Name: Kwantyfikacja lokalizacji i intensywności bólu za pomocą multimodalnych diagramów ciała bólu (Wideo) | JoVE Journal
Uploaded: 2023-07-07T13:30:00.000+00:00
Duration: 9 min
Description: Poznaj metodę kwantyfikacji lokalizacji i intensywności bólu za pomocą multimodalnych diagramów ciała bólu. To narzędzie poprawia komunikację między pacjentem a klinicystą w ocenie dolegliwości bólowych.

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

To badanie zostało sfinansowane przez grant UH3-NS115631 National Institutes of Health dla PS. Źródła finansowania zatwierdziły projekt badania, ale nie odegrały żadnej roli w realizacji badania, analizie danych czy przygotowaniu manuskryptu. Dziękujemy również dr Edwardowi F. Changowi, dr Philipowi A. Starrowi i uczestnikom naszego badania.

Ten protokół PBD został zaimplementowany w nadrzędnym protokole badań klinicznych (NCT03029884), zatwierdzonym przez UCSF Human Research Protection Program i FDA. Każdy uczestnik (3 kobiety i 2 mężczyzn, przedział wiekowy: 51-67 lat) podpisał pisemną świadomą zgodę; zostali zrekrutowani z centrum leczenia bólu UCSF lub skierowani przez lekarzy w Stanach Zjednoczonych.
1. Konfiguracja diagramu ciała bólu
<ol>
	<li>Kryteria włączenia pacjenta: Uwzględnij uczestników z następującymi diagnozami bólu: kilka neuropatycznych etiologii bólu, w tym centralny ból po udarze (2 pacjentów) i neurodegeneracyjna choroba kręgosłupa z bólem korzeniowym (1 pacjent), złożony zespół bólu regionalnego (1 pacjent) i uraz rdzenia kręgowego (1 pacjent). Wszyscy uczestnicy posiadają wykształcenie ponadgimnazjalne.</li>
	<li>Zaimportuj odpowiedni dla płci szablon PBD (rysunek uzupełniający 1), wyświetlający zarówno przednią, jak i tylną powierzchnię ciała, do aplikacji ilustracyjnej, która zawiera wrażliwe na nacisk narzędzie do rysowania na dotykowym tablecie cyfrowym. Pobierz szablon PBD do biblioteki zdjęć tabletu, a następnie kliknij przycisk Importuj.</li>
	<li>Utwórz nową warstwę na szablonie PBD, klikając ikonę Warstwy, a następnie przycisk +, aby uczestnik mógł rysować. W ten sposób powstają dwie warstwy, jedna z PBD, a druga do narysowania z kolorami wskazującymi na ból.</li>
	<li>Utwórz nowy pędzel z krzywą transformacji nacisku do odcienia x=y, klikając najpierw ikonę Biblioteka pędzli, a następnie +, aby otworzyć studio pędzli.</li>
	<li>Kliknij przycisk oznaczony Dynamika kolorów, a następnie przewiń w dół do sekcji nacisku kolorów. W przypadku suwaka barwy kliknij wartość liczbową Procent, aby upewnić się, że wykres transformacji ciśnienia wizualizuje prostą linię o kącie 45°. 
	UWAGA: Dwukrotne kliknięcie wykresu spowoduje wyświetlenie opcji zresetowania wykresu do prostego wykresu x=y.</li>
	<li>Aby zdefiniować zakres gradientu barwy od zielonego przez niebieski do czerwonego, dostosuj suwak barwy w sekcji nacisku koloru, klikając wartość procentową liczby na liście i wprowadzając wartość liczbową 81%. 
	UWAGA: Innym sposobem na to jest wprowadzenie limitów szesnastkowych od #008000 do #FF0000, jeśli aplikacja pozwala na ręczne wprowadzanie kodów szesnastkowych.</li>
	<li>Wybierz rozmiar pióra, który odpowiada potrzebom uczestników badania, dostosowując suwak narzędzia Pióro. Rozmiar długopisu 30% to dobry rozmiar początkowy dla większości uczestników.</li>
</ol>
2. Instrukcje dla uczestników
<ol>
	<li>Opisz pacjentowi anatomię PBD i orientację szablonów ciała w trybie portretowym, narzędzia do rysowania i wymazywania, dotykowe szczypanie w celu powiększenia oraz funkcję panoramowania.</li>
	<li>Wyjaśnij uczestnikom liniową transformację nacisku na odcień w następujący sposób: poinformuj uczestników, że zwiększony nacisk wywierany na rysik spowoduje zmiany odcieni z zielonego na niebieski i czerwony, które powinny być pokolorowane na diagramie, aby reprezentować odpowiednio łagodną i umiarkowaną lub ciężką intensywność bólu w dowolnym miejscu.</li>
	<li>Korzystając z metody uczenia zwrotnego24, potwierdź, że uczestnik zrozumiał zadanie PBD, prosząc go o wyjaśnienie, jak wypełnić diagram własnymi słowami.</li>
	<li>Daj uczestnikom co najmniej 15 minut czasu na ćwiczenie na narysowanie wielu PBD na płaskiej powierzchni, aby zapewnić dokładne odwzorowanie lokalizacji i intensywności bólu. Pozwól na wprowadzenie wszelkich zmian, aby zmaksymalizować użyteczność. Natychmiast po tym przejrzyj PBD z każdym uczestnikiem, aby upewnić się, że są spójne i że kolory są rysowane zgodnie z przeznaczeniem.</li>
</ol>
3. Gromadzenie i wstępne przetwarzanie danych
<ol>
	<li>Poproś uczestników, aby ukończyli PBD na początku badania lub w różnych punktach czasowych po pewnym leczeniu lub interwencji. Daj sobie nieograniczony czas na ukończenie każdego PBD, tak aby każda mapa mogła zostać ukończona w sposób satysfakcjonujący uczestnika.</li>
	<li>Zapisz wypełnione PBD ze standardową nazwą pliku zawierającą identyfikator pacjenta, a także datę i godzinę wykonania PBD. 
	UWAGA: Te pliki są tymczasowo zapisywane na tablecie.</li>
	<li>Zbiorczy eksport wypełnionych PBD w formacie Portable Document Format (.PDF) lub Photoshop Document (.PSD), który zachowuje warstwy obrazu do wstępnego przetwarzania. Aby wyeksportować zbiorczo, najpierw kliknij ikonę Wybierz, aby wybrać żądane obrazy, a następnie kliknij Udostępnij, aby otworzyć menu formatów obrazów do eksportu. Kliknij plik w odpowiednim formacie. 
	UWAGA: Wyeksportowane pliki są przesyłane na bezpieczny serwer badawczy.</li>
	<li>Pobierz PBD i otwórz je w edytorze obrazów rastrowych.</li>
	<li>Odizoluj interesujące Cię kolorowe piksele od górnej warstwy pliku PBD, dodając dwie warstwy maski: jedną całkowicie czarną warstwę poniżej warstwy kolorowanej i jedną czarną warstwę maski, aby wykluczyć piksele poza konturem treści szablonu powyżej warstwy kolorowanej. Spowoduje to przetworzenie PBD, które zawierają tylko kolorowe piksele w konturze ciała na czarnym tle (<silna klasa="xfig">Rysunek 1).</li>
	<li>Przetworzone PBD można wyeksportować jako pliki przenośnej grafiki sieciowej (.png), klikając i wybierając następującą sekwencję przycisków: Plik > Eksportuj > Eksportuj jako > PNG > Eksportuj.</li>
</ol>
4. Kwantyfikacja PBD
<ol>
	<li>Przekonwertuj każdą wartość piksela w PBD z przestrzeni kolorów RGB (czerwony, zielony, niebieski) na przestrzeń kolorów HSV (odcień, nasycenie, wartość) za pomocą OpenCV225, publicznie dostępnego pakietu Pythona. Wyodrębnij wartość odcienia dla każdego piksela, uruchamiając skrypty Pythona o nazwach rgba2hsv(nazwa pliku) (Dodatkowy plik kodowania 1) i measure_SAnoblur(nazwa pliku, sigma-1.0) (<silna klasa="xfig">Rysunek 1). 
	UWAGA: Te skrypty określają ilościowo i dostosowują wartości odcieni, aby utworzyć ciągłą skalę odcieni od 0 do 139,5. Wartości HSV w OpenCV2 mieszczą się w zakresie od 0 do 179. Najjaśniejsza zieleń, która reprezentuje najmniejszą intensywność bólu, odpowiada wartości odcienia 39,5. Niektóre odcienie czerwieni odpowiadają wartościom z zakresu od 0 do 10. Kolory żółty i pomarańczowy, które odpowiadają wartościom barwy w zakresie od 10 do 39,5, nie są używane przez narzędzie Pióro. Wartości czerwonego odcienia od 0 do 10 są przypisywane do 179, aby poprawnie reprezentować największą intensywność bólu. Po tej regulacji skala odcienia waha się od 39,5 do 179. Następnie od każdej wartości barwy odejmuje się 39,5, tak aby ostateczna skala mieściła się w zakresie od 0 do 139,5.</li>
	<li>Oblicz i znormalizuj trzy metryki PBD, uruchamiając skrypt języka Python o nazwie quantifypain(filename) (Supplementary Coding File 1).
	<ol>
		<li>Skrypt oblicza każdą metrykę zgodnie z poniższym opisem.
		<ol>
			<li>Pokrycie PBD: Podziel liczbę kolorowych pikseli przez całkowitą liczbę pikseli dostępnych na diagramie treści. Zakres liczby kolorowych pikseli dla kobiet wynosi od 0 do 820 452 pikseli (całkowita liczba pikseli), a zakres dla mężczyzn wynosi od 0 do 724 608 pikseli (całkowita liczba pikseli).</li>
			<li>Suma intensywności PBD: Dodaj wartości odcienia dla wszystkich pikseli na diagramie treści. Zakres sumy wartości odcienia dla kobiet wynosi od 0 do 114 453 054, a zakres dla mężczyzn wynosi od 0 do 101 082 816.</li>
			<li>Średnia intensywność PBD: Podziel sumę wszystkich wartości odcienia przez całkowitą liczbę kolorowych pikseli.</li>
		</ol>
		</li>
		<li>Użyj skryptu, aby znormalizować wszystkie miary PBD w skali od 0 do 100, postępując zgodnie z obliczeniami opisanymi poniżej.
		<ol>
			<li>Pokrycie PBD: Pomnóż pokrycie PBD przez 100.</li>
			<li>Suma PBD: Podziel sumę intensywności PBD przez maksymalną intensywność sumy PBD i pomnóż przez 100. Maksymalna intensywność sumy PBD jest równa całkowitej liczbie pikseli na diagramie ciała pomnożonej przez 139,5 (tj. dla kobiet jest to 820 452 pikseli pomnożone przez 139,5, co równa się 114 453 054; dla mężczyzn jest to 724 608 pikseli pomnożone przez 139,5, co równa się 101 082 816).</li>
			<li>Średnia PBD: Podziel średnią intensywność PBD przez maksymalną wartość barwy 139,5 i pomnóż przez 100.</li>
		</ol>
		</li>
	</ol>
	</li>
	<li>Powtórz kroki 4.1 i 4.2, aby przetworzyć każdy plik PBD (z rozszerzeniem .png). Skompiluj wyniki w arkuszu kalkulacyjnym, aby przeprowadzić dalsze analizy.</li>
</ol>

A Novel Approach for Pain Assessment from Pain Body Diagrams

<ol><li>Yong, R. J., Mullins, P. M., Bhattacharyya, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prevalence+of+chronic+pain+among+adults+in+the+United+States%5BTitle%5D)+AND+%22Pain%22%5BJournal%5D)">Prevalence of chronic pain among adults in the United States.</a> Pain. 163 (2), e328-e332 (2022).</li>
<li>Shirvalkar, P., Veuthey, T. L., Dawes, H. E., Chang, E. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Closed-Loop+Deep+Brain+Stimulation+for+Refractory+Chronic+Pain%5BTitle%5D)+AND+%22Frontiers+in+Computational+Neuroscience%22%5BJournal%5D)">Closed-Loop Deep Brain Stimulation for Refractory Chronic Pain.</a> Frontiers in Computational Neuroscience. 12, 18(2018).</li>
<li>Bittar, R. G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Deep+brain+stimulation+for+pain+relief%3A+A+meta-analysis%5BTitle%5D)+AND+%22Journal+of+Clinical+Neuroscience%22%5BJournal%5D)">Deep brain stimulation for pain relief: A meta-analysis.</a> Journal of Clinical Neuroscience. 12 (5), 515-519 (2005).</li>
<li>Wewers, M. E., Lowe, N. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+critical+review+of+visual+analogue+scales+in+the+measurement+of+clinical+phenomena%5BTitle%5D)+AND+%22Research+in+Nursing+%26+Health%22%5BJournal%5D)">A critical review of visual analogue scales in the measurement of clinical phenomena.</a> Research in Nursing & Health. 13 (4), 227-236 (1990).</li>
<li>Price, D. D., Bush, F. M., Long, S., Harkins, S. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comparison+of+pain+measurement+characteristics+of+mechanical+visual+analogue+and+simple+numerical+rating+scales%5BTitle%5D)+AND+%22Pain%22%5BJournal%5D)">A comparison of pain measurement characteristics of mechanical visual analogue and simple numerical rating scales.</a> Pain. 56 (2), 217-226 (1994).</li>
<li>Shafshak, T. S., Elnemr, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Visual+Analogue+Scale+Versus+Numerical+Rating+Scale+in+Measuring+Pain+Severity+and+Predicting+Disability+in+Low+Back+Pain%5BTitle%5D)+AND+%22JCR%3A+Journal+of+Clinical+Rheumatology%22%5BJournal%5D)">The Visual Analogue Scale Versus Numerical Rating Scale in Measuring Pain Severity and Predicting Disability in Low Back Pain.</a> JCR: Journal of Clinical Rheumatology. 27 (7), 282-285 (2021).</li>
<li>Strong, J., Ashton, R., Chant, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pain+Intensity+Measurement+in+Chronic+Low+Back+Pain%5BTitle%5D)+AND+%22The+Clinical+Journal+of+Pain%22%5BJournal%5D)">Pain Intensity Measurement in Chronic Low Back Pain.</a> The Clinical Journal of Pain. 7 (3), 209(1991).</li>
<li>Smith, S. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Interpretation+of+chronic+pain+clinical+trial+outcomes%3A+IMMPACT+recommended+considerations%5BTitle%5D)+AND+%22Pain%22%5BJournal%5D)">Interpretation of chronic pain clinical trial outcomes: IMMPACT recommended considerations.</a> Pain. 161 (11), 2446(2020).</li>
<li>Dworkin, R. H., Kerns, R. D., McDermott, M. P., Turk, D. C., Veasley, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+ACTTION+guide+to+clinical+trials+of+pain+treatments%2C+part+II%3A+mitigating+bias%2C+maximizing+value%5BTitle%5D)+AND+%22Pain+Reports%22%5BJournal%5D)">The ACTTION guide to clinical trials of pain treatments, part II: mitigating bias, maximizing value.</a> Pain Reports. 6 (1), e886(2021).</li>
<li>Melzack, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+McGill+Pain+Questionnaire%3A+Major+properties+and+scoring+methods%5BTitle%5D)+AND+%22Pain%22%5BJournal%5D)">The McGill Pain Questionnaire: Major properties and scoring methods.</a> Pain. 1 (3), 277-299 (1975).</li>
<li>Gracely, R. H., McGrath, P., Dubner, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Validity+and+sensitivity+of+ratio+scales+of+sensory+and+affective+verbal+pain+descriptors%3A+Manipulation+of+affect+by+diazepam%5BTitle%5D)+AND+%22Pain%22%5BJournal%5D)">Validity and sensitivity of ratio scales of sensory and affective verbal pain descriptors: Manipulation of affect by diazepam.</a> Pain. 5 (1), 19-29 (1978).</li>
<li>Williamson, A., Hoggart, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pain%3A+a+review+of+three+commonly+used+pain+rating+scales%5BTitle%5D)+AND+%22Journal+of+Clinical+Nursing%22%5BJournal%5D)">Pain: a review of three commonly used pain rating scales.</a> Journal of Clinical Nursing. 14 (7), 798-804 (2005).</li>
<li>Main, C. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pain+assessment+in+context%3A+a+state+of+the+science+review+of+the+McGill+pain+questionnaire+40+years+on%5BTitle%5D)+AND+%22Pain%22%5BJournal%5D)">Pain assessment in context: a state of the science review of the McGill pain questionnaire 40 years on.</a> Pain. 157 (7), 1387-1399 (2016).</li>
<li>Schott, G. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+cartography+of+pain%3A+The+evolving+contribution+of+pain+maps%5BTitle%5D)+AND+%22European+Journal+of+Pain%22%5BJournal%5D)">The cartography of pain: The evolving contribution of pain maps.</a> European Journal of Pain. 14 (8), 784-791 (2010).</li>
<li>Palmer, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pain+charts%3B+a+description+of+a+technique+whereby+functional+pain+may+be+diagnosed+from+organic+pain%5BTitle%5D)+AND+%22The+New+Zealand+Medical+Journal%22%5BJournal%5D)">Pain charts; a description of a technique whereby functional pain may be diagnosed from organic pain.</a> The New Zealand Medical Journal. 48 (264), 187-213 (1949).</li>
<li>Villa, M. G., Palsson, T. S., Royo, A. C., Bjarkam, C. R., Boudreau, S. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Digital+Pain+Mapping+and+Tracking+in+Patients+With+Chronic+Pain%3A+Longitudinal+Study%5BTitle%5D)+AND+%22Journal+of+Medical+Internet+Research%22%5BJournal%5D)">Digital Pain Mapping and Tracking in Patients With Chronic Pain: Longitudinal Study.</a> Journal of Medical Internet Research. 22 (10), e21475(2020).</li>
<li>Egsgaard, L. L., Christensen, T. S., Petersen, I. M., Brønnum, D. S., Boudreau, S. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Do+Gender-Specific+and+High-Resolution+Three+Dimensional+Body+Charts+Facilitate+the+Communication+of+Pain+for+Women%3F+A+Quantitative+and+Qualitative+Study%5BTitle%5D)+AND+%22JMIR+Human+Factors%22%5BJournal%5D)">Do Gender-Specific and High-Resolution Three Dimensional Body Charts Facilitate the Communication of Pain for Women? A Quantitative and Qualitative Study.</a> JMIR Human Factors. 3 (2), e19(2016).</li>
<li>Lor, M., Rabago, D., Backonja, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+the+Use+of+Colors+and+Drawings+for+Pain+Communication+for+Hmong+Patients%5BTitle%5D)+AND+%22Pain+Management+Nursing%22%5BJournal%5D)">Evaluation of the Use of Colors and Drawings for Pain Communication for Hmong Patients.</a> Pain Management Nursing. 22 (6), 811-819 (2021).</li>
<li>Sehgal, N., Gordon, D. B., Hetzel, S., Backonja, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((34%3BMisha%26%2334%3B+Colored+pain+drawing+as+a+clinical+tool+in+differentiating+neuropathic+pain+from+non-neuropathic+pain%5BTitle%5D)+AND+%22Pain+Medicine%22%5BJournal%5D)">34;Misha&#34; Colored pain drawing as a clinical tool in differentiating neuropathic pain from non-neuropathic pain.</a> Pain Medicine. 22 (3), 596-605 (2021).</li>
<li>Takata, K., Hirotani, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pain+drawing+in+the+evaluation+of+low+back+pain%5BTitle%5D)+AND+%22International+Orthopaedics%22%5BJournal%5D)">Pain drawing in the evaluation of low back pain.</a> International Orthopaedics. 19 (6), 361-366 (1995).</li>
<li>Barbero, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Test-retest+reliability+of+pain+extent+and+pain+location+using+a+novel+method+for+pain+drawing+analysis%5BTitle%5D)+AND+%22European+Journal+of+Pain%22%5BJournal%5D)">Test-retest reliability of pain extent and pain location using a novel method for pain drawing analysis.</a> European Journal of Pain. 19 (8), 1129-1138 (2015).</li>
<li>Dixit, A., Lee, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantification+of+Digital+Body+Maps+for+Pain%3A+Development+and+Application+of+an+Algorithm+for+Generating+Pain+Frequency+Maps%5BTitle%5D)+AND+%22JMIR+Formative+Research%22%5BJournal%5D)">Quantification of Digital Body Maps for Pain: Development and Application of an Algorithm for Generating Pain Frequency Maps.</a> JMIR Formative Research. 6 (6), e36687(2022).</li>
<li>Borsook, D., Upadhyay, J., Hargreaves, R., Wager, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Enhancing+choice+and+outcomes+for+therapeutic+trials+in+chronic+pain%3A+N-of-1%2B+imaging+%28%2B+i%29%5BTitle%5D)+AND+%22Trends+in+Pharmacological+Sciences%22%5BJournal%5D)">Enhancing choice and outcomes for therapeutic trials in chronic pain: N-of-1+ imaging (+ i).</a> Trends in Pharmacological Sciences. 41 (2), 85-98 (2020).</li>
<li>Weiss, B. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Help+patients+understand%5BTitle%5D)+AND+%22Manual+for+Clinicians.+AMA+Foundation%22%5BJournal%5D)">Help patients understand.</a> Manual for Clinicians. AMA Foundation. , (2007).</li>
<li>Bradski, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+OpenCV+Library%5BTitle%5D)+AND+%22Dr.+Dobb%27s+Journal+of+Software+Tools%22%5BJournal%5D)">The OpenCV Library.</a> Dr. Dobb's Journal of Software Tools. (120), 122-125 (2000).</li>
<li><a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Male+And+Female+Body+Front+And+Back+View.+Blank+Human+Body+Template+For+Medical+Infographic.+Isolated+Vector+Illustration%5BTitle%5D)+AND+%22Royalty+Free+SVG%2C+Cliparts%2C+Vectors%2C+And+Stock+Illustration.+Image+95218807.+123RF%22%5BJournal%5D)">Male And Female Body Front And Back View. Blank Human Body Template For Medical Infographic. Isolated Vector Illustration.</a> Royalty Free SVG, Cliparts, Vectors, And Stock Illustration. Image 95218807. 123RF. , (2023).</li>
<li>Van Rossum, G., Drake, F. L. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aVan+Rossum%2C+G+%22Python+3+Reference+Manual%22">Python 3 Reference Manual</a>. , CreateSpace. Scotts Valley, CA. (2009).</li>
<li>Shannon, C. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+mathematical+theory+of+communication%5BTitle%5D)+AND+%22The+Bell+System+Technical+Journal%22%5BJournal%5D)">A mathematical theory of communication.</a> The Bell System Technical Journal. 27 (3), 379-423 (1948).</li>
<li>Timme, N. M., Lapish, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Tutorial+for+Information+Theory+in+Neuroscience%5BTitle%5D)+AND+%22eNeuro%22%5BJournal%5D)">A Tutorial for Information Theory in Neuroscience.</a> eNeuro. 5 (3), 0052-0018 (2018).</li>
<li>Cohen, M. X. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aCohen%2C+MX+%22Analyzing+Neural+Time+Series+Data%3A+Theory+and+Practice%22">Analyzing Neural Time Series Data: Theory and Practice</a>. , (2014).</li>
<li>Freedman, D., Diaconis, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((On+the+histogram+as+a+density+estimator%3AL+2+theory%5BTitle%5D)+AND+%22Zeitschrift+for+Wahrscheinlichkeitstheorie+und+Verwandte+Gebiete%22%5BJournal%5D)">On the histogram as a density estimator:L 2 theory.</a> Zeitschrift for Wahrscheinlichkeitstheorie und Verwandte Gebiete. 57 (4), 453-476 (1981).</li>
</ol>

Autorzy deklarują, że badanie zostało przeprowadzone przy braku jakichkolwiek powiązań handlowych lub finansowych, które mogłyby być interpretowane jako potencjalny konflikt interesów.

Krytyczne kroki w ramach protokołu Kluczowe kroki obejmują: konfigurację PBD, instrukcję pacjenta i wstępne przetwarzanie. W przypadku konfiguracji PBD każdy PBD specyficzny dla płci powinien wizualizować widok z przodu i z tyłu26 i być nałożony pustą warstwą na aplikację ilustracyjną w celu wyizolowania wartości odcienia. Ponadto rozmiar pisaka musi odpowiadać potrzebom ilustracyjnym pacjentów, a gradienty odcieni muszą być zdefiniowane w celu ilościowej analizy PBD. Instrukcje dla pacjenta i zrozumienie narzędzia mają fundamentalne znaczenie dla wiarygodnych danych. Należy przeznaczyć wystarczającą ilość czasu na przećwiczenie wdrażania narzędzia na PBD. Użyj metody uczenia zwrotnego, aby potwierdzić zrozumienie zadań i ankiet przez uczestnika okresowo podczas testów, mniej więcej raz na 10 PBD. Aby śledzić poszczególne PBD, dobrym pomysłem jest również nazwanie każdego pliku unikalnym tytułem i znacznikiem czasu po zakończeniu. Po zebraniu danych każda metryka PBD może zostać wyodrębniona przy użyciu skryptów Pythona27 (patrz Dodatkowy plik kodowania 1). Pomiary pokrycia PBD, sumy intensywności i średniej intensywności można powtórzyć przed i po każdym leczeniu lub interwencji w celu śledzenia reakcji bólowych u pacjenta. Aby wyodrębnić te wskaźniki, jeden z badaczy, który nie jest bezpośrednio zaangażowany w zbieranie danych, powinien nałożyć warstwy czarnej maski, aby wyizolować tylko kolory narysowane wewnątrz konturu ciała, a następnie obliczyć wartości pikseli HSV za pomocą niestandardowego kodu oprogramowania dostarczonego jako plik uzupełniający 1.
Modyfikacje i rozwiązywanie problemów w technice Etapy metodologiczne zostały dopracowane podczas zbierania danych od pacjenta 1. Obejmują one danie pacjentom więcej czasu na zapoznanie się z kontrolowaniem wrażliwości pióra na nacisk, prawidłowe ustawianie warstw diagramu ciała do późniejszego maskowania i analizy, ograniczanie używania symboli lub słów na PBD oraz dostosowywanie bezwzględnej czułości nacisku pióra zgodnie z siłą i zręcznością każdego uczestnika (chociaż transformacja między względnym naciskiem a odcieniem pozostała stała). Pacjentom pozwolono wybrać rozmiar wstrzykiwacza, aby jak najlepiej odzwierciedlić ich ból; Jednak wybór jednego stałego rozmiaru może pozwolić na lepsze porównania między pacjentami w przyszłości. W przyszłych iteracjach prototypowanie metody, która wykorzystuje jeden kanał koloru (np. czerwony, zielony lub niebieski) i zmienia jasność koloru w zależności od nacisku pióra, może zminimalizować możliwą utratę precyzji podczas konwersji z przestrzeni kolorów RGB na HSV.
Ograniczenia techniki PBD wymagają, aby pacjenci mieli wystarczającą wyjściową siłę motoryczną i zręczność w co najmniej jednej kończynie górnej z dobrą zdolnością motoryczną palców, aby samodzielnie wypełniać diagramy i dokładnie tłumaczyć swoje doświadczenie bólu za pomocą nacisku. Podczas gdy standardowe wskaźniki bólu, takie jak NRS i MPQ, mogą być wprowadzane na papierze lub klawiaturze przez asystenta za pomocą komunikacji werbalnej, ta modyfikacja w przypadku PBD nie została jeszcze zatwierdzona. PBD brakuje również głębi jako dwuwymiarowej ilustracji. Poziom szczegółowości trójwymiarowego diagramu ciała został jakościowo wykazany w celu rozszerzenia komunikacji informacji o bólu17. Dalsza charakterystyka głębokości bólu może uchwycić nowe informacje o bólu, które nie są badane w skalach takich jak NRS, VAS i MPQ. Diagramy ciała nie są obecnie projektowane do uchwycenia bardziej abstrakcyjnej somatyzacji lub głębszych form bólu. Na przykład pacjent 4 sam zgłosił, że lokalizacja i intensywność bólu nie były dobrze scharakteryzowane przez diagram ciała w ankiecie użyteczności, ponieważ czuł, że nie oddają one jego wewnętrznego bólu neuropatycznego. Pacjent 5 często rysował przerywane linie na diagramach ciała, aby wskazać ciężkość w swoim ciele, co może zmylić obliczenia metryczne. Przyszłe iteracje PBD mogą zostać rozszerzone, aby reprezentować somatyzację bólu lub bólu trzewnego w wymiernej metodzie. Na koniec PBD przeanalizowano w ramach N-of-1, w którym dla każdego uczestnika wygenerowano prawie 100 oddzielnych PBD. Analizy na poziomie grupy nie były możliwe ze względu na małą liczbę wszystkich uczestników. W związku z tym w tym badaniu nie można było określić wiarygodności testu-ponownego testu, ponieważ odpowiedzi na skale NRS napotykają na błąd zakotwiczenia, co sugeruje, że te same wyniki NRS mogą nie być równoważne tym samym PBD testowanym po badaniu. Potrzebne będą przyszłe badania, aby ocenić wskaźniki PBD w warunkach analizy grupowej oraz wiarygodność metody test-retest w większej próbie.
Znaczenie metody w odniesieniu do istniejących metod PBD były szeroko stosowane w warunkach klinicznych i badawczych w celu zademonstrowania intensywności bólu uczestnika w całym ciele14, 15, jednak narzędzie to pozostało w dużej mierze ograniczone przez swój jakościowy charakter. Podczas gdy cyfrowe mapowanie bólu było wykorzystywane do podłużnego śledzenia bóluprzewlekłego 16, pacjentom brakowało możliwości przedstawienia intensywności i lokalizacji bólu w połączonej, precyzyjnej technice. Ta nowatorska transformacja ciśnienia i odcienia zastosowana w PBD zapewnia złożone przestrzenne i ilościowe wskaźniki bólu, które mogą być wielokrotnie mierzone i śledzone w czasie, aby uchwycić doświadczenie bólu uczestnika. W tym przypadku wykazano, że trzy wyodrębnione wskaźniki PBD, które w różny sposób odzwierciedlały intensywność i lokalizację bólu u pacjenta, tj. pokrycie PBD, sumaryczną intensywność i średnią intensywność, mają wysoką trafność i zgodność ze standaryzowanymi pomiarami bólu, takimi jak NRS intensywność, intensywność VAS, nieprzyjemności VAS i MPQ. Wszystkie pomiary PBD były skorelowane z wynikami VAS i NRS u czterech z pięciu pacjentów i istotnie skorelowane z MPQ u trzech z pięciu. Dodatkowo, podejście oparte na teorii informacji 28,29,30,31 ujawniło nieliniowe zależności, które nie zostały wykryte za pomocą bardziej powszechnych metod statystycznych. W badaniu czterech z pięciu pacjentów miało znaczące MI między pomiarami PBD a NRS, intensywnością VAS, nieprzyjemnościami VAS i MPQ, wykazując znaczące, ale nie całkowite, nakładanie się treści informacji. W związku z tym pomiary PBD były wysoce zgodne ze standaryzowanymi pomiarami bólu, jednak średnia PBD wydawała się odzwierciedlać kombinację informacji o intensywności i lokalizacji, które nie były obecne w konwencjonalnych wskaźnikach bólu.
Przyszłe zastosowania tej techniki Obecne wyniki pokazują, że PBD może być szczególnie odpowiednie dla pacjentów, którzy doświadczają i określają ilościowo swój ból w skali nieliniowej. Podobnie jak deskryptory werbalne mogą zapewnić uczestnikom inny wymiar oceny bólu, PBD zapewniają unikalną graficzną i opartą na nacisku interpretację ich bólu. Wdrażając nowatorską transformację ciśnienia i odcienia, diagramy ciała dostarczają informacji na temat lokalizacji, rozprzestrzeniania się i regionalnej zmienności intensywności bólu, które według naszej wiedzy nie zostały wcześniej wykazane. Wraz z danymi neuronalnymi zebranymi podczas dowolnego badania DBS, wskaźniki PBD mogą być potężnym narzędziem w lokalizowaniu bólu w różnych regionach ciała w różnych regionach mózgu i pomóc w informowaniu o badaniach mechanistycznych nad szlakami sygnalizacji bólu. Transformacja ciśnienia i odcienia zaimplementowana w PBD może być wykorzystywana w wielu warunkach klinicznych i badawczych do analizy ulgi w bólu w odpowiedzi na leczenie lub porównywania bólu w czasie. Metoda ta nie tylko tworzy unikalne, wizualnie intuicyjne diagramy do oceny bólu, ale także dokładnie oddaje doświadczenie pacjenta wykraczające poza pojedynczy wynik liczbowy.

Przewlekły ból to wyniszczająca choroba neuropsychiatryczna, która dotyka ponad 50 milionów dorosłych w Stanach Zjednoczonych1. Jednak powszechne narzędzia kliniczne do śledzenia subiektywnej intensywności bólu (takie jak numeryczna skala oceny [NRS] lub wizualna skala analogowa [VAS]) są redukcjonistyczne i nie komunikują złożonej natury intensywności objawów bólu obejmujących domeny somatosensoryczne, poznawcze lub afektywne2,3. Dokładne śledzenie intensywności bólu u danej osoby ma kluczowe znaczenie dla diagnozowania zespołów bólowych, monitorowania postępu choroby i oceny potencjalnej skuteczności terapii, takich jak leki lub stymulacja mózgu.
Powszechnie używane narzędzie intensywności bólu NRS wymaga od badanego oceny intensywności bólu jako wartości całkowitej od 0 do 10, co oznacza brak bólu do najgorszego możliwego bólu. Chociaż NRS jest łatwy do administrowania i zrozumienia, jest ograniczony przez stronniczość zakotwiczenia respondenta, stronniczość oczekiwań i zmienną interpretację poszczególnych wartości4,5; Ograniczają one również porównania między uczestnikami. VAS, ciągła skala od 0 do 100, może zmniejszyć wpływ zakotwiczenia, ale nadal może napotkać podobne ograniczenia, jak w przypadku NRS4. Kilka badań wykazało wysoki stopień zgodności między NRS i VAS w zakresie nasilenia przewlekłego bólu dolnej części pleców6,7 i clinical practice5, ale wytyczne konsensusu podkreślają wiele niedociągnięć polegania na podobnych skalach w projektowaniu lub interpretacji badań klinicznych bólu8,9. Skrócony kwestionariusz bólu McGilla 2 (MPQ) dalej analizuje somatosensoryczne i afektywne wymiary bólu za pomocą ocen deskryptorów słownych10, aby pomóc w rozróżnieniu między wymiarem bólu sensorycznego i afektywnego11. Chociaż te skale oceny bólu są powszechnie używane do śledzenia intensywności bólu12,13, nie rejestrują one szczegółowych informacji topograficznych, takich jak lokalizacja bólu lub zmienność intensywności w różnych regionach ciała.
Diagramy ciała bólu (PBD) to otwarte, swobodne narzędzie do oceny bólu, które pozwala respondentom zilustrować wizualną reprezentację lokalizacji i intensywności bólu na schematycznym konturze ludzkiego ciała14,15. PBD są skutecznym narzędziem komunikacji między uczestnikami a dostawcami usług medycznych, które pomaga śledzić objawy bólu w dłuższej perspektywie16. Swobodny format graficzny PBD może zmniejszyć stronniczość zakotwiczenia. Niedawne modyfikacje PBD, takie jak wprowadzenie diagramów ciała specyficznych dla płci, zwiększyły ich skuteczność jako narzędzia komunikacji poprzez dostosowanie wizualnie reprezentowanej formy ciała do anatomii respondenta, zwiększając w ten sposób samoidentyfikację i dokładność odpowiedzi17. Co więcej, wykazano, że użycie koloru do oznaczania intensywności pozwala na skuteczną komunikację objawów bólowych z pokonywaniem barier kulturowych i językowych. Na przykład kolory biały i czerwony były najczęściej wybierane, aby wskazać odpowiednio brak bólu i silny ból w populacji pacjentów Hmongów18. Chociaż PBD są skutecznym narzędziem19,20, zostały one ograniczone przez ich jakościowy charakter.
Użycie PBD na tabletach cyfrowych znacznie rozszerzyło dostępne narzędzia do ilościowego określania lokalizacji i intensywności bólu. Barbero i wsp. określili ilościowo zakres bólu lub liczbę pikseli narysowanych w PBD u pacjentów z przewlekłym bólem dolnej części pleców i szyi oraz wykazali dobrą wiarygodność testu-ponownego testu i istotną korelację z pomiarami VAS21. Diagramy ciała zostały również przeanalizowane w celu stworzenia map częstotliwości bólu, aby pokazać najbardziej lub najmniej bolesne obszary ciała21,22. Chociaż metody te kwantyfikują przestrzenne informacje o bólu, do tej pory żadna metoda nie uwzględniała zarówno intensywności bólu, jak i lokalizacji w złożonych wskaźnikach.
Poniższy protokół demonstruje metodę uzyskiwania nowatorskich, wizualnie intuicyjnych, kolorowych PBD i wyodrębniania trzech wskaźników ilościowych, które razem odzwierciedlają połączenie intensywności bólu i informacji o lokalizacji. W tym celu wybrano pięciu uczestników biorących udział w badaniu klinicznym głębokiej stymulacji mózgu (DBS) w leczeniu opornego na leczenie przewlekłego bólu neuropatycznego w celu przetestowania obecnego podejścia, przy użyciu projektu badania N-of-123. Uczestnicy zostali poinstruowani, aby zgłosić intensywność swoich chwilowych objawów bólowych poprzez zastosowanie różnych poziomów nacisku pióra na aplikację ilustracyjną tabletu, aby uzyskać odcienie kolorów, które odpowiadały różnej intensywności bólu w różnych miejscach ciała. Wskaźniki pochodzące z PBD dotyczące zasięgu, sumy intensywności i średniej intensywności porównano z bardziej powszechnymi zwalidowanymi wskaźnikami bólu (tj. NRS, VAS i MPQ) przy użyciu analiz statystycznych i wzajemnych informacji (MI).
Podczas 10-dniowego pobytu w szpitalu, pacjenci poddawani ocenie wykonywali PBD (średnia ± odchylenie standardowe (SD) = 121,8 ± 34,3 PBD na pacjenta; zakres 84-177; łącznie 609 PBD), oprócz zatwierdzonych skal bólu, takich jak NRS, VAS i MPQ kilka razy dziennie. PBD zostały zebrane za pomocą aplikacji na tablet i przesłane jako pliki ze znacznikiem czasu na zabezpieczone serwery badawcze po zakończeniu. Intensywność bólu NRS, VAS i MPQ uzyskano za pomocą narzędzi ankietowych REDCap, bezpiecznej aplikacji internetowej. Zarówno ankiety, jak i PBD były przeprowadzane osobiście przez asystentów badawczych, aby upewnić się, że pacjenci otrzymali niezbędną pomoc w dokładnym zakończeniu oceny. Poniższe kroki szczegółowo opisują konfigurację PBD, instrukcje dla uczestników, gromadzenie danych i analizę PBD używane do wiarygodnego ilościowego określenia bólu (<silna klasa = "xfig">Rysunek 1).

<table><tbody><tr><td>Adobe Photoshop v.21.2.1</td><td>Adobe Inc.</td><td>Nie dotyczy</td><td>Aplikacja do edycji zdjęć do wstępnego przetwarzania diagramów ciała</td></tr><tr><td>bólu Apple Pencil 2. generacji</td><td>Apple Inc.</td><td>A2051</td><td>Pióro cyfrowe do transformacji nacisku i odcienia</td></tr><tr><td>iPad Pro (11-calowy, 2. generacji)</td><td>Apple Inc.</td><td>MY332LL/A</td><td>Dotykowy tablet cyfrowy</td></tr><tr><td>Szablon diagramu ciała</td> bólu <td>123RF</td><td>95218807</td><td>Prawa autorskie Użyj</td></tr><tr><td>Procreate v5.3.1</td><td>Procreate</td><td>N/A</td><td>Komercyjnie dostępna aplikacja ilustracyjna</td></tr><tr><td>REDCap v13.2.1</td><td>Vanderbilt University</td><td>N/A</td><td>Bezpieczna ankieta internetowa i aplikacja bazy danych</td></tr></tbody></table>

kwantyfikacja lokalizacji i intensywności bólu za pomocą multimodalnych diagramów ciała bólu

Quantifying Pain Location and Intensity with Multimodal Pain Body Diagrams

Aby określić ilościowo nasilenie bólu u danej osoby, powszechnie używane są standardowe skale oceny bólu, takie jak numeryczna skala oceny (NRS), wizualna skala analogowa (VAS) lub kwestionariusz bólu McGilla (MPQ) do oceny bólu na skali numerycznej. Jednak skale te są często stronnicze i nie oddają złożoności doświadczeń bólowych. W przeciwieństwie do tego, praktyka kliniczna często wymaga od pacjentów zgłaszania obszarów bólu poprzez korzystanie z diagramu ciała, który jest skutecznym, ale jakościowym narzędziem. Przedstawiona tutaj metoda wyodrębnia wymierne wskaźniki z diagramów ciała bólu (PBD), które są walidowane w stosunku do skal bólu NRS, VAS i MPQ. Dzięki zastosowaniu nowatorskiej transformacji nacisku i odcienia na tablecie cyfrowym, różne naciski rysowania stosowane za pomocą rysika cyfrowego mogą być reprezentowane jako różne odcienie na PBD. W ten sposób powstaje wizualnie intuicyjny diagram odcieni od zielonego przez niebieski do czerwonego, reprezentujący odpowiednio łagodne i umiarkowane do najbardziej bolesnych obszarów. Aby określić ilościowo każdy PBD, zdefiniowano nowe wskaźniki bólu: (1) średnią intensywność PBD, która jest równa sumie wartości odcienia każdego piksela podzieloną przez liczbę kolorowych pikseli, (2) pokrycie PBD, które jest równe liczbie kolorowych pikseli podzielonej przez całkowitą liczbę pikseli na ciele, oraz (3) suma intensywności PBD, , co jest równe sumie wartości odcienia wszystkich pikseli. Korzystając z analiz korelacji i teorii informacji, wykazano, że te wskaźniki PBD mają wysoką zgodność ze standaryzowanymi wskaźnikami bólu, w tym NRS, VAS i MPQ. Podsumowując, PBD mogą dostarczyć nowatorskich informacji przestrzennych i ilościowych, które mogą być wielokrotnie mierzone i śledzone w czasie, aby kompleksowo scharakteryzować doświadczenie bólu uczestnika.

Średnia, suma i pokrycie PBD dostarczają unikalnych informacji o reakcjach bólowych, których nie obejmują inne znormalizowane skale bólu. W przypadku dwóch PBD (Rysunek 2A,B) średnie natężenie bólu jest identyczne (średnia PBD = 79,6). Zwiększone pokrycie i suma ujawniają jednak odpowiednio większy rozprzestrzenienie przestrzenne bólu oraz całkowite natężenie bólu, co pozwala odróżnić oba PBD (Rysunek 2B). Aby dokładnie określić natężenie bólu przy użyciu tych metryk, badacze powinni unikać następujących częstych błędów w konfiguracji PBD (Rysunek 2C). Nadmierna grubość linii oraz elementy zewnętrzne poza konturem ciała, takie jak określanie regionów ciała kółkami czy opisy tekstowe, nie zostaną uwzględnione podczas przetwarzania PBD. Podobnie, użycie białego pióra do usuwania kolorów zamiast narzędzia gumki zniekształci metryki PBD. Praktyka i powtarzane instrukcje pomogą pacjentom tworzyć dokładne i mierzalne PBD, które ujawnią zmienność natężenia i rozkładu bólu.
Metryki PBD zostały zwalidowane względem NRS, VAS i MPQ (Rysunek 3B; Rysunek uzupełniający 2) i uzyskały wysokie oceny w zakresie użyteczności (Rysunek uzupełniający 1 oraz Rysunek uzupełniający 2).
Korelacja wskaźników PBD ze standardowymi wskaźnikami bólu 
Wskaźniki PBD korelowały z NRS, VAS oraz MPQ u większości pacjentów (Rycina 3A, Rycina uzupełniająca 1A,B). U czterech z pięciu pacjentów suma PBD, stopień pokrycia oraz średnia korelowały z wynikami VAS i NRS (korelacja Spearmana, rs = 0.33-0.72, p &lt; 0.004, Tabela uzupełniająca 1). U trzech z pięciu uczestników wskaźniki PBD korelowały również istotnie z wynikami MPQ (korelacja Spearmana, rs = 0.38-0.53, p &lt; 0.004, Tabela uzupełniająca 1). Jednak u pacjenta 4 nie stwierdzono istotnych korelacji między wskaźnikami PBD a standardowymi wynikami oceny bólu. Dalszą charakterystykę nieliniowych zależności między PBD a standardowymi wskaźnikami przeprowadzono przy użyciu analiz teorii informacji (Rycina uzupełniająca 2).
Metryki PBD unikają zakotwiczenia odpowiedzi i wykazują wzajemną informację ze standardowymi metrykami bólu 
Metryki PBD zawierały więcej informacji (tj. entropii) niż NRS. Wśród pacjentów NRS zawierał mniej informacji (2,32 ± 0,37 bits) w porównaniu do intensywności VAS, nieprzyjemności VAS, wyniku całkowitego MPQ, sumy PBD, zasięgu PBD oraz średniej PBD (odpowiednio 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; Rycina uzupełniająca 2). Potwierdzono to za pomocą jednoczynnikowej analizy wariancji ANOVA z powtarzanymi pomiarami (F(4,1) = 12,10, p &lt; 0,05) oraz testu Tukeya dla porównań indywidualnych (wszystkie p &lt; 0,05). Wykazuje to, że metryki PBD charakteryzowały się mniejszym zakotwiczeniem odpowiedzi niż NRS.
PBD został dodatkowo zwalidowany względem ustalonych wskaźników poprzez analizy informacji wzajemnej (testy permutacyjne, α=0.05). U czterech z pięciu pacjentów wskaźniki PBD wykazały istotną wspólną MI z NRS, intensywnością VAS, nieprzyjemnością VAS oraz MPQ (p &lt; 0.05, Rysunek 3B). W przeciwieństwie do nich, wskaźniki PBD pacjenta 4 nie wykazywały istotnej wspólnej MI z ustalonymi wskaźnikami. Ponieważ jego NRS zawierał najmniej informacji spośród wszystkich pacjentów (Rysunek uzupełniający 2), sugeruje to, że NRS nie uchwycił niuansów doświadczenia bólu, które zostały zarejestrowane przez PBD. U wszystkich pacjentów NRS wykazywał istotną wspólną MI z intensywnością VAS, nieprzyjemnością VAS i MPQ, podczas gdy suma PBD wykazywała MI z zakresem PBD i średnią PBD (p &lt; 0.05, Rysunek 3B). Podsumowując, u większości pacjentów wskaźniki PBD wykazywały wspólną MI z ustalonymi wskaźnikami bólu.
PBD były łatwe w obsłudze dla większości uczestników 
W badaniu czterech z pięciu pacjentów uznało PBD za łatwe w obsłudze i precyzyjnie odzwierciedlające ich ból (Tabela uzupełniająca 2). Jednak pacjent 4 zgłosił, że PBD było trudne w obsłudze (5 w 5-stopniowej skali Likerta). Wynikało to przede wszystkim z faktu, że pacjent odczuwał głęboki ból trzewny, który nie jest dobrze oddany w dwuwymiarowym (2D) PBD. Choć stopień zaznajomienia się pacjentów z PBD był zróżnicowany (2,8 ± 1,2, zakres 1-4, 5-stopniowa skala Likerta), wszyscy oni na co dzień korzystali z podobnej elektroniki (5,0 ± 0,0, 5-stopniowa skala Likerta) i uznali PBD za przyjazne dla użytkownika (5,2 ± 0,4, zakres 5-6, 6-stopniowa skala Likerta).
<img alt="Diagramy ciała w bólu z analizą intensywności odcienia; wzór na pokrycie, równania intensywności, ekstrakcja odcienia." class="xfigimg" src="/files/ftp_upload/65334/65334fig1v2.jpg" data-altupdatedat="1788304762000" data-alt="Rycina 1"> 
Rycina 1Przebieg analizy schematu bólu ciała (PBD). Pacjenci zaznaczali lokalizację i natężenie bólu na pustych szablonach PBD. Wypełnione PBD zawierały barwy od zielonej, przez niebieską, aż do czerwonej, reprezentujące odpowiednio obszary bólu łagodnego, umiarkowanego i silnego. PBD poddano maskowaniu, aby uwzględnić wyłącznie piksele znajdujące się w obrębie konturu ciała, a następnie usunięto szablon, aby wyizolować jedynie piksele zawierające barwy. Na podstawie PBD obliczono stopień pokrycia PBD (%), sumaryczne natężenie (znormalizowane w zakresie 0–100) oraz średnie natężenie (znormalizowane w zakresie 0–100). W przypadku stopnia pokrycia PBD liczbę kolorowych pikseli podzielono najpierw przez całkowitą liczbę pikseli w schemacie (820 452 piksele dla kobiet, 724 608 piksele dla mężczyzn), a następnie pomnożono przez 100. W celu obliczenia sumarycznego natężenia PBD najpierw zsumowano wartości barwy dla wszystkich pikseli w schemacie ciała (zakres dla kobiet: 0–114 453 054; zakres dla mężczyzn: 0–101 082 816). Sumę tę podzielono następnie przez maksymalne sumaryczne natężenie PBD (kobiety: 820 452 piksele pomnożone przez maksymalną wartość barwy 139,5; mężczyźni: 724 608 pikseli pomnożone przez 139,5) i pomnożono przez 100. W przypadku średniego natężenia PBD sumę wszystkich wartości barwy podzielono przez całkowitą liczbę kolorowych pikseli, a następnie znormalizowano poprzez dzielenie przez maksymalną wartość barwy wynoszącą 139,5. <a href="https://www.jove.com/files/ftp_upload/65334/65334fig1v2large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.</a>
<img alt="Analiza rysunku ciała człowieka; wartości PBD; schemat; błędy w przetwarzaniu danych; grubość pióra; elementy konturu." class="xfigimg" src="/files/ftp_upload/65334/65334fig02.jpg" data-altupdatedat="1788304762000" data-alt="Rycina 2"> 
Rycina 2. Reprezentatywne PBD pokazujące przykłady poprawnych i błędnych PBD. (A,B) Poprawne PBD wykazują użyteczność obliczania 3 mierników bólu. (C) Przykłady błędnych PBD obejmują zbyt dużą grubość pióra, zbędne elementy poza schematem ciała oraz nieprecyzyjne wymazywanie. <a href="https://www.jove.com/files/ftp_upload/65334/65334fig02large.jpg" target="_blank">Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tej ryciny.</a>
<img alt="Wykres rozrzutu natężenia PBD vs. VAS, mapa ciepła danych na poziomie grupy; badanie korelacji oceny bólu." class="xfigimg" src="/files/ftp_upload/65334/65334fig03.jpg" data-altupdatedat="1788304762000" data-alt="Rysunek 3"> 
Rysunek 3. Metryki PBD zostały zwalidowane względem standardowych metryk bólu za pomocą korelacji Spearmana oraz analizy wzajemnej informacji. (A) Natężenie VAS i suma PBD z naniesionymi liniami regresji liniowej dla każdego pacjenta. (B) Dane na poziomie grupy przedstawiające średnią wzajemną informację (MI) pomiędzy poszczególnymi metrykami bólu, gdzie MI jest wskazana przez pasek kolorów po prawej stronie. Tekst w każdym polu reprezentuje liczbę pacjentów z istotną statystycznie MI dla danej porównywalnej pary (np. 3/5 oznacza 3 pacjentów z istotnymi wartościami). MI jest przedstawiona jako obserwowana MI podzielona przez teoretyczną maksymalną MI. Skróty: NRS = skala numeryczna; VAS intensity = natężenie wizualnej skali analogowej; VAS unpl. = nieprzyjemność bólu w wizualnej skali analogowej, MPQ = krótka forma kwestionariusza bólu McGilla 2; PBD = schemat ciała dla bólu; PBD cov. = pokrycie PBD, MI = wzajemna informacja, sig. = istotny. <a href="https://www.jove.com/files/ftp_upload/65334/65334fig03large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.</a>
Rycina uzupełniająca 1. Średnia wartość PBD (A) oraz stopień pokrycia PBD (B) przedstawione w zależności od intensywności VAS wraz z wykreślonymi liniami dopasowania liniowego dla każdego pacjenta. Skróty: VAS=wizualna skala analogowa; PBD=diagram obszarów bólu. <a href="https://www.jove.com/files/ftp_upload/65334/JoVE_Figure_S1.ai" target="_blank">Kliknij tutaj, aby pobrać ten plik.</a>
Rycina uzupełniająca 2. Entropia dla poszczególnych miar bólu u pacjentów.Na poziomie grupowym intensywność NRS wykazała niższą entropię niż każda inna miara bólu, co wykazano w jednoczynnikowej analizie wariancji (ANOVA) z powtarzanymi pomiarami, a następnie w teście post-hoc Tukeya dla konkretnych porównań: * = p &lt; 0,05, ** = p &lt; 0,001. Skróty: NRS=numeryczna skala oceny; VAS=wizualna skala analogowa; MPQ=kwestionariusz bólu McGilla; PBD=schemat ciała w ocenie bólu. <a href="https://www.jove.com/files/ftp_upload/65334/JoVE_Figure_S2.ai" target="_blank">Kliknij tutaj, aby pobrać ten plik.</a>
Tabela uzupełniająca 1. Korelacje Spearmana między wskaźnikami PBD a samoopisowymi standardowymi miarami bólu. Współczynniki korelacji Spearmana (rho) dla trzech wyekstrahowanych miar PBD w odniesieniu do pomiarów bólu NRS, VAS i MPQ. Skróty: NRS=numeryczna skala oceny; VAS=wizualna skala analogowa; MPQ=kwestionariusz bólu McGilla; PBD=diagram ciała w bólu. <a href="https://www.jove.com/files/ftp_upload/65334/JoVE_Table_S1.xlsx" target="_blank">Kliknij tutaj, aby pobrać ten plik.</a>
Tabela uzupełniająca 2. Wrażenia pacjentów po wypełnieniu PBD zostały ujawnione za pomocą pytań specyficznych dla PBD oraz zmodyfikowanych pytań z kwestionariusza użyteczności systemu. Zmodyfikowane pytania dotyczące użyteczności składały się naprzemiennie z twierdzeń pozytywnych i negatywnych i były oceniane w 5-punktowej skali (1=całkowicie się zgadzam, 5=całkowicie się nie zgadzam). Skrót: PBD=schemat ciała w bólu. <a href="https://www.jove.com/files/ftp_upload/65334/JoVE_Table_S2.xlsx" target="_blank">Prosimy kliknąć tutaj, aby pobrać ten plik.</a>
Dodatkowy plik z kodem 1: Skrypt Python do obliczania wskaźników PBD. Przylegający komentarzami kod w języku Python przetwarza plik PNG z diagramem bólu ciała (PBD) i generuje wartości średniej, pokrycia oraz sumy PBD dla każdego pliku. Skrypt zawiera również instrukcje importu niezbędne do pobrania pakietów wymaganych do uruchomienia programu. <a href="https://www.jove.com/files/ftp_upload/65334/PBD%20processing%20final.zip" target="_blank">Proszę kliknąć tutaj, aby pobrać ten plik.</a>
Plik uzupełniający 1: Plik uzupełniający zawierający szczegóły metodologiczne. <a href="https://www.jove.com/files/ftp_upload/65334/Supplementary%20Materials_RE.zip" target="_blank">Aby pobrać ten plik, kliknij tutaj.</a>

Obecne skale bólu używane do ilościowego określania nasilenia bólu, takie jak wizualne skale analogowe, nie są w stanie uchwycić złożoności subiektywnych doświadczeń bólu. Diagramy ciała bólu są jakościowe, ale mogą być bardziej pouczające. Celem tej metody jest wyodrębnienie wskaźników ilościowych z diagramów ciała bolesnego przy użyciu nowatorskiej transformacji ciśnienia i odcienia.

Kwantyfikacja lokalizacji i intensywności bólu za pomocą multimodalnych diagramów ciała bólu

To quantify an individual&#39;s subjective pain severity, standardized pain rating scales such as the numeric rating scale (NRS), visual analog scale ...

Ból jest subiektywnym, wieloaspektowym doświadczeniem, które może być trudne do oceny za pomocą numerycznych skal ocen lub ankiet z deskryptorami. W tym miejscu pokazujemy, jak ilościowo uchwycić lokalizację i nasilenie bólu za pomocą połączonego narzędzia ilustracyjnego, diagramu ciała bólu. Numeryczna skala oceny, prosząca pacjentów o ocenę bólu od zera do 10, jest najczęściej używanym narzędziem oceny bólu.Wizualna skala analogowa, oceniająca ból w skali od zera do 100, została zaprojektowana w celu zminimalizowania błędu zakotwiczenia, który może zniekształcać zgłaszane wartości pomimo różnych poziomów bólu. Ponadto Kwestionariusz Bólu McGilla pomaga zrozumieć somatosensoryczne i emocjonalne aspekty bólu poprzez opisowe podpowiedzi. Diagramy ciała bólu były używane jako narzędzie do oceny bólu do śledzenia objawów bólu w ujęciu podłużnym.Diagramy specyficzne dla płci pozwalają respondentom lepiej identyfikować i zgłaszać ból. Ponadto włączenie koloru oznaczającego intensywność pozwala na skuteczną komunikację bólu ponad barierami kulturowymi i językowymi. Ból jest wszechobecnym, ale złożonym doświadczeniem.Podczas gdy deskryptory werbalne i suwaki wizualne są obecnie złotym standardem wskaźników bólu, zaniedbują one pochodzenie bólu w układzie samego ciała. Przyszłe iteracje PBD mogą zostać rozszerzone, aby reprezentować somatyzację bólu lub bólu trzewnego w wymiernej metodzie. Ponadto narzędzie to może utorować drogę do zrozumienia metod leczenia bólu, takich jak większy nacisk naszego laboratorium na głęboką stymulację mózgu.Aby rozpocząć, należy przeprowadzić badanie przesiewowe pacjentów przy użyciu wyświetlanych kryteriów włączania pacjentów. Następnie zaimportuj odpowiedni dla płci szablon PBD pokazujący zarówno przednią, jak i tylną powierzchnię ciała do aplikacji ilustracyjnej na dotykowym tablecie cyfrowym wyposażonym w narzędzie do rysowania wrażliwe na nacisk. Po pobraniu szablonu do biblioteki zdjęć tabletu i zaimportowaniu go, utwórz nową warstwę na szablonie PBD dla uczestnika, klikając ikonę warstw, a następnie przycisk plusa.W ten sposób zostaną utworzone dwie warstwy, jedna z PBD, a druga na rysunek uczestnika z kolorami wskazującymi na ból. Następnie utwórz nowy pędzel z X równym naciskowi Y na krzywą transformacji odcienia, klikając ikonę Biblioteka pędzli i przycisk plusa, aby otworzyć Brush Studio. Kliknij przycisk dynamiki kolorów i przewiń do sekcji nacisku kolorów.W przypadku suwaka barwy kliknij wartość procentową liczbową, aby uzyskać prostą linię o kącie 45 stopni na wykresie transformacji ciśnienia. Aby zdefiniować zakres gradientu odcienia od zielonego przez niebieski do czerwonego, dostosuj suwak barwy w sekcji nacisku koloru, klikając podaną liczbę procentową i wprowadzając wartość liczbową 81%Dostosuj suwak narzędzia Pióro, aby wybrać rozmiar odpowiedni do potrzeb uczestnika badania. Wyjaśnij diagram ciała bólu lub anatomię PBD i orientację szablonów ciała w trybie poziomym.Opisz liniową transformację nacisku na odcień, pokazując, że zwiększony nacisk rysika przesuwa odcienie z zielonego na niebieski i czerwony, reprezentując odpowiednio łagodną, umiarkowaną i silną intensywność bólu. Następnie wyjaśnij narzędzia do rysowania i wymazywania oraz uszczypnij, aby powiększyć i przesunąć funkcje. Potwierdź, że uczestnik zrozumiał zadanie diagramu ciała z bólem za pomocą metody uczenia zwrotnego i poproś go, aby wyjaśnił proces własnymi słowami.Przeznacz 15 minut na ćwiczenie rysowania diagramów ciała bólu na płaskiej powierzchni, zapewniając dokładne odwzorowanie lokalizacji i intensywności bólu. Przejrzyj PBD z każdym uczestnikiem, aby zweryfikować spójność i prawidłowe użycie kolorów. Poproś uczestników, aby zakończyli PBD na początku badania lub w różnych punktach czasowych po leczeniu lub interwencji, dając wystarczająco dużo czasu na zakończenie PBD.Po zakończeniu zapisz PBD ze standardową nazwą pliku, w tym identyfikatorem pacjenta, datą i godziną zakończenia PBD. Wybierz żądane obrazy do eksportu zbiorczego za pomocą ikony wyboru. Kliknij przycisk Udostępnij, aby uzyskać dostęp do listy dostępnych formatów obrazów.Wybierz format pliku przenośnego lub Photoshop, który zachowuje warstwy obrazu, i kliknij preferowany format. Pobierz żądane pliki PBD i otwórz je w edytorze obrazów rastrowych. Teraz odizoluj interesujące nas kolorowe piksele od górnej warstwy pliku PBD, dodając całkowicie czarną warstwę poniżej warstwy kolorowej i warstwę czarnej maski nad nią, aby wykluczyć piksele poza konturem treści szablonu, tworząc zmodyfikowany PBD z tylko kolorowymi pikselami w konturze treści na czarnym tle.Aby wyeksportować przetworzone PBD jako przenośne sieciowe pliki graficzne, kliknij Plik, wybierz Eksportuj i wybierz Eksportuj jako.Wybierz format PNG, a następnie kliknij Eksportuj. Przekonwertuj każdą wartość piksela w PBD z przestrzeni kolorów RGB na HSV za pomocą pakietu OpenCV2 Python. Wyodrębnij wartość odcienia dla każdego piksela, wykonując skrypty Pythona zatytułowane measure_sanoblur i rgba2hsv.Uruchom skrypt Pythona quantifypain, aby obliczyć trzy metryki PBD. Najpierw oblicz pokrycie PBD, dzieląc liczbę kolorowych pikseli przez całkowitą liczbę pikseli na diagramie ciała. Zakres dla kobiet wynosi od 1 do 820 452 pikseli, a dla mężczyzn od 1 do 724 608 pikseli.Pomnóż wyniki przez 100, aby znormalizować dane ze skali od zera do 100. Następnie określ sumę intensywności PBD, dodając wartości odcienia dla wszystkich pikseli na diagramie ciała, co odbywa się za pomocą polecenia rgba2hsv. Zakres żeński wynosi od 0 do 114, 45, 354, a zakres męski od 0 do 101, 82, 816.Podziel wynik przez maksymalną sumę intensywności PBD i pomnóż przez 100. Maksymalna intensywność sumy PBD zależy od całkowitej liczby pikseli na diagramie ciała pomnożonej przez 139,5. Oblicz średnią intensywność PBD, dzieląc sumę wszystkich wartości odcienia przez całkowitą liczbę kolorowych pikseli.Na koniec przetwórz każdy plik PBD i skompiluj dane wyjściowe w arkuszu kalkulacyjnym w celu dalszej analizy. Wskaźniki PBD były skorelowane z Numerical Rating Intensity lub NRS, Visual Analog Scale lub VAS and McGill Pain Questionnaire lub MPQ dla większości pacjentów. U czterech z pięciu pacjentów wskaźniki PBD istotnie dzieliły się wzajemnymi informacjami lub MI z intensywnością NRS VAS, nieprzyjemnościami VAS i MPQ.U wszystkich pacjentów NRS miał istotny wskaźnik MI z nasileniem VAS, nieprzyjemnościami VAS i MPQ, podczas gdy suma PBD dzieliła MI z pokryciem PBD i średnią PBD.

quantifying-pain-location-intensity-with-multimodal-pain-body

Research

JoVE Journal

Neuroscience

Neuronauka

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

Uporczywy ból pooperacyjny może być związany ze zmianami w przetwarzaniu bólu. Oceniając ból w odpowiedzi na standaryzowane bodźce, można wyjaśnić zmiany w przetwarzaniu bólu. Przedstawiono metody uzyskiwania progów bólowych dla różnych bodźców oraz miarę analgezji endogennej u pacjentek poddawanych zabiegom chirurgicznym raka piersi.

Ilościowy paradygmat testów sensorycznych w celu uzyskania miar przetwarzania bólu u pacjentek poddawanych operacji raka piersi

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

Opisano technikę pozwalającą na ilościowe określenie odpowiedzi fizjologicznej neuronów ssaków in vivo podczas ruchu oraz korelację fizjologii neuronu z jego morfologią, fenotypem neurochemicznym i mikroobwodami synaptycznymi.

Charakterystyka fizjologiczna, morfologiczna i neurochemiczna neuronów modulowanych przez ruch

Niniejszy artykuł przedstawia protokoły obrazowania wrodzonych sygnałów optycznych oraz sygnałów autofluorescencji flawoprotein w celu mapowania aktywności wywołanej zapachami na powierzchni opolpacha u myszy.

Obrazowanie aktywności wywołanej zapachami w opoliach myszy z wykorzystaniem sygnałów odbicia optycznego i autofluorescencji

Test Cold Plantar (CPA) mierzy reakcję na zimno w zakresie od 30 °C do 5 °C, a także może mierzyć adaptację do zimna. Protokół ten opisuje, jak używać CPA do pomiaru nadwrażliwości na zimno, analgezji i adaptacji u myszy.

Prosta i niedroga metoda określania wrażliwości na zimno i adaptacji u myszy

Sugeruje się, że przejściowy potencjał receptora waniloidowego typu 1 (TRPV1) w okolicy nadrdzeniowej odgrywa pewne role w funkcjonowaniu mózgu. Opisano tutaj protokół wstrzykiwania domózgowo-komorowego resyferatoksyny w celu odczulania TRPV1 nadrdzeniowego u myszy. Przedstawiono również procedury niektórych testów bólowych.

Leczenie śródmózgowo-komorowe resynitrotoksyną i testy bólu u myszy

Poznaj metodę kwantyfikacji lokalizacji i intensywności bólu za pomocą multimodalnych diagramów ciała bólu. To narzędzie poprawia komunikację między pacjentem a klinicystą w ocenie dolegliwości bólowych.

Kwantyfikacja lokalizacji i intensywności bólu za pomocą multimodalnych diagramów ciała bólu

Przeglądaj więcej filmów