方法文章

一项采用脑成像生物标志物的经颅电刺激治疗纤维肌痛疼痛与身体功能的随机、假刺激对照试验

DOI：

10.3791/65790

⸱

2024年1月5日

 ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Atlanta Veterans Affairs Healthcare System, 2Emory University School of Medicine, 3Rollins School of Public Health, 4Spaulding Rehabilitation Hospital, Harvard Medical School, 5The Ohio State University Wexner Medical Center

本文内容

摘要

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究是一项随机、安慰剂对照试验，旨在确定经颅电刺激（CES）在改善纤维肌痛患者的疼痛和功能方面的有效性，并进一步开发静息态功能连接磁共振成像（rs-fcMRI）作为临床工具，用于评估慢性疼痛及其镇痛反应的神经相关机制。

摘要

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

纤维肌痛是一种慢性疼痛综合征，表现为多种广泛症状，包括身体功能下降、疲劳、认知障碍及其他躯体不适。现有疗法在症状治疗方面往往效果有限，疼痛控制不佳常导致患者使用阿片类药物试图进行管理。颅脑电刺激（CES）是一种有前景的非药物治疗疼痛的方法，通过经皮电极施加脉冲电流刺激，调节 大脑功能。然而，CES在缓解纤维肌痛症状中的神经机制及其应用仍需进一步探索。

共有50名来自亚特兰大退伍军人事务医疗系统（VAHCS）且被诊断为纤维肌痛的参与者入组，并被按区组随机分配至安慰剂联合标准治疗组或主动经颅电刺激（CES）联合标准治疗组。在治疗开始前收集基线评估数据。两种干预措施均持续12周，在治疗开始后的第6周和第12周对参与者进行评估。主要结局指标是考察应用经颅电刺激（CES）是否可改善疼痛和功能。此外，在第6周和第12周时间点获取基线及随访期的静息态功能连接磁共振成像（rs-fcMRI）数据，以评估神经连接生物标志物的临床应用价值以及与治疗效应相关的潜在神经关联机制。

这是一项随机、安慰剂对照试验，旨在确定经颅电刺激（CES）在改善纤维肌痛患者的疼痛和功能方面的疗效，并进一步开发静息态功能连接磁共振成像（rs-fcMRI）作为临床工具，用于评估慢性疼痛及其镇痛反应的神经相关机制。

引言

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

在众多慢性疼痛状态中，纤维肌痛是最难以诊断、临床评估和治疗的疾病之一。纤维肌痛是一种致残性的慢性疼痛综合征，表现为慢性广泛性疼痛、身体功能下降、疲劳、心理情绪障碍和睡眠障碍，以及多种躯体主诉，影响约2%-3%的美洲普通人群（美国约800万人）1。该疾病的诊断在很大程度上依赖于患者对自身症状特征和疼痛体验的理解；若临床医生和患者均未能充分认识该疾病，则治疗手段的疗效将大打折扣2。为了更好地服务所有患者，亟需更清晰地界定纤维肌痛的病因与影响，并建立可靠的临床生物标志物，以指导纤维肌痛的诊断和治疗 。

即使在确诊之后，治疗过程中的困难仍会不断增加。总体而言，慢性疼痛所影响的人数超过心脏病、糖尿病和癌症患者人数的总和。由于其评估具有主观性，成为阿片类药物滥用流行的主要驱动因素，尤其是在难以区分未充分治疗的躯体疼痛与物质使用障碍及寻药行为的情况下尤为突出3。2020年，美国发生了91,799起药物过量致死事件（较2019年增长30%），其中阿片类药物被确定为死亡的主要原因（占2020年所有药物过量死亡病例的74.8%）4。因此，迫切需要采用非药物治疗手段来干预慢性疼痛和纤维肌痛，以减缓阿片类药物滥用的流行趋势，这一点在退伍军人群体中尤为重要，因为该人群的自杀风险和阿片类药物使用障碍风险更高5。因此，非药物治疗和补充疗法常被用作一线治疗手段6。

寻找新型且有效的纤维肌痛干预措施已促使许多研究人员和临床医生转向非侵入性脑刺激方法，包括颅部刺激。尽管导致该疾病发生的病理生理机制尚未完全明确，但现有证据支持纤维肌痛是一种自主神经系统功能障碍以及中枢（即大脑和脊髓）疼痛处理机制异常的疾病7,8。对大脑特定区域进行刺激可能改善这些区域的疼痛处理功能。重复经颅磁刺激（rTMS）和经颅直流电刺激（tDCS）已被证实与疼痛减轻相关，但也可能引起刺激部位头皮不适、头痛，并且在治疗机构之外难以获取9。非侵入性迷走神经刺激（nVNS）可通过颈部或耳部皮肤表面刺激实现神经调节，具有治疗慢性疼痛的潜力，而侵入性迷走神经刺激（VNS）已被证明可改善慢性疼痛症状10。然而，无论是侵入性还是非侵入性VNS，在现有文献中针对纤维肌痛治疗的应用均尚未得到充分探索，也未被充分验证11,12,13,14。

颅脑电刺激（CES）是一种非药物、非侵入性的脑刺激治疗方法，通过置于耳垂上的经皮电极施加脉冲式交流微电流（小于0.5 mA）15。该疗法具有极高的可及性，患者可在家中使用便携式设备进行治疗。与其他颅脑刺激方法相比，其非侵入性以及患者可在家中自行操作的便利性，使CES成为广泛用于纤维肌痛治疗及疼痛自我管理的潜在有效选择。美国食品药品监督管理局（FDA）已批准其用于失眠、抑郁、焦虑和疼痛的治疗15。

本研究通过比较主动颅电刺激（CES）（使用真实研究设备进行）与假性颅电刺激（sham CES）（使用假性研究设备进行）的效果，评估CES作为纤维肌痛治疗方式的疗效。已有部分初步证据支持将CES用于治疗纤维肌痛等疼痛性疾病16,17。一项2001年的研究将60名参与者随机分组，接受为期3周、每日60分钟的主动或假性CES治疗，结果显示压痛点评分改善28%，总体疼痛评分改善27%，且未观察到安慰剂效应18。然而，CES尚未在退伍军人人群中进行评估，也未在男性纤维肌痛患者中得到充分研究。美国退伍军人事务部（VA）资助并于2018年发表的一项系统综述指出，由于多数试验样本量小、持续时间短，且因盲法不充分而存在较高偏倚风险，目前证据不足以证明CES对纤维肌痛具有临床重要意义的疗效。但该综述同时指出，CES不会引起严重不良反应，并有低强度证据表明其对焦虑和抑郁患者可能带来轻度益处19。因此，针对这种经美国食品药品监督管理局（FDA）批准、风险较低的设备，尤其是在纤维肌痛治疗中的应用，仍需进一步研究。

为了全面评估疗效，研究人员将体能状况与神经生物标志物及疼痛体验一并进行评估。治疗慢性疼痛状态的目的是改善身体功能。纤维肌痛始终与对身体功能及患者自身身体能力感知的负面影响相关20。以往研究采用简单的体能评估方法来测定耐力和活动能力，例如6分钟步行测试（6MWT）20,21、五次坐-站测试（5TSTS）20，以及在日常活动背景下对负重能力和力量的各种测量指标22。为了兼顾标准化测量，同时减少在MRI扫描前所需进行的剧烈活动量，研究团队采用30秒坐-站椅测试作为耐力和活动能力的评估指标，并结合二头肌弯举和手部握力测试来评估力量23。这些评估中所涉及的动作在日常活动中极为常见，因此能够清晰地反映个体在治疗前后日常生活中的实际身体功能状态。

尽管已有主观疼痛评估和身体功能疗效测量，但颅电刺激（CES）的作用机制尚未完全明确。先前的神经影像学研究试图通过探索CES对大脑网络连接性的直接影响来增进理解。Feusner等24发现，双侧额区、顶区及后部中线区域在0.5 Hz、100 µA刺激下，CES与皮层去激活相关，并推测刺激频率相较于电流强度，对皮层去激活的影响可能更为显著。该研究团队发现，CES对默认模式网络（DMN）的部分但非全部节点具有显著影响。作者认为，基于这些数据，CES可能影响静息态功能连接。纤维肌痛及其他慢性疼痛状态已被证实会影响与疼痛和感知相关脑区的内在脑连接25,26，因此，能够调节功能连接的治疗方法可能兼具益处与疗效。为进一步阐明CES的治疗作用机制，尚需进一步研究每日治疗的长期效应与临床改善之间的关系，以及脑内去激活程度与先前观察到的脑电图频率降低之间的关联27。

静息态功能连接磁共振成像（rs-fcMRI）是一种神经影像学方法，可用于观察这些功能连接的变化。纵向静息态fMRI使临床医生和研究人员能够建立静息态功能连接的基线，并随时间追踪经颅电刺激（CES）治疗干预后连接性的改变。此外，该技术还有助于确定功能连接的变化与疼痛感知差异之间的相关性。早期针对纤维肌痛的神经影像学研究采用正电子发射断层扫描（PET）和单光子发射计算机断层扫描（SPECT）来检查大脑，但这两种技术在此应用中均存在局限性：SPECT的空间分辨率低于PET，而PET具有侵入性，这对患有慢性疼痛的患者而言并不理想。功能磁共振成像（fMRI）的空间分辨率高于SPECT，但它主要检测大脑对患者特定行为或刺激感知的响应活动28。而静息态功能连接磁共振成像（rs-fcMRI）则能够描绘大脑不同区域之间的功能连接网络，有望揭示纤维肌痛发生的脑区位置及其病理机制，并为确定最佳治疗方案提供依据28。

评估非药物治疗在纤维肌痛等疼痛病症中的疗效至关重要，这不仅与当前阿片类药物滥用流行形势密切相关，也涉及慢性疼痛作为自杀风险因素的研究29,30，而在退伍军人群体中，自杀风险显著升高。此外，目前尚缺乏可用于疼痛评估的充分临床生物标志物，这一知识空白已得到公认。采用多种时间点的行为测量结合神经影像学方法来评估治疗反应，是一种针对纤维肌痛评估的新型研究策略，经耳穴颅电刺激（auricular CES）作为治疗手段的应用亦属此类创新方法。

该方案旨在通过研究经颅电刺激（CES）对疼痛和身体功能结局的影响，并评估神经影像学作为预测和反映CES治疗临床结局的生物标志物的工具，从而弥补纤维肌痛研究领域的空白31。

方案

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究在埃默里大学（IRB 112768）和亚特兰大退伍军人事务部机构审查委员会（1585632-2；内部参考编号：003）以及亚特兰大退伍军人事务部R&D委员会（委员会参考编号：3881）。所有受试者在参与本研究前均签署知情同意书。有关研究方案时间线的图示说明，请参见 图1).

五年研究计划、队列数据收集和分析过程的时间线示意图。
图1：研究时间线。 本研究在试验期间各项操作步骤执行时间的可视化示意图。请点击此处查看该图的放大版本。

1. 通过现有方法招募参与者

  1. 遵循各机构规定的传播研究招募材料（传单、帖子、电子邮件、电话等）及经批准的招募方式的相关指南。
    注：本研究通过向特定人群邮寄招募信件以及后续电话联系潜在参与者的方式进行招募。有关为本研究订购CES设备的详细信息，请参见补充的CES设备订购说明（补充文件1）。
  2. 当有人表示有意参与研究时，需通过电话对其进行筛选，以确保其符合所有纳入和排除标准。
    1. 纳入符合以下资格标准的参与者：年龄20至60岁（在初步研究中设定此年龄限制，以尽量减少因衰老引起的脑结构变化）31；根据美国风湿病学会2016年标准诊断为纤维肌痛症32；右利手（以保证脑结构与功能的一致性）；在入组前3个月内，国防与退伍军人疼痛等级量表（DVPRS）上的疼痛评分≥4分33；与纤维肌痛相关的药物治疗在入组前至少4周内保持稳定34；以及能够安全耐受磁共振成像（MRI）检查。
      1. 在纤维肌痛筛查部分，与潜在参与者共同填写新的临床纤维肌痛诊断标准32，以获得其广泛性疼痛指数（WPI）评分和严重程度评分（SS），并按照页面底部列出的指南进行评分。
      2. 在疼痛评分筛查部分，要求潜在参与者口头描述其在过去3个月内的平均持续性疼痛程度，评分范围为0到10分。
      3. 在MRI筛查部分，与潜在参与者共同完成由机构或扫描设施提供的MRI安全筛查表。
    2. 询问参与者是否符合任何可能的排除标准。排除标准包括：有癫痫发作史或影响大脑的神经系统疾病；妊娠；幽闭恐惧症、MRI不兼容的植入物，或其他不适合进行MRI检查的情况；以及有未受控制的精神疾病或自身免疫性疾病病史，这些疾病可引起疼痛并能更好地解释相关症状31。
      1. 若参与者符合任一排除标准，则视为筛查不合格，不得纳入本研究。
  3. 当某人通过筛选后，为其安排知情同意会面及基线MRI扫描，建议为知情同意和扫描总共预留2小时时间。

2. 实施参与者的基线、中期和结束时的研究随访（见表1）

注意：所有预约均在磁共振成像（MRI）扫描仪所在地进行。

时间研究活动
第1阶段第1周受试者招募、筛选、入组
第2阶段第2–3周基线评估、静息态功能连接MRI（rs-fcMRI）
第3阶段第2–14周干预措施
第4阶段第6–10周短期随访、静息态功能连接MRI（治疗6周时）
第5阶段第12–16周长期随访、静息态功能连接MRI（治疗12周时）

表1：研究设计。个体参与研究各阶段在12周内的时序安排。

  1. 每次基线访视前，准备一台CES设备并带至每位参与者处。
    1. 打开设备箱，确认设备在内（应包裹在气泡膜中）。取下设备后盖，装入两节AAA电池。
    2. 重新装上设备后盖。在带至参与者前，开启设备以确认其正常工作。按住顶部按钮约2秒，直至屏幕亮起以开机；再次按住约2秒，直至屏幕变黑以关机。
    3. 确保每个设备箱内包含设备、备用电池、挂绳、小型溶液涂抹器和耳夹。确保提供给参与者的袋子中包含设备箱、一瓶导电溶液、一个用于填充小型溶液涂抹器的备用瓶盖，以及额外的耳夹电极片。
  2. 在参与者完成知情同意并预约基线MRI扫描后，携带两份知情同意书、一台CES设备及其配套材料、入组资格测试文件、问卷包，以及用于传输MRI数据至分析站点的数据传输设备，前往MRI扫描地点与参与者会面。
    注：本研究使用了加密U盘。
    1. 资格审查文件中应包括新的临床纤维肌痛诊断标准32和DVPRS33。
      注：每次访视均应包含DVPRS。
    2. 体能功能测试部分应包括用于记录每项测试结果的表格20,21,35。
    3. 参与者填写的问卷部分应包括适当的PROMIS量表（PROMIS量表v1.2 - 全球健康、Neuro-QOL项目库v2.0 - 认知功能-简表、PROMIS项目库v1.0 - 物质使用/酒精：酒精使用、PROMIS项目库v1.0 - 情绪困扰-焦虑-简表7a、PROMIS项目库v1.0 - 情绪困扰-抑郁-简表4a、PROMIS项目库v1.0 - 疲劳-简表6a、PROMIS项目库v1.0 - 疼痛干扰-简表4a、PROMIS项目库v1.2 - 身体功能-简表8b、PROMIS项目库v2.0 - 社会孤立-简表4a）36。
  3. 在MRI检查地点进行基线访视。访视前应提前联系参与者确认。
    1. 与参与者逐条阅读完整的知情同意书，确保其理解所有信息。询问其是否愿意参与研究，若同意，则请其打印姓名、签名并填写日期。
    2. 签署知情同意书后，若参与者选择参与研究，则与其共同完成入组资格测试文件。若符合入组条件，则继续执行以下步骤；若不符合，则终止其研究参与。
      1. 确保资格测试文件中包含新的临床纤维肌痛诊断标准和DVPRS。
    3. 若参与者通过入组资格测试，向其说明CES设备的使用方法。
      1. 从设备箱中取出设备，向参与者演示如何通过顶部按钮开关机。提醒参与者设备在使用60分钟后将自动关闭。
      2. 向参与者演示如何将耳夹线缆连接至设备侧面。线缆远离耳夹的一端应插入设备左侧标有“1”的小孔中。
      3. 演示如何从耳夹上取下旧电极片并安装新的电极片。取下旧电极片时，应从其与耳夹连接处轻轻揭起粘合部分。安装新电极片时，将备用电极片上的孔对准耳夹中心的凸起部位，并用力按压固定。
        注：切勿拉扯电极片顶部的柔软部分，因其易撕裂，可能导致粘合剂残留在耳夹上。
      4. 演示如何将耳夹夹在耳垂上，并让参与者试戴一次。捏住耳夹的绿色端部以打开夹子，将耳垂置于中间，然后轻轻闭合夹子以固定。
      5. 向参与者演示如何取下小型溶液涂抹器的塑料盖，并用大瓶中的溶液填充（见步骤2.3.3.6-2.3.3.8）。提醒其溶液对设备正常工作至关重要。
      6. 取下小型溶液涂抹器顶部时，先取下瓶盖，然后用力按压尖端侧面，使塑料尖端从瓶体上脱离。
      7. 将用于填充小型涂抹器的备用瓶盖安装至大瓶溶液瓶口。向上推起小喷嘴，将其插入小型涂抹器中，挤压大瓶以完成填充。
      8. 告知参与者每个耳夹电极片仅需滴加约1-2滴溶液。使用前应将多余溶液轻轻擦去。
      9. 指导参与者每周每天晚上使用设备60分钟，建议在睡前约1小时使用。指导参与者在静息状态下使用设备（即静坐或平躺，避免活动）。
        注：为增强该疗法在家庭使用中的实用性，允许参与者在使用时间与体位上存在正常范围内的个体差异。未对环境声音或设备存放方式设定具体要求。
      10. 向参与者提供一份空白设备使用日志，并说明需记录每次使用设备的日期、使用前后的疼痛评分以及使用时间。
      11. 若参与者在两次访视间6周内某段时间无法使用设备，但仍能按时参加随访，则允许其继续参与研究。若其既无法使用设备也无法参加访视，则终止其研究参与。本研究使用的设备日志参见补充CES设备日志（补充文件2）。
        注：以下步骤将在全部三次访视中重复进行。
    4. 设备使用说明结束后，让参与者完成三项简短的体能功能测试23。每项测试记录其最大数值（前两项为总重复次数，第三项为每次试验的最大力量）。
      注：本研究使用的秒表为Apple iPhone 12。
      1. 进行30秒坐立测试。按步骤2.3.4.2-2.3.4.6执行。
      2. 将一把椅子背靠测试室墙壁放置。让参与者背靠椅背坐在椅子上。
      3. 指导参与者在30秒内尽可能多次地从完全坐姿站起至完全直立，再完全坐回原位，背部始终紧贴椅背。
        注：若其轻触椅子但未完全将体重落回坐姿，则该次重复不计数。
      4. 告知参与者开始测试。在其开始移动时启动计时器。
      5. 让参与者每侧手臂各进行30秒哑铃弯举测试。先从右臂开始，再进行左臂。
      6. 记录每侧手臂完成的弯举总次数。女性使用5磅重量，男性使用8磅重量。确保参与者在进行弯举测试时保持坐姿。
      7. 让参与者使用测力计对每侧手臂各进行三次握力测试。按步骤2.3.4.8-2.3.4.11执行。先从右臂开始，再进行左臂。
      8. 将测力计放入参与者手中。其应仅挤压底部握把，避免触碰顶部表盘。
      9. 指导参与者尽可能用力挤压测力计，然后松开。表盘指针将停在其所达到的最大握力值处。
      10. 记录指针在表盘上指示的数值作为其握力结果。每次测试间通过逆时针旋转表盘正面的小旋钮将指针归零。
      11. 确保参与者在进行握力测试时保持坐姿。
        注：每组测试之间，参与者可在更换手部设备时休息约15-20秒。每项测试之间，参与者将在准备下一项测试的设备和文件时休息约2分钟。
    5. 完成体能功能测试后，让参与者用笔填写问卷包。填写完成后检查问卷，确保所有问题均已作答。
    6. 完成所有审核、测试和问卷后，引导参与者前往MRI扫描仪（所有MRI操作流程详见第3节）。与MRI技术人员共同核对筛查表，并确保参与者已移除身上所有金属物品。
      1. 确保研究团队成员身上无任何金属物品。
      2. 协助MRI技术人员帮助参与者舒适地进入扫描仪。执行MRI扫描流程。
      3. 向参与者说明安全程序（测试呼叫按钮和扬声器）。
      4. 提醒参与者在扫描过程中完全不要移动。
      5. 提醒参与者扫描总时长约为60分钟。
      6. 扫描完成后，协助参与者离开扫描仪。
    7. 扫描结束后，完成参与者的基线访视，并安排6周后的中期访视。参与者共需完成三次研究访视，每次间隔6周。将MRI数据上传至研究的加密服务器以供分析。
  4. 在预定日期，按照基线访视的步骤进行中期访视。访视前应提前联系参与者确认。
    1. 实施DVPRS评估。让参与者交回第一份已完成的设备使用日志，并提供第二份设备使用日志。
    2. 执行步骤2.3.4-2.3.6（与基线访视相同）。
    3. 完成参与者的中期访视，并安排6周后的末次访视。将MRI数据上传至研究的加密服务器以供分析。
  5. 在预定日期，按照中期访视的步骤进行末次访视。访视前应提前联系参与者确认。
    1. 实施DVPRS评估。让参与者交回第二份已完成的设备使用日志。
    2. 执行步骤2.3.4-2.3.6（与基线和中期访视相同）。末次访视无需安排后续访视。
    3. 若需收集信息以向参与者发放补偿金，应在本次访视中准备并索取相关信息。
      注：本研究需收集参与者的姓名和地址，以便由亚特兰大退伍军人事务部发放支票作为补偿。
    4. 完成参与者的末次访视。将MRI数据上传至研究的加密服务器以供分析。
      注：在整个研究过程中，务必在访视间期定期联系并跟进参与者，确保其持续使用设备、填写设备日志，并知晓下次访视时间。

3. 设置 MRI 扫描方案

  1. 在MRI扫描方案中，使用配备32通道相控阵头线圈的3T MRI扫描仪，采用梯度回波平面成像（EPI）序列获取BOLD静息态fMRI数据。采用以下MR参数：视野（FOV）= 220 mm2；重复时间（TR）/回波时间（TE）= 1500/25 ms，多波段加速因子=3；翻转角=50˚；矩阵大小为110 x 110；层厚=2 mm；GRAPPA因子=2；部分傅里叶6/8；34条相位编码参考线，72层交错轴向切片覆盖全脑，共采集约350个体积数据，以获得8分钟的静息态fMRI数据，用于稳定估计功能连接网络。
  2. 在解剖T1加权磁化准备快速梯度回波（MPRAGE）的扫描方案中，设置TR = 2530 ms，TE = 3 ms，翻转角 = 7°，层厚 = 0.8 mm，相位分辨率1 mm。T1加权图像采集时间约为6分钟。
  3. 使用配备32通道相控阵头线圈的3T MRI扫描仪，采用扩散谱成像方案采集扩散加权成像（DWI）数据。共采集129个扩散采样方向，最大b值为3000 s/mm2，面内分辨率为2×2 mm2，层厚为2 mm。
  4. 在fMRI数据采集期间，同步（时间锁定）采集生理数据（包括使用呼吸监测带和脉搏血氧仪记录的心肺数据）。
  5. 将MRI数据从扫描仪位置安全传输至安全存储位置，用于预处理和分析。使用dc2bids v2.1.6将DICOM格式数据转换为符合BIDS格式的NIFTI文件。
  6. 清除数据中的个人身份信息，在所有数据中使用研究受试者编号。通过MRIQC v21.0.0进行质量检查，确保数据中无异常伪影（如过度运动）。

4. 预处理与分析

  1. 在收到该研究的 MRI 数据后，使用两条独立的分析流程：一条用于分析参与者的功能连接性，另一条用于分析白质纤维束成像。
  2. 通过 fMRIPrep v20.2.5 对受试者的结构 T1w 和静息态功能磁共振成像（rsfMRI）数据进行预处理，包括脑提取、组织分割以及 T1 加权（T1w）图像的标准化，同时对功能图像进行参考体积估计、头动估计、切片时间校正以及与 T1w 图像的空间配准。该流程将 T1w 和 rsfMRI 数据标准化至 MNI152NLin2009cAsym 空间。
    1. 使用预处理后的 MRI 数据进行功能连接性分析（CONN）。
    2. 参见补充的 fMRIPrep 规范文档（补充文件 337,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56）。欲了解详细信息，请参阅链接：https://fmriprep.org/en/stable/
  3. 将预处理后的数据集导入 CONN Toolbox v22a 进行进一步处理。
    注意：本研究期间，CONN 工具箱从 v21a 版本更新至 v22a 版本。
    1. 在设置阶段，建立 2nd 通过水平协变量定义研究分组（TRUE组与SHAM组）以供后续分析，并确保T1加权和静息态功能磁共振成像（rsfMRI）图像的质量。对fMRI数据进行8 mm高斯核平滑处理。
    2. 预处理后，对数据进行去噪以去除多余和生理噪声。
      注意：本研究计算了一级分析，但未对其进行评估或使用，因为研究者对单个受试者的结果不感兴趣。
    3. 选择种子点/感兴趣区域（ROI）和被试协变量，并设置对比。进行组水平的种子点到体素分析。
    4. 在完成流程的设置、预处理和去噪步骤后，设定簇阈值和体素阈值以查看连接模式。
    5. 参见 补充材料 图1 以及补充的 CES CONN 操作说明（补充文件 4）文档。
  4. 使用相关性示踪成像57 用于确定实验组中与白质完整性的纵向变化相关的神经纤维束和脑区，以识别与CES治疗相关的纤维束和区域。主要分析步骤如下：
    1. 将原始DWI图像从.dcm（DICOM）格式转换为.nii.gz（NIfTI）格式。
    2. 使用 FSL（版本 6.0.6）的 TOPUP 工具对图像进行预处理，以校正磁敏感性诱导的畸变58,59 并使用 FSL 的 EDDY 工具校正涡流畸变60.
    3. 使用 FSL 的 EDDY QC 工具生成与单个受试者及整个研究层面运动相关的扩散加权成像（DWI）图像质量控制（QC）指标。
    4. 对这些质量控制指标进行双因素重复测量方差分析，以识别可能混淆组间纤维追踪结果的组间差异。若某项指标显示具有显著的组间差异（p < 0.05），则应将其作为协变量纳入后续的纤维追踪分析中。 > 0.05），则应在相关性示踪分析中将其作为协变量进行校正。
    5. 将预处理后的数据导入 DSI Studio（版本“Chen”2022年11月21日）中，数据将被转换为.src（源）文件。有关 DSI Studio 的更多信息，请访问该软件的官方网站（https://dsi-studio.labsolver.org）。 
    6. 使用Q空间微分同胚重建（QSDR）方法重建导入的扩散数据61 用于确定MNI模板空间中的白质纤维方向。每幅图像将输出一个.fib（纤维方向）文件。重建的选项设置如下：
      方法（重建方法选择）- QSDR
      参数0（扩散采样长度）— 1.25（此为默认值）
      模板（用于重建数据的模板空间）— ICBM152
      align_acpc（是否旋转图像体积以对齐前连合-后连合） - 0（假）
    7. 从这些 .fib 文件创建一个连接组学数据库，从中提取重建后的扩散数据中的各向异性定量值（QA）。计算数据库中每位受试者的 QA 纵向变化。通过 .csv 文件将人口统计学信息（如实验组别、年龄、性别）以及在质量控制步骤中确定的任何协变量添加到数据库中。
    8. 接下来，将连接组学数据库载入组连接组学分析图形用户界面。
    9. 选择在分析中需考虑的协变量。所选协变量中的一个将被指定为 研究变量.
      1. 对于此分析，选择 组 作为研究变量。在QA上表现出纵向变化的纤维束与 组 将被识别，而所选其他协变量的影响将被回归消除。
      2. 组连接组学分析的选项选择包括：
        - FDR 控制（错误发现率阈值，仅输出相关性在 FDR 水平下显著的纤维束） - 0.05
        - 长度阈值（作为零假设所采用的最小纤维束长度的体素值）— 20个体素（对于2 mm体素尺寸，即40 mm）
        - T 阈值（相关性效应的 t 统计量测量阈值）— 2.5
        - 研究区域（此面板用于选择将哪些区域纳入或排除出分析） - 选择 全脑 与 - 排除小脑 已检查
        注意：由于部分扩散扫描在数据采集过程中存在小脑区域被截断的情况，本研究中排除了小脑。
    10. 按压 运行连接组学分析 按钮以执行分析，该操作将输出多个文件：
      - 一个 .fib 文件，用于存储 t 统计量，可在 DSI Studio 中打开，以可视化随各向异性分数（QA）增加（存储为 "inc_t"）或减少（存储为 "dec_t"）的纤维束的 t 统计量，这些值与 组.
      - 一个 .fdr_dist.values.txt 文件，其中列出了相对于纤维束长度的FDR值
      - 一个 .inc.tt.gz 文件，为存储与研究变量（在本例中为分组）呈正相关的纵向 QA 增加纤维束的纤维追踪文件。一个 .dec.tt.gz 文件则存储与研究变量呈负相关的纵向 QA 降低纤维束的纤维追踪文件。
      - 一个 .report.html 文件，其中以便捷的形式报告了连接组学分析结果，包含嵌入的纤维束图、图片，以及用于发表的相关纤维追踪分析步骤的标准化信息。
      注意：如需查看本研究中所用 R 代码的示例，请参见补充材料 CES R 代码绘图（补充文件 5）以及补充的 R 代码 CES eddy-qc Anova 文件（补充文件 6).

结果

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

在招募结果方面，主要通过邮寄招募信件并根据亚特兰大退伍军人医疗保健系统的规定进行后续电话联系来招募参与者。研究团队共招募了50名参与者，证明所采用的招募方法在实现招募目标方面的有效性（见图2）。采用新的纤维肌痛临床诊断标准，使研究团队能够准确筛选出不符合纤维肌痛诊断标准的个体32。仅通过询问潜在参与者是否被诊断为纤维肌痛，其准确性不如额外的筛查程序，可能导致基线访视或研究参与的安排不当。48名参与者被随机分配至干预组和假刺激组；其中2名参与者因未通过研究的纳入测试，不符合入选标准而被排除。

临床试验入组和随访过程的CONSORT流程图；随机分配研究。
图2：招募流程图。 本研究招募、随机化及干预分配的报告与流程图。请点击此处查看此图的放大版本。

样本量计算使用了三个结局指标：DVPRS（临床疼痛）、30秒坐立测试（功能）和DMN-SMN功能连接性（静息态功能磁共振成像，rs-fcMRI）。所有功效计算均基于初步数据。采用DVPRS评估的临床疼痛变化作为主要关注结局指标。选择30秒坐立测试（30sCST）作为代表性功能结局指标，因其表现出组间变化最小。DMN-SMN功能连接性被选为次要关注结局指标，作为临床疼痛及治疗反应的神经影像学生物标志物。样本量分析设定显著性水平为1%，统计功效为80%（两样本、单侧检验）。

本分析所选取的种子点基于初步数据以及关于纤维肌痛、疼痛和经颅电刺激（CES）的文献16,24,26,63,64,65,66,67,68,69。根据初步数据，治疗组左脑初级感觉运动皮层（L-S1M1）与左脑后扣带皮层（L-PCC）连接性在治疗后的平均变化值（标准差）为 0.041 (0.079)，标准治疗组为 -0.026 (0.049)；组间差异的效应量为 1.03（见表216,21,26,62,63,64,70,71,72,73）。假设组间差异效应量为初步研究中观察到的 1.03，在双侧 t 检验、显著性水平为 0.01 的条件下，每组需要 20 名受试者，才能达到 80% 的检验效能，以检测 CES 组与标准治疗组在 L-S1M1 至 L-PCC 连接性治疗后变化上的差异。尽管前期耳部神经调节研究中对 12 名受试者观察到的失访率为 17%（所有受试者均完成了随访 MRI 检查，但其中 2 人在 8 周和 12 周时失访），为保守估计样本量，本研究采用 20% 的失访率。考虑到治疗后访视时预计有 20% 的失访率，每组需招募 20/0.8 = 25 名受试者。

默认模式网络种子点 (x,y,z)躯体运动网络种子点 (x,y,z)突显网络种子点 (x,y,z)
内侧前额叶皮层62,67右侧壳核64,71右侧背外侧前额叶皮层62
右侧后扣带皮层70左侧初级运动皮层70左侧前岛叶62
左侧后扣带皮层16,67右侧初级运动皮层70右侧前岛叶62
楔前叶71右侧初级体感皮层-手区16,72左侧后岛叶64
左侧初级体感皮层-手区16,72右侧后岛叶63
丘脑21背侧前扣带皮层72,73
右侧颞顶交界区62

表2： 用于分析的种子点。根据先验假设选择用于分析的DMN、SMN和SN种子点。每个种子点均附有先前文献的参考文献，以支持其在疼痛综合征中的检测。

根据既往针对纤维肌痛症平民患者经颅电刺激（CES）的研究，共需50名受试者（n = 25 对照组，n = 25 真刺激组），以达到80%的检验效能，用于检测两组间疼痛评分的差异17（见表3）。本研究的样本量计算通过sealedenvelope.com完成，并基于初步数据进行。

对照组干预组每组样本量
平均变化值标准差平均变化值标准差
临床疼痛（DVPRS）0.375 1.493 -1.833 2.229 10 
功能（30秒坐立测试，30sCST）-0.250 1.500 3.000 4.980 14 
静息态功能磁共振成像（S1M1 至 PCC）-0.026 0.049 0.041 0.079 20 

表3： 样本量计算。与研究样本量相关的计算。

导入的 fMRIPrep 功能数据通过使用全宽半高（FWHM）为 8 mm 的高斯核进行空间卷积平滑处理（见图3），图中显示了归一化至 MNI152NLin2009cAsym 模板空间的 fMRIPrep 功能输出结果（左侧），以及 CONN Toolbox 生成的平滑后功能图像（右侧）。该处理可提高信噪比，从而增强对血氧水平依赖（BOLD）信号的检测能力。

MRI脑部扫描对比，T1与T2加权图像，结构分析，诊断评估。
图3：单个受试者在MNI空间中未平滑的功能图像（左侧）与其在8 mm FWHM下平滑后图像的对比。 请点击此处查看此图的放大版本。

随后，数据使用标准去噪流程74进行去噪处理，包括回归去除由白质时间序列（5个CompCor噪声成分）、脑脊液（CSF）时间序列（5个CompCor噪声成分）、头动参数及其一阶导数（12个因子）75、异常扫描点（少于295个因子）48以及每个功能扫描中的线性趋势（2个因子）所表征的潜在混杂效应，之后对BOLD时间序列进行0.008 Hz至0.09 Hz的带通频率滤波76。白质和脑脊液中的CompCor49,77噪声成分通过计算每个受试者腐蚀后分割掩模内BOLD信号的平均值，以及与BOLD平均信号、头动参数和异常扫描点正交的最大主成分得到（见图4）。根据该去噪策略中包含的噪声项数量，估计所有受试者去噪后BOLD信号的有效自由度范围为33至240.6（平均173.4）。去噪处理有效降低了数据中的生理噪声及其他无关噪声，从而避免可能产生的混杂效应。

功能连接性分析、统计图、去噪对FC-QC关联的影响、示意图。
图4：质量检查。来自CONN工具箱的质量检查图，展示去噪对功能连接性（FC）、全局信号均值和最大头动的影响。 注：（A）最上方的图显示单个受试者单次扫描会话的数据，（B、C）图B和图C为组水平去噪的结果。请点击此处查看该图的放大版本。

采用一般线性模型（General Linear Model, GLM）进行组水平分析78。对每个单独的体素，分别估计一个GLM，以该体素的一级连接性测量值作为因变量（每位受试者一个独立样本，每项任务或实验条件一个测量值，如适用），以组别或其他受试者水平的标识符作为自变量。体素水平的假设通过多变量参数统计方法进行评估，采用受试者间的随机效应及多个测量值之间的样本协方差估计。推断在单个簇水平（连续体素组成的区域）进行。簇水平的推断基于高斯随机场理论的参数统计方法62,79。结果通过组合阈值进行校正：以簇形成体素水平 p < 0.005 的阈值和簇大小经全族误差校正后 p < 0.0016 的阈值进行筛选80。经过上述步骤，可获得基于感兴趣区域（ROI）的CES与假刺激条件之间的组水平功能连接值。这些结果可通过CONN工具箱中的结果浏览器图形用户界面（GUI）以多种方式进行可视化。欲查看示例性的组水平结果的体素显示图，其中红色区域表示与ROI具有更强正向连接性的脑区，蓝色区域表示与ROI具有更强负向连接性的脑区，请参见图5。

Brain connectivity diagram; posterior cingulate gyrus seed with anterior cingulate; anatomical study.
图5后扣带回种子点的体积显示。 图像显示 与假刺激条件相比，真实刺激条件下前扣带 gyrus 显示更强的正向功能连接（红色），以及楔前叶显示更强的负向功能连接（蓝色），pFWEc < 0.05。该数据代表部分组水平结果（n = 34）。 请点击此处以查看此图的放大版本。

补充文件1：CES设备订购说明 请点击此处下载该文件。

补充文件 2：CES 设备日志 请点击此处下载该文件。

补充文件3：fMRIPrep 标准模板 请点击此处下载该文件。

补充文件 4：CES CONN 操作说明 请点击此处下载该文件。

补充文件 5：CES R 代码绘图 请点击此处下载该文件。

补充文件 6：R 代码 CES 涡度相关质量控制方差分析 请点击此处下载该文件。

补充 图1：CONN 工作簿。(A) 第二层协变量。(B) 实验条件。(C) 去噪处理。(D) 结果。(E) 结构数据。请点击此处下载该图。

讨论

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究的方法不仅为纤维肌痛提供了一种高效治疗手段的可能性，还为从患者首次出现疼痛症状谱时即改善纤维肌痛的诊断流程创造了机会。通过使用主动颅电刺激（CES）和假性CES，并依据序列号和独立密钥确定每台设备的类型，实现了在研究结束前对受试者和研究人员的双盲，从而在评估实施过程中保护了内部效度，并更清晰地呈现了该设备及其刺激方式的临床疗效81。引入功能性连接神经影像学指标的分析，有助于减轻对受试者主观报告的依赖，从而更准确地判断治疗手段的真实有效性。家用疼痛管理设备的灵活性提高了使用的便捷性和可及性，降低了受试者的负担，这对于通常在进行日常或基本活动时即经历显著疼痛的人群尤为有益。进一步减轻身体疼痛和体力消耗，可能有助于进一步提升纤维肌痛及慢性疼痛治疗的整体疗效。

为了确保所采用的方法顺利实施，过程中需要进行若干修改。在进行rs-fcMRI扫描数据采集期间，部分受试者因感到不适或疼痛而难以继续平躺在扫描仪中。这些困难导致他们不得不暂时离开扫描仪，稍后再返回完成扫描，或在扫描过程中移动过多，从而产生无法补救的运动伪影。为弥补此过程中可能出现的不可用数据，九名受试者接受了两次T1加权（T1w）解剖扫描，其中质量更清晰的一次最终用于分析。使用MRIQC工具检测其他未进行额外扫描的MRI数据部分中是否存在过度头部运动。根据0.8 mm的帧间位移阈值，确定有四名受试者的至少一个扫描会话存在过度运动，这些会话的数据被排除在分析之外。在使用CONN工具箱进行功能连接分析时，研究人员需排查分析过程中出现的错误。例如，四名受试者在中期或后期扫描的一级分析结果中均未生成基于种子点的功能连接（SBC）图谱，且即使在数据已完成预处理和去噪后，仍缺少一级设计矩阵。经排查发现，在此前某一版本的CONN项目中，仅采集并处理了这些受试者的基线扫描数据。虽然其后的中期和后期扫描数据被后续导入，但CONN仍为这些会话创建了相应的条件/变量，而当时这些受试者尚无对应数据，因此CONN忽略了新导入的数据。解决方案是对这些受试者从预处理阶段重新运行分析，并确保覆盖此前已存在的预处理数据。

除了考虑方法学上的调整外，研究人员还意识到本研究在方法学上存在一定的局限性。有可能出现的情况是，研究设备并未始终保留在其被分配的组别中（真实经颅电刺激组与假刺激组）。尽管这种情况不太可能发生，但在某些时候设备可能开始或停止了治疗的输送，从而不准确地扭曲了研究结果。这一局限性将由设备公司自身来解决，该公司会在设备返还至机构后对设备进行检测，以确保其始终如一地按照最初设定的方式进行或不进行经颅电刺激治疗。治疗方法的另一个局限性在于，设备使用记录在很大程度上依赖于参与者自我报告的准确性和理解能力。设备虽可记录总的使用时长，但存在参与者开启设备却未实际使用，或在使用日期、时间等方面误报的可能性。 设备日志可能受到应答偏倚的影响，这意味着所报告的治疗实施情况可能不准确82。针对这一问题，或许可以通过建立更为频繁且结构化的与每位参与者的沟通计划来加以改善，以便持续提醒参与者记录日志，并明确记录的时间和方法。这也促使人们进一步思考设备本身的设计原理、工作方式，以及如何在提供刺激的同时，改进其记录功能。

本研究探讨的方法有望对纤维肌痛研究和慢性疼痛评估领域产生重大影响。就现有的纤维肌痛治疗方式而言，耳部经颅微电流刺激（auricular CES）作为一种非药物性、非侵入性的疼痛管理手段，具有良好的可及性，能够弥补当前治疗方法中的重要空白。如果其有效性得以证实，CES 可为应对目前阿片类镇痛药管理不当的问题提供一种潜在的非药物替代方案，并可能减轻因侵入性干预和诊断措施所导致的额外疼痛。本研究的神经影像学目标在方法的应用层面也具有重要而新颖的意义。此前，尚无任何实验室或放射性检测结果被验证为纤维肌痛的标志物，这导致了诊断尝试中的诸多困难2。通过考察功能连接性及其与纤维肌痛特异性脑活动之间的关系，有望彻底改变现有的诊断流程以及治疗方案的制定，从而提升这两个系统的效能。更快速、可靠的诊断也将为患者带来改善生活质量的可能性。当患者无法获得明确答案，且其疼痛程度不被他人理解时，其痛苦会进一步加剧。客观的疼痛评估手段可帮助临床医生更准确地理解患者的状况及其所需的支持方式。

本研究中采用的技术为探索更优的纤维肌痛及其他疾病诊断与治疗方法开辟了道路。纤维肌痛远非唯一依赖患者自我报告和主观评估指标的慢性疼痛状态83。如果研究人员持续关注脑活动在理解和治疗慢性疼痛中的重要性，本研究中使用的神经影像技术可在诊断和干预领域产生广泛的应用。耳部经颅电刺激（Auricular CES）本身若被证实有效，并成为更常见且易于获取的治疗选择，将有望为迫切需要疼痛管理的人群提供广泛的帮助。目前数据分析仍在进行中，因此关于遵循所述方法的有效性尚有待进一步了解。最终，研究结果将持续提供信息，并为未来应如何应对纤维肌痛及类似的慢性疼痛状态提出论据。

披露

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者声明，他们不存在任何已知的可能影响本文所报告工作的竞争性财务利益或个人关系。本文表达的观点仅为作者的观点，并不一定反映退伍军人事务部或美国政府的立场或政策。

致谢

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者谨此感谢视觉与神经认知康复中心的研究人员提供的支持，包括 Bruce Crosson 博士和 Lisa Krishnamurthy 博士，他们对本研究工作提出了宝贵意见。作者还感谢 Grace Ingham 在拍摄过程中提供的 invaluable 帮助。本研究部分由美国退伍军人事务部康复研究与发展服务职业发展奖 IK2 RX003227（Anna Woodbury）和中心资助项目 5I50RX002358 支持。资助方在研究设计、数据收集、管理、分析、解释或报告方面无任何作用。

材料

本文使用的材料清单
姓名公司目录编号评论
3T 西门子 MAGNETOM Prisma 扫描仪西门子医疗N/A来自埃默里大学的网站："西门子 Magnetom Prisma 3T 全身 MR 系统配备：最先进的梯度系统，最大（每轴）强度为 80 mT/m，转换速率为 200 T/m/sec
64 个独立的射频接收器通道，能够进行 204 个接收器连接
一个 2 通道射频发射器。提供多种线圈，包括： 一个 64 通道的头/颈线圈，有 52 个通道，用于头部区域成像
一个 32 通道的仅头部线圈
一个 20 通道的头/颈线圈，有 16 个通道，用于头
脊柱阵列线圈
柔性胸线圈
用于肢体成像的大小柔性线圈。
Alpha-Stim AID 套件Electromedical Products International Inc.SKU： 500KIT总共订购了 50 台用于研究目的的设备。
来自网站："购买此设备需要有执照的医疗保健专业人员的处方或订单（在美国境内）。FDA 仅批准用于治疗焦虑、失眠和疼痛，并批准在美国以外的地区用于治疗抑郁症。"
CONN 工具箱 v21a16 （RRID：SCR_009550） Whitfield-Gabrieli 和 Nieto-Castanon版本 v21a16 （RRID：SCR_009550）CONN 是一款基于 SPM 的开源跨平台软件，用于计算、显示和分析功能连接磁共振成像 （fcMRI）。CONN 用于分析静息态数据 （rsfMRI） 以及与任务相关的设计。
DSI 工作室 （RRID：SCR_009557） Fang-Cheng （Frank） YehRRID：SCR_009557DSI Studio 是一种束照软件工具，可绘制大脑连接并将发现与神经心理疾病相关联。它是几种弥散 MRI 方法的集体实现，包括弥散张量成像 （DTI）、广义 q 采样成像 （GQI）、q 空间微分同形重建 （QSDR）、弥散 MRI 连接计和广义确定性纤维跟踪。
fMRIPrep 20.2.5 （RRID：SCR_016216） NiPreps（神经成像 PREProcessing 工具）版本 20.2.5。（RRID：SCR_016216）一种功能性磁共振成像 （fMRI） 数据预处理管道，旨在提供易于访问的先进界面，该界面对扫描采集协议的变化具有鲁棒性，并且需要最少的用户输入，同时提供易于解释和全面的错误和输出报告。它执行基本的处理步骤（共配准、归一化、去翘曲、噪声成分提取、分割、颅骨剥离等），提供的输出可以很容易地提交给各种组级分析，包括基于任务或静息态 fMRI、图论测量以及基于表面或体积的统计。
磁共振质量检查 NiPreps（神经成像预处理工具）MRIQC 从结构（T1w 和 T2w）和功能 MRI（磁共振成像）数据中提取无参考 IQM（图像质量指标）。（不直接用于分析）
Sammons Preston Jamar 液压手动测功机Alpha Med Inc.SKU SAMP5030J1来自网站：非常适合常规筛查握力以及对手部外伤和功能障碍的客户进行初步和持续评估。
装置配有携带/存储箱、校准证书和完整说明。保修一整年。保修不包括校准。不含乳胶。
SPRI 5 磅乙烯基涂层重量SPRI |亚马逊N/A颜色：（E）深蓝色 | 5磅。出现在亚马逊上： 哑铃手重 2 件套 - 乙烯基涂层运动 &家用健身哑铃健身器材锻炼力量训练免费重量女性，男性（1-10磅，12、15、18、20磅）https://www.amazon.com/stores/SPRI/Weights/page/9D10835A-CFAB-4DA1-BEE9-AE993C6B5BC1
SPRI 8磅乙烯基涂层重量SPRI |亚马逊N/A颜色：（H） 黑色 |8 磅。出现在亚马逊上： 哑铃手重 2 件套 - 乙烯基涂层运动 &家用健身哑铃健身器材锻炼力量训练免费重量器械适用于女性、男性（1-10磅、12、15、18、20磅），https://www.amazon.com/stores/SPRI/Weights/page/9D10835A-CFAB-4DA1-BEE9-AE993C6B5BC1

参考文献

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Heidari, F., Afshari, M., Moosazadeh, M. Prevalence of fibromyalgia in general population and patients, a systematic review and meta-analysis. Rheumatology International. 37 (9), 1527-1539 (2017).
  2. Dennis, N. L., Larkin, M., Derbyshire, S. W. G. 'A giant mess' - making sense of complexity in the accounts of people with fibromyalgia. British Journal of Health Psychology. 18 (4), 763-781 (2013).
  3. Woodbury, A. Opioids for nonmalignant chronic pain. AMA Journal of Ethics. 17 (3), 202-208 (2015).
  4. Hedegaard, H., Minino, A. M., Spencer, M. R., Warner, M. Drug overdose deaths in the United States, 1999-2020. NCHS Data Brief. 428, 1-8 (2021).
  5. Report No.: 17-01846-316. Opioid prescribing to high-risk veterans receiving VA purchased care. Office of Healthcare Inspections. , Department of Veterans Affairs. (2017).
  6. Perry, R., Leach, V., Davies, P., Penfold, C., Ness, A., Churchill, R. An overview of systematic reviews of complementary and alternative therapies for fibromyalgia using both AMSTAR and ROBIS as quality assessment tools. Systematic Reviews. 6 (1), 97(2017).
  7. Martinez-Lavin, M., Hermosillo, A. G. Dysautonomia in Gulf War syndrome and in fibromyalgia. The American Journal of Medicine. 118 (4), 446(2005).
  8. Petersel, D. L., Dror, V., Cheung, R. Central amplification and fibromyalgia: disorder of pain processing. Journal of Neuroscience Research. 89 (1), 29-34 (2011).
  9. Marlow, N. M., Bonilha, H. S., Short, E. B. Efficacy of transcranial direct current stimulation and repetitive transcranial magnetic stimulation for treating fibromyalgia syndrome: A systematic review. Pain Practice. 13 (2), 131-145 (2013).
  10. Molero-Chamizo, A., et al. Noninvasive transcutaneous vagus nerve stimulation for the treatment of fibromyalgia symptoms: A study protocol. Brain sciences. 12 (1), 95(2022).
  11. Cimpianu, C. L., et al. Vagus nerve stimulation in psychiatry: A systematic review of the available evidence. Journal of Neural Transmission. 124 (1), 145-158 (2017).
  12. Napadow, V., et al. Evoked pain analgesia in chronic pelvic pain patients using respiratory-gated auricular vagal afferent nerve stimulation. Pain Medicine (Malden, Mass). 13 (6), 777-789 (2012).
  13. Zhang, Y., et al. Transcutaneous auricular vagus nerve stimulation (taVNS) for migraine: an fMRI study. Regional Anesthesia and Pain. 46 (2), 145-150 (2021).
  14. Tassorelli, C., et al. Noninvasive vagus nerve stimulation as acute therapy for migraine: The randomized PRESTO study. Neurology. 91 (4), e364-e373 (2018).
  15. NBC4 Washington - Electrotherapy Device Treats Anxiety, Insomnia, Depression. Alpha-Stim. , https://alpha-stim.com/blog/nbc4-washington-electrotherapy-device-treats-anxiety-insomnia-depression/ (2021).
  16. Taylor, A. G., Anderson, J. G., Riedel, S. L., Lewis, J. E., Bourguignon, C. A randomized, controlled, double-blind pilot study of the effects of cranial electrical stimulation on activity in brain pain processing regions in individuals with fibromyalgia. Explore (NY). 9 (1), 32-40 (2013).
  17. Taylor, A. G., Anderson, J. G., Riedel, S. L., Lewis, J. E., Kinser, P. A., Bourguignon, C. Cranial electrical stimulation improves symptoms and functional status in individuals with fibromyalgia. Pain Management Nursing. 14 (4), 327-335 (2013).
  18. Lichtbroun, A. S., Raicer, M. M., Smith, R. B. The treatment of fibromyalgia with cranial electrotherapy stimulation. Journal of Clinical Rheumatology. 7 (2), 72-78 (2001).
  19. Shekelle, P. G., Cook, I. A., Miake-Lye, I. M., Booth, M. S., Beroes, J. M., Mak, S. Benefits and harms of cranial electrical stimulation for chronic painful conditions, depression, anxiety, and insomnia: A systematic review. Annals of Internal Medicine. 168 (6), 414-421 (2018).
  20. Dailey, D. L., et al. Perceived function and physical performance are associated with pain and fatigue in women with fibromyalgia. Arthritis Research & Therapy. 18, 68(2016).
  21. Gowans, S. E., deHueck, A., Voss, S., Silaj, A., Abbey, S. E., Reynolds, W. J. Effect of a randomized, controlled trial of exercise on mood and physical function in individuals with fibromyalgia. Arthritis & Rheumatism. 45 (6), 519-529 (2001).
  22. Jones, J., Rutledge, D. N., Jones, K. D., Matallana, L., Rooks, D. S. Self-Assessed physical function levels of women with fibromyalgia: A national survey. Women's Health Issues. 18 (5), 406-412 (2008).
  23. Rikli, R. E., Jones, C. J. Development and validation of criterion-referenced clinically relevant fitness standards for maintaining physical independence in later years. The Gerontologist. 53 (2), 255-267 (2013).
  24. Feusner, J. D., et al. Effects of cranial electrotherapy stimulation on resting state brain activity. Brain and Behavior. 2 (3), 211-220 (2012).
  25. Harris, R. E., et al. Pregabalin rectifies aberrant brain chemistry, connectivity, and functional response in chronic pain patients. Anesthesiology. 119 (6), 1453-1464 (2013).
  26. Napadow, V., Harris, R. E. What has functional connectivity and chemical neuroimaging in fibromyalgia taught us about the mechanisms and management of 'centralized' pain. Arthritis Research & Therapy. 16 (5), 425(2014).
  27. Schroeder, M. J., Barr, R. E. Quantitative analysis of the electroencephalogram during cranial electrotherapy stimulation. Clinical Neurophysiology. 112 (11), 2075-2083 (2001).
  28. Cordes, D., et al. Mapping functionally related regions of brain with functional connectivity MR imaging. American Journal of Neuroradiology. 21 (9), 1636-1644 (2000).
  29. Hassett, A. L., Aquino, J. K., Ilgen, M. A. The risk of suicide mortality in chronic pain patients. Current Pain and Headache Reports. 18 (8), 436(2014).
  30. Stenager, E., Christiansen, E., Handberg, G., Jensen, B. Suicide attempts in chronic pain patients. A register-based study. Scandinavian Journal of Pain. 5 (1), 4-7 (2014).
  31. Woodbury, A., et al. Feasibility of auricular field stimulation in fibromyalgia: Evaluation by functional magnetic resonance imaging, randomized trial. Pain Medicine. 22 (3), 715-726 (2021).
  32. Wolfe, F., et al. Revisions to the 2010/2011 fibromyalgia diagnostic criteria. Seminars in Arthritis and Rheumatism. 46 (3), 319-329 (2016).
  33. Polomano, R. C., et al. Psychometric testing of the defense and veterans pain rating scale (DVPRS): A new pain scale for military population. Pain Medicine. 17 (8), 1505-1519 (2016).
  34. Electromedical Products International, Inc. Scientific and clinical literature examination for the Alpha-Stim M microcurrent and cranial electrotherapy stimulator. , Mineral Wells. Texas. (2016).
  35. Lein, D. H. Jr, Alotaibi, M., Almutairi, M., Singh, H. Normative reference values and validity for the 30-second chair-stand test in healthy young adults. International Journal of Sports Physical Therapy. 17 (5), 907-914 (2022).
  36. Revicki, D. A., Cook, K. F., Amtmann, D., Harnam, N., Chen, W. H., Keefe, F. J. Exploratory and confirmatory factor analysis of the PROMIS pain quality item bank. Quality of Life Research. 23 (1), 245-255 (2014).
  37. Tustison, N. J., et al. N4ITK: improved N3 bias correction. IEEE Transactions on Medical Imaging. 29 (6), 1310-1320 (2010).
  38. Avants, B. B., Epstein, C. L., Grossman, M., Gee, J. C. Symmetric diffeomorphic image registration with cross-correlation: evaluating automated labeling of elderly and neurodegenerative brain. Medical Image Analysis. 12 (1), 26-41 (2008).
  39. Zhang, Y., Brady, M., Smith, S. Segmentation of brain MR images through a hidden Markov random field model and the expectation-maximization algorithm. IEEE Transactions on Medical Imaging. 20 (1), 45-57 (2001).
  40. Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis: I. Segmentation and surface reconstruction. NeuroImage. 9 (2), 179-194 (1999).
  41. Klein, A., et al. Mindboggling morphometry of human brains. PLoS Computational Biology. 13 (2), e1005350(2017).
  42. Fonov, V. S., Evans, A. C., McKinstry, R. C., Almli, C. R., Collins, D. L. Unbiased nonlinear average age-appropriate brain templates from birth to adulthood. NeuroImage. 47 (Supplement 1), S102(2009).
  43. Evans, A. C., Janke, A. L., Collins, D. L., Baillet, S. Brain templates and atlases. NeuroImage. 62 (2), 911-922 (2012).
  44. Greve, D. N., Fischl, B. Accurate and robust brain image alignment using boundary-based registration. NeuroImage. 48 (1), 63-72 (2009).
  45. Jenkinson, M., Bannister, P., Brady, M., Smith, S. Improved optimization for the robust and accurate linear registration and motion correction of brain images. NeuroImage. 17 (2), 825-841 (2002).
  46. Cox, R. W., Hyde, J. S. Software tools for analysis and visualization of fMRI data. NMR in Biomedicine. 10 (4-5), 171-178 (1997).
  47. Pruim, R. H. R., Mennes, M., van Rooij, D., Llera, A., Buitelaar, J. K., Beckmann, C. F. ICA-AROMA: A robust ICA-based strategy for removing motion artifacts from fMRI data. NeuroImage. 112, 267-277 (2015).
  48. Power, J. D., Mitra, A., Laumann, T. O., Snyder, A. Z., Schlaggar, B. L., Petersen, S. E. Methods to detect, characterize, and remove motion artifact in resting state fMRI. NeuroImage. 84, 320-341 (2014).
  49. Behzadi, Y., Restom, K., Liau, J., Liu, T. T. A component based noise correction method (CompCor) for BOLD and perfusion based fMRI. NeuroImage. 37 (1), 90-101 (2007).
  50. Satterthwaite, T. D., et al. An improved framework for confound regression and filtering for control of motion artifact in the preprocessing of resting-state functional connectivity data. NeuroImage. 64, 240-256 (2013).
  51. Lanczos, C. Evaluation of noisy data. Journal of the Society for Industrial and Applied Mathematics Series B Numerical Analysis. 1 (1), 76(1964).
  52. Oscar, E., et al. fMRIPrep: A robust preprocessing pipeline for functional MRI. Nature Methods. 16, 111-116 (2019).
  53. Oscar, E., et al. FMRIPrep. Software. Zenodo. , (2018).
  54. Gorgolewski, K. J., et al. Nipype: a flexible, lightweight and extensible neuroimaging data processing framework in python. Frontiers in Neuroinformatics. 5, 13(2011).
  55. Gorgolewski, K. J., et al. Nipype. Software. Zenodo. , (2018).
  56. Abraham, A., et al. Machine learning for neuroimaging with scikit-learn. Frontiers in Neuroinformatics. 8, 14(2014).
  57. Yeh, F. -C., Badre, D., Verstynen, T. Connectometry: A statistical approach harnessing the analytical potential of the local connectome. NeuroImage. 125 (2016), 162-171 (2015).
  58. Andersson, J. L. R., Skare, S., Ashburner, J. How to correct susceptibility distortions in spin-echo echo-planar images: application to diffusion tensor imaging. NeuroImage. 20 (2), 870-888 (2003).
  59. Smith, S. M., et al. Advances in functional and structural MR image analysis and implementation as FSL. NeuroImage. 23 (S1), 208-219 (2004).
  60. Andersson, J. L. R., Sotiropoulos, S. N. An integrated approach to correction for off-resonance effects and subject movement in diffusion MR imaging. NeuroImage. 125, 1063-1078 (2016).
  61. Yeh, F. -C., Tseng, W. -Y. I. NTU-90: a high angular resolution brain atlas constructed by -q-space diffeomorphic reconstruction. Neuroimage. 58 (1), 91-99 (2011).
  62. Nieto-Castanon, A. Cluster-Level Inferences. Handbook of Functional Connectivity Magnetic Resonance Imaging Methods in CONN. , Hilbert Press. Boston, MA. (2020).
  63. Hemington, K. S., Wu, Q., Kucyi, A., Inman, R. D., Davis, K. D. Abnormal cross-network functional connectivity in chronic pain and its association with clinical symptoms. Brain Structure & Function. 221 (8), 4203-4219 (2016).
  64. Ichesco, E., et al. Altered resting state connectivity of the insular cortex in individuals with fibromyalgia. Journal of Pain. 15 (8), 815-826 (2014).
  65. Kim, J., et al. The somatosensory link in fibromyalgia: functional connectivity of the primary somatosensory cortex is altered by sustained pain and is associated with clinical/autonomic dysfunction. Arthritis & Rheumatology. 67 (5), 1395-1405 (2015).
  66. Napadow, V., LaCount, L., Park, K., As-Sanie, S., Clauw, D. J., Harris, R. E. Intrinsic brain connectivity in fibromyalgia is associated with chronic pain intensity. Arthritis and Rheumatism. 62 (8), 2545-2555 (2010).
  67. Napadow, V., Kim, J., Clauw, D. J., Harris, R. E. Decreased intrinsic brain connectivity is associated with reduced clinical pain in fibromyalgia. Arthritis and Rheumatism. 64 (7), 2398-2403 (2012).
  68. Puiu, T., et al. Association of alterations in gray matter volume with reduced evoked-pain connectivity following short-term administration of pregabalin in patients with fibromyalgia. Arthritis & Rheumatology. 68 (6), 1511-1521 (2016).
  69. Fallon, N., Chiu, Y., Nurmikko, T., Stancak, A. Functional Connectivity with the default mode network is altered in fibromyalgia patients. PLoS One. 11 (7), e0159198(2016).
  70. Wang, Y., Kang, J., Kemmer, P. B., Guo, Y. An efficient and reliable statistical method for estimating functional connectivity in large scale brain networks using partial correlation. Frontiers in Neuroscience. 10, 123(2016).
  71. Mease, P. J., et al. Estimation of minimum clinically important difference for pain in fibromyalgia. Arthritis Care and Research (Hoboken). 63 (6), 821-826 (2011).
  72. Bingel, U., et al. Somatotopic organization of human somatosensory cortices for pain: a single trial fMRI study. NeuroImage. 23 (1), 224-232 (2004).
  73. Wager, T. D., et al. Pain in the ACC. Proceedings of the National Academy of Sciences of the United States of America. 113 (18), E2474-E2475 (2016).
  74. Nieto-Castanon, A. FMRI Denoising Pipeline. Handbook of Functional Connectivity Magnetic Resonance Imaging Methods in CONN. , Hilbert Press. Boston, MA. (2020).
  75. Friston, K. J., Williams, S., Howard, R., Frackowiak, R. S., Turner, R. Movement-related effects in fMRI time-series. Magnetic Resonance in Medicine. 35 (3), 346-355 (1996).
  76. Hallquist, M. N., Hwang, K., Luna, B. The nuisance of nuisance regression: spectral misspecification in a common approach to resting-state fMRI preprocessing reintroduces noise and obscures functional connectivity. NeuroImage. 82, 208-225 (2013).
  77. Chai, X. J., Nieto-Castanon, A., Ongur, D., Whitfield-Gabrieli, S. Anticorrelations in resting state networks without global signal regression. NeuroImage. 59 (2), 1420-1428 (2012).
  78. Nieto-Castanon, A. General Linear Model. Handbook of Functional Connectivity Magnetic Resonance Imaging Methods in CONN. , Hilbert Press. Boston, MA. (2020).
  79. Worsley, K. J., Marrett, S., Neelin, P., Vandal, A. C., Friston, K. J., Evans, A. C. A unified statistical approach for determining significant signals in images of cerebral activation. Human Brain Mapping. 4 (1), 58-73 (1996).
  80. Chumbley, J., Worsley, K., Flandin, G., Friston, K. Topological FDR for neuroimaging. NeuroImage. 49 (4), 3057-3064 (2010).
  81. Page, S. J., Persch, A. C. Recruitment, retention, and blinding in clinical trials. The American Journal of Occupational Therapy. 67 (2), 154-161 (2013).
  82. McGrath, R. E., Mitchell, M., Kim, B. H., Hough, L. Evidence for response bias as a source of error variance in applied assessment. Psychological Bulletin. 136 (3), 450-470 (2010).
  83. Robinson-Papp, J., George, M. C., Dorfman, D., Simpson, D. M. Barriers to chronic pain measurement: A qualitative study of patient perspectives. Pain Medicine. 16 (7), 1256-1264 (2015).

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

fMRI

相关文章