Name: Sygnały multimodalne do analizy reakcji bólowych na bodźce termiczne i elektryczne (Wideo) | JoVE Journal
Uploaded: 2019-04-05T13:00:00.000+00:00
Duration: 9 min 16 s
Description: Poznaj metodę rejestracji sygnałów multimodalnych do analizy reakcji bólowych na bodźce termiczne i elektryczne. Technika umożliwia obiektywną ocenę intensywności i czasu trwania bólu w badaniach neurofizjologicznych.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Autorzy chcieliby podziękować Verenie Friedrich, Marii Velana, Sandrze Gebhardt, Romy Bärwaldt i Tinie Daucher za ich cenną pomoc w przeprowadzeniu badania. Ponadto specjalne podziękowania kierujemy do dr Stefanie Rukavina za jej wsparcie naukowe. Badania te były częścią projektu DFG/TR233/12 (http://www.dfg.de/) "Postęp i systematyczna walidacja automatycznego systemu rozpoznawania bólu na podstawie wyrazu twarzy i parametrów psychobiologicznych", finansowanego przez Niemiecką Fundację Badawczą.

<ol><li>Hawker, G. A., Mian, S., Kendzerska, T., French, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Measures+of+adult+pain%3A+Visual+analog+scale+for+pain+%28vas+pain%29%2C+numeric+rating+scale+for+pain+%28nrs+pain%29%2C+mcgill+pain+questionnaire+%28mpq%29%2C+short%E2%80%90form+mcgill+pain+questionnaire+%28sf%E2%80%90mpq%29%2C+chronic+pain+grade+scale+%28cpgs%29%2C+short+form%E2%80%9036+bodily+pain+scale+%28sf%E2%80%9036+bps%29%2C+and+measure+of+intermittent+and+constant+osteoarthritis+pain+%28icoap%29%5BTitle%5D)+AND+%22Arthritis+Care+%26+Research%22%5BJournal%5D)">Measures of adult pain: Visual analog scale for pain (vas pain), numeric rating scale for pain (nrs pain), mcgill pain questionnaire (mpq), short‐form mcgill pain questionnaire (sf‐mpq), chronic pain grade scale (cpgs), short form‐36 bodily pain scale (sf‐36 bps), and measure of intermittent and constant osteoarthritis pain (icoap).</a> Arthritis Care & Research. 63 (11), 240-252 (2011).</li>
<li>Kehlet, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Acute+pain+control+and+accelerated+postoperative+surgical+recovery%5BTitle%5D)+AND+%22Surgical+Clinics%22%5BJournal%5D)">Acute pain control and accelerated postoperative surgical recovery.</a> Surgical Clinics. 79, 431-443 (1999).</li>
<li>McQuay, H., Moore, A., Justins, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Treating+acute+pain+in+hospital%5BTitle%5D)+AND+%22British+Medical+Journal%22%5BJournal%5D)">Treating acute pain in hospital.</a> British Medical Journal. 314 (7093), 1531-1535 (1997).</li>
<li>Brahnam, S., Chuang, C. F., Shih, F. Y., Slack, M. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((SVM+classification+of+neonatal+facial+images+of+pain.+Fuzzy+Logic+and+Applications+%28revised+selected+papers+from+the+6th+International+Workshop%2C+WILF+2005%2C+Crema%2C+Italy%2C+September+15-17%2C+2005%29%5BTitle%5D)+AND+%22Lecture+Notes+in+Computer+Science%22%5BJournal%5D)">SVM classification of neonatal facial images of pain. Fuzzy Logic and Applications (revised selected papers from the 6th International Workshop, WILF 2005, Crema, Italy, September 15-17, 2005).</a> Lecture Notes in Computer Science. 3849, 121-128 (2005).</li>
<li>Basler, H. D., Bloem, R., Casser, H. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Ein+strukturiertes+Schmerzinterview+f%C3%BCr+geriatrische+Patienten%5BTitle%5D)+AND+%22Schmerz%22%5BJournal%5D)">Ein strukturiertes Schmerzinterview für geriatrische Patienten.</a> Schmerz. 15, 164-171 (2001).</li>
<li>Zwakhalen, S. M. G., Hamers, J. P. H., Abu-Saad, H. H., Berger, M. P. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pain+in+elderly+people+with+severe+dementia%3A+a+systematic+review+of+behavioural+pain+assessment+tools%5BTitle%5D)+AND+%22BioMed+Central+Geriatrics%22%5BJournal%5D)">Pain in elderly people with severe dementia: a systematic review of behavioural pain assessment tools.</a> BioMed Central Geriatrics. 6 (3), (2006).</li>
<li>Herr, K., Bjoro, K., Decker, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Tools+for+assessment+of+pain+in+nonverbal+older+adults+with+dementia%3A+a+state-of-the-science+review%5BTitle%5D)+AND+%22Journal+of+Pain+and+Symptom+Manage%22%5BJournal%5D)">Tools for assessment of pain in nonverbal older adults with dementia: a state-of-the-science review.</a> Journal of Pain and Symptom Manage. 31 (2), 170-192 (2006).</li>
<li>Handel, E., Gnass, I. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aHandel%2C+E+%22Praxishandbuch+ZOPA+%3A+Schmerzeinsch%C3%A4tzung+bei+Patienten+mit+kognitiven+und%2Foder+Bewusstseinsbeeintr%C3%A4chtigungen%22">Praxishandbuch ZOPA : Schmerzeinschätzung bei Patienten mit kognitiven und/oder Bewusstseinsbeeinträchtigungen</a>. , Huber. Bern. (2010).</li>
<li>Abbey, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Abbey+pain+scale%3A+a+1-minute+numerical+indicator+for+people+with+end-stage+dementia%5BTitle%5D)+AND+%22International+Journal+Of+Palliative+Nursing%22%5BJournal%5D)">The Abbey pain scale: a 1-minute numerical indicator for people with end-stage dementia.</a> International Journal Of Palliative Nursing. 10 (1), 6-13 (2004).</li>
<li>Gruss, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pain+intensity+recognition+rates+via+biopotential+feature+patterns+with+support+vector+machines%5BTitle%5D)+AND+%22PLoS+ONE%22%5BJournal%5D)">Pain intensity recognition rates via biopotential feature patterns with support vector machines.</a> PLoS ONE. 10, 1-14 (2015).</li>
<li>Walter, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatic+pain+quantification+using+autonomic+parameters%5BTitle%5D)+AND+%22Psychology+%26+Neuroscience%22%5BJournal%5D)">Automatic pain quantification using autonomic parameters.</a> Psychology & Neuroscience. 7 (3), 363(2014).</li>
<li>Werner, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatic+pain+assessment+with+facial+activity+descriptors%5BTitle%5D)+AND+%22IEEE+Transactions+on+Affective+Computing%22%5BJournal%5D)">Automatic pain assessment with facial activity descriptors.</a> IEEE Transactions on Affective Computing. 8 (3), 286-299 (2017).</li>
<li>Thiam, P., Kessler, V., Walter, S., Palm, G., Schwenker, F. Audio-Visual Recognition of Pain Intensity. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aThiam%2C+P+%22IAPR+Workshop+on+Multimodal+Pattern+Recognition+of+Social+Signals+in+Human-Computer+Interaction%22">IAPR Workshop on Multimodal Pattern Recognition of Social Signals in Human-Computer Interaction</a>. , Springer. Cham. (2016).</li>
<li>Niese, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Towards+Pain+Recognition+in+Post-Operative+Phases+Using+3D-based+Features+from+Video+and+Support+Vector+Machines%5BTitle%5D)+AND+%22International+Journal+of+Digital+Content+Technology+and+its+Applications%22%5BJournal%5D)">Towards Pain Recognition in Post-Operative Phases Using 3D-based Features from Video and Support Vector Machines.</a> International Journal of Digital Content Technology and its Applications. 3 (4), 21-33 (2009).</li>
<li>Hammal, Z., Kunz, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pain+monitoring%3A+A+dynamic+and+context-sensitive+system%5BTitle%5D)+AND+%22Pattern+Recognition%22%5BJournal%5D)">Pain monitoring: A dynamic and context-sensitive system.</a> Pattern Recognition. 45 (4), 1265-1280 (2012).</li>
<li>Werner, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatic+pain+recognition+from+video+and+biomedical+signals%5BTitle%5D)+AND+%22Pattern+Recognition+%28ICPR%29%2C+22nd+International+Conference+on+Pattern+Recognition%22%5BJournal%5D)">Automatic pain recognition from video and biomedical signals.</a> Pattern Recognition (ICPR), 22nd International Conference on Pattern Recognition. , 4582-4587 (2014).</li>
<li>Walter, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Diagnostik+der+Schmerzintensit%C3%A4t%2C+basierend+auf+multimodalen+Signalen+und+maschinellen+Lernen%5BTitle%5D)+AND+%22Habilitationsschrift%22%5BJournal%5D)">Diagnostik der Schmerzintensität, basierend auf multimodalen Signalen und maschinellen Lernen.</a> Habilitationsschrift. , (2017).</li>
<li>Chu, Y., Zhao, X., Han, J., Su, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Physiological+Signal-Based+Method+for+Measurement+of+Pain+Intensity%5BTitle%5D)+AND+%22Frontiers+in+aneuroscience%22%5BJournal%5D)">Physiological Signal-Based Method for Measurement of Pain Intensity.</a> Frontiers in aneuroscience. 11, (2017).</li>
<li>Kächele, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multimodal+data+fusion+for+person-independent%2C+continuous+estimation+of+pain+intensity%5BTitle%5D)+AND+%22Engineering+Applications+of+Neural+Networks%22%5BJournal%5D)">Multimodal data fusion for person-independent, continuous estimation of pain intensity.</a> Engineering Applications of Neural Networks. , 275-285 (2015).</li>
<li>Walter, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+BioVid+Heat+Pain+Database+-+Data+for+the+advancement+and+systematic+validation+of+an+automated+pain+recognition+system%5BTitle%5D)+AND+%22Cybernetics+%28CYBCONF%29%2C+IEEE+International+Conference+on+Cybernetics%22%5BJournal%5D)">The BioVid Heat Pain Database - Data for the advancement and systematic validation of an automated pain recognition system.</a> Cybernetics (CYBCONF), IEEE International Conference on Cybernetics. , 128-131 (2013).</li>
<li>Velana, M., Walter, S., Gruss, S., Werner, P., Al-Hamadi, A. The SenseEmotion Database: A Multimodal Database for the Development and Systematic Validation of an Automatic Pain- and Emotion-Recognition System. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aVelana%2C+M+%22Multimodal+Pattern+Recognition+of+Social+Signals+in+Human-Computer-Interaction.+MPRSS+2016.+Lecture+Notes+in+Computer+Science%22">Multimodal Pattern Recognition of Social Signals in Human-Computer-Interaction. MPRSS 2016. Lecture Notes in Computer Science</a>. Schwenker, F., Scherer, S. , Springer. Cham. (2017).</li>
<li>Lautenbacher, S., Peters, J. H., Heesen, M., Scheel, J., Kunz, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Age+changes+in+pain+perception%3A+a+systematic-review+and+meta-analysis+of+age+effects+on+pain+and+tolerance+thresholds%5BTitle%5D)+AND+%22Neuroscience+%26+Biobehavioral+Reviews%22%5BJournal%5D)">Age changes in pain perception: a systematic-review and meta-analysis of age effects on pain and tolerance thresholds.</a> Neuroscience & Biobehavioral Reviews. 75, 104-113 (2017).</li>
<li>Kállai, I., Barke, A., Voss, U. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+effects+of+experimenter+characteristics+on+pain+reports+in+women+and+men%5BTitle%5D)+AND+%22Pain%22%5BJournal%5D)">The effects of experimenter characteristics on pain reports in women and men.</a> Pain. 112 (1), 142-147 (2004).</li>
<li>McCambridge, J., Witton, J., Elbourne, D. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Systematic+review+of+the+Hawthorne+effect%3A+New+concepts+are+needed+to+study+research+participation+effects%5BTitle%5D)+AND+%22Journal+of+Clinical+Epidemiology%22%5BJournal%5D)">Systematic review of the Hawthorne effect: New concepts are needed to study research participation effects.</a> Journal of Clinical Epidemiology. 67 (3), 267-277 (2014).</li>
</ol>

Autorzy nie mają nic do ujawnienia.

Prezentowany protokół koncentruje się na eksperymentalnym wywoływaniu bólu termicznego (cieplnego) i elektrycznego przy jednoczesnej rejestracji sygnałów fizjologicznych, wzrokowych i paralingwistycznych. To nowatorskie podejście, łączące dwa modele bólu o różnej intensywności bodźców i dwóch różnych czasie trwania bodźców (fazowych i tonicznych), oferuje szeroką perspektywę na psychofizjologiczne wzorce i ekspresje bólu. Jednak w celu realizacji tego protokołu należy wziąć pod uwagę kilka kroków.
Ogólnie rzecz biorąc, w przypadku pracy z bodźcami bólowymi kluczowe jest zapewnienie bezpieczeństwa badanych. Wszystkie bodźce bólowe muszą być ściśle kontrolowane i powinny być wykonywane tylko przez doświadczonych eksperymentatorów. Ponadto, do rejestrowania i gromadzenia wiarygodnych i wysokiej jakości danych, zaleca się odpowiednie zamocowanie urządzeń (elektrod), doskonałe funkcjonowanie urządzeń rejestrujących i płynną komunikację między komputerami. Wszystkie źródła zakłóceń powinny zostać wyeliminowane lub ograniczone do minimum. Aby zagwarantować spójność między uczestnikami, ważne jest, aby zapewnić ustandaryzowane instrukcje i niezmienne warunki eksperymentu.
Z naszego doświadczenia wynika, że znalezienie odpowiednich uczestników, którzy spełniają wszystkie kryteria i są chętni na otrzymywanie wielu bolesnych bodźców, zajmuje dużo czasu i jest nie lada wyzwaniem. Ponadto wynagrodzenie pieniężne musi być na tyle wysokie, aby przyciągnąć uczestników do badania. Szczególnie trudno jest znaleźć osoby w wieku od 30 do 50 lat. Może to wynikać z faktu, że eksperyment jest zbyt długi (ok. 4 godziny, wliczając przyjazd i wyjazd) i muszą wziąć pół dnia wolnego od pracy.
Ponieważ bezpieczeństwo uczestników jest najwyższym priorytetem, indukcja bólu może wymagać ograniczenia. Ze względu na wytyczne etyczne, intensywność bodźca nie może przekraczać określonych poziomów, aby zapobiec oparzeniom i utracie przytomności odpowiednio pod względem termicznej i elektrycznej indukcji bólu. Ogólne ograniczenie intensywności może spowodować efekt sufitu, ponieważ niektóre osoby mogą osiągnąć limity intensywności przed odczuciem nieznośnego bólu. W tym badaniu około 42% (biorąc pod uwagę kalibrację termiczną część 1 i 2) uczestników osiągnęło odcięcia termiczne (patrz reprezentatywne wyniki). Ponieważ nie osiągnęły one swoich "rzeczywistych" tolerancji na ból, ich reakcje fizjologiczne na najwyższe bodźce termiczne mogą zachowywać się inaczej w przeciwieństwie do reakcji fizjologicznych osób, które je osiągnęły. Jeśli tak, wymieszanie tych dwóch grup może wpłynąć na wyniki klasyfikacji pod względem rozpoznawania bólu.
Ważną kwestią, którą należy poruszyć, są metody leczenia bólu w tym eksperymencie. Uczestnicy są poddawani wyłącznie termicznym i elektrycznym bodźcom bólowym (ze względu na fakt, że są one wysoce kontrolowane w warunkach eksperymentalnych). W związku z tym, jeśli badasz wzorce bólu pod kątem jakości, wyniki mogą nie przekładać się na inne modalności bólu, takie jak ucisk, ból chemiczny lub trzewny. Te same względy dotyczące możliwości przenoszenia wyników odnoszą się do badanej próby. Protokół jest etycznie ograniczony do zdrowych osób dorosłych. Na przykład nie obejmuje dzieci ani osób z zaburzeniami poznawczymi i werbalnymi. Co więcej, w naszym badaniu uczestniczyli tylko Europejczycy. Również w tym przypadku wyniki analityczne mogą nie mieć zastosowania do grup nieuwzględnionych w tym eksperymencie.
Kolejne ograniczenie może dotyczyć efektu Hawthorne'a24: badani są świadomi, że są filmowani/obserwowani w badaniu. To może zmienić ich zachowanie.
W porównaniu z istniejącymi bazami danych bólu, protokół zapewnia znaczące korzyści w zakresie analizy wzorców reakcji na ból, ponieważ łączy dwa modele bólu i dwa przebiegi czasowe (fazowy i tonizujący): Oprócz intensywności i czasu trwania bólu bierze również pod uwagę jakość bólu. Ponieważ ból termiczny jest opisywany inaczej niż ból elektryczny (np. pieczenie vs. ostry), może również różnić się reakcjami bólowymi. Jeśli tak, odkrycia te mogą powiązać wzorzec reakcji na ból z leżącym u jego podstaw źródłem. Co więcej, badanie ma charakter multimodalny, co pozwala poszerzyć zakres możliwości badania bólu: wykorzystując 5 sygnałów psychofizjologicznych, 2 sygnały z kamery twarzy (przód / bok), 1 sygnał z kamery widoku ciała, 1 kamerę termowizyjną i 1 sygnał dźwiękowy, ból może być analizowany i oceniany bardziej precyzyjnie.
W celu bardziej złożonego zbadania wzorców reakcji na ból, przyszłe rozszerzenia tej metody powinny obejmować więcej biosygnałów, takich jak elektroencefalografia (EEG), temperatura ciała i oddychanie. Bardzo korzystne byłoby również zastosowanie kontrolowanego ciśnienia jako dalszego modelu bólu. Naukowcy, którzy dążą do automatycznego rozpoznawania bólu na podstawie danych zebranych za pomocą tego protokołu, powinni dalej testować obiecujące modele uczenia maszynowego w klinicznych grupach kontrolnych.

Ból to bardzo osobiste i nieprzyjemne uczucie, które jest odbierane inaczej przez każdego. Trwa od kilku sekund do miesięcy i może różnić się jakością (pulsowanie, ostry, pieczenie itp.). Nieodpowiednio leczony ból wpływa na fizyczne i psychiczne funkcje organizmu, obniża jakość życia i niesie ze sobą ryzyko, że stanie się chorobą przewlekłą. W opiece klinicznej dokładna ocena intensywności i jakości bólu jest bardzo istotna dla zapewnienia skutecznego leczenia bólu1,2. Złoty standard metod oceny bólu, takich jak wizualne skale analogowe (VAS), numeryczna skala oceny (NRS) lub Kwestionariusz Bólu McGill3, opierają się na samoopisach pacjentów, a zatem działają wystarczająco tylko w przypadku osób nieupośledzonych poznawczo i werbalnie. W związku z tym wszystkie te uznane metody nie są trafne i wiarygodne, jeśli chodzi o noworodki4, pacjentów majaczących, sennych, uspokojonych lub wentylowanych5, lub osób cierpiących na demencję6,7. Oprócz skal samoopisowych lub jako alternatywa dla nich, w ostatnich latach opracowano metody pomiaru bólu poprzez obserwację przez przeszkolony personel (np. Zurich Observation Pain Assessment8 lub Abbey Pain Scale9). Niemniej jednak nawet te narzędzia mają ograniczenia w zakresie wiarygodności i trafności, ponieważ nawet przeszkoleni oceniający nie są w stanie zagwarantować obiektywnej oceny. Co więcej, aplikacja jest często zbyt czasochłonna dla personelu klinicznego, podczas gdy ocena bólu powinna być wykonywana regularnie. 
Kilka zespołów badawczych skupiło się na rozwoju zautomatyzowanych systemów rozpoznawania bólu, które pozwalają na mierzenie bólu za pomocą fizjologicznych, wizualnych i/lub paralingwistycznych zestawów sygnałów, jako nowe podejścia do obiektywnej oceny i monitorowania bólu i jego intensywności. Wcześniejsze badania wykazały obiecujące wyniki w wykrywaniu i różnicowaniu bólu10,11,12,13,16,17,18 lub odróżnianie bólu od podstawowych emocji14,15 wyłącznie na podstawie jednego z sygnałów sets10,11,12,13,14,15 a także na kombinacji/fusion16,17,19 zestawów. Wyżej wymienione modalności reagują niemal autonomicznie na bodźce stresowe, takie jak ból. Korzystanie z nich ma tę zaletę, że nie wymagają one od danej osoby zdolności do zgłaszania swojego bólu. Takie osoby odniosłyby ogromne korzyści z obiektywnego systemu rozpoznawania bólu, który obejmuje takie modalności. Zestawy danych składające się z reakcji na wywołany ból dostarczają cennych informacji do analizy wzorców bólu i opracowywania praktycznych zastosowań do wykrywania i monitorowania bólu. Między innymi Walter i wsp.20 stworzyli "BioVid Heat Pain Database", multimodalną bazę danych, która jest publicznie dostępna i dostarcza danych z krótkotrwałych indukowanych bolesnych bodźców cieplnych oraz odpowiadających im reakcji psychofizjologicznych i wizualnych. "Baza danych SenseEmotion" Velany et al.21 zawiera biosygnały, filmy i informacje paralingwistyczne od ochotników dotkniętych bólem cieplnym fazowym i bodźcami emocjonalnymi.
Chociaż te bazy danych są dobrze przystosowane do badania reakcji bólowych, są one głównie oparte na jednym konkretnym modelu bólu. Ponieważ ból różni się jakością (przypuszczalnie w zależności od modelu bólu) i czasem trwania, może również różnić się korelatami fizjologicznymi, wzrokowymi i parajęzykowymi. Zgodnie z najlepszą wiedzą autorów, nie istnieją żadne badania multimodalne ani bazy danych, które łączyłyby dwa lub więcej modeli bólu i różnicowały bodźce bólowe pod względem intensywności i czasu trwania, aby nie tylko wykryć wzorce bólu, ale także rozróżnić jego cechy.
Ten artykuł zawiera protokół, jak przeprowadzić złożony eksperyment psychofizjologiczny w celu wywołania bólu i jednoczesnego rejestrowania reakcji fizjologicznych (np. EKG, EMG mięśnia czworobocznego, karbującego górnego i jarzmowego większego, SCL), a także wideo (np. mimika twarzy, gesty ciała, temperatura skóry twarzy) oraz danych audio. Uczestnicy są stymulowani krótkotrwałym (fazowym) i dłużej utrzymującym się (tonicznym) ciepłem oraz elektrycznymi bodźcami bólowymi, które różnią się intensywnością. Faza kalibracji poprzedzająca eksperyment określa progi bólu dla każdego pacjenta indywidualnie.
Badanie ma na celu zebranie danych multimodalnych do badania bólu (wzorców) dotyczących intensywności, jakości i długości za pomocą metod statystycznych, algorytmów uczenia maszynowego itp. Dodatkowo, już zebrane dane mają być opublikowane dla celów badań naukowych pod nazwą "X-ITE (Experimentalnie wyduknąłem Thermal i ELekcjalna) Baza danych bólu". Może rozszerzyć istniejące bazy danych, takie jak BioVid Heat Pain i SenseEmotion20,21, i przyczynić się do dalszego rozwoju, ulepszenia i/lub oceny automatycznych systemów rozpoznawania bólu pod względem ważności, niezawodności i rozpoznawania w czasie rzeczywistym. 
Reszta artykułu jest zorganizowana w następujący sposób. W protokole opisano, jak krok po kroku przeprowadzić badanie wywołania bólu. Następnie reprezentatywne wyniki prezentują wynik eksperymentu. Na koniec dyskusja obejmuje kluczowe kroki, ograniczenia i korzyści płynące z badania, a następnie sugestie dotyczące przyszłych rozszerzeń.

<table><tbody><tr><td>PATHWAY Model ATS</td><td>Medoc Ltd., Ramat Yishai, Izrael</td><td></td><td>Stymulator termiczny</td></tr><tr><td>30 mm x 30 mm ATS Thermode</td><td>Medoc Ltd., Ramat Yishai, Izrael</td><td></td><td>Oprogramowanie Thermode</td></tr><tr><td>PATHWAY Arbel 6.3.7.22.1</td><td>Medoc Ltd., Ramat Yishai, Izrael</td><td></td><td>Oprogramowanie stymulatora termicznego</td></tr><tr><td>Digitimer DS7A Stymulator prądu</td><td>Digitimer Ltd., Hertfordshire, Wielka Brytania</td><td></td><td>Stymulator elektryczny</td></tr><tr><td>Inquisit 5</td><td>milisekund Oprogramowanie, Seattle, WA, USA</td><td></td><td>Oprogramowanie do wyzwalania bodźców elektrycznych</td></tr><tr><td>Przetwornik analogowo-cyfrowy</td><td>Wissenschaftliche Werkstatt Elektronik, Uniwersytet w Ulm, Ulm, Niemcy</td><td>Budowany</td><td></td>na zamówienie</tr><tr><td>system BIOPAC MP150</td><td>BIOPAC Systems, Inc., Goleta, CA, USA</td><td></td><td>Sprzęt do nagrywania sygnałów biologicznych</td></tr><tr><td>AcqKnowledge Oprogramowanie 4.1.1</td><td>BIOPAC Systems, Inc., Goleta, CA, USA</td><td></td><td>Oprogramowanie do nagrywania sygnałów biologicznych</td></tr><tr><td>NTG-2 Dwukierunkowy mikrofon pojemnościowy z podwójnym zasilaniem</td><td>Mikrofony R&Oslash;DE, Silverwater, Australia</td><td></td><td>Mikrofon do nagrywania dźwięku</td></tr><tr><td>Kinect v2</td><td>Microsoft, Redmond, WA, Stany Zjednoczone</td><td></td><td>Kamera do obserwacji ciała</td></tr><tr><td>AV Pike F-145C</td><td>Allied Vision Technologies GmbH, Stadtroda, Niemcy</td><td></td><td>Kamera twarzy (widok z przodu)</td></tr><tr><td>AV Prosilica GT 1600C</td><td>Allied Vision Technologies GmbH, Stadtroda, Niemcy</td><td></td><td>Kamera twarzy (widok z boku)</td></tr><tr><td>Kamera termowizyjna PIR uc 180</td><td>InfraTec GmbH, Drezno, Niemcy</td><td></td> Sprzęt do synchronizacji <td>kamery termowizyjnej</td></tr><tr><td></td><td>Werkstatt, IIKT, Uniwersytet w Magdeburgu, Magdeburg, Niemcy</td><td>zbudowane na zamówienie</td><td>Sprzętowe wyzwalanie kamer, sygnał wyzwalający jest rejestrowany przez BIOPAC i oprogramowanie do</td></tr><tr><td>nagrywania i synchronizacji</td> Audacity <td>Philipp Werner, Neuro-Information Technology, Uniwersytet w Magdeburgu, Magdeburg, Niemcy</td> Oprogramowanie <td>niestandardowe</td><td>Nagrywanie w czasie rzeczywistym, kodowanie wideo offline i synchronizacja offline</td></tr><tr><td>Kanapa badawcza</td><td>ClinicalCare GmbH, Brema, Niemcy</td><td></td><td></td></tr><tr><td>Elektrody Ag-AgCl EL254 / EL254S (wielokrotnego użytku, średnica zapisu 4mm)</td><td>BIOPAC Systems, Inc., Goleta, CA, USA</td><td></td><td>Służy do rejestracji EMG M. tekturnica falista i M. zygomaticus</td></tr><tr><td>Ag-AgCl Elektrody BlueSensor P (jednorazowe, rozmiar do kontaktu ze skórą: średnica 34 mm, obszar pomiarowy 154 mm2)</td><td>Ambu GmbH, Bad Nauheim, Niemcy</td><td></td><td>Służy do zapisu EKG i EMG M. trapezius. Używany również do stymulacji elektrycznej</td></tr><tr><td>Audacity 2.1.2</td><td>Dominic Mazzoni (Audacity)</td><td></td><td>Oprogramowanie do nagrywania dźwięku</td></tr><tr><td>Cold Gel Pack</td><td>C+V Pharma Depot GmbH, Versmold, Niemcy</td><td></td><td></td></tr><tr><td>Pantenol 50mg/g</td><td>ratiopharm GmbH, Ulm, Niemcy</td><td></td><td>Maść</td></tr><tr><td>Alumnium Profile</td><td>item Industrietechnik GmbH, Solingen, Niemcy</td><td></td><td>Służy do instalacji wszystkich kamer i mikrofon</td></tr><tr><td>Elektroda żelowa GEL1</td><td>BIOPAC Systems, Inc., Goleta, CA, USA</td><td></td><td></td></tr><tr><td>Żel do przygotowania skóry ELPREP</td><td>BIOPAC Systems, Inc., Goleta, CA, USA</td><td></td><td></td></tr></tbody></table>

sygnały multimodalne do analizy reakcji bólowych na bodźce termiczne i elektryczne

Multi-Modal Signals for Analyzing Pain Responses to Thermal and Electrical Stimuli

Ocena bólu opiera się głównie na metodach, które wymagają od osoby komunikacji. Jednak dla osób z zaburzeniami poznawczymi i werbalnymi istniejące metody nie są wystarczające, ponieważ brakuje im wiarygodności i trafności. Aby podejść do tego problemu, ostatnie badania koncentrują się na obiektywnej ocenie bólu, którą ułatwiają parametry reakcji wynikające z fizjologii oraz sygnałów wideo i audio. Aby opracować niezawodne zautomatyzowane systemy rozpoznawania bólu, podjęto wysiłki w celu stworzenia multimodalnych baz danych w celu analizy bólu i wykrywania prawidłowych wzorców bólu. Chociaż wyniki są obiecujące, koncentrują się tylko na rozróżnianiu bólu lub intensywności bólu w porównaniu z brakiem bólu. Aby to osiągnąć, badania powinny również uwzględniać jakość i czas trwania bólu, ponieważ dostarczają one dodatkowych cennych informacji do bardziej zaawansowanego leczenia bólu. W celu uzupełnienia istniejących baz danych i analizy bólu pod kątem jakości i długości, w niniejszym artykule zaproponowano eksperyment psychofizjologiczny w celu wywołania, zmierzenia i zebrania prawidłowych reakcji bólowych. Uczestnicy są poddawani bolesnym bodźcom, które różnią się intensywnością (niska, średnia i wysoka), czasem trwania (5 s / 1 min) i modalnością (ciepło / ból elektryczny) podczas sygnałów audio, wideo (np. mimika twarzy, gesty ciała, temperatura skóry twarzy) i fizjologicznych (np. elektrokardiogram [EKG], poziom przewodnictwa skóry [SCL], elektromiografia twarzy [EMG] i EMG M. trapezius) są rejestrowane. Badanie składa się z fazy kalibracji w celu określenia indywidualnego zakresu bólu pacjenta (od bólu niskiego do nieznośnego) oraz fazy stymulacji, w której stosowane są bodźce bólowe, w zależności od skalibrowanego zakresu. Uzyskane dane mogą pozwolić na udoskonalenie, ulepszenie i ocenę automatycznych systemów rozpoznawania pod kątem obiektywnej oceny bólu. W celu dalszego rozwoju takich systemów i bardziej szczegółowego zbadania reakcji bólowych, w przyszłych badaniach powinny zostać uwzględnione dodatkowe metody leczenia bólu, takie jak ból uciskowy, chemiczny lub zimny. Zarejestrowane dane z tego badania zostaną opublikowane jako "X-ITE Pain Database".

Ból jest różnie odczuwany przez każdą osobę i może przejawiać się w zróżnicowany sposób poprzez mimikę twarzy, sygnały paralingwistyczne i/lub fizjologiczne. Projekt tego badania jest odpowiedni do analizy reakcji bólowych na wiele sposobów w odniesieniu do przyjętych celów. Uzyskane dane mogą pozwolić na udzielenie odpowiedzi na pytania badawcze, takie jak: czy istnieją specyficzne wzorce reakcji bólowych? Czy różnią się one w zależności od modelu i czasu trwania bólu?
W naszym eksperymencie wzięło udział łącznie 134 osób. Proporcja płci wynosiła 50/50. Podzielono je na następujące grupy wiekowe: 1) 18-29 lat (N = 49, 23 mężczyzn, 26 kobiet), 2) 30-39 lat (N = 45, 23 mężczyzn, 22 kobiet), 3) 40-50 lat (N = 40, 21 mężczyzn, 19 kobiet). Średni wiek wszystkich badanych wynosił 31,4 (SD = 9,7), wszystkich mężczyzn = 33,4 (SD = 9,3) i wszystkich kobiet = 32,9 (SD = 10,2) lat. Badanie zostało przeprowadzone w Zakładzie Psychologii Medycznej Uniwersytetu w Ulm w Niemczech.
Głównym wynikiem niniejszego protokołu jest zbiór danych sygnałów audio, wideo i psychofizjologicznych odzwierciedlających reakcje badanych na bodźce bólowe. Tabela 1 przedstawia ogólny przegląd cech technicznych zarejestrowanych sygnałów oraz liczbę wywołanych bodźców bólowych w badaniu.
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody >
		<tr >
			<td colspan="5">Cechy techniczne</td>
		</tr >
		<tr >
			<td >Sygnał:</td >
			<td colspan="2">Częstotliwość próbkowania:</td >
			<td colspan="2">Atrybuty:</td >
		</tr >
		<tr >
			<td >Audio</td >
			<td colspan="2">44100 Hz</td >
			<td colspan="2">Mono, MP3 320 kbps</td >
		</tr >
		<tr >
			<td >Kamera 1 (twarz, widok z przodu)</td >
			<td colspan="2">25 Hz</td >
			<td colspan="2">Wideo w kolorze: rozdzielczość 1384 x 1032, 
			kodowanie HEVC za pomocą libx265 (CRF 16, preset medium)</td >
		</tr >
		<tr >
			<td >Kamera 2 (twarz, widok z boku)</td >
			<td colspan="2">25 Hz</td >
			<td colspan="2">Wideo w kolorze: rozdzielczość 1620 x 840, 
			kodowanie HEVC za pomocą libx265 (CRF 16, preset medium)</td >
		</tr >
		<tr >
			<td >Kamera ciała</td >
			<td colspan="2">ok. 30 Hz</td >
			<td colspan="2">Wideo w kolorze: rozdzielczość 1500 x 600, 
			kodowanie HEVC za pomocą libx265 (CRF 16, preset medium); 
			Wideo głębi: rozdzielczość 500 x 200, kodowanie bezstratne</td >
		</tr >
		<tr >
			<td >Kamera termowizyjna</td >
			<td colspan="2">ok. 120,8 Hz</td >
			<td colspan="2">Wideo temperatury powierzchni: rozdzielczość 120 x 160, 
			skala szarości MPEG-4-AVC kodowane za pomocą libx264 
			(CRF 0, preset veryfast), 
			zakodowany zakres temperatur 26,5-52,0 °C (kroki co 0,1)</td >
		</tr >
		<tr >
			<td >EKG</td >
			<td colspan="2">1000 Hz</td >
			<td colspan="2">Filtrowanie sprzętowe przez BioPac: 35 Hz LP, 0,5 Hz HP, 
			filtr notch 50 Hz</td >
		</tr >
		<tr >
			<td >SCL</td >
			<td colspan="2">1000 Hz</td >
			<td colspan="2">Filtrowanie sprzętowe przez BioPac: 10 Hz LP, brak HP, 
			brak filtra notch</td >
		</tr >
		<tr >
			<td >EMG M. trapezius</td >
			<td colspan="2">1000 Hz</td >
			<td colspan="2">Filtrowanie sprzętowe przez BioPac: 500 Hz LP, 10 Hz HP, 
			brak filtra notch</td >
		</tr >
		<tr >
			<td >EMG M. corrugator supercilii</td >
			<td colspan="2">1000 Hz</td >
			<td colspan="2">Filtrowanie sprzętowe przez BioPac: 500 Hz LP, 10 Hz HP, 
			brak filtra notch</td >
		</tr >
		<tr >
			<td >EMG M. zygomaticus major</td >
			<td colspan="2">1000 Hz</td >
			<td colspan="2">Filtrowanie sprzętowe przez BioPac: 500 Hz LP, 10 Hz HP, 
			brak filtra notch</td >
		</tr >
		<tr >
			<td >Bodźce</td >
			<td colspan="2">Termiczne</td >
			<td colspan="2">Elektryczne</td >
		</tr >
		<tr >
			<td >Badani:</td >
			<td >Bodźce fazowe (5 s):</td >
			<td >Bodźce toniczne (60 s):</td >
			<td >Bodźce fazowe (5 s):</td >
			<td >Bodźce toniczne (60 s):</td >
		</tr >
		<tr >
			<td >Na każdego badanego</td >
			<td >90 (30 na intensywność)</td >
			<td >3 (1 na intensywność)</td >
			<td >90 (30 na intensywność)</td >
			<td >3 (1 na intensywność)</td >
		</tr >
		<tr >
			<td >Wszyscy (N = 134)</td >
			<td >12060 (4020 na intensywność)</td >
			<td >402 (134 na intensywność)</td >
			<td >12060 (4020 na intensywność)</td >
			<td >402 (134 na intensywność)</td >
		</tr >
		<tr >
			<td >Mężczyźni (n = 67)</td >
			<td >6030 (2010 na intensywność)</td >
			<td >201 (67 na intensywność)</td >
			<td >6030 (2010 na intensywność)</td >
			<td >201 (67 na intensywność)</td >
		</tr >
		<tr >
			<td >Kobiety (n = 67)</td >
			<td >6030 (2010 na intensywność)</td >
			<td >201 (67 na intensywność)</td >
			<td >6030 (2010 na intensywność)</td >
			<td >201 (67 na intensywność)</td >
		</tr >
	</tbody >
</table>
Tabela 1: Cechy techniczne i liczba wywołanych bodźców. Górna część (Cechy techniczne) przedstawia częstotliwości próbkowania i atrybuty poszczególnych sygnałów. Dolna część (Bodźce) przedstawia liczbę wywołanych specyficznych (termicznych/elektrycznych) bodźców bólowych dla jednego badanego, dla wszystkich badanych oraz dla każdej płci. (MP3 = Moving Picture Experts Group Layer-3 Audio, kbps = kilobity na sekundę, HEVC = High Efficiency Video Coding, CRF = Constant Rate Factor, MPEG-4-AVC = Motion Picture Experts Group Layer-4 Video Advanced Video Coding, Hz = Herc, °C = stopnie Celsjusza, s = sekundy, ECG = elektrokardiogram, SCL = poziom przewodnictwa skóry, EMG = elektromiografia, LP = filtr dolnoprzepustowy, HP = filtr górnoprzepustowy, M. = Musculus).
Drugi punkt końcowy dotyczący fazy kalibracji badania przedstawiono w Tabeli 2. Przedstawia ona średnie temperatury i natężenia prądu stymulacji dla intensywności bólu 1 i 3 (obliczone w kroku 5.11 protokołu) dla wszystkich badanych, a dodatkowo dla podgrupy mężczyzn i kobiet.
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Bodźce</td>
			<td colspan="4">Termiczny [w °Cśrednia (SD)</td>
			<td colspan="4">Wartość elektryczna [w mA] średnia (SD)</td>
		</tr>
		<tr>
			<td>Obiekty badań</td>
			<td>pH1</td>
			<td>pH3</td>
			<td>tH1</td>
			<td>tH3</td>
			<td>pE1</td>
			<td>pE3</td>
			<td>tE1</td>
			<td>tE3</td>
		</tr>
		<tr>
			<td>Wszystkie (N = 134)</td>
			<td>44.03 (2.25)</td>
			<td>49.17 (1.20)</td>
			<td>42.50 (2.14)</td>
			<td>47.76 (1.02)</td>
			<td>1.63 (0.94)</td>
			<td>5.64 (2.72)</td>
			<td>1.69 (1.12)</td>
			<td>5.70 (2.59)</td>
		</tr>
		<tr>
			<td>Mężczyźni (n = 67)</td>
			<td>44.56 (2.18)</td>
			<td>49.48 (0.89)</td>
			<td>43.11 (1.98)</td>
			<td>47.93 (1.04)</td>
			<td>1.94 (1.01)</td>
			<td>6.83 (3.02)</td>
			<td>1.96 (1.16)</td>
			<td>6.90 (2.72)</td>
		</tr>
		<tr>
			<td>Kobiety (n = 67)</td>
			<td>43.51 (2.74)</td>
			<td>48.87 (1.39)</td>
			<td>41.89 (2.14)</td>
			<td>47.59 (0.98)</td>
			<td>1.32 (0.75)</td>
			<td>4.45 (1.70)</td>
			<td>1.43 (1.01)</td>
			<td>4.51 (1.80)</td>
		</tr>
	</tbody>
</table>
Tabela 2: Średnie temperatury i natężenia prądu stymulacji dla intensywności bólu 1 i 3. (pH1, pH3 = fazowy ból cieplny o intensywności 1, 3; tH1, tH3 = toniczny ból cieplny o intensywności 1, 3; pE1, pE3 = fazowy ból elektryczny o intensywności 1, 3; tE1, tE3 = toniczny ból elektryczny o intensywności 1, 3; °C = stopnie Celsjusza; mA = miliamper, SD = odchylenie standardowe).
Jeśli wszystkie etapy protokołu zostaną przeprowadzone starannie i nie wystąpią problemy techniczne (takie jak awarie komputera lub urządzenia rejestrującego itp.), pomyślny wynik może wyglądać podobnie do przedstawionego na Rysunku 4. Wszystkie sygnały są wysokiej jakości i nie są zakłócone przez zewnętrzne źródła interferencji. Uczestnik jest wyraźnie widoczny w każdej kamerze.
<img alt="Analiza wyrazu twarzy, sygnały EMG i reakcje fizjologiczne podczas eksperymentu z indukcją bólu." class="xfigimg" src="/files/ftp_upload/59057/59057fig4.jpg" data-altupdatedat="1788250015000" data-alt="Rysunek 4"> 
Rysunek 4: Przykładowe dane z udanego eksperymentu. Rysunek przedstawia zarejestrowane sygnały kilka sekund przed, w trakcie i po intensywnym bodźcu bólowym. Wszystkie sygnały są niefiltrowane i zsynchronizowane w czasie. Dla przejrzystości przedstawiono tutaj jedynie reprezentatywne zrzuty ekranu z sygnałów wideo. (EMG = Elektromiografia, SCL = Poziom przewodnictwa skóry, ECG = Elektrokardiogram, M. = Musculus, s = sekundy). <a href="https://www.jove.com/files/ftp_upload/59057/59057fig4large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.</a>
Niemniej jednak, nieprzewidziane zdarzenia mogą spowodować wystąpienie szumów lub uszkodzenie danych. Poza awariami komputerów lub urządzeń rejestrujących, najczęściej do uzyskania bezużytecznych sygnałów prowadzi odklejenie się elektrod (zwłaszcza elektrod wielorazowych o małej średnicy, mocowanych za pomocą dwustronnych kołnierzy klejących). Jako przykład nieoptymalnego zestawu danych, Rysunek 5 przedstawia moment, w którym elektroda EMG odkleja się, co czyni odpowiadający jej sygnał bezużytecznym.
<img alt="Badanie EMG, ECG, SCL; kamera twarzy i ciała; schemat sygnału z elektrody z artefaktem; analiza bodźców bólowych." class="xfigimg" src="/files/ftp_upload/59057/59057fig5.jpg" data-altupdatedat="1788250015000" data-alt="Rysunek 5"> 
Rysunek 5: Przykład danych z eksperymentu o suboptymalnym przebiegu. Czerwone koło wskazuje moment, w którym jedna z elektrod EMG (M. zygomaticus major) odpadła z policzka badanego. Mogło to być spowodowane potem lub ruchem głowy. Od tego momentu sygnał został utracony. (EMG = elektromiografia, SCL = poziom przewodnictwa skóry, ECG = elektrokardiogram, M. = Musculus, s = sekundy). <a href="https://www.jove.com/files/ftp_upload/59057/59057fig5large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.</a>
Ze względu na wytyczne etyczne, maksymalne intensywności bodźców termicznych i elektrycznych musiały zostać ograniczone. W odniesieniu do części kontrolnej kalibracji termicznej (patrz plik uzupełniający), 37 osób (31 mężczyzn, 6 kobiet) osiągnęło określoną wartość graniczną 50.5 °C (stosunek = 37/134 = 27.61 %). W przypadku części 1 kalibracji termicznej, 60 uczestników (39 mężczyzn, 21 kobiet) osiągnęło wartość graniczną 50.0 °C (stosunek = 60/134 = 44.78 %), a w odniesieniu do części 2, 57 osób (37 mężczyzn, 20 kobiet) osiągnęło wartość graniczną 49.5 °C (stosunek = 57/134 = 42.54 %). Wartość graniczna dla obu części kalibracji elektrycznej wynosiła 25 mA. Żaden z 134 badanych nie osiągnął tego poziomu.
Ponieważ planujemy opublikować dane (patrz następny akapit), zestawy danych uczestników, którzy osiągnęli wartości progowe, zostaną dodatkowo oznaczone, a ich subiektywne oceny bólu dla odpowiadających im progów zostaną uwzględnione.
Pragniemy zaznaczyć, że głównym celem niniejszego protokołu jest uzyskanie sygnałów multimodalnych do analizy bólu termicznego i elektrycznego. W związku z tym nie omawiamy tutaj żadnych innych wyników. Po weryfikacji i wykluczeniu zestawów danych z powodu brakujących informacji lub odrzucenia pisemnej zgody na udostępnianie danych, zestawy danych z niniejszego badania zostaną udostępnione pod nazwą „X-ITE Pain Database”. Aby uzyskać więcej informacji na temat tego, kiedy i w jaki sposób można uzyskać dostęp do X-ITE Pain DB, odwiedź stronę https://github.com/philippwerner/pain-database-list.
Plik uzupełniający 1. <a href="https://www.jove.com/files/ftp_upload/59057/Supplementary_File_1.docx" target="_blank">Kliknij tutaj, aby pobrać ten plik.</a>

Ten artykuł skupia się na eksperymentalnym wywoływaniu bólu za pomocą stymulacji cieplnej (termicznej) i elektrycznej, rejestrując jednocześnie reakcje fizjologiczne, wzrokowe i parajęzykowe. Ma na celu zebranie ważnych danych multimodalnych do analizy bólu w oparciu o jego intensywność, jakość i czas trwania.

Sygnały multimodalne do analizy reakcji bólowych na bodźce termiczne i elektryczne

The assessment of pain relies mostly on methods that require a person to communicate. However, for people with cognitive and verbal impairments, existing ...

Dane uzyskane za pomocą prezentowanej metody mogą rzucić światło na sposób rozpoznawania natężenia bólu, niezależnie od leżącego u jego podstaw modelu bólu. Może to również pomóc w ocenie czasu trwania bólu. Główną zaletą tej techniki jest jej multimodalność w zakresie rejestracji sygnału i stymulacji bólu.Znacznie poszerza to zakres badań nad bólem. Technika ta może być stosowana do monitorowania obecności bólu w leczeniu patologicznym w celu skuteczniejszego leczenia bólu. Wykonanie protokołu wymaga wielu złożonych czynności ręcznych, takich jak nakładanie elektrod, które są szybsze i łatwiejsze do nauczenia się dzięki wizualnej demonstracji.Procedurę zademonstruje Sandra Gebhardt, studentka z mojego laboratorium, która jest przeszkolona jako eksperymentator do tego badania. Aby przygotować się do zabiegu, powitaj przybywającą osobę i zaprowadź ją do sali kalibracyjnej. Poinformuj ją szczegółowo o procedurze kalibracji i następującej po niej stymulacji bólu.Następnie przeprowadź stymulację bólu w monitorowanym kamerą, kontrolowanym temperaturowo i cichym pomieszczeniu eksperymentalnym obok pomieszczenia do monitorowania kalibracji. Użyj odpowiednich komputerów nagrywających, oprogramowania i urządzeń rejestrujących do przechwytywania danych fizjologicznych, audio, wideo oraz wyjść stymulatora termicznego i elektrycznego podczas eksperymentu. Wprowadź wartości fazowego natężenia bólu elektrycznego i cieplnego oraz tonicznego natężenia elektrycznego i cieplnego obliczone na podstawie przeprowadzonej kalibracji w stymulatorze termicznym i elektrycznym.Ustaw temperaturę bazową na 32 stopnie Celsjusza, a temperaturę na 8 stopni Celsjusza na sekundę, a następnie zapisz wszystkie ustawienia. Następnie przygotuj skrypt wywoływania bólu, jak pokazano tutaj. Ustaw liczbę intensywności każdego bodźca fazowego na 30, a liczbę intensywności każdego bodźca tonicznego na jeden.Następnie ustaw czas trwania każdego bodźca fazowego na pięć sekund, a czas trwania każdego bodźca tonicznego na 60 sekund. Losowo ustaw kolejność wszystkich bodźców i przerwy między bodźcami fazowymi do ośmiu do 12 sekund. Następnie ustaw przerwy po bodźcach tonizujących na 300 sekund.Aby rozpocząć stymulację bólu, poproś badanego, aby położył się wygodnie na leżance do badań. Oczyść wszystkie obszary skóry, do których zostaną przymocowane elektrody, roztworem alkoholu. Usuń martwe komórki skóry z powierzchni lewego policzka, za lewym uchem, nad lewą brwią i na czole za pomocą żelu ściernego.Następnie ponownie oczyść te obszary roztworem alkoholu. W celu pomiaru poziomu przewodnictwa skóry przymocuj dwie wstępnie zżelowane elektrody srebrne i chlorkowe srebra bez poloryzacji do spodniej strony dystalnej paliczki prawego palca wskazującego i środkowego za pomocą pasków na rzepy. Aby zarejestrować EKG, użyj trzech wstępnie żelowanych elektrod zatrzaskowych ze srebra i chlorku srebra z okrągłymi obszarami kontaktowymi.Umieść elektrodę katodową na klatce piersiowej, około sześć centymetrów poniżej prawego obojczyka, a elektrodę anodową na lewym 9. i 10. żebrze. Przymocuj elektrodę referencyjną do prawej strony pasa obok kości miednicy. Aby zarejestrować EMG mięśnia czworobocznego, użyj również trzech wstępnie zżelowanych elektrod zatrzaskowych z chlorku srebra i srebra z okrągłymi obszarami kontaktowymi.Umieść elektrody katodowe i anodowe obok siebie na mięśniu czworobocznym po lewej stronie szyi. Następnie umieść elektrodę referencyjną poniżej, na lewym obojczyku. Użyj sześciu ekranowanych elektrod srebrnych i chlorku srebra wielokrotnego użytku do pomiaru EMG mięśnia falistego górnego i mięśnia zygomaticus major.Przymocuj jedną stronę dwustronnych opasek samoprzylepnych do elektrod. Następnie wypełnij wnęki elektrod żelem elektrolitowym. Usuń papierowe podkłady po drugiej stronie dwustronnych kołnierzy samoprzylepnych.W przypadku mięśnia falistego górnego umieść elektrodę anodową bezpośrednio nad lewą brwią, obok linii glabelli. Następnie umieść elektrodę katodową jeden centymetr bocznie od elektrody anodowej. Przymocuj elektrodę odniesienia do środka kości czołowej, tuż poniżej linii włosów.W przypadku mięśnia jarzmowego większego narysuj wyimaginowaną linię od lewego spoidła ustnego do lewego płatka ucha. Umieść elektrodę anodową nieco poniżej środka linii, a elektrodę katodową jeden centymetr przyśrodkowo obok niej. Przymocuj elektrodę odniesienia do lewego wyrostka sutkowatego.Następnie podłącz wszystkie elektrody do odpowiednich wejść urządzenia rejestrującego biosygnały. Przeprowadź kontrolę wzrokową za pomocą oprogramowania do rejestracji biosygnałów, aby upewnić się, że wszystkie sygnały fizjologiczne są dobrej, doskonałej jakości. Następnie umieść srebrną elektrodę anodową z chlorkiem srebra po górnej stronie paliczka pośredniego lewego palca wskazującego, a elektrodę katodową po górnej stronie bliższego paliczka lewego palca środkowego.Podłącz elektrody do stymulatora elektrycznego. Przyłóż termodę do górnej części lewego przedramienia fotografowanej osoby, około 30 milimetrów proksymalnie do nadgarstka, za pomocą paska na rzep. Uruchom wszystkie kamery.Upewnij się, że uczestnik jest doskonale widoczny w kamerze. Następnie uruchom wszystkie urządzenia rejestrujące, spełniając wymagania dotyczące synchronizacji danych. Uruchom skrypt wywołujący ból.Uważnie monitoruj temat i postęp części stymulacji bólu. Po zakończeniu skryptu wywołującego ból zatrzymaj wszystkie urządzenia nagrywające. Sprawdź, czy z uczestnikiem wszystko w porządku i odłącz wszystkie elektrody oraz termodę.Następnie owiń higieniczny, włókninowy ręcznik wokół zimnego żelowego okładu. Poproś uczestnika, aby nałożył go na obszar skóry, w którym umieszczono termodę, na co najmniej pięć minut. Następnie nałóż maść na obszar skóry, w którym umieszczono termodę.Następnie podziękuj uczestnikowi i pożegnaj się. Wyrzuć wszystkie jednorazowe elektrody. Wyczyść wszystkie elektrody wielokrotnego użytku i leżankę do badań.Pokazano tutaj obrazy obiektu przed, w trakcie i po intensywnym bodźcu bólowym. Wszystkie nagrane sygnały są niefiltrowane i synchronizowane w czasie. Dla jasności pokazane są tylko reprezentatywne zrzuty ekranu sygnałów wideo.Podczas próby wykonania tej procedury ważne jest, aby upewnić się, że wszystkie sygnały są zoptymalizowane przed rozpoczęciem stymulacji bólu. Upewnij się również, że wszystkie urządzenia nagrywające są włączone przed uruchomieniem skryptu wywołującego ból. Zgodnie z tą procedurą można wykonać inne metody, takie jak wdrożenie kamery noktowizyjnej w bliskiej podczerwieni lub nagrywanie biosygnałów, aby skuteczniej rozpoznawać ból w nocnym środowisku.Technika ta pozwala na obiektywne rozpoznanie bólu bez konieczności komunikowania się z pacjentem. Pomocne może być rozróżnienie różnych właściwości bólu i zapewnienie wglądu w podstawowe źródło bólu. Stymulatory bólu mogą powodować poważne obrażenia, jeśli nie są obsługiwane przez przeszkolony personel.Zawsze przestrzegaj ograniczeń etycznych i bezpieczeństwa dotyczących odcięcia intensywności bodźca, aby zapewnić bezpieczeństwo uczestników.

multi-modal-signals-for-analyzing-pain-responses-to-thermal

Research

JoVE Journal

Behavior

Zachowanie

Przedstawiono algorytmy oceniające progi bólu cieplnego i mechanicznego w eksperymentalnie wywołanym stanie zapalnym skóry u badanych ludzi. Dwa paradygmaty testowania bólu niezależnie badają przetwarzanie nocyceptywne przez dwie główne populacje obwodowych włókien nerwowych przekazujących ból, tj. nieumielinowane włókna C oraz małe umielinowane włókna A-delta.

Wyznaczanie progu bólu termicznego i mechanicznego w zapaleniu skóry u ludzi

Modele ludzkiego bólu są cennymi narzędziami używanymi do oceny potencjału przeciwbólowego nowych związków i przewidywania ich skuteczności klinicznej, zwłaszcza gdy są używane w sposób zintegrowany. Chociaż implementacja tych modeli jest złożona, przy prawidłowym wykonaniu, modele bólu opisane w tym protokole mogą zapewnić przewidywalne i wiarygodne wyniki.

Określanie progów wykrywania bólu i tolerancji za pomocą zintegrowanej, multimodalnej baterii do zadań bólowych

Celem tej procedury jest zademonstrowanie zestawu technik ilościowych do pomiaru czucia i bólu u ludzi. Opisany sprzęt i techniki są powszechnie spotykane w klinikach leczenia bólu lub są łatwe do zdobycia.

Protokół testów manualnych do pomiaru czucia i bólu u ludzi

Oceniając ból w odpowiedzi na powtarzające się lub różne rodzaje standardowych bodźców, dynamiczne ilościowe testy sensoryczne (QST) mogą ujawnić zmiany w centralnym przetwarzaniu bólu. Przedstawiamy metody optymalizacji i indywidualizacji dwóch dynamicznych miar QST: sumowania czasowego (TS) i modulacji bólu warunkowego (CPM).

Dynamiczne ilościowe testy sensoryczne w celu scharakteryzowania przetwarzania bólu ośrodkowego

Metody psychofizyczne, takie jak procedura szacowania QUEST, mogą skutecznie dostarczyć solidnych szacunków intensywności stymulacji, przy której odczucia niebolesne przechodzą w bolesne. Poprzez wielokrotną stymulację intensywności progowej, zmienność odpowiedzi ratingowych można bezpośrednio przypisać klasyfikacjom percepcyjnym w kolejnych analizach.

Psychofizycznie zakotwiczone, solidne progowanie w badaniu lateralizacji oscylacyjnej aktywności bodźców wstępnych związanej z bólem

Dostarczony jest tutaj protokół, który szczegółowo opisuje kroki prowadzące do stworzenia zwierzęcego modelu przewlekłego bólu po niedokrwieniu (CPIP). Jest to dobrze rozpoznawalny model naśladujący ludzki złożony zespół bólu regionalnego typu I. Dalej oceniane są nadwrażliwości mechaniczne i termiczne, a także zachowania nocyfensywne wywołane kapsaicyną obserwowane w modelu szczurzym CPIP.

Model przewlekłego bólu po niedokrwieniu złożonego zespołu bólu regionalnego typu I u szczurów

Aby opracować nowatorskie interwencje terapeutyczne w celu zapobiegania i leczenia bólu pleców, potrzebne są modele zwierzęce, które zbadają mechanizmy i skuteczność tych terapii z perspektywy translacyjnej. Niniejszy protokół opisuje test BMS, znormalizowaną metodę oceny wrażliwości mechanicznej pleców u szczura.

Ocena wrażliwości mechanicznej pleców u szczura do mechanistycznego badania przewlekłego bólu pleców

Ten protokół opisuje chirurgiczną ekspozycję zwoju korzenia grzbietowego (DRG), a następnie GCaMP3 (genetycznie kodowany wskaźnik Ca2+; Białko zielonej fluorescencji-białko kalmoduliny-M13 3) Ca2 + obrazowanie zespołów neuronalnych przy użyciu myszy Pirt-GCaMP3 przy jednoczesnym stosowaniu różnych bodźców do ipsilateralnej tylnej łapy.

In vivo (in vivo) Obrazowanie wapniowe zespołów neuronalnych w sieciach pierwotnych neuronów czuciowych w nienaruszonych zwojach korzenia grzbietowego

APTrack to wtyczka oprogramowania opracowana dla platformy Open Ephys, która umożliwia wizualizację danych w czasie rzeczywistym i śledzenie potencjałów czynnościowych neuronów w pętli elektrycznej. Z powodzeniem zastosowaliśmy to w mikroneurografii dla ludzkich nocyceptorów z włókna C oraz mysich nocyceptorów z włókna C i Aδ.

Śledzenie progów elektrycznych w czasie rzeczywistym do translacyjnych badań nad bólem

Ostatnie osiągnięcia w badaniach nad bólem podkreślają potencjał fotoneuromodulacji z wykorzystaniem zielonych diod elektroluminescencyjnych (GLED) jako metody leczenia niefarmakologicznego. GLED moduluje szlaki bólowe, oferując skuteczną ulgę w bólu. Niniejszy artykuł ma na celu standaryzację i udoskonalenie protokołów ekspozycji na GLED, poprawę spójności między badaniami i postęp w klinicznym zastosowaniu tej terapii.

Optymalizacja technik fotoneuromodulacji w celu oceny roli diod elektroluminescencyjnych w leczeniu bólu

Przedstawiamy tutaj metodę oceny aktywacji i blokady aksonów czuciowych w nerwach obwodowych w ostrych, znieczulonych, in vivo eksperymentach na szczurach z użyciem dwóch typów elektrofizjologicznych pomiarów rdzenia, które pozwalają rozróżnić aktywność podtypów włókien nerwowych: lokalnych potencjałów pola oraz zapisów pojedynczego neuronu o szerokim zakresie dynamicznym.

Metody elektrofizjologiczne oceny blokady bólu obwodowego u znieczulonego szczura

Poznaj metodę rejestracji sygnałów multimodalnych do analizy reakcji bólowych na bodźce termiczne i elektryczne. Technika umożliwia obiektywną ocenę intensywności i czasu trwania bólu w badaniach neurofizjologicznych.

Sygnały multimodalne do analizy reakcji bólowych na bodźce termiczne i elektryczne

Przeglądaj więcej filmów