Headache Gauge：一种基于日历的真实世界头痛监测工具

DOI: https://doi.org/10.1007/s10072- 021- 05080- x

摘要总结 本研究旨在验证一种半定量复合评分工具——"Headache Gauge"（HG），用于在日常临床实践中监测原发性头痛的治疗效果，可适配任何选定的时间范围。

对原发性头痛患者进行了HG的队列验证研究，收集其临床数据和头痛相关的患者报告结局指标（PROMs），包括HIT-6、MIDAS、HURT，工作影响（WPAIQ），生活质量（SF-12）和情绪（STAI、ZUNG）。

分析了HG评分分布、其与临床变量的关系、内部一致性以及收敛效度。

本研究共纳入233例患者：90.1%为女性，平均年龄37岁，86%患有偏头痛，27%患有慢性头痛，28%存在药物过度使用。

HG评分在0.21至58.3之间，慢性头痛患者HG评分较高（16），药物过度使用者HG评分也较高（15）。

扩展说明：Headache Gauge（HG）是为在临床实践中监测疾病活动度而开发——它由基于日历测量指标的加权平均值构成，旨在将头痛影响转化为一个百分比值，适用于任何足以满足评估需求的时间范围；其目的不是作为全面的结局测量工具，而是作为疾病活动度的全局指标，辅助临床决策。

引言 更令人困扰的是，原发性头痛是涉及多种症状的综合征[157]：疼痛、认知功能、胃肠道症状、刺激回避、自主神经功能障碍，这些症状在不同患者的不同发作中，其强度、频率和临床相关性均存在波动，且因人而异。

监测所有这些变量的需求催生了多种侧重于头痛影响不同方面的患者报告结局指标（PROMs）。

在临床实践中监测头痛患者治疗效应的推荐工具是头痛日历——大多数头痛相关科学机构推荐使用，如EHF/LTB [158]和NICE [159]。

Headache Gauge（HG）是为在临床实践中监测疾病活动度而开发——它由基于日历测量指标的加权平均值构成，旨在将头痛影响转化为一个百分比值，适用于任何足以满足评估需求的时间范围；其目的不是作为全面的结局测量工具，而是作为疾病活动度的全局指标，辅助临床决策。

方法 使用以下变量：评估时间段（N）——计算中考虑的天数，包括有头痛天数和无头痛天数。头痛天数——所选时间段内有头痛的天数（ep）。发作持续时间（AT），有序量表：(1) 短暂发作，< 2小时；(2) 半天持续发作；(3) 全天持续发作；(4) 持续24小时/过夜发作。发作残疾程度（AD），有序量表：(1) 能带痛正常活动；(2) 疼痛干扰日常活动；(3) 疼痛妨碍日常活动；(4) 卧床或住院。

发作持续时间和残疾程度的分类由作者基于最常用头痛日历的常用分类确定。

研究方案包括常规临床评估，记录头痛相关数据（诊断、病程、预防性治疗使用情况、当前就诊治疗策略的变更，以及疾病活动度指标——前30天头痛频率、平均发作强度和平均发作持续时间，均来自日历数据）。

结果 大多数随访患者在首次就诊时有治疗变更（124例，84.9%），24例（16.4%）接受急性期治疗，64例（43.8%）接受预防性治疗，36例（24.7%）两种治疗均有；随访患者与未随访患者在治疗策略上无差异（卡方 = 7.231，p = 0.06）。HG评分范围为0.21至58.33，中位数为7.5（Q1–Q3：4.17–14.17）。

从第一次到第二次就诊有治疗变更的患者（n = 124），其头痛频率有变化（中位数第1次就诊 = 6.80，Q1–Q3：6.00–15.0，对比6.74，Q1–Q3：4.47–9.94，Wilcoxon符号秩检验，Z = −3.310，p = 0.001），HG评分中位数也有变化（中位数第1次就诊 = 8.33，Q1–Q3：4.22–14.28，对比随访时4.89，Q1–Q3：2.99–8.31，Wilcoxon符号秩检验，Z = −5.495，p < 0.001）。

讨论 与这些评分的显著相关性是HG并行效度的衡量指标，反映了头痛所花时间是头痛相关残疾的重要驱动因素，正如患者所感知的那样。

重测信度未达到理想的较高水平，但这对发作性疾病如原发性头痛是可以理解的，因为其自然病史就是在没有干预的情况下发作频率也会自发波动[160]；另一方面，HG对接受治疗患者的变化敏感，支持其在临床环境中的应用。

综合以上事实，HG似乎是一种合适且多用途的半定量测量指标，具有固有价值，利用临床常规收集的数据来量化头痛影响；因此，它可以在常规临床实践中用于监测治疗效果。

致谢 本摘要基于Gil-Gouveia, Raquel; Marques, Inês Brás; Parreira, Elsa Paixão; Martins, Isabel Pavão; Oliveira, António Gouveia. 2021年发表于Neurological Sciences的工作由机器生成。