）的測量學性能；2篇系統評價[16-17]分別關注了機械通氣新生兒和頜面外科新生兒兩類特殊人群；2篇系統評價[18-19]分別對新生兒疼痛評估量表的反應度和實用性進行了評價。納入系統評價的基本特征見表2。

表2 納入研究的基本特征Table 2 Characteristics of the included systematic reviews

2.3 文獻質量評價結果 納入研究的質量評價結果顯示，4篇研究[13，15，18-19]方法學質量較高，為低偏倚風險，3篇研究[14，16-17]方法學質量相對較低，為高偏倚風險。影響納入研究方法學質量及偏倚風險的主要因素為：研究納入、排除標準不適合系統評價的問題，或未清晰明確地界定納入研究的特征；未提供完整的檢索策略，或未包括重要的檢索數據庫，未通過除數據庫以外的其他方法確定相關研究；研究采用的文獻質量評價工具不符合系統評價的問題和納入研究的文獻類型，或未提取和報告量表測量性能的關鍵結局指標。納入研究的方法學質量及偏倚風險評價結果分別見表3、4。

表3 納入研究的方法學質量評價結果Table 3 Methodological quality of the included systematic reviews

表4 納入研究的偏倚風險評價結果Table 4 Risk of bias in the included systematic reviews

2.4 報告質量評價結果 PRISMA評價結果顯示，5篇研究[13-15，18-19]報告相對完全（報告完成率＞60.00%），1篇研究[16]存在一定報告缺陷（報告完成率為45.95%），1篇研究[17]有嚴重信息缺失（報告完成率為10.81%）。報告質量不足主要表現為結構式摘要，注冊與計劃書，檢索策略，每個結果合成中納入研究的處理過程及方法，研究結果間異質性分析、證據可信度評價，資金支持，數據、代碼和其他材料的可用性報告不全面（規范報告率＜50%）。納入系統評價的報告質量評價結果見表5。

表5 納入系統評價的報告質量評價結果Table 5 Reporting quality of the included systematic reviews

2.5 納入研究的證據質量評價結果 采用CERQual方法評價新生兒疼痛評估量表的信度、效度和反應度三種測量性能結局，共22條證據質量。結果顯示，提取的證據中高級證據2條（9.09%），中級證據8條（36.36%），低級證據9條（40.91%），極低級證據3條（13.64%）。證據質量降級的主要原因是原始研究的方法學局限性、研究結果間的異質性、納入研究與系統評價問題的間接性，以及數據不充分性（小樣本量研究）。由于YARIPOOR等[17]研究未標引納入研究并報告研究特征，故未能獲取相關信息評價其測量性能的證據質量。其余納入系統評價的證據質量評價結果見表6。

表6 納入系統評價的證據質量評價結果Table 6 Quality assessment of the evidence from the included systematic reviews

3 討論

3.1 新生兒疼痛評估量表的選擇與推薦 測量性能是選擇最佳患者報告結局測量工具（patient reported mutcome measures，PROMs）首要考慮的因素之一[20]。一個經過信效度和反應度驗證的評估量表可準確反映新生兒的疼痛狀態，指導醫護人員及時調整鎮痛方案，達到最好的疼痛預防和控制效果。本研究采用系統評價再評價的方法對新生兒疼痛評估量表測量性能相關證據進行了嚴格評價與綜合。本研究的納入研究共評價了40余種新生兒疼痛評估量表的測量性能，證據綜合結果顯示，有25種量表用于新生兒疼痛評估時具有良好的內部一致性、評估者間信度、結構效度和可解釋性。其中8種量表COSMIN偏倚風險評價為低風險、6種量表為中風險、5種量表為高風險，分別適用于早產兒和/或足月兒的急性疼痛、持續性疼痛、術后疼痛或機械通氣性疼痛；尚無足夠證據支持單個疼痛評估量表用于所有新生兒各種類型疼痛的評估。然而，現有疼痛量表的多樣性及適用范圍的局限性極大降低了國內外新生兒疼痛評估率，制約了疼痛管理的開展[21]。目前，國內外新生兒病房至少需同時使用3～5種量表評估患兒疼痛，這對量表使用者和醫院管理者均是極大的挑戰[22]。另外，由于國內外學者尚未對新生兒疼痛的分類及定義進行清楚界定，這將直接影響醫護人員正確判斷新生兒經歷的疼痛類型，進而影響恰當疼痛評估量表的選擇。所以，新生兒疼痛評估量表相關推薦意見的形成需要考慮：在平衡測量學性能的前提下，優先選擇同時適用于多種疼痛類型的普適量表，以免醫護人員對量表的選擇不當導致低估或高估患兒疼痛程度。本研究結果顯示，目前可同時適用于2種及以上疼痛類型評估的量表包括：新生兒面部表情編碼系統（Neonatal Facial Coding System，NFCS）、N-PASS、COMFORT、COMFORT-B，可同時用于早產兒和足月兒急性疼痛和持續性疼痛（包括機械通氣性疼痛）的評估（中級質量證據）；疼痛評估工具（Pain Assessment Tool，PAT）可用于早產兒和足月兒術后疼痛和持續性疼痛的評估（低級質量證據）；幼兒疼痛觀察量表（pain observation scale for young children，POCIS）可用于足月兒急性疼痛、持續性疼痛和術后疼痛的評估（低級質量證據）。

除測量性能和適用情景，臨床實踐者在選擇恰當的評估工具時還需考慮PROMs的語言及臨床實用性。由于以上量表均來源于國外，為保證量表本土化應用過程的語義對等性和內容可理解性，應采用標準流程對量表進行漢化[23]。然而，目前僅 N-PASS[24]和 COMFORT-B[25]有中文譯本，且后者由于未進行回譯，其漢化本測量概念的可靠性和有效性需進一步研究確認。N-PASS經何碧云等引入翻譯形成中文修訂版[24]，并在急性操作性疼痛合并機械通氣性疼痛[26-27]，單純機械通氣性疼痛[25]和單純術后疼痛[28]三種疼痛類型中進行了驗證，結果均顯示N-PASS具有較好的信效度和反應度。臨床實用性方面，OLSSON等[19]的系統評價結果顯示現有新生兒鎮痛有效性的隨機對照試驗中有2.80%的研究采用了N-PASS量表。國內調查研究顯示，全國新生兒病房中有4.31%采用N-PASS進行日常疼痛評估[21]。該量表亦得到了美國兒科學會（American Academy of Pediatrics，AAP）和中國醫師協會新生兒科醫師分會的推薦[2，29]。因此，鑒于N-PASS可能具備準確測量住院新生兒各種疼痛類型的潛力，建議國內研究者進一步擴大中文版N-PASS的驗證范圍，但需要基于規范的量表測量性能評價方法。同時，在更佳證據出現之前，推薦根據患兒年齡和疼痛類型等具體的臨床情景選擇經過驗證的評估量表對患兒疼痛進行定期動態評估[30]。并需進一步補充設計合理、方法嚴謹的高質量研究來檢驗現有量表測量我國新生兒人群各種類型疼痛時的可靠性和穩定性，探索擴寬其應用范圍的可行性。

3.2 納入系統評價的總體質量欠佳，疼痛評估量表系統評價研究的制作和報告過程仍需進一步規范 WHO臨床實踐指南制定手冊指出指南制定者需審慎評價系統評價質量，只有最新的高質量系統評價才能作為指南推薦意見的證據來源[7]。為選擇最佳的PROMs，制作高質量的系統評價至關重要[31]。為此，由多位心理測量學相關領域的專家組成的COSMIN工作組提出了基于共識選擇健康測量工具的標準COSMIN，用于指導PROMs系統評價的制作以幫助臨床實踐者和研究者選擇最恰當的健康測量工具[32]。然而，本研究中納入的新生兒疼痛評估量表的系統評價并未遵照COSMIN系統評價的標準步驟，而主要遵循常規系統評價制作和報告的方法，但由于未能有效處理信效度和反應度的結局，致使無法對量表推薦意見及強度進行判斷。此外，納入研究中同樣出現了現有系統評價或Meta分析存在的共性問題[33]：（1）循證問題、納排標準及檢索策略的結構不清晰：未包含所測構念、目標人群、PROMs類型和測量屬性四個關鍵要素[20]，甚至簡單套用干預性研究循證問題的PICO模式[16]；（2）檢索資源不全面，未包括COSMIN指南建議的兩個基本數據庫Medline和Embase[31]，或未進行相關研究的補充檢索；（3）文獻質量評價標準不恰當，納入系統評價中僅3篇研究[13，15，18]采用COSMIN偏倚風險清單對量表測量性能評價研究的方法學質量進行評價；（4）資料提取不充分，缺少量表測量性能的關鍵結局指標數據。（5）重要信息報告缺失，在摘要（規范報告率為28.57%），方法（規范報告率為48.98%），結果（規范報告率為44.44%）和其他信息（規范報告率為38.10%）四部分均存在重要信息缺失。以上研究及報告局限性將直接影響量表的證據質量和推薦等級。基于此，建議研究者參考COSMIN指南[31]對最佳測量性能評價研究的界定，嚴格設計、實施和報告量表測量性能評價研究；進一步采用基于共識選擇健康測量工具的標準COSMIN[32]規范制作新生兒疼痛評估量表測量學性能的系統評價，并形成最終推薦意見，以指導臨床實踐者和研究者選擇最佳的疼痛評估量表。

3.3 本研究的局限性 本研究存在一定的局限性：研究結果主要基于當前發表的系統評價，其穩定性可能受到新發表文獻或文獻更新的影響；由于納入研究的臨床異質性和方法學異質性未能進行Meta分析，進而未能定量比較各評估量表測量學性能的優劣；由于缺乏量表實用性的直接證據，研究將疼痛評估量表的使用頻率作為實用性檢驗的依據可能無法反映量表實用性的真實情況。

4 小結

雖然當前證據尚不足以支持單個疼痛評估量表用于新生兒所有類型疼痛的評估，但目前有25種量表在新生兒疼痛評估時具有良好的測量性能，分別適用于早產兒和/或足月兒的急性疼痛、持續性疼痛、術后疼痛或機械通氣性疼痛。建議臨床實踐者及研究者根據胎齡和疼痛類型等具體的臨床情景選擇經過驗證的量表進行患兒疼痛評估。同時，建議采用COSMIN規范制作新生兒疼痛評估量表測量性能的評價研究，以驗證現有量表測量我國新生兒人群各種類型疼痛時的可靠性和穩定性，并進一步制作系統評價，形成最佳疼痛評估量表的推薦意見。

作者貢獻：沈巧為主要研究人員，負責此項研究的設計、實施、分析和報告；沈巧、唐語蔓、冷虹瑤和雷若冰負責文獻篩選，資料提取和質量評價；沈巧起草了文章初稿；鄭顯蘭作為論文的通信作者和指導專家，負責研究實施的質量控制；所有作者對稿件進行了嚴格的審閱和修改。

本文無利益沖突。