非参数统计在慢性瘙痒研究中的应用：探索疼痛和瘙痒强度的预测因素

摘要： 本研究旨在探讨非参数统计方法在分析慢性瘙痒患者数据中的应用，并确定实验性疼痛感知和瘙痒强度的预测因素。

方法： 由于研究中存在许多参数（如贝克抑郁量表（BDI）和羽毛引发的瘙痒）不服从正态分布，我们采用非参数统计方法来分析数据。虽然像皮尔逊相关系数（Pearson's r）这样的参数系数通常对于偏离正态分布具有鲁棒性，但在处理非正态分布时，显著性水平和置信区间可能会失效。另一方面，非参数检验在没有正态性的情况下提供有效的显著性水平，但是解释系数（如斯皮尔曼等级相关系数（Spearman's q））变得具有挑战性，特别是在共享方差方面。因此，对于涉及这些参数的相关性，我们报告参数系数，但通过计算相应的非参数P值来验证显著性水平。在其他情况下，使用Pearson's r进行相关性检验。

为评估试验信度，计算了组内相关系数（ICC）。为了确定慢性瘙痒患者实验性疼痛感知和瘙痒强度的多个预测因子，进行了线性回归分析。当实验性瘙痒强度评分作为因变量时，在控制年龄和性别的条件下，进行了瘙痒症状问卷（ISQ）、BDI、状态焦虑量表（SAI）、特质焦虑量表（TAI）和疼痛敏感问卷（PSQ）评分的逐步选择作为自变量。同样，当瘙痒强度作为因变量时，在控制年龄和性别的条件下，进行了ISQ、BDI、SAI、TAI和皮肤病患者生活质量量表（POEM）评分的逐步选择。使用学生t检验或方差分析（ANOVA）来评估健康人群和患者在ISQ评分上的组别差异。

结果： (此处应填写研究的主要结果，例如，哪些因素与慢性瘙痒患者的疼痛感知和瘙痒强度显著相关)

结论： (此处应填写研究的结论，例如，非参数统计方法适用于分析慢性瘙痒患者数据，并能够识别出与疼痛感知和瘙痒强度相关的预测因素。)

关键词： 慢性瘙痒，非参数统计，疼痛感知，瘙痒强度， BDI， ISQ，线性回归分析，Pearson's r，Spearman's q