UK Biobank研究识别多维症状负担表型，与慢性疼痛及工作失能显著关联

该研究基于英国生物样本库（UK Biobank）逾47.5万名具有完整域数据参与者的横断面资料，系统考察了睡眠、疼痛、情感、认知与精力（简称SPACE）这一多维症状严重程度结构在人群层面的分布特征。研究团队通过相关性分析、主成分分析、探索性因子分析及k均值聚类等方法，对五个标准化症状域进行联合建模，并利用协变量调整后的 logistic 回归评估其与慢性疼痛干扰、当前工作失能、自评健康与长期疾病或残疾之间的关联。

分析结果显示，各症状域之间呈轻度至中度相关（相关系数 r=0.04–0.46），提示它们既相互联系又彼此独立。聚类分析将人群划分为低负担（约70.5%）与高负担（约29.5%）两种表型，其中高负担组的当前工作失能发生率为10.3%，约为低负担组（1.3%）的八倍。在控制协变量后，将四个非疼痛域纳入模型，可将慢性疼痛干扰的曲线下面积（AUC）由0.593提升至0.672，将工作失能的AUC由0.748提升至0.850；进一步纳入疼痛域后，工作失能AUC达到0.863，表明非疼痛域提供了独立于疼痛负担之外的预测信息。

研究还检验了该表型与可穿戴加速度计活动记录、血液生物标志物、多基因风险评分及脑部磁共振表型的汇聚关系。结果显示，上述多模态客观指标虽具备一定附加价值，但相对症状自评而言增量贡献有限。研究者据此指出，SPACE多维症状结构可在人群规模上稳定识别，并与慢性疼痛干扰和工作失能存在显著共现关联，为慢性共病性疼痛疾病的分层评估提供了新的量化框架。

【空音视角】 从非接触式生命体征监测的视角看，该研究有两点值得关注。其一，研究将睡眠与精力、情感、认知共同纳入症状网络，而非孤立评估单一指标，这与WiFi感知等被动、连续的家庭监测思路相契合——夜间睡眠结构与起夜频次等行为信号天然具备跨症状域的诊断价值。其二，研究所采用的可穿戴加速度计作为汇聚验证手段，其增量贡献相对有限，恰恰说明单点单模态测量在多维症状表型构建中存在天花板；而WiFi/射频类环境感知技术有望以更低负担、更高依从性的方式，为大规模人群症状分层与慢病早期识别提供互补数据源。

—— 本文基于公开报道由空音编辑部 AI 辅助改写 来源：medRxiv 预印本 原文链接：https://www.medrxiv.org/content/10.64898/2026.08.03.26359604v1?rss=1