人格、残疾和体力活动在药物过度使用性头痛发生中的作用：一项前瞻性观察研究

DOI: https://doi.org/10.1186/s10194- 018- 0863- 1

摘要总结 偏头痛患者中与药物过度使用性头痛（MOH）发生相关的因素尚未完全阐明，但就预防而言，预测MOH发生的能力具有临床重要性。

目的 本研究旨在探讨偏头痛患者的人格特征、残疾程度和体力活动水平是否与MOH的发生相关，并探索这些因素联合起来能在多大程度上预测MOH的发生。偏头痛残疾评估量表（MIDAS）评分（OR=1.02, 95% CI: 1.00-1.04）、头痛强度（OR=1.49, 95% CI: 1.03-2.15）和头痛频率（OR=1.02, 95% CI: 1.00-1.04）在校正年龄和性别后与MOH的发生相关。

为了识别哪些变量能够预测MOH的发生，我们使用了LASSO回归模型，并评估了LASSO模型（包含预测因子：MIDAS评分、MIDAS-强度和频率、神经质评分、中度体力活动时间、教育水平、每日睡眠时间和头痛门诊就诊次数）的预测性能，以曲线下面积（AUC）衡量，结果较弱（表观AUC=0.62, 95% CI: 0.41-0.82）。

残疾、头痛强度和频率与MOH的发生相关，而人格和体力活动水平则不相关。

基于人格、残疾和体力活动的多变量LASSO模型尽管样本量适中仍可适用，但作为区分MOH是否存在的分类器，其性能较弱。

背景 偏头痛是许多MOH患者的基础头痛类型，然而并非所有偏头痛患者都会发展为MOH。

发展为MOH的偏头痛患者的心理特征尚未完全阐明，但偏头痛与人格之间的关联多年来一直是一个研究兴趣课题[540, 541]。

一项以人群为基础的研究探讨了慢性头痛患者中新发MOH的危险因素，发现体力活动不足和吸烟是发生MOH的危险因素[512]。

本研究的目的是：首先，调查正在接受治疗的偏头痛患者的人格、残疾程度和体力活动水平是否与MOH的发生相关；其次，分析这些因素联合起来能在多大程度上预测MOH的发生。

我们假设人格、残疾和体力活动水平在偏头痛（+MOH）患者和偏头痛（-MOH）患者之间存在差异。

方法 本研究为单中心前瞻性观察研究，于2015年10月至2017年6月期间从丹麦西南日德兰医院丹麦头痛中心招募正在接受治疗的患者。

所有患者在头痛中心接受标准治疗，包括每三个月由神经科医师或头痛护士进行一次咨询。

作为常规，患者在首次咨询时被告知MOH的风险和诊断标准。

患者在头痛中心的咨询中由神经科医师告知有关本研究的消息。

患者在门诊的就诊次数和被诊断偏头痛的年限各不相同，但所有纳入的患者都在门诊定期随访。

在整个研究期间，患者在头痛中心定期随访，在这些咨询中，患者的自我报告头痛日记连同医生的检查和评估构成了确诊诊断的基础。

测量指标 为量化残疾程度，使用了MIDAS问卷，这是评估偏头痛患者残疾程度最常用的工具之一[91, 542, 543]。

MIDAS还包括两个额外问题：过去三个月内头痛的天数以及头痛强度（以0-10数字评分量表评估，0表示"无痛"，10表示"可想象的最剧烈疼痛"）。

为测量体力活动水平，使用了体力活动量表2.1（PAS 2.1）[544]。

在PAS 2.1中，患者被要求说明在平均24小时日内花在以下体力活动类别上的小时和分钟数：i) 睡眠，ii) 与工作相关的坐/站/步行和重体力劳动，iii) 上下班交通（步行/骑自行车上班），以及iv) 久坐休闲活动（如看电视）。

统计分析 以下变量分别在单独的回归模型中进行检验：失业、神经质、外向性、开放性、宜人性、尽责性、MIDAS评分、MIDAS-强度和MIDAS-频率，以及体力活动水平（分为每周轻度、中度或剧烈活动的小时数）。

纳入以下预测因子：年龄、性别、婚姻状况、教育水平、主要诊断、头痛门诊就诊次数、NEO-FFI-3五个维度作为独立变量、以MIDAS评分衡量的残疾程度、强度和频率、PAS 2.1测量的睡眠时间、久坐休闲活动时间以及轻度、中度或剧烈活动时间，以及表明患者是否失业的二分类变量。

我们使用R统计软件（3.3.2版）及glmnet 2.0-10版[545]、ROCR 1.0-7版[546]、pROC 1.10.0版[547]和caret 6.0-76版[548]软件包，进行LASSO逻辑回归模型分析，计算AUC及其置信区间并绘制ROC曲线。

结果 偏头痛（+MOH）组在研究期间头痛中心的就诊次数显著高于偏头痛（-MOH）组；中位数（四分位距）分别为8.5（4-10）次和6（3-7）次（p=0.028）。

偏头痛（+MOH）组的头痛强度显著高于偏头痛（-MOH）组，中位数（四分位距）分别为7（6.5-8）和6（5-7）（p=0.041）。

鉴于校正后的AUC为0.62（95% CI: 0.41-0.82），我们的模型（包含预测因子：MIDAS评分、MIDAS-强度和频率、神经质评分、中度体力活动时间、教育水平、每日睡眠时间和头痛门诊就诊次数）可作为区分MOH是否存在的较弱分类器。

讨论 本研究的主要发现是，逻辑回归分析表明头痛强度和头痛频率与MOH的发生相关，因此可能是预防MOH发生需要考虑的因素。

偏头痛（-MOH）和偏头痛（+MOH）患者每周花在体力活动上的时间都很少，这可能是由于头痛负担所致。

识别有MOH发生风险的患者具有挑战性，但具有临床意义，因此开发头痛慢性化预测模型的研究非常重要[549]。

我们的研究结果证实了多种因素可能共同促发MOH的发生，这与另一项类似的预测研究一致[550]，该研究发现纳入人格、基因多态性、头痛特征和生活方式因素后AUC为0.76。

本研究表明了偏头痛患者在头痛门诊治疗期间有多少患者发生了MOH。

结论 我们的研究结果支持，关注头痛频率和强度对于确定有发生MOH风险的偏头痛患者亚群至关重要。

致谢 本摘要由机器根据Mose, Louise S.; Pedersen, Susanne S.; Debrabant, Birgit; Jensen, Rigmor H.; Gram, Bibi. 2018年发表于The Journal of Headache and Pain的研究生成。