预测经颅直流电刺激治疗膝骨关节炎疼痛和症状的效果异质性：一种机器学习方法

《The Clinical Journal of Pain》：Predicting Heterogeneity of Treatment Effects to Transcranial Direct Current Stimulation for Knee Osteoarthritis Pain and Symptoms: A Machine Learning Approach

膝关节骨关节炎患者接受经颅直流电刺激（tDCS）的疗效异质性研究。通过二次分析60例受试者的随机对照试验数据，采用群体轨迹建模和机器学习分类，发现疼痛灾难化、条件疼痛调制（CPM）和压力痛阈值（PPTh）是预测疗效的关键因素，其中疼痛灾难化影响最大。研究为分层治疗提供依据。

　　```section>

摘要 通俗语言总结

---

研究目的：

我们确定了经颅直流电刺激（tDCS）对膝关节骨关节炎（KOA）患者治疗效果异质性的关键预测因素。

研究方法：

这是一项随机临床试验的二次分析，共有60名参与者参与了研究，他们在三周内每天接受15次2毫安的tDCS治疗。我们使用基于组的轨迹建模方法，根据基线到干预后三个月的KOA疼痛和症状变化模式，将参与者分为不同的亚组，以研究他们对tDCS的不同反应。随后，我们训练了四种基于学习的分类器——多层感知器（Multi-Layer Perceptron）、弹性网络（ElasticNet）、随机森林（Random Forest）和梯度提升决策树（Gradient Boosting Decision Trees），利用基线时收集的人口统计学、临床信息和定量感觉测试数据来预测这些亚组。我们采用了特征选择方法（f-回归、互信息和SHapley加性解释SHAP）来识别具有影响力的特征。此外，还使用SHAP分析了每个特征对分类结果的相关性和影响。

研究结果：

参与者对tDCS的反应存在显著差异：高反应者（初始症状较轻且改善明显，n=28）和低反应者（初始症状较重且改善有限，n=32）。具有影响力的特征包括疼痛灾难化（pain catastrophizing）、条件性疼痛调节（CPM）以及斜方肌区域的压力疼痛阈值（PPTh）。SHAP分析显示，疼痛灾难化是最具影响力的特征。较高的疼痛灾难化程度、较低的CPM值和较低的PPTh值与被归类为低反应者的可能性更高相关。

讨论：

基线时对疼痛灾难化、CPM和PPTh的评估可以用于对参与者进行分层，优化治疗分配，或为那些不太可能对tDCS方案产生反应的个体调整刺激参数。

通俗语言总结：这项研究分析了临床试验的数据，以了解为什么部分膝关节骨关节炎患者对经颅直流电刺激（tDCS）的反应更好。研究发现，参与者可以分为高反应者和低反应者，前者表现出明显的改善效果。影响反应的关键因素包括疼痛灾难化、条件性疼痛调节（CPM）和压力疼痛阈值（PPTh）。疼痛灾难化程度较高、CPM值较低以及PPTh值较低的患者更可能属于低反应者。这些发现表明，在治疗前评估这些因素有助于定制tDCS方案，从而获得更好的治疗效果。

本文内容由机器生成，可能存在不准确之处。常见问题解答

```