慢性疼痛治疗期望评估工具（BITEC）的开发与验证：基于项目反应理论的精准医疗新策略

《European Journal of Pain》：Development and Validation of the Brief Inventory of Treatment Expectations in Chronic Pain (BITEC)

本刊推荐：研究者基于项目反应理论（IRT）开发并验证了慢性疼痛治疗期望简明量表（BITEC），该9项工具通过潜在类别模型（LCM）将患者分为高/低期望组（AUC=0.915），证实其能有效区分不同疼痛表型（伤害性疼痛56.1%→纤维肌痛42.7%→多重疼痛26.9%）且与疼痛严重程度（Br-PCP:S）和灾难化（Br-PCS）显著相关，为个性化疼痛管理提供了理论锚定的临床决策支持工具。

　　

摘要

慢性非癌性疼痛影响约19%的欧洲成年人，但高达79%的患者报告疼痛控制不足。治疗期望通过安慰剂/反安慰剂效应显著影响疗效，但其评估工具存在异质性高、缺乏慢痛特异性等问题。本研究基于拉弗顿整合期望理论，开发出慢性疼痛治疗期望简明量表（BITEC），旨在为临床提供理论锚定、高效可靠的评估工具。

研究方法

研究分四阶段推进：

1. 1.
   条目开发：通过德尔菲法（专家共识≥80%）从21个初始条目中筛选出11个具备内容效度的项目，涵盖疗效信念、自我效能、医患互动等期望维度。
2. 2.
   量表构建：对484例慢性疼痛患者（91.8%女性）进行IRT分析，采用Samejima等级反应模型将11个条目（0-10分制重编码为4分类）缩减至9个，覆盖生物（疼痛控制信念）、心理（希望与耐受性）和社会（医患信任）领域。
3. 3.
   量表验证：在1127例患者（79.3%纤维肌痛）中通过潜在类别模型（LCM）确定期望分界点（TRI得分=0.2736），结果显示BITEC区分高低期望的曲线下面积（AUC）达0.915（灵敏度79%，特异度96%）。
4. 4.
   应用延伸：开发床旁应用（b-itec.shinyapps.io/start）实现实时分类。

核心发现

• •
  诊断梯度现象：期望水平随疼痛复杂性递增而递减，伤害性疼痛患者高期望比例最高（56.1%），纤维肌痛次之（42.7%），多重疼痛患者最低（26.9%）。
• •
  症状严重度悖论：尽管疼痛负担（Br-PCP:S总分中位数：低期望组80 vs. 高期望组84）和灾难化（Br-PCS总分中位数：39 vs. 43）更重的患者期望更高，但逻辑回归提示疼痛复杂性（如多重疼痛OR=0.50）会削弱期望。
• •
  心理机制联动：高期望组在灾难化子维度（无助感、反复思虑、放大化）均显著升高，印证期望与认知情绪过程的双向作用。

临床价值

BITEC首次将IRT与LCM结合用于疼痛期望测量，其9项结构兼顾临床可行性理论深度。量表能捕捉：

1. 1.
   个体化期望轮廓：通过生物-心理-社会条目映射患者对治疗强度、副作用耐受性、自我效能等差异化预期；
2. 2.
   预测性标志：高期望可能预示更强的安慰剂反应潜力，为非药物干预提供靶点；
3. 3.
   决策支持：数字化工具助力临床医生快速识别期望失衡患者，通过认知重塑优化治疗联盟。

局限与展望

研究样本以女性主导（95.1%），未来需验证跨性别/文化适应性。BITEC在不同治疗模式（如药物vs.康复）中的稳定性仍需追踪，但其理论根基和统计稳健性为疼痛精准医疗添加了新维度。