層次分析法在慢性疼痛醫患共建平行病歷和核心結局指標集中的應用＊

胡燁胤，李心怡，代倩倩，石兆峰，田貴華

（北京中醫藥大學東直門醫院 北京 100700）

1 背景

疼痛是一種與組織損傷或潛在組織損傷相關的感覺、情感、認知和社會維度的痛苦體驗[1]，已成為繼體溫、脈搏、呼吸、血壓之后的第5大生命體征。慢性疼痛是指持續時間超過3-6個月的疼痛[2]，除給患者帶來極大的痛苦體驗，還表現為睡眠質量差、食欲減退，出現焦慮、抑郁的情緒，甚至對生活失去希望[3]。研究調查示，歐洲每年用于慢性疼痛治療的費用超過2000億歐元，美國則高達1500億美元[4]。慢性疼痛嚴重影響患者的生活質量和心理健康，消耗巨大的醫療衛生資源，增加個人、家庭和社會負擔，已成為嚴重的社會問題[5]。

目前，慢性疼痛的臨床療效評價多基于患者主訴和單一維度量表，缺乏統一、規范的標準，難以精準反映患者疼痛相關癥狀、心理狀態和生活質量等。醫患共建平行病歷和核心結局指標集能夠客觀、多維度的進行臨床療效評價，有效解決上述問題。醫患共建平行病歷（Doctor-patient Co-operated Evidence-based Medical Record，DCEMR）是醫生與患者相互協作共同完成的一種醫療記錄格式，能有效避免醫生主導所帶來的偏見[6]，并能提高患者滿意度和依從性，進而更全面、客觀的評估臨床療效[9-10]；核心結局指標集（Core Outcome Set，COS）指特定疾病或健康領域中所有臨床研究應當報告的最小結局指標集合[11]，形成一個結合臨床癥狀、心理狀態、生活質量等的多維度臨床療效評價體系，增加臨床研究結局報告同質性，為臨床實踐提供更高級別證據[12]。上述兩種方法能將醫生在感知、共情患者后所獲得的信息，進行科學度量轉化，從而實現客觀、精準的臨床療效評價，為慢性疼痛臨床研究與實踐提供重要方法學指導。

在構建慢性疼痛DCEMR和COS的過程中，通過循證醫學評價方法篩選出醫患共建平行病歷條目和核心結局指標池，從而獲得最優評價指標。針對篩選出的結局指標存在種類繁多、難以量化的問題，需進行定性與定量的綜合性分析，確定優先條目。層次分析法（Analytic Hierarchy Process，AHP）由美國匹茨堡大學運籌學家Saaty教授提出，該方法用于解決難于準確計算、準則較多且不易量化的決策問題，是一種定量、定性分析相結合的決策分析方法，通過系統化層次分解并進行量化，對多個評估準則決策問題進行綜合評估，獲取相關權重，是目前應用廣泛的權重確定方法之一[13-15]。因此，我們將AHP引入慢性疼痛DCEMR和COS的構建中，通過指標層次結構模型的建立，形成判斷矩陣，比較并量化同一層次不同指標之間的相對重要性，利用數學方法計算指標權重，從而確定優先權重，為慢性疼痛DCEMR和COS最優指標選擇提供依據。

2 層次分析法（Analytic Hierarchy Process,AHP）

2.1 構建層次結構模型

通過對結局指標進行邏輯分類，構建層次結構模型，其中，A為總的條目池，設條目池有B、C、D類指標，每類指標由若干子結構構成，如圖1所示。

2.2 制作各層判斷矩陣

統計德爾菲調查法中專家對各項指標重要程度評分，以此評分為基礎構建各子結構判斷矩陣，矩陣中每個數值表示專家對各項指標重要程度評分的比值，如子結構B的評分為表1所示，則判斷矩陣可表示為表2。

2.3 計算各矩陣中項目權重

子結構的判斷矩陣最大特征值對應的特征向量為各指標的權重，通過各項權重除以權重之和進行歸一化，保證權重之和為1。如子結構B判斷矩陣求得相應最大特征值對應的特征向量為（wb1，wb2，wb3），則子結構B的各項結局指標權重及其歸一化后權重如表3所示。

2.4 各判斷矩陣進行一致性檢驗

對所有子結構判斷矩陣獲得的權重進行一致性比率（CR）計算以檢驗一致性，當CR≤0.1時，通過一致性檢驗；CR＞0.1時，判斷矩陣應當修正。

圖1 層次模型結構圖

表1 子結構B專家評分表

表2 子結構B判斷矩陣表

表3 子結構B權重結果表

（1）CR=CI∕RI（CI：一致性指標，RI：平均隨機一致性指標）；

（2）CI=(λ-n)∕(n-1)（其中：λ為判斷矩陣的最大特征值，n為矩陣的階數）；

（3）RI值查表或者通過軟件計算[16]（見表4）

2.5 計算各指標權重

當各判斷矩陣均滿足一致性檢驗（CR≤0.1）時，各結局指標最終合并權重為相應層次路徑的權重之積。如若B在子結構A中權重為wb|a，B1在子結構B中權重為wb1|b，則B1的最終合并權重為wb|a×wb1|b。

2.6 結局指標的選擇

將結局指標合并權重后對其進行排序，按研究需要選取相應數量的指標納入醫患共建平行病歷模板與核心結局指標集。

3 例證舉隅

本研究以針刺治療偏頭痛為例，應用層次分析法獲得結局指標最優權重，從而構建針刺治療偏頭痛醫患共建平行病歷與核心結局指標集，探索建立慢性疼痛臨床療效評價方法和研究新模式。

表4 平均隨機一致性指標（RI）表

表5 針刺治療偏頭痛層次結構模型表

表6 第一層判斷矩陣表

表7 第二層偏頭痛疼痛癥狀判斷矩陣表

3.1 AHP在針刺治療偏頭痛醫患共建平行病歷中的

應用

首先，根據系統評價結果提取結局指標，形成醫患共建平行病歷草稿，兩輪德爾菲調查初步形成醫患共建平行病歷模板，利用AHP得出評價指標的最優權重，從而篩選醫患共建病歷最優條目。開展小樣本臨床研究驗證，通過專家共識會議對獲得的最優結局指標進行評價，形成針刺治療偏頭痛醫患共建平行病歷最終模板。

3.1.1 層次結構模型

通過系統評價及德爾菲法，構建層次結構模型，確定第一層結局指標分類以及子結構層結局指標，共4大類16個結局指標，如表5所示。

3.1.2 判斷矩陣

通過兩輪德爾菲調查，統計專家對針刺治療偏頭痛各項結局指標重要程度的評分，計算兩次結局指標重要度值，制作各子結構的判斷矩陣，構建偏頭痛層次結構模型。第一層子結構判斷矩陣如表6，第二層以偏頭痛疼痛癥狀為例，其結構判斷矩陣如表7。

表8 第一層權重結果表

表9 第二層偏頭痛疼痛癥狀權重結果表

3.1.3 各項結局指標權重

計算上述判斷矩陣最大特征值對應的特征向量作為各指標的權重，并歸一化處理。第一層權重如表8所示，第二層以偏頭痛疼痛癥狀為例，其結局指標權重如表9所示。

3.1.4 一致性檢驗

對上述判斷矩陣進行一致性檢驗：第一層偏頭痛疼痛癥狀（偏頭痛癥狀+睡眠質量+心理健康狀態+生活質量）矩陣CI=4.4409×10-16，RI=1.12，CR=CI∕RI=3.9651×10-16；第二層偏頭痛疼痛癥狀（VAS評分+中到重度頭痛天數+頭痛發作頻率+頭痛持續時間+頭痛程度）矩陣CI=1.4803×10-16，RI=0.89，CR=CI∕RI=1.6632×10-16。一致性檢驗結果表明各個判斷矩陣均滿足一致性（CR≤0.1）。

3.1.5 計算各結局指標權重

通過一致性檢驗后，計算各結局指標的最終權重，如表10。

3.1.6 構建針刺治療偏頭痛醫患共建病歷條目

對針刺治療偏頭痛各項結局指標按權重排序后，取前五項作為針刺治療偏頭痛醫患共建平行病歷最終納入結局指標，形成醫患共建病歷最優報告條目，結果如表11。

3.2 AHP在針刺治療偏頭痛核心結局指標集中的應用

通過系統評價及半結構化訪談構建結局指標池，對所獲得的結局指標分類整理并統一規范，確定結局指標清單。兩輪專家及患者德爾菲調查后，通過AHP計算結局指標的最優權重，初步建立核心結局指標集。召開專家共識會議，最終確定納入針刺治療偏頭痛核心結局指標集的各項結局指標。

3.2.1 層次結構模型

根據系統評價、患者訪談以及德爾菲調查結果，構建層次結構模型。確定第一層7類針刺治療偏頭痛核心結局指標集類別，包括：偏頭痛疼痛癥狀、理化指標、心理健康狀態、生存質量、伴隨癥狀、衛生經濟學指標、患者自我評估；通過構建判斷矩陣確定第二層共57項結局指標（見表12）

3.2.2 德爾菲調查結果

3.2.2.1 專家德爾菲調查結果 根據專家評分，構建第一層分類和第二層結局指標的判斷矩陣并確定權重（結果見表13、表14）。并對結果進行一致性檢驗，顯示CI=0，RI=1.36，CR=CI∕RI=0＜0.01，滿足一致性。

3.2.2.2 患者德爾菲調查結果 對患者進行德爾菲調查結果權重分析，結果如表15、表16所示。

3.2.3 構建針刺治療偏頭痛核心結局指標集

表10 針刺治療偏頭痛結局指標最終權重表

表11 針刺治療偏頭痛醫患共建平行病歷最終納入結局指標表

將專家和患者對結局指標權重進行合并，擬定在不同分類項中優先選取前25%，初步形成針刺治療偏頭痛的核心結局指標集。結局指標集包括：偏頭痛程度、偏頭痛發作持續時間、偏頭痛次數、MSQ、PSQI、頭暈頻率、HADS、止痛藥使用類型、止痛藥使用頻率、治療依從性。

4 討論

慢性疼痛作為一種遷延不愈、反復發作的疾病，其臨床特征均來源于患者的主觀感覺和情感體驗[17]，常規的醫療病歷記錄模式難以準確、客觀地描述病情變化，導致臨床療效評價缺乏真實性與可靠性。目前，慢性疼痛的臨床療效評價多以患者主訴以及單一的量表為主，結局指標過于主觀，缺乏統一、規范的標準，成為制約慢性疼痛臨床療效精準評價的

關鍵問題。醫患共建病歷既注重醫生的療效評價，又兼顧患者的主觀感受；核心結局指標集，能平衡主觀、客觀不同維度，多靶點、多維度地反映慢性疼痛的真實臨床療效，二者的引入為測量和評價慢性疼痛的臨床療效提供了科學的方法。層次分析法是將定性與定量方法結合，能將結局指標中的多元化數據有效歸類、合并，通過構建層次結構模型，使結局指標更加具體化，清晰化；將專家意見轉化到各層次定性指標當中，客觀、合理地量化各層結局指標的權重系數；最后通過對各判斷矩陣一致性檢驗，保證評價結果的可信度，有效地將定性分析與定量分析結合起來。

表12 針刺治療偏頭痛原始核心結局指標集清單

表13 專家德爾菲結局指標第一層判斷矩陣

表14 專家德爾菲結局指標最終權重

表16 患者德爾菲結局指標最終權重

本研究中AHP的應用亦有一定局限性：在現有結局指標的前提下進行權重計算與優選，需要前期獲取足夠完整的結局指標列表；同時，不同知識背景以及判斷標準的專家對同一結局指標的評價可能存在較大差異，只有對各項結局指標進行客觀評價，才能盡可能構建科學的AHP判斷矩陣，從而形成客觀的結局指標最優權重。此外，AHP在結局指標權重構建中只是起到了根據專家對結局指標的評價進行量化整合，給予數據上的權重分配，而在各個結局指標的臨床實際整合與應用時，還應該在AHP結果基礎上再次經過專家的論證與優化，方能得到可以實際應用于臨床的結局指標整合結果。

筆者以針刺治療偏頭痛為例，通過AHP對針刺治療偏頭痛醫患共建平行病歷和核心結局指標集中的結局指標進行系統化層次分析，并確定優先權重，客觀、精確地選擇最具代表性的結局指標，為慢性疼痛的醫患共建病歷與核心結局指標集的建立提供依據，為后續專家共識與最終臨床應用奠定基礎。同時，AHP也為其他主觀指標的臨床療效精準評價的指標選擇提供了方法參考，在一定程度上可以更好的指導臨床規范化診療評價，提高臨床療效。