确定性评级对睡眠与疼痛究竟说明了什么
核心结论是一种分裂的判断：关联的方向相当一致，但附着其上的把握并不高。在那项前瞻性综述中，基线时的睡眠问题与更高的慢性肌肉骨骼疼痛风险相关，短期比值比为1.64（95%置信区间1.01–2.65），长期比值比为1.39（1.21–1.59）[2]。比值比1.39意味着，基线时有睡眠问题的人后来发生慢性疼痛的几率大约比没有睡眠问题的人高39%——这是一个真实但中等强度的信号。
确定性的措辞和数字同样重要。同一篇综述将不同睡眠问题类别的证据评为非常不确定，对疼痛预测日后睡眠问题的长期证据也评为非常不确定[2]。只有一项反向结果较为明确：基线时的广泛性疼痛可能提高长期睡眠问题的风险（比值比2.0，1.81–2.21），而仅有局部疼痛或仅有广泛性疼痛对短期睡眠问题的影响则非常不确定[2]。因此，双向关系在轮廓上得到支持，但不同方向和时间跨度上的把握程度并不均衡。
同一领域的其他综述也呈现出同样谨慎的评级模式。一项针对慢性肌肉骨骼疼痛非药物睡眠干预的网络荟萃分析——纳入107项随机试验、8,121名参与者——将改善睡眠质量的证据确定性评为极低到低，尽管它发现认知行为疗法在即刻随访时是最有效的选择[4]。另外，一项针对接受冠状动脉造影患者的耳穴按压综述将疼痛、抑郁、焦虑和睡眠质量的确定性评为低，理由是九项试验之间存在显著异质性[3]。这些是干预综述而非前瞻性关联综述，因此并未直接评级睡眠-疼痛关联，但它们表明，在合并睡眠和疼痛结局时，低确定性是常态。
信号一致，确定性为何仍然偏低
GRADE——即推荐分级的评估、制定与评价——将观察性研究的证据从低水平起步，然后根据偏倚风险、不一致性、不精确性、间接性和发表偏倚等因素上调或下调[5]。前瞻性队列研究在设计上属于观察性研究，因此对这类研究的综述起点接近量表底部。这一结构性起点在很大程度上解释了为什么前瞻性睡眠-疼痛综述即使合并比值比指向一致方向，仍报告低或非常不确定的评级[2][5]。
第二个原因是不一致性——研究之间的差异使单一合并数字更难被信任。耳穴按压综述明确将其低评级归因于试验间的显著异质性[3]，而前瞻性睡眠-疼痛综述发现特定睡眠问题类别的证据非常不确定，这与各研究测量睡眠问题的方式不同相一致[2]。当底层研究对睡眠的定义和测量方式不同时，合并估计作为对任何一种现实关系的描述就不那么精确。
第三个问题是偏倚风险工具对观察性研究可能惩罚过重。一篇评论文章指出，GRADE预设的低起点，加上较新的偏倚风险工具最多可将证据降三级，可能把实施良好的观察性荟萃分析压到低或极低——文章以吸烟与肺癌的文献为例，说明一个被广泛接受的危害最终被评为低到极低[5]。作者转而提议，将预后和诊断综述的评级锚定在牛津循证医学中心证据等级上，该体系将设计良好的队列研究视为此类问题的高级别证据[5]。这是一个提议，而非已被采纳的标准，但它解释了为什么一些综述作者对GRADE在观察性关联上的输出感到不满。
直接比较时，评级框架如何分歧
本证据集中唯一一次直接的框架比较与睡眠完全无关：它将GRADE工作组方法和CINeMA框架（网络荟萃分析中的置信度）同时应用于一项阿片类药物用于慢性非癌性疼痛的网络荟萃分析[1]。在105项疼痛缓解比较中，两种方法在34%的情况下给出了不同的确定性评级（105项中的36项）；在66项身体功能比较中，分歧率为17%（66项中的11项）。所有分歧都恰好相差一个等级，且CINeMA通常给出更低的评级，主要原因是两个框架对传递性和异质性的评估方式不同[1]。
这一结果是有益的警示，而非对睡眠-疼痛综述的直接回答。它表明，两个使用相同四级量表（高、中、低、极低）的框架，在某一临床领域中仍可能在大约三分之一的比较上存在分歧[1]。分歧源于具体的判断取舍——传递性（被比较的研究是否足够相似）和异质性——而非量表不同。由于睡眠-疼痛综述仅使用GRADE，未同时进行CINeMA评级[2]，我们无法判断换用其他框架后其确定性评级会偏移多少。
那篇关于观察性荟萃分析的评论文章指出了同一问题的更广泛版本：框架对于某一问题类型什么算强证据，其起始假设各不相同[5]。GRADE是为干预效果设计的，观察性证据从低起步；牛津循证医学中心证据等级则将设计良好的队列研究视为预后问题的高级别证据[5]。对于前瞻性睡眠-疼痛关联——一个预后问题——这种起点差异可能关系重大，尽管本证据集中尚无研究直接检验这一点。
细心的读者应该记住什么
如果你想要一个实用的总结：前瞻性证据与以下两点一致——睡眠问题提高日后慢性肌肉骨骼疼痛的风险，疼痛提高日后睡眠问题的风险——但大多数具体结论的确定性为低或非常不确定[2]。该综述中最强的前瞻性单一信号是广泛性疼痛预测长期睡眠问题（比值比2.0）[2]，而睡眠到疼痛方向虽有中等比值比，但各子类别的确定性较弱。应将这种关联视为合理且值得在临床上采取行动，而非已牢固确立。
关于框架问题，诚实的答案是：睡眠-疼痛文献尚未产生框架比较。对睡眠-疼痛关联进行评级的综述使用GRADE[2]，邻近领域的干预综述也使用GRADE并落在低或极低[3][4]。GRADE与CINeMA可能在大约三分之一的比较中相差一个等级，这一演示来自阿片类药物网络荟萃分析[1]；而GRADE对观察性预后问题可能过于严苛的论点来自评论文章而非实证比较[5]。CINeMA式或锚定CEBM的方法究竟会提高、降低还是维持前瞻性睡眠-疼痛关联的确定性评级，仍是一个有待实证回答的开放问题。
本文引用的文献
GRADE工作组方法与CINeMA方法对阿片类药物用于慢性非癌性疼痛的网络荟萃分析给出了不一致的证据确定性评级
在一项阿片类药物用于慢性非癌性疼痛的网络荟萃分析中，GRADE与CINeMA在34%的疼痛缓解比较和17%的身体功能比较中给出了不同的确定性评级，分歧始终相差一个等级，CINeMA通常更低，原因是两者对传递性和异质性的评估方式不同。
睡眠问题与慢性肌肉骨骼疼痛的双向关系：一项系统综述与荟萃分析
在来自11个研究人群的16篇前瞻性队列文章中，基线时的睡眠问题与更高的慢性肌肉骨骼疼痛风险相关，短期比值比1.64，长期比值比1.39，但特定睡眠问题类别及长期疼痛到睡眠证据的确定性非常不确定，且广泛性疼痛可预测长期睡眠问题（比值比2.0）。
耳穴按压作为辅助疗法对冠状动脉造影患者疼痛、抑郁、焦虑和睡眠质量的疗效：一项系统综述与荟萃分析
在九项试验中，冠状动脉造影患者接受耳穴按压与疼痛、抑郁、焦虑减轻及睡眠质量改善相关，但所有结局的GRADE确定性均为低，且异质性显著。
非药物干预对慢性肌肉骨骼疼痛患者睡眠的比较效果：一项系统综述与网络荟萃分析
在107项随机试验中，认知行为疗法是改善慢性肌肉骨骼疼痛患者睡眠最有效的非药物干预，效果持续至中期随访，但证据确定性为极低到低。
使用GRADE对观察性研究荟萃分析报告证据确定性的做法是否应重新审视？
一篇评论文章认为，GRADE对观察性证据的低起点，加上较新的偏倚风险工具最多可降三级，可能过度降低预后荟萃分析的确定性，并提议将此类评级锚定在牛津循证医学中心证据等级上。