Article de méthode

Quantification de l’emplacement et de l’intensité de la douleur avec des diagrammes corporels multimodaux de la douleur

5.6K vues

⸱

DOI :

10.3791/65334

⸱

7 juillet 2023

 ,  ,  ,  ,  ,  , 
1Anesthesiology (Division of Pain Management), University of California, San Francisco, 2Neurological Surgery and UCSF Weill Institute of Neurosciences, University of California, San Francisco, 3Anesthesiology (Division of Pain Management) and Neurological Surgery and UCSF Weill Institute of Neurosciences, University of California, San Francisco

* These authors contributed equally

Dans cet article

Résumé

Les échelles de douleur actuelles utilisées pour quantifier la gravité de la douleur, telles que les échelles visuelles analogiques, ne parviennent pas à saisir la complexité des expériences subjectives de la douleur. Les diagrammes corporels de la douleur sont qualitatifs mais peuvent être plus informatifs. L’objectif de cette méthode est d’extraire des mesures quantitatives à partir de diagrammes corporels de douleur à l’aide d’une nouvelle transformation pression-teinte.

Résumé

Pour quantifier la gravité subjective de la douleur d’une personne, des échelles normalisées d’évaluation de la douleur telles que l’échelle d’évaluation numérique (NRS), l’échelle visuelle analogique (EVA) ou le questionnaire sur la douleur de McGill (MPQ) sont couramment utilisées pour évaluer la douleur sur une échelle numérique. Cependant, ces échelles sont souvent biaisées et ne parviennent pas à saisir la complexité des expériences douloureuses. En revanche, la pratique clinique exige souvent des patients qu’ils signalent les zones douloureuses en s’appuyant sur un schéma corporel, qui est un outil efficace mais qualitatif. La méthode présentée ici extrait des mesures quantifiables à partir de diagrammes de corps de douleur (PBD) qui sont validés par rapport aux échelles de douleur NRS, VAS et MPQ. En utilisant une nouvelle transformation pression-teinte sur une tablette numérique, différentes pressions de dessin appliquées avec un stylet numérique peuvent être représentées sous forme de teintes différentes sur un PBD. Cela produit un diagramme visuellement intuitif de teintes allant du vert au bleu en passant par le rouge, représentant respectivement les régions les plus douces à modérées à les plus douloureuses. Pour quantifier chaque PBD, de nouvelles mesures de douleur ont été définies : (1) l’intensité moyenne du PBD, qui est égale à la somme de la valeur de teinte de chaque pixel divisée par le nombre de pixels colorés, (2) la couverture PBD, qui est égale au nombre de pixels colorés divisé par le nombre total de pixels sur le corps, et (3) l’intensité de la somme PBD, qui est égale à la somme des valeurs de teinte de tous les pixels. À l’aide d’analyses de corrélation et de théorie de l’information, il a été démontré que ces mesures PBD avaient une concordance élevée avec les mesures standardisées de la douleur, y compris NRS, VAS et MPQ. En conclusion, les PBD peuvent fournir de nouvelles informations spatiales et quantitatives qui peuvent être mesurées et suivies à plusieurs reprises au fil du temps pour caractériser de manière exhaustive l’expérience de la douleur d’un participant.

Introduction

La douleur chronique est une affection neuropsychiatrique débilitante qui touche plus de 50 millions d’adultesaux États-Unis. Cependant, les outils cliniques courants pour suivre l’intensité subjective de la douleur (tels que l’échelle d’évaluation numérique [NRS] ou l’échelle visuelle analogique [EVA]) sont réductionnistes et ne parviennent pas à communiquer la nature complexe de l’intensité des symptômes de la douleur couvrant les domaines somatosensoriels, cognitifs ou affectifs 2,3. Le suivi précis de l’intensité de la douleur d’une personne est essentiel au diagnostic des syndromes douloureux, à la surveillance de la progression de la maladie et à l’évaluation de l’efficacité potentielle de thérapies telles que les médicaments ou la stimulation cérébrale.

L’outil d’intensité de la douleur NRS, largement utilisé, exige que le sujet évalue l’intensité de la douleur sous la forme d’une valeur entière comprise entre 0 et 10, ce qui représente l’absence de douleur jusqu’à la pire douleur possible. Bien qu’il soit facile à administrer et à comprendre, le SNR est limité par le biais d’ancrage des répondants, le biais d’attente et l’interprétation variable des valeurs individuelles 4,5 ; Ceux-ci limitent également les comparaisons entre les participants. Le SVA, une échelle continue de 0 à 100, peut réduire l’impact de l’ancrage, mais peut encore faire face à des limites similaires à celles du SNR4. Plusieurs études ont démontré un degré élevé de concordance entre le NRS et l’EVA pour la lombalgie chronique de gravité6,7 et la pratique clinique5, mais les lignes directrices consensuelles soulignent les nombreuses lacunes de l’utilisation d’échelles similaires dans la conception ou l’interprétation des essais cliniques sur la douleur 8,9. Le questionnaire abrégé sur la douleur 2 (MPQ) de McGill dissèque plus en détail les dimensions somatosensorielles et affectives de la douleur à l’aide de l’évaluation des descripteurs verbaux10, afin d’aider à faire la distinction entre la dimension sensorielle et affective de la douleur11. Bien que ces échelles d’évaluation de la douleur soient couramment utilisées pour suivre l’intensité de la douleur12,13, elles ne parviennent pas à saisir des informations topographiques détaillées telles que l’emplacement de la douleur ou la variation de l’intensité entre les régions du corps.

Les diagrammes corporels de la douleur (PBD) sont un outil d’évaluation de la douleur ouvert et de forme libre qui permet aux répondants d’illustrer une représentation visuelle de l’emplacement et de l’intensité de la douleur sur un plan schématique du corps humain14,15. Les PBD sont un outil de communication efficace entre les participants et les fournisseurs de soins de santé qui aide à suivre longitudinalement les symptômes de la douleur16. Le format graphique libre de PBD peut réduire le biais d’ancrage. Les modifications récentes apportées aux PBD, telles que l’introduction de diagrammes corporels spécifiques au sexe, ont accru leur efficacité en tant qu’outil de communication en alignant la forme corporelle représentée visuellement avec l’anatomie du répondant, augmentant ainsi l’auto-identification et la précision des réponses17. De plus, il a été démontré que l’utilisation de la couleur pour signifier l’intensité permet une communication efficace des symptômes de la douleur en surmontant les barrières culturelles et linguistiques. Par exemple, les couleurs blanc et rouge ont été le plus souvent choisies pour indiquer l’absence de douleur et la douleur intense, respectivement, dans une population de patients Hmong18. Bien que les PBD soient un outil efficace19,20, ils ont été limités par leur nature qualitative.

L’utilisation des PBD sur les tablettes numériques a considérablement élargi les outils disponibles pour quantifier la localisation et l’intensité de la douleur. Barbero et al. ont quantifié l’étendue de la douleur ou le nombre de pixels dessinés dans un PBD de patients souffrant de douleurs chroniques au bas du dos et au cou et ont montré une bonne fiabilité test-retest et une corrélation significative avec les mesures VAS21. Des diagrammes corporels ont également été analysés pour créer des cartes de fréquence de la douleur afin de montrer les zones du corps les plus douloureuses aux moins fréquemment21,22. Bien que ces méthodes quantifient les informations spatiales sur la douleur, jusqu’à présent, aucune méthode n’a incorporé à la fois l’intensité et la localisation de la douleur dans des mesures composites.

Le protocole suivant démontre une méthode permettant d’obtenir de nouveaux PBD colorés visuellement intuitifs et d’extraire trois mesures quantitatives qui, ensemble, reflètent un composite d’informations sur l’intensité de la douleur et la localisation. Pour ce faire, cinq participants participant à un essai de recherche sur la stimulation cérébrale profonde (SCP) pour la douleur neuropathique chronique réfractaire ont été sélectionnés pour tester l’approche actuelle, en utilisant un plan d’étude N-of-123. Les participants ont été invités à signaler l’intensité de leurs symptômes de douleur momentanés en appliquant différents niveaux de pression sur le stylo sur une application d’illustration de tablette pour produire des teintes de couleur correspondant à des intensités de douleur variables à différents endroits du corps. Les mesures de couverture, d’intensité totale et d’intensité moyenne dérivées du PBD ont été comparées à des mesures de la douleur validées plus courantes (c.-à-d. NRS, VAS et MPQ) à l’aide d’analyses statistiques et d’informations mutuelles (IM).

Au cours d’un séjour hospitalier de 10 jours, les patients évalués ont complété des PBD (moyenne ±écart-type (ET) = 121,8 ± 34,3 PBD par patient ; intervalle de 84 à 177 ; 609 PBD au total) en plus des échelles de douleur validées telles que le NRS, l’EVA et le MPQ plusieurs fois par jour. Les PBD ont été recueillis à l’aide d’une application pour tablette et téléchargés sous forme de fichiers horodatés sur des serveurs de recherche sécurisés une fois terminés. L’intensité de la douleur NRS, VAS et MPQ ont été acquises à l’aide des outils d’enquête REDCap, une application Web sécurisée. Les sondages et les PBD ont été administrés en personne par des assistants de recherche afin de s’assurer que les patients recevaient l’aide nécessaire pour effectuer leurs évaluations avec précision. Les étapes suivantes détaillent la configuration du PBD, l’instruction des participants, la collecte de données et l’analyse PBD utilisées pour quantifier de manière fiable la douleur (Figure 1).

Protocole

Ce protocole PBD a été mis en œuvre dans le cadre d’un protocole d’essai clinique parent (NCT03029884), approuvé par le programme de protection de la recherche humaine de l’UCSF et la FDA. Chaque participant (3 femmes et 2 hommes, tranche d’âge : 51-67 ans) a signé un consentement éclairé écrit ; ils ont été recrutés au centre de gestion de la douleur de l’UCSF ou référés par des médecins aux États-Unis.

1. Configuration du diagramme corporel de la douleur

  1. Critères d’inclusion des patients : Inclure les participants présentant les diagnostics de douleur suivants : plusieurs étiologies de douleur neuropathique, y compris la douleur centrale post-AVC (2 patients) et la maladie neurodégénérative de la colonne vertébrale avec douleur radiculaire (1 patient), le syndrome douloureux régional complexe (1 patient) et la lésion de la moelle épinière (1 patient). Tous les participants ont terminé leurs études postsecondaires.
  2. Importez un modèle PBD adapté au sexe (Figure supplémentaire 1), affichant à la fois les surfaces avant et arrière du corps, dans une application d’illustration qui contient un outil de dessin sensible à la pression sur une tablette numérique tactile. Téléchargez le modèle PBD dans la photothèque de la tablette, puis cliquez sur le bouton Importer .
  3. Créez un nouveau calque au-dessus du modèle PBD en cliquant sur l’icône Calques , puis sur le bouton + sur lequel le participant peut dessiner. Il en résulte deux couches, l’une avec le PBD et l’autre à dessiner avec des couleurs indiquant la douleur.
  4. Créez un nouveau pinceau avec une courbe de transformation pression-teinte x=y en cliquant d’abord sur l’icône Bibliothèque de pinceaux, puis sur + pour ouvrir le studio de pinceaux.
  5. Cliquez sur le bouton intitulé Dynamique des couleurs, puis faites défiler jusqu’à la section Pression des couleurs. Pour le curseur de teinte, cliquez sur le pourcentage numérique pour vous assurer que le graphique de transformation de la pression visualise une ligne droite de 45°.
    REMARQUE : Double-cliquez sur le graphique pour réinitialiser le graphique sur le graphique droit x=y.
  6. Pour définir la plage de dégradé de teinte du vert au bleu en passant par le rouge, ajustez le curseur de teinte sous la section de pression de couleur en cliquant sur le nombre de pourcentage répertorié et en saisissant une valeur numérique de 81 %.
    REMARQUE : Une autre façon de procéder est d’entrer des limites hexadécimales de #008000 à #FF0000 si l’application permet la saisie manuelle d’hexacodes.
  7. Sélectionnez une taille de stylet adaptée aux besoins des participants à l’étude en ajustant le curseur de l’outil plume. Une taille de stylo de 30 % est une bonne taille de départ pour la plupart des participants.

2. Consignes pour les participants

  1. Décrivez au patient l’anatomie du PBD et l’orientation des gabarits de corps en mode portrait, les outils de dessin et d’effacement, le pincement tactile pour zoomer et la fonctionnalité de panoramique.
  2. Expliquez la transformation linéaire pression-teinte aux participants de la manière suivante : informez les participants qu’une pression accrue appliquée au stylet se traduira par des teintes qui passeront du vert au bleu puis au rouge et qui doivent être colorées dans le diagramme pour représenter l’intensité de la douleur légère à modérée à sévère à un endroit donné, respectivement.
  3. À l’aide de la méthode d’apprentissage24, confirmez que le participant comprend la tâche PBD en lui demandant d’expliquer comment remplir le diagramme en utilisant ses propres mots.
  4. Accordez aux participants au moins 15 minutes de pratique pour dessiner plusieurs PBD sur une surface plane afin d’assurer une représentation précise de l’emplacement et de l’intensité de la douleur. Permettez que des ajustements soient effectués pour maximiser la facilité d’utilisation. Passez en revue les PBD immédiatement après avec chaque participant pour vous assurer de la cohérence et que les couleurs sont dessinées comme prévu.

3. Collecte et prétraitement des données

  1. Demandez aux participants de remplir des PBD au cours de la ligne de base ou à divers moments après un traitement ou une intervention. Prévoyez un temps illimité pour la réalisation de chaque PBD afin que chaque carte puisse être complétée à la satisfaction du participant.
  2. Enregistrez les PBD remplis avec un nom de fichier normalisé contenant l’identifiant du patient ainsi que la date et l’heure auxquelles le PBD a été terminé.
    REMARQUE : Ces fichiers sont enregistrés temporairement sur la tablette.
  3. Exportez en bloc les PBD terminés au format de document portable (.PDF) ou au format de fichier de document Photoshop (.PSD) qui conserve les calques d’image pour le prétraitement. Pour exporter en masse, cliquez d’abord sur l’icône Sélectionner pour choisir les images souhaitées, puis cliquez sur Partager pour ouvrir un menu de formats d’image à exporter. Cliquez sur le format de fichier de votre choix.
    REMARQUE : Les fichiers exportés sont téléchargés sur un serveur de recherche sécurisé.
  4. Téléchargez les PBD et ouvrez-les dans un éditeur d’images matricielles.
  5. Isolez les pixels colorés d’intérêt du calque supérieur du fichier PBD en ajoutant deux calques de masque : un calque entièrement noir sous le calque coloré et un calque de masque noir pour exclure les pixels en dehors du contour du corps du modèle au-dessus du calque coloré. Cela se traduira par des PBD traités qui ne contiennent que les pixels colorés dans le contour du corps sur un fond noir (Figure 1).
  6. Exportez les PBD traités sous forme de fichiers graphiques réseau portables (.png) en cliquant sur et en sélectionnant la séquence de boutons suivante : Fichier > Exporter > Exporter au format > PNG > Exporter.

4. Quantification du PBD

  1. Convertissez chaque valeur de pixel du PBD de l’espace colorimétrique RVB (rouge, vert, bleu) en espace colorimétrique HSV (teinte, saturation, valeur) à l’aide d’OpenCV225, un package Python accessible au public. Extrayez la valeur de teinte de chaque pixel en exécutant les scripts python intitulés rgba2hsv(nom de fichier) (fichier de codage supplémentaire 1) et measure_SAnoblur(nom de fichier, sigma-1.0) (Figure 1).
    REMARQUE : Ces scripts quantifient et ajustent les valeurs de teinte pour créer une échelle de teinte continue de 0 à 139,5. Les valeurs HSV sur OpenCV2 sont comprises entre 0 et 179. Le vert le plus clair, qui représente la moindre intensité de douleur, correspond à la valeur de teinte de 39,5. Certaines teintes rouges correspondent à des valeurs comprises entre 0 et 10. Les couleurs jaune et orange qui correspondent à des valeurs de teinte comprises entre 10 et 39,5 ne sont pas utilisées par l’outil plume. Les valeurs de teinte rouge de 0 à 10 sont réaffectées à 179 pour représenter correctement l’intensité la plus élevée de la douleur. L’échelle de teinte varie de 39,5 à 179 après cet ajustement. Ensuite, 39,5 est soustrait de chaque valeur de teinte de sorte que l’échelle finale est comprise entre 0 et 139,5.
  2. Calculez et normalisez les trois métriques PBD en exécutant le script Python intitulé quantifypain(filename) (Fichier de codage supplémentaire 1).
    1. Le script calcule chaque métrique comme décrit ci-dessous.
      1. Couverture PBD : divisez le nombre de pixels colorés par le nombre total de pixels disponibles dans le diagramme de corps. La plage du nombre de pixels colorés pour les femmes est comprise entre 0 et 820 452 pixels (nombre total de pixels) et la plage pour les hommes est comprise entre 0 et 724 608 pixels (nombre total de pixels).
      2. Intensité de la somme PBD : ajoutez les valeurs de teinte de tous les pixels du diagramme de corps. La plage de la somme des valeurs de teinte pour les femmes est comprise entre 0 et 114 453 054 et la plage pour les hommes est comprise entre 0 et 101 082 816.
      3. Intensité moyenne PBD : divisez la somme de toutes les valeurs de teinte par le nombre total de pixels colorés.
    2. Utilisez le script pour normaliser toutes les mesures PBD sur une échelle de 0 à 100 en suivant les calculs décrits ci-dessous.
      1. Couverture PBD : Multipliez la couverture PBD par 100.
      2. Somme PBD : Divisez l’intensité de la somme PBD par l’intensité maximale de la somme PBD et multipliez par 100. L’intensité maximale de la somme PBD est égale au nombre total de pixels dans le diagramme du corps multiplié par 139,5 (c’est-à-dire que pour les femmes, elle est de 820 452 pixels multipliée par 139,5, ce qui équivaut à 114 453 054 ; pour les hommes, elle est de 724 608 pixels multipliée par 139,5, ce qui équivaut à 101 082 816).
      3. Moyenne PBD : Divisez l’intensité moyenne PBD par la valeur maximale de teinte de 139,5 et multipliez par 100.
  3. Répétez les étapes 4.1 et 4.2 pour traiter chaque fichier PBD (avec extension .png). Compilez les résultats dans une feuille de calcul pour effectuer d’autres analyses.

Résultats

La moyenne, la somme et la couverture PBD fournissent de manière unique des informations sur les réponses à la douleur qui ne sont pas prises en compte dans d’autres échelles standardisées de la douleur. Entre les deux PBD (Figure 2A,B), l’intensité moyenne de la douleur est identique (moyenne PBD = 79,6). Cependant, une couverture et une somme accrues révèlent une plus grande répartition spatiale de la douleur et de l’intensité totale de la douleur, respectivement, qui différencient les deux PBD (Figure 2B). Pour quantifier avec précision la douleur à l’aide de ces mesures, les chercheurs doivent éviter les erreurs courantes suivantes de configuration du PBD (Figure 2C). L’épaisseur excessivement importante du stylo et les éléments superflus à l’extérieur du contour du corps, tels que les régions du corps qui tournent en rond ou les descripteurs écrits, ne seront pas pris en compte dans le traitement PBD. De même, un stylo blanc utilisé pour supprimer la couleur plutôt que l’outil gomme faussera les mesures PBD. La pratique et l’enseignement renforcé permettront aux patients de créer des PBD précis et quantifiables qui révèlent la variabilité de l’intensité et de la distribution de la douleur.

Les paramètres PBD ont été validés par rapport à l’ENR, à l’EVA et à la QPM (figure 3B ; Figure supplémentaire 2) et a obtenu un score élevé en termes de facilité d’utilisation (figure supplémentaire 1 et figure supplémentaire 2).

Mesures PBD corrélées aux mesures standard de la douleur
Les paramètres PBD ont été corrélés avec le NRS, l’EVA et le MPQ pour la plupart des patients (Figure 3A, Figure supplémentaire 1A,B). Chez quatre patients sur cinq, la somme, la couverture et la moyenne de PBD étaient corrélées à leur SVA et à leur SNR (corrélation de Spearman, rs = 0,33-0,72, p < 0,004, tableau supplémentaire 1). Pour trois participants sur cinq, les mesures PBD étaient également significativement corrélées avec les scores MPQ (corrélation de Spearman, rs  = 0,38-0,53, p < 0,004, tableau supplémentaire 1). Cependant, le patient 4 n’a pas montré de corrélations significatives entre les mesures PBD et les scores de douleur standard. Nous avons également caractérisé les relations non linéaires entre le PBD et les métriques standard à l’aide d’analyses de la théorie de l’information (Figure supplémentaire 2).

Les mesures PBD évitent l’ancrage de la réponse et partagent des informations mutuelles avec les mesures de douleur standard
Les mesures PBD contenaient plus d’informations (c’est-à-dire l’entropie) que le NRS. Chez les patients, le NRS contenait moins d’informations (2,32 ± 0,37 bits) par rapport à l’intensité de l’AVAS, à l’inconvénient de l’AVS, au total de l’EVA, à la somme de la PBD, à la couverture de la PBD et à la moyenne de la PBD (3,21 ± 0,49 bits, 3,20 ± 0,31 bits, 3,16 ± 0,23 bits, 3,06 ± 0,32 bits, 3,34 ± 0,16 bits, 3,22 ± 0,39 bits, respectivement ; Figure supplémentaire 2). Cela a été confirmé par une ANOVA à mesures répétées à un facteur (F(4,1) = 12,10, p < 0,05) et un test t de Tukey pour les comparaisons individuelles ( p < 0,05). Cela montre que les métriques PBD avaient moins d’ancrage de réponse que le NRS.

Le PBD a ensuite été validé par rapport à des paramètres établis par des analyses d’informations mutuelles (tests de permutation, α = 0,05). Chez quatre patients sur cinq, les mesures PBD partageaient significativement l’IM avec le NRS, l’intensité de l’AVS, le désagrément de l’EVA et le MPQ (p < 0,05, Figure 3B). En revanche, les mesures PBD du patient 4 ne partageaient pas significativement l’IM avec les mesures établies. Étant donné que leur SNR contenait le moins d’informations sur les patients (figure supplémentaire 2), cela suggère que le SNR n’a pas réussi à saisir les nuances de l’expérience de la douleur qui ont été capturées par le PBD. Chez tous les patients, le NRS partageait un IM significatif avec l’intensité de l’AVS, le désagrément de l’AVA et le MPQ, tandis que la somme du PBD partageait l’IM avec la couverture du PBD et la moyenne du PBD (p < 0,05, Figure 3B). Dans l’ensemble, pour la plupart des patients, les mesures PBD partageaient l’IM avec les mesures de douleur établies.

Les PBD étaient faciles à utiliser pour la plupart des participants
Dans le cadre de l’étude, quatre des cinq patients ont trouvé que le PBD était facile à utiliser et qu’il reflétait fidèlement leur douleur (tableau supplémentaire 2). Cependant, le patient 4 a signalé que le PBD était difficile à utiliser (5 sur une échelle de Likert à 5 points). C’est principalement parce qu’ils ont une douleur profonde et viscérale, qui n’est pas bien capturée dans un PBD en 2 dimensions (2D). Bien que les patients aient été plus ou moins familiers avec les PBD (2,8 ± 1,2, plage de 1 à 4, échelle de Likert à 5 points), ils ont tous utilisé quotidiennement des appareils électroniques comparables (5,0 ± 0,0, échelle de Likert à 5 points) et ont trouvé que la PBD était conviviale (5,2 ± 0,4, plage de 5 à 6, échelle de Likert à 6 points).

figure-results-1
Graphique 1. Workflow d’analyse du diagramme corporel de la douleur (PBD). Les patients ont utilisé des modèles de PBD vierges pour représenter l’emplacement et l’intensité de la douleur. Les PBD terminés contenaient des teintes allant du vert au bleu en passant par le rouge, représentant respectivement des régions de douleur légère, modérée à sévère. Les PBD ont été masqués pour n’inclure que les pixels dans le contour du corps, puis le modèle a été supprimé pour isoler uniquement les pixels contenant des teintes. À partir des PBD, la couverture PBD (%), l’intensité totale (normalisée à 0-100) et l’intensité moyenne (normalisée à 0-100) ont été calculées. Pour la couverture PBD, le nombre de pixels colorés a d’abord été divisé par le nombre total de pixels dans le diagramme (820 452 pixels pour les femmes, 724 608 pixels pour les hommes), puis multiplié par 100. Pour l’intensité de la somme PBD, les valeurs de teinte de tous les pixels du diagramme du corps ont d’abord été additionnées (plage féminine : 0-114 453 054 ; plage masculine : 0-101 082 816). La somme a ensuite été divisée par l’intensité maximale de la somme PBD (femmes : 820 452 pixels multiplié par la valeur maximale de teinte 139,5, hommes : 724 608 pixels par 139,5) et multipliée par 100. Pour l’intensité moyenne PBD, la somme de toutes les valeurs de teinte a été divisée par le nombre total de pixels colorés, puis normalisée en divisant par la valeur maximale de teinte de 139,5. Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-results-2
Graphique 2. PBD représentatifs montrant des exemples de bons et de mauvais PBD. (A,B) De bons PBD montrent l’utilité de calculer 3 mesures de douleur. (C) Les mauvais exemples de PBD comprennent une taille de stylo excessivement épaisse, des éléments superflus à l’extérieur du diagramme du corps et un effacement inexact. Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-results-3
Graphique 3. Les mesures PBD ont été validées par rapport aux mesures standard de la douleur via les analyses de corrélation et d’information mutuelle de Spearman. (A) L’intensité de l’EVA et la somme de la PBD sont tracées avec des lignes linéaires de meilleur ajustement tracées pour chaque patient. (B) Données au niveau du groupe montrant l’information mutuelle moyenne (IM) entre chaque mesure de la douleur, l’IM étant indiquée par une barre de couleur à droite. Le texte de chaque case représente le nombre de patients présentant un infarctus du myocarde statistiquement significatif pour une comparaison par paires donnée (p. ex., 3/5 indique 3 patients avec des valeurs significatives). L’IM est présenté par l’IM observé divisé par l’IM maximal théorique. Abréviations : NRS = échelle d’évaluation numérique ; Intensité VAS = intensité de l’échelle visuelle analogique ; VAS unpl. = désagrément visuel de la douleur à l’échelle analogique, QPM = questionnaire abrégé sur la douleur de McGill 2 ; PBD = diagramme corporel de la douleur ; PBD cov. = couverture PBD, IM = information mutuelle, sig. = significative. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure supplémentaire 1. La moyenne PBD (A) et la couverture PBD (B) sont tracées en fonction de l’intensité de l’EVA avec des lignes linéaires les mieux ajustées tracées pour chaque patient. Abréviations : VAS = échelle visuelle analogique ; PBD = diagramme corporel de la douleur. Veuillez cliquer ici pour télécharger ce fichier.

Figure supplémentaire 2. Entropie par mesure de la douleur chez les patients. Au niveau du groupe, l’intensité du NRS avait une entropie inférieure à celle de toutes les autres mesures de la douleur, comme le montre une ANOVA à un facteur à mesures répétées, suivie du test post-hoc de Tukey pour des comparaisons spécifiques * = p < 0,05, ** = p < 0,001. Abréviations : NRS = échelle d’évaluation numérique ; VAS = échelle visuelle analogique ; MPQ = Questionnaire sur la douleur de McGill ; PBD = diagramme corporel de la douleur. Veuillez cliquer ici pour télécharger ce fichier.

Tableau supplémentaire 1. Les corrélations de Spearman entre les mesures PBD et les mesures standard de la douleur autodéclarées. Coefficients de corrélation (rho) de Spearman pour trois mesures PBD extraites par rapport aux mesures de douleur NRS, VAS et MPQ. Abréviations : NRS = échelle d’évaluation numérique ; VAS = échelle visuelle analogique ; MPQ = Questionnaire sur la douleur de McGill ; PBD = diagramme corporel de la douleur. Veuillez cliquer ici pour télécharger ce fichier.

Tableau supplémentaire 2. Les impressions des patients sur la réalisation d’un PBD ont été révélées par le biais de questions spécifiques au PBD et de l’échelle d’utilisabilité du système. Les questions modifiées sur l’échelle d’utilisabilité alternaient les énoncés positifs et négatifs et étaient classées sur une échelle de 5 points (1 = tout à fait d’accord, 5 = pas du tout d’accord). Abréviation : PBD = diagramme du corps de la douleur. Veuillez cliquer ici pour télécharger ce fichier.

Fichier de codage supplémentaire 1 : script Python pour les métriques PBD. Le code python annoté traite un fichier PNG de diagramme de corps de douleur et génère des valeurs de moyenne, de couverture et de somme PBD pour chaque fichier. Le script inclut également des instructions d’importation permettant de télécharger les packages requis pour que le programme s’exécute. Veuillez cliquer ici pour télécharger ce fichier.

Dossier complémentaire 1 : Dossier complémentaire pour les précisions méthodologiques. Veuillez cliquer ici pour télécharger ce fichier.

Discussion

Étapes critiques du protocole
Les étapes clés comprennent : la configuration du PBD, les instructions du patient et le prétraitement. Pour la configuration du PBD, chaque PBD spécifique au sexe doit visualiser une vue de face et de dos26 et être superposé avec un calque vide sur une application d’illustration pour isoler les valeurs de teinte. De plus, la taille du stylo doit répondre aux besoins d’illustration des patients et des gradients de teinte doivent être définis pour analyser quantitativement les PBD. L’instruction du patient et la compréhension de l’outil sont fondamentales pour obtenir des données fiables. Il faut prévoir suffisamment de temps pour que les participants puissent s’exercer à mettre en œuvre l’outil sur le PBD. Utilisez la méthode d’apprentissage pour confirmer la compréhension des tâches et des sondages par les participants périodiquement pendant les tests, environ une fois tous les 10 PBD. Afin de garder une trace des PBD individuels, il est également judicieux de nommer chaque fichier avec un titre et un horodatage uniques une fois terminé. Après la collecte des données, chaque mesure PBD peut être extraite à l’aide de scripts Python27 (voir le fichier de codage supplémentaire 1). Les mesures de la couverture PBD, de l’intensité totale et de l’intensité moyenne peuvent être répétées avant et après tout traitement ou intervention pour suivre les réponses à la douleur chez le patient. Pour extraire ces mesures, un chercheur qui n’est pas directement impliqué dans la collecte de données doit superposer des calques de masque noir pour isoler uniquement les couleurs dessinées à l’intérieur du contour du corps, puis calculer les valeurs de pixels HSV à l’aide d’un code logiciel personnalisé fourni en tant que fichier supplémentaire 1.

Modifications et dépannage dans la technique
Les étapes méthodologiques ont été affinées lors de la collecte des données du patient 1. Il s’agit notamment de laisser plus de temps aux patients pour se familiariser avec le contrôle de la sensibilité à la pression du stylo, de configurer correctement les couches de diagrammes corporels pour le masquage et l’analyse ultérieurs, de limiter l’utilisation de symboles ou de mots sur les PBD et d’ajuster la sensibilité absolue à la pression du stylo en fonction de la force et de la dextérité de chaque participant (bien que la transformation entre la pression relative et la teinte soit restée constante). Les patients ont été autorisés à choisir la taille de leur stylo pour représenter au mieux leur douleur ; Cependant, le choix d’une taille fixe peut permettre de meilleures comparaisons futures entre les patients. Dans les itérations futures, le prototypage d’une méthode qui utilise un canal de couleur (par exemple, le rouge, le vert ou le bleu) et la variation de la luminosité de la couleur en fonction de la pression du stylet peuvent minimiser la perte de précision possible lors de la conversion de l’espace colorimétrique RVB en espace colorimétrique TSL.

Limites de la technique
Les PBD exigent que les patients aient une force motrice et une dextérité de base suffisantes dans au moins un membre supérieur avec une bonne capacité motrice fine dans les doigts au minimum pour compléter des diagrammes de manière indépendante et pour traduire avec précision leur expérience de la douleur par pression. Alors que les mesures standard de la douleur telles que NRS et MPQ peuvent être saisies sur papier ou sur un clavier par un assistant par communication verbale, cette modification avec les PBD n’est pas encore validée. Les PBD manquent également de profondeur en tant qu’illustration bidimensionnelle. Il a été démontré qualitativement que le niveau de détail d’un diagramme corporel tridimensionnel élargit la communication de l’information sur la douleur17. Une caractérisation plus poussée de la profondeur de la douleur permet de saisir de nouvelles informations sur la douleur qui ne sont pas examinées dans des échelles telles que le NRS, l’EVA et le MPQ. À l’heure actuelle, les diagrammes corporels ne sont pas conçus pour capturer une somatisation plus abstraite ou des formes plus profondes de douleur. Par exemple, le patient 4 a déclaré que l’emplacement et l’intensité de la douleur n’étaient pas bien caractérisés par le diagramme corporel de l’enquête sur l’utilisabilité, car il estimait qu’ils ne reflétaient pas sa douleur neuropathique interne. Le patient 5 a souvent dessiné des lignes pointillées dans les diagrammes corporels pour indiquer la lourdeur dans son corps, ce qui peut confondre les calculs métriques. Les futures itérations de PBD pourraient être étendues pour représenter la somatisation de la douleur ou de la douleur viscérale dans une méthode quantifiable. Enfin, les PBD ont été analysés dans un cadre N-of-1, où près de 100 PBD distincts ont été générés pour chaque participant. Il n’a pas été possible d’effectuer des analyses au niveau du groupe en raison du petit nombre total de participants. Par conséquent, il n’a pas été possible de déterminer la fiabilité test-retest dans cette étude, car les réponses aux échelles NRS sont confrontées à un biais d’ancrage, ce qui suggère que les mêmes scores NRS peuvent ne pas être équivalents aux mêmes PBD testés après l’essai. Des recherches futures seront nécessaires pour évaluer les paramètres PBD dans un contexte d’analyse par groupe et la fiabilité test-retest de la méthode dans un échantillon plus large.

Importance de la méthode par rapport aux méthodes existantes
Les PBD ont été largement utilisés dans les milieux cliniques et de recherche pour démontrer l’intensité de la douleur d’un participant dans son corps14,15, mais cet outil est resté largement limité par sa nature qualitative. Bien que la cartographie numérique de la douleur ait été utilisée pour suivre longitudinalement la douleur chronique16, les patients n’avaient pas la capacité de représenter l’intensité et l’emplacement de la douleur dans une technique combinée et précise. Cette nouvelle transformation pression-teinte incorporée aux PBD fournit des mesures composites spatiales et quantitatives de la douleur qui peuvent être mesurées et suivies à plusieurs reprises dans le temps pour capturer l’expérience de la douleur d’un participant. Ici, il a été démontré que trois mesures PBD extraites qui reflétaient de manière différentielle l’intensité et l’emplacement de la douleur chez un patient, c’est-à-dire la couverture PBD, l’intensité totale et l’intensité moyenne, présentaient une validité et une concordance élevées avec des mesures standardisées de la douleur telles que l’intensité NRS, l’intensité VAS, le désagrément VAS et le MPQ. Toutes les mesures de PBD étaient corrélées aux scores VAS et NRS chez quatre patients sur cinq et significativement corrélées à la MPQ chez trois patients sur cinq. De plus, l’approche de la théorie de l’information 28,29,30,31 a révélé des relations non linéaires qui n’ont pas été détectées avec des méthodes statistiques plus courantes. Dans l’étude, quatre patients sur cinq présentaient un infarctus du myocarde significatif entre les mesures PBD et le SNR, l’intensité de l’AVS, le désagrément de l’AVA et le MPQ, ce qui démontre un chevauchement significatif, mais non total, du contenu de l’information. Ainsi, les mesures PBD étaient très concordantes avec les mesures standardisées de la douleur, mais la moyenne PBD semblait refléter une combinaison d’informations d’intensité et de localisation qui n’était pas présente dans les mesures conventionnelles de la douleur.

Applications futures de cette technique
Les résultats actuels démontrent que les PBD peuvent être particulièrement appropriés pour les patients qui ressentent et quantifient leur douleur sur une échelle non linéaire. De la même manière que les descripteurs verbaux peuvent fournir une autre dimension aux participants pour évaluer la douleur, les PBD fournissent une interprétation graphique unique et basée sur la pression de leur douleur. En mettant en œuvre une nouvelle transformation pression-teinte, les diagrammes corporels fournissent des informations sur l’emplacement, la propagation et la variation régionale de l’intensité de la douleur, ce qui, à notre connaissance, n’a pas été démontré auparavant. Avec les données neuronales recueillies au cours de tout essai de SCP, les mesures PBD peuvent être un outil puissant pour localiser la douleur dans différentes régions du corps vers différentes régions du cerveau et aider à informer les études mécanistiques sur les voies de signalisation de la douleur. La transformation pression-teinte mise en œuvre dans les PBD peut être utilisée dans de nombreux contextes cliniques et de recherche pour analyser le soulagement de la douleur en réponse au traitement ou comparer la douleur au fil du temps. Cette méthode produit non seulement des diagrammes uniques et visuellement intuitifs pour évaluer la douleur, mais capture également avec précision l’expérience d’un patient au-delà d’un score numérique unique.

Déclarations de divulgation

Les auteurs déclarent que la recherche a été menée en l’absence de toute relation commerciale ou financière qui pourrait être interprétée comme un conflit d’intérêts potentiel.

Remerciements

Cette étude a été financée par la subvention UH3-NS115631 des National Institutes of Health à PS. Les sources de financement ont approuvé la conception de l’étude, mais n’ont joué aucun rôle dans l’exécution de l’étude, l’analyse des données ou la préparation du manuscrit. Nous remercions également le Dr Edward F. Chang, le Dr Philip A. Starr et les participants à notre étude.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Adobe Photoshop v.21.2.1Adobe Inc.N/AApplication d’édition de photos pour prétraiter la douleur Diagrammes corporels
Apple Pencil 2e générationApple Inc.A2051Stylet numérique pour la transformation de la teinte sous pression
iPad Pro (11 pouces, 2e génération)Apple Inc.MY332LL/ATablette numérique tactile
Pain Body Diagram Modèle123RF95218807Copyright Utilisation
Procreate v5.3.1ProcreateN/AApplication d’illustration disponible dans le commerce
REDCap v13.2.1Vanderbilt UniversityN/Asécurisée d’enquête Web et de base de données
Application

Références

  1. Yong, R. J., Mullins, P. M., Bhattacharyya, N. Prevalence of chronic pain among adults in the United States. Pain. 163 (2), e328-e332 (2022).
  2. Shirvalkar, P., Veuthey, T. L., Dawes, H. E., Chang, E. F. Closed-Loop Deep Brain Stimulation for Refractory Chronic Pain. Frontiers in Computational Neuroscience. 12, 18(2018).
  3. Bittar, R. G., et al. Deep brain stimulation for pain relief: A meta-analysis. Journal of Clinical Neuroscience. 12 (5), 515-519 (2005).
  4. Wewers, M. E., Lowe, N. K. A critical review of visual analogue scales in the measurement of clinical phenomena. Research in Nursing & Health. 13 (4), 227-236 (1990).
  5. Price, D. D., Bush, F. M., Long, S., Harkins, S. W. A comparison of pain measurement characteristics of mechanical visual analogue and simple numerical rating scales. Pain. 56 (2), 217-226 (1994).
  6. Shafshak, T. S., Elnemr, R. The Visual Analogue Scale Versus Numerical Rating Scale in Measuring Pain Severity and Predicting Disability in Low Back Pain. JCR: Journal of Clinical Rheumatology. 27 (7), 282-285 (2021).
  7. Strong, J., Ashton, R., Chant, D. Pain Intensity Measurement in Chronic Low Back Pain. The Clinical Journal of Pain. 7 (3), 209(1991).
  8. Smith, S. M., et al. Interpretation of chronic pain clinical trial outcomes: IMMPACT recommended considerations. Pain. 161 (11), 2446(2020).
  9. Dworkin, R. H., Kerns, R. D., McDermott, M. P., Turk, D. C., Veasley, C. The ACTTION guide to clinical trials of pain treatments, part II: mitigating bias, maximizing value. Pain Reports. 6 (1), e886(2021).
  10. Melzack, R. The McGill Pain Questionnaire: Major properties and scoring methods. Pain. 1 (3), 277-299 (1975).
  11. Gracely, R. H., McGrath, P., Dubner, R. Validity and sensitivity of ratio scales of sensory and affective verbal pain descriptors: Manipulation of affect by diazepam. Pain. 5 (1), 19-29 (1978).
  12. Williamson, A., Hoggart, B. Pain: a review of three commonly used pain rating scales. Journal of Clinical Nursing. 14 (7), 798-804 (2005).
  13. Main, C. J. Pain assessment in context: a state of the science review of the McGill pain questionnaire 40 years on. Pain. 157 (7), 1387-1399 (2016).
  14. Schott, G. D. The cartography of pain: The evolving contribution of pain maps. European Journal of Pain. 14 (8), 784-791 (2010).
  15. Palmer, H. Pain charts; a description of a technique whereby functional pain may be diagnosed from organic pain. The New Zealand Medical Journal. 48 (264), 187-213 (1949).
  16. Villa, M. G., Palsson, T. S., Royo, A. C., Bjarkam, C. R., Boudreau, S. A. Digital Pain Mapping and Tracking in Patients With Chronic Pain: Longitudinal Study. Journal of Medical Internet Research. 22 (10), e21475(2020).
  17. Egsgaard, L. L., Christensen, T. S., Petersen, I. M., Brønnum, D. S., Boudreau, S. A. Do Gender-Specific and High-Resolution Three Dimensional Body Charts Facilitate the Communication of Pain for Women? A Quantitative and Qualitative Study. JMIR Human Factors. 3 (2), e19(2016).
  18. Lor, M., Rabago, D., Backonja, M. Evaluation of the Use of Colors and Drawings for Pain Communication for Hmong Patients. Pain Management Nursing. 22 (6), 811-819 (2021).
  19. Sehgal, N., Gordon, D. B., Hetzel, S., Backonja, M. 34;Misha" Colored pain drawing as a clinical tool in differentiating neuropathic pain from non-neuropathic pain. Pain Medicine. 22 (3), 596-605 (2021).
  20. Takata, K., Hirotani, H. Pain drawing in the evaluation of low back pain. International Orthopaedics. 19 (6), 361-366 (1995).
  21. Barbero, M., et al. Test-retest reliability of pain extent and pain location using a novel method for pain drawing analysis. European Journal of Pain. 19 (8), 1129-1138 (2015).
  22. Dixit, A., Lee, M. Quantification of Digital Body Maps for Pain: Development and Application of an Algorithm for Generating Pain Frequency Maps. JMIR Formative Research. 6 (6), e36687(2022).
  23. Borsook, D., Upadhyay, J., Hargreaves, R., Wager, T. Enhancing choice and outcomes for therapeutic trials in chronic pain: N-of-1+ imaging (+ i). Trends in Pharmacological Sciences. 41 (2), 85-98 (2020).
  24. Weiss, B. D. Help patients understand. Manual for Clinicians. AMA Foundation. , (2007).
  25. Bradski, G. The OpenCV Library. Dr. Dobb's Journal of Software Tools. (120), 122-125 (2000).
  26. Male And Female Body Front And Back View. Blank Human Body Template For Medical Infographic. Isolated Vector Illustration. Royalty Free SVG, Cliparts, Vectors, And Stock Illustration. Image 95218807. 123RF. , (2023).
  27. Van Rossum, G., Drake, F. L. Python 3 Reference Manual. , CreateSpace. Scotts Valley, CA. (2009).
  28. Shannon, C. E. A mathematical theory of communication. The Bell System Technical Journal. 27 (3), 379-423 (1948).
  29. Timme, N. M., Lapish, C. A Tutorial for Information Theory in Neuroscience. eNeuro. 5 (3), 0052-0018 (2018).
  30. Cohen, M. X. Analyzing Neural Time Series Data: Theory and Practice. , (2014).
  31. Freedman, D., Diaconis, P. On the histogram as a density estimator:L 2 theory. Zeitschrift for Wahrscheinlichkeitstheorie und Verwandte Gebiete. 57 (4), 453-476 (1981).

Réimpressions et autorisations

Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE

Demander une autorisation

Mots-clés

Sch ma corporel de la douleurQuantification de la localisation de la douleurCartographie de l intensit de la douleurTransformation de la teinte de pressionDessin sur tablette num riquechelle visuelle analogiquechelle num rique d valuationQuestionnaire de la douleur de McGillAnalyse des mesures de la douleurExtraction de la teinte des pixels

Articles connexes