意识障碍患者疼痛评估方法的研究进展

张严丽，汤曼力，谭杰，杨冰香

（1 华中科技大学同济医学院附属同济医院创伤外科;2 武汉大学健康学院,湖北武汉，430030）

疼痛于1995年被美国医疗机构评审联合委员会（Review the Joint Committee on Medical Institutions in the United States，JCAHO）正式定义为第5生命体征［1］。由于各种创伤、手术以及疾病本身的影响，加上治疗和护理中的侵入性操作，疼痛成为危重症患者的重要压力之一。作为一种主观感受，疼痛评估最有效的信息来源就是患者的主诉，1979年国际疼痛研究协会指出患者的自我报告是评估疼痛的金标准［2］，目前临床使用较多的疼痛工具都需要和患者沟通交流，然而意识障碍（disorders of consciousness，DOCs）患者由于疾病的原因存在交流障碍。尽管严重意识障碍患者无法自述痛苦感受，但从影像学检查中可以看到，其疼痛相关的脑区依然被激活，依然能够感受到疼痛［3］。意识障碍患者表达受限，加上机械通气、气管切开、镇静药物等限制因素，常无法表达自己的疼痛感受，给医护带来疼痛评估障碍。准确的疼痛评估是疼痛管理的基石，不恰当的疼痛控制可能导致不良事件的增加，包括死亡、过度镇静和呼吸抑制等。因此，寻找兼具可行性和准确性的针对意识障碍患者的疼痛评估策略十分必要。本文综述目前意识障碍患者疼痛评估的各种工具和技术，旨在为完善意识障碍患者的疼痛评估路径提供思路和科学依据，现将方法和结果报道如下。

1 主观疼痛评估工具

对意识障碍程度较轻，能自主表达的患者可使用疼痛评估量表来评估。2018 版《中国成人ICU 镇静和镇痛治疗指南》［4］推荐对能自主表达的患者应用数字评分表（numeric rating scale，NRS）评估疼痛。除NRS 外，视觉模拟评分法（visual analogue scale，VAS）、主诉疼痛程度分级法（verbal ratingscale，VRS）、改良面部表情疼痛评估（faces pain scale-revised，FPS-R）在临床也被广泛地使用。

主观疼痛评估量表虽然使用广泛，但存在一定的局限性。首先，主观评估工具的准确性易受到生理、心理和环境因素的干扰，大部分的疼痛患者会放大疼痛严重程度并对疼痛治疗持消极态度［5］；相反，疼痛程度也可能会被低估，因为有些患者会因为疼痛感到羞愧或害怕表现出脆弱［5］。其次，评估者询问疼痛问题的方式的差别会引起偏倚，评估者的倾向性对结果会产生较大的影响［6-7］。最后，自我报告依赖于护患间良好的沟通交流，主观疼痛评估工具并不适用于合并认知障碍和严重意识障碍的患者。

2 客观疼痛评估工具

主观疼痛评估工具必须依赖于患者本身的疼痛表达，而不能获得主诉的意识障碍患者可使用客观疼痛评估工具。

2.1 疼痛生理和行为指标

临床指南建议［8］，使用疼痛观察指标来评估无法获得主诉的人群的疼痛。疼痛可观察指标主要包括生理体征的波动和显著的行为变化。

生命体征的变化是预测疼痛的一种快速、简单和客观的方法。然而，生理指标在疼痛评估中的有效性仍有争议，在疼痛预测方面的结论并不一致［9-12］，不能作为意识障碍患者感知疼痛体验的可靠标志［13］。研究发现［14］，患者自述的疼痛强度与心率、血压无显著相关性。正如其他研究人员所建议的，心率和血压只能作为疼痛评估的提示。如怀疑疼痛，需要进一步适当的评估以提供准确的判断。血压、心率和（或）呼吸频率的升高作为生理应激征象，只能提示患者可能出现疼痛［11］。

美国重症医学院（American College of Critical Care Medicine，ACCM）制订的临床实践指南建议观察行为反应来评估无法自我报告患者的疼痛［15］。由疼痛引起的行为包括与疼痛相关的表情和肢体语言［16］。特定面部表情，如做鬼脸、皱眉和蹙额，被认为是有效的疼痛指标［17-18］。除面部表情外，肌张力增加和身体运动也可以表明出现疼痛［10］。PAQUET 等［19］对精神障碍和抑郁患者的行为进行录像后进行分析发现，身体部分（腿部摆动、改变体位、躯干或骨盆活动、姿势/手势），面部表情（抬额皱眉、龇牙咧嘴、痛苦面容）和声音部分（呼吸杂音、呻吟）都与疼痛的发生较大的有相关性，建议将行为指标纳入疼痛客观评估工具中。

生理指标虽容易观察，使用简便，但不能作为意识障碍患者感知疼痛体验的可靠标志。行为指标虽敏感性较高，但只能用于预测疼痛的发生，无法量化疼痛。

2.2 客观疼痛评估工具

疼痛客观评估量表以疼痛的行为指标为基础研发［16］，考虑与疼痛相关的运动、面部表情、语言及心理反应，易于观察，使用简单，可用于严重意识障碍患者。《中国成人ICU 镇静和镇痛治疗指南》［4］推荐对不能表达但具有躯体运动功能、行为可以观察的患者应用重症监护疼痛观察量表（critical care pain observation tool，CPOT）［10］或疼痛行为量表（behavioral pain scale，BPS）［12］。在不能表达、具有躯体运动功能、行为可以观察的患者中，BPS 和CPOT 对疼痛程度的评价具有较高的可信性和一致性，两者比较差异无统计学意义。昏迷疼痛量表（nociception coma scale-revised，NCS-R）［3］则 在 植物状态和最小意识状态患者中有较好的的适应性，在伴有脑损伤的危重症患者中敏感度更高。成人疼痛行为量表（adult pain behavioral scale，APBS）［21］则在气管插管和非气管插管患者中均有良好的信效度。

2.2.1 危重症患者疼痛观察工具 （critical care pain observation tool，CPOT） CPOT是由加拿大学者GE1INAS 研发［10］，包括面部表情、动作、肌张力、发声/对机械通气的依从性共4 个条目，每个条目0～2 分，总分0～8 分，得分越高代表疼痛程度越高。既往研究验证CPOT 和汉化版均具有较高的信效度［10，22］，以超过2 分作为节点，其灵敏度为80.8%～89.4%，特异度为73.3%～81.8%。CPOT 与自述疼痛有极高相关性，且其高敏感度、特异性使其具备成为疼痛诊断标准的潜力。量表中每个条目均有具体的描述和解释，使其在实际应用中也有良好的稳定性和可操作性。ZHAI 等［23］对CPOT 在ICU 患者中的25 项应用研究进行系统评价和Meta 分析，结果发现CPOT 在1920 例ICU 患者的疼痛评估方面有良好的准确性和适用性。

2.2.2 疼痛行为量表（behavioral pain scale，BPS）BPS 量表由PAYEN 及其团队［12］设计，包含3个条目：面部表情、上肢运动以及机械通气的依从性。每个条目分别赋值1～4 分，总分为3～12 分，总分越高说明疼痛程度越高。BPS 量表在未行机械通气的患者中无法使用［12］，CHANQUES 等［22］将原量表中“机械通气顺应性”条目更换为“发声”，发展为BPS-NI（behavioral pain scale-non intubated）量表。BPS-NI 的内部一致性为0.79；3 个条目的因子负荷系数在0.57 到0.59 之间；评定者间信度的加权kappa 系数在0.82 到0.89 之间［18］。CRELLIN 等［24］对使用BPS 的8 个心理测量和20 个RCT 进行了系统评价，发现对2～22 个月大的婴幼儿BPS 可有效地识别和评估疼痛。

2.2.3 昏迷疼痛量表（nociception coma scale-revised，NCS-R） SCHNAKERS 等［3］在2009年 开发昏迷疼痛量表。该量表包括运动、语言、视觉和面部表情反应4 个条目，每个条目0～3 分，总分大于等于4 分，表示存在疼痛。2012年CHATELLE 等［24］移除了视觉分量表，形成NCS 的修订量表（NCSR），CHATELLE 建议将NCS-R 的疼痛感知最佳阈值调整到2 分，大于等于2 分代表意识障碍患者有潜在的疼痛。2018年国内学者对改良量表进行汉化和信效度检验，中文版NCS-R 具有较好的信度和效度［25］。相较于其他的疼痛评估工具，NCS-R不仅有更佳的组间信度和重测信度，并且对于有意识障碍患者的敏感度更高，更为适用［25］。中文译者王静等［24］使用昏迷疼痛量表-修订版（nociception coma scale-revised，NCS-R）评估意识障碍患者的疼痛，发现NCS-R 在意识障碍患者中有良好的适用性。NCS-R 评分并不会因为患者发病病因和意识障碍的持续时间不同而发生差异，具有良好的敏感度和一致性［26］。

2.2.4 成人疼痛行为量表（Adult Pain Behavioral Scale，APBS） 成人疼痛行为量表由中国国家卫生标准委员会护理标准专业委员会为临床护士在床边进行客观疼痛评估而研制，该量表包含面部表情、休息状态、肌张力、安抚效果和发声5 个条目，每个条目评分0～2 分，APBS 的总分为0～10 分，得分数越高代表疼痛程度越强烈［21］。经原作者的验证，该量表具有很好的信效度。在气管插管患者和非气管插管患者中，APBS 的内部一致性分别为0.706 和0.733，评定者间信度分别为0.872～0.983和0.842～0.979；与NRS 的相关系数分别为0.956 和0.794，同时具有较好的区分效度［26］。陈杰等［21］在检验量表的信效度后开展的多中心的调查性研究，发现APBS 具有较好的临床适用性和可操作性。

2.3 客观疼痛评估工具的局限性

客观疼痛评估工具需要医护人员根据对患者的观察结果进行评估，依赖于临床医护人员的主观判断，评估的准确性取决于医护人员对评估工具的熟悉程度和对评估条目的判断力。不同的医护人员对于同一患者在同一情境下的疼痛程度判断会存在个体差异，这可能导致疼痛评估的不准确性、疼痛管理和药物干预的不恰当，这正是目前他评客观疼痛评估工具的缺陷所在。

在进行工具的信效度验证时，研究者多采用操作相关疼痛进行测量，这样很难确定患者在休息状态下是否存在疼痛。在患者不能主诉疼痛时，护士常容易忽略患者的疼痛评估和疼痛管理，客观疼痛评估工具的使用比例并不高［27］。

最后，目前使用较多的行为疼痛评估工具并不适用于对疼痛没有行为反应的患者 （格拉斯哥昏迷指数评分［28］≤3 分或镇静程度评分［28］-5 分）或重度镇静的患者（RASS 评分［28］≤-4 分）。在深度镇静、使用神经阻断剂药物的情况下，单凭对疼痛行为的观察可能无法正确评判疼痛程度，应将其与其他评估手段相结合，以更准确地评估疼痛程度［29］。

3 疼痛检测技术

疼痛检测技术可用于对疼痛没有行为反应的意识障碍患者。一些新颖的技术或已知技术的新应用不断被学者发掘，被广泛地应用于疼痛研究中，帮助医护人员更好地了解疼痛评估，并提供客观评估疼痛的方法和思路。

3.1 以仪器检测为主的疼痛检测技术

3.1.1 脑电图 脑电图是通过脑电图描记仪将人体脑部产生的微弱生物电放大记录而得到的曲线图。研究表明［30］，脑电图可对疼痛刺激造成的脑电信号变化进行分析，为疼痛的处理提供先进的手段，目前已经成为疼痛研究中应用最为广泛的方法。脑电双频指数（bispectral index，BIS）是以脑电图为基础的一种测量疼痛的指标。BIS 利用双频谱分析法，将原始脑电图信号分析后拟合成一个数字，用0～100 表示，0 表示等位脑电状 态，100 表示完全清醒状态［31］。BIS 可直接测量镇静药物对大脑皮层的抑制效果，从而反映意识水平的变化。LI 等［32］记录48 例使用镇静的机械通气的心脏手术患者在吸痰和轻柔触摸后的行为，疼痛刺激后BIS 评分在有显著性变化。脑电图对时间分辨率非常高，并且操作简单，创伤少，患者易于接受。在疼痛研究领域得到了很好的挖掘和使用。但脑电图仪器使用较为专业，目前尚未在重症病房中广泛使用，脑电图和BIS 在意识障碍患者疼痛评估中的使用效果还需更多的研究验证。

3.1.2 麻醉全深度监护仪疼痛指数（pain index，PI） PI 是由中国科研人员研发的疼痛客观评定指标，可应用于麻醉镇静镇痛监测以及术后认知功能和脑功能监测。PI 可通过麻醉全深度监护仪实时连续评估患者不同状态下的疼痛。沈子珒等［33］研究表明，疼痛VAS 评分与PI 评估静息痛结果具有一致性和相关性，但PI 的疼痛评估适用的范围较疼痛VAS 评分更广，可运用于无法交流和术中、术后镇静患者的疼痛评估。

3.1.3 皮肤电导（skin conductance，SC） 皮肤电导可反映情绪的变化对交感神经系统的影响，通过监测皮肤电导实时变化可以评估患者疼痛水平。通常使用三个电极粘贴于掌或足底附近皮肤，记录电极C（电流），R（参考电极）和M（测量电极），M直接提示皮肤电导的大小［34］。SCA 直接检测神经系统活性，指数十分敏感，尤其是对疼痛和伤害性刺激，循环变化、心血管活性药物和神经肌肉阻滞都对其没有影响。作为一种疼痛检测技术，SCA 个体差异低，反应迅速，数据敏感、连续、客观，特别适用于ICU 患者，在意识障碍患者中有较好的使用前景，具有成为意识障碍患者疼痛评估标准的潜质。刘敬臣等［34］将皮肤电导监测仪运用到早产儿、婴幼儿、全身麻醉患者、术后患者、机械通气患者中，发现其对伤害性刺激和疼痛评估具有良好的效果。

3.1.4 心率变异性（heart rate variability，HRV）HRV 作为临床常用的一种无创监测方法，可以定量地反映患者心脏的自主神经调节功能。HRV 指数的获取需使用动态心电图监测仪收集心电图信号进行离线分析。李文哲［35］在138 例先天性心脏病患儿中使用动态心电图监测仪收集心电图信号进行HRV 分析，同时使用改良面部表情评分对患儿进行疼痛评估。结果显示HRV 中的LF/HF 参数与改良面部表情评分具有良好的相关性。但目前上没有HRV 在意识障碍患者中运用的研究报道，HRV 在意识障碍患者疼痛评估中的价值未来需要研究进一步验证。

3.2 大数据与人工智能在疼痛评估中的应用

3.2.1 大数据与人工智能的优势 以仪器检测为主的疼痛检测技术，评估结果不受评估者的个体差异和倾向的影响，相较客观评估量表而言，有更好的准确性和一致性。仪器检测的疼痛数据具有连续性，对于疼痛管理和指导用药具有很大的临床意义。另外，仪器对疼痛数据的储存和提取有一定的优势，有利于开展与疼痛相关的科研工作。但目前脑电图描记仪、麻醉全深度监护仪等仪器目前在重症病房使用较少，其在意识障碍患者疼痛评估中的使用效果需要更多研究者进行科研验证。

大数据是基于计算机技术和互联网技术的高速发展而形成的。大数据的高速发展让越来越多的人关注到其在护理领域中蕴含的价值，大数据在护理安全、护理管理和精准医疗方面均有较大的发展［36］，大数据技术的应用可帮助护士和其他医务工作者提高服务质量，改善患者结局，减少医疗成本［37］。

大数据技术的高速发展让信息计算科学与医学相融合成为科研的新方向，目前尚无大数据在疼痛评估中使用的研究报道。根据大数据的特点，将疼痛患者的行为、面部表情或其他指标数据化，结合机器学习等技术进行图像识别或数据分析，技术上有可行性，有望成为一种新型的疼痛评估方法。主客观评估工具与大数据相结合的疼痛预测或评估策略可以成为未来疼痛领域的研究新方向。

3.2.2 医护人员如何在疼痛评估中使用大数据与人工智能 伴随计算机技术和大数据人工智能/机器学习在医学领域的运用，许多现代设备和先进的计算机软件可在临床疼痛评估中发挥新的作用。机器学习在疼痛相关行为分析中显示出巨大的前景，例如基于面部表情的自动疼痛评估。一种融合心率变异特征和面部表情特征的疼痛评估方法［38］，其核心过程在于将表情特征与心率变异特征融合成疼痛特征集，并输入SVR 回归分类器中进行训练与学习，再采集患者的表情图像和心率数据生成融合特征集，输入训练好的SVR 分类器中进行预测，完成疼痛水平的评估。结合机器学习算法可以促进图像识别和数据分析，除面部表情特征和心率变异外，将机器学习算法与神经成像技术或行为分析技术结合起来，也可以进一步提高疼痛评估的特异性和准确性。

大数据和人工智能的开展与运用需要以强大的信息处理和通信技术作为基石，数据的收集和处理对疼痛评估的结果起着决定性的作用，医护人员的作用反而较弱。然而，医学同时也是一门人文科学，我们不可忽视医护人员在疼痛管理中的重要性。

虽然新技术在医疗护理领域的运用越来越多，也带来了许多的便利和进步，但需要强调的是护士在意识障碍患者照护中的重要作用，应该倡导以护士为主导的疼痛评估。不论是使用主观、客观疼痛评估量表，还是运用疼痛检测技术，都离不开护士与患者的的沟通和密切观察，依赖于护患之间建立的彼此信任的治疗关系。

4 小结

疼痛是危重症患者的主要压力之一，有效的评估是疼痛管理的基础。由于无法准确自述疼痛，意识障碍患者的疼痛评估成为一大挑战。在对意识障碍患者进行疼痛评估，能获得患者主诉时可以使用主观疼痛评估量表，不能获得疼痛主诉时宜使用客观疼痛行为评估量表，如无法观察疼痛行为可使用仪器检测疼痛评估技术，或使用机器学习等大数据技术来预测疼痛。疼痛评估是意识障碍患者疼痛管理的第一步，准确而及时的疼痛评估可指导疼痛干预和疼痛管理，避免疼痛感受带来的不良影响。目前已在使用的意识障碍患者的疼痛评估方法各具特色，但均有一定的局限性，因此探索一种联合主客观评估工具与先进技术相结合的疼痛预测或评估策略是未来的研究方向。