Summary
Nuværende smerteskalaer, der bruges til at kvantificere smertens sværhedsgrad, såsom visuelle analoge skalaer, fanger ikke kompleksiteten af subjektive smerteoplevelser. Smerte kropsdiagrammer er kvalitative, men kan være mere informative. Målet med denne metode er at udtrække kvantitative målinger fra smertekropsdiagrammer ved hjælp af ny trykfarvetransformation.
Abstract
For at kvantificere en persons subjektive smerte sværhedsgrad, standardiserede smerte rating skalaer såsom den numeriske rating skala (NRS), visuel analog skala (VAS), eller McGill smerte spørgeskema (MPQ) er almindeligt anvendt til at vurdere smerte på en numerisk skala. Imidlertid er disse skalaer ofte forudindtagede og fanger ikke kompleksiteten af smerteoplevelser. I modsætning hertil kræver klinisk praksis ofte, at patienter rapporterer smerteområder ved at trække på et kropsdiagram, hvilket er et effektivt, men kvalitativt værktøj. Metoden, der præsenteres her, ekstraherer kvantificerbare målinger fra smertekropsdiagrammer (PBD'er), som valideres mod NRS-, VAS- og MPQ-smerteskalaerne. Ved at bruge en ny trykfarvetransformation på en digital tablet kan forskellige tegnetryk, der påføres med en digital pen, repræsenteres som forskellige nuancer på en PBD. Dette giver et visuelt intuitivt diagram over nuancer, der spænder fra grøn til blå til rød, der repræsenterer henholdsvis milde til moderate og mest smertefulde regioner. For at kvantificere hver PBD blev der defineret nye smertemålinger: (1) PBD-middelintensitet, som er lig med summen af hver pixels nuanceværdi divideret med antallet af farvede pixels, (2) PBD-dækning, som er lig med antallet af farvede pixels divideret med det samlede antal pixels på kroppen, og (3) PBD-sumintensitet, som er lig med summen af alle pixels nuanceværdier. Ved hjælp af korrelations- og informationsteoretiske analyser viste disse PBD-målinger sig at have høj overensstemmelse med standardiserede smertemålinger, herunder NRS, VAS og MPQ. Afslutningsvis kan PBD'er give nye rumlige og kvantitative oplysninger, der gentagne gange kan måles og spores over tid for omfattende at karakterisere en deltagers smerteoplevelse.
Introduction
Kroniske smerter er en invaliderende neuropsykiatrisk tilstand, der påvirker over 50 millioner voksne i USA1. Imidlertid er almindelige kliniske værktøjer til at spore subjektiv smerteintensitet (såsom den numeriske vurderingsskala [NRS] eller visuelle analoge skala [VAS]) reduktionistiske og undlader at kommunikere den komplekse karakter af smertesymptomintensitet, der spænder over somatosensoriske, kognitive eller affektive domæner 2,3. Nøjagtig sporing af en persons smerteintensitet er afgørende for diagnosen smertesyndromer, overvågning af sygdomsprogression og vurdering af den potentielle effektivitet af terapier såsom medicin eller hjernestimulering.
Det udbredte NRS-smerteintensitetsværktøj kræver, at motivet vurderer smerteintensitet som en heltalsværdi fra 0-10, hvilket ikke repræsenterer smerte til den værst mulige smerte. Selvom NRS er let at administrere og forstå, er det begrænset af respondentforankringsbias, forventningsbias og variabel fortolkning af individuelle værdier 4,5; Disse begrænser også sammenligninger mellem deltagere. VAS, en kontinuerlig skala fra 0-100, kan reducere virkningen af forankring, men kan stadig stå over for lignende begrænsninger som NRS4. Flere undersøgelser har vist en høj grad af overensstemmelse mellem NRS og VAS for kroniske lændesmertersværhedsgrad 6,7 og klinisk praksis 5, men konsensusretningslinjer fremhæver de mange mangler ved at stole på lignende skalaer i klinisk smerteforsøgsdesign eller fortolkning 8,9. Den kortformede McGill smerte spørgeskema 2 (MPQ) dissekerer yderligere de somatosensoriske og affektive dimensioner af smerte ved hjælp af vurderinger af verbale deskriptorer10 for at hjælpe med at skelne mellem sensorisk og affektiv smerte dimension11. Selvom disse smertevurderingsskalaer almindeligvis bruges til at spore smerteintensitet12,13, undlader de at fange detaljerede topografiske oplysninger såsom smerteplacering eller intensitetsvariation på tværs af kropsregioner.
Smertekropsdiagrammer (PBD'er) er et åbent, frit smertevurderingsværktøj, der giver respondenterne mulighed for at illustrere en visuel repræsentation af smerteplacering og intensitet på en skematisk menneskekropsoversigt14,15. PBD'er er et effektivt kommunikationsværktøj mellem deltagere og medicinske udbydere, som hjælper med at spore smertesymptomer i længderetningen16. PBD's grafiske format i frit format kan mindske forankringsbias. Nylige ændringer af PBD'er, såsom indførelsen af kønsspecifikke kropsdiagrammer, har øget deres effektivitet som kommunikationsværktøj ved at tilpasse den visuelt repræsenterede kropsform til respondentens anatomi og derved øge selvidentifikation og responsnøjagtighed17. Desuden har brugen af farve til at betegne intensitet vist sig at muliggøre effektiv kommunikation af smertesymptomer, der overvinder kulturelle og sproglige barrierer. For eksempel blev farverne hvid og rød oftest valgt til at indikere henholdsvis ingen smerte og alvorlig smerte hos en Hmong-patientpopulation18. Mens PBD'er er et effektivt værktøj19,20, har de været begrænset af deres kvalitative karakter.
Brugen af PBD'er på digitale tablets har væsentligt udvidet de tilgængelige værktøjer til kvantificering af smerteplacering og intensitet. Barbero et al. kvantificerede smerteomfanget eller antallet af pixels trukket i en PBD af patienter med kroniske lænde- og nakkesmerter og viste god test-retest-pålidelighed og signifikant korrelation med VAS-mål21. Kropsdiagrammer er også blevet analyseret for at skabe smertefrekvenskort for at vise de mest til mindst hyppigt smertefulde områder af kroppen21,22. Mens disse metoder kvantificerer rumlig smerteinformation, har ingen metode hidtil inkorporeret både smerteintensitet og placering i sammensatte målinger.
Følgende protokol demonstrerer en metode til at opnå nye, visuelt intuitive, farvede PBD'er og udtrække tre kvantitative målinger, der tilsammen afspejler en sammensætning af smerteintensitet og placeringsoplysninger. For at gøre dette blev fem deltagere, der gennemgik et forskningsforsøg med dyb hjernestimulering (DBS) for ildfaste kroniske neuropatiske smerter, udvalgt til at teste den nuværende tilgang ved hjælp af et N-of-1-undersøgelsesdesign23. Deltagerne blev instrueret i at rapportere intensiteten af deres øjeblikkelige smertesymptomer ved at anvende forskellige niveauer af pennetryk på en tabletillustrationsapplikation for at producere farvetoner, der svarede til varierende smerteintensiteter på forskellige kropssteder. PBD-afledte målinger af dækning, sumintensitet og gennemsnitlig intensitet blev sammenlignet med mere almindelige validerede smertemålinger (dvs. NRS, VAS og MPQ) ved hjælp af statistiske og gensidige informationsanalyser (MI).
Over et 10-dages hospitalsophold gennemførte patienter, der gennemgik evaluering, PBD'er (gennemsnitlig ± standardafvigelse (SD) = 121,8 ± 34,3 PBD'er pr. Patient; interval 84-177; 609 PBD'er i alt) ud over validerede smerteskalaer såsom NRS, VAS og MPQ flere gange dagligt. PBD'er blev indsamlet via en tabletapplikation og uploadet som tidsstemplede filer til sikrede forskningsservere, når de var færdige. Smerteintensitet NRS, VAS og MPQ blev erhvervet ved hjælp af REDCap undersøgelsesværktøjer, en sikker webapplikation. Både undersøgelser og PBD'er blev administreret personligt af forskningsassistenter for at sikre, at patienterne fik den nødvendige hjælp til at gennemføre deres evalueringer nøjagtigt. Følgende trin beskriver PBD-opsætning, deltagerinstruktion, dataindsamling og PBD-analyse, der bruges til pålideligt at kvantificere smerte (figur 1).
Protocol
Denne PBD-protokol blev implementeret i en overordnet klinisk forsøgsprotokol (NCT03029884), godkendt af UCSF Human Research Protection Program og FDA. Hver deltager (3 kvinder og 2 mænd, aldersgruppe: 51-67 år) underskrev skriftligt informeret samtykke; de blev rekrutteret fra UCSF smertehåndteringscenter eller henvist af læger i USA.
1. Opsætning af smertekropsdiagram
- Patientinklusionskriterier: Inkluder deltagere med følgende smertediagnoser: flere neuropatiske smerteætiologier, herunder centrale smerter efter slagtilfælde (2 patienter) og neurodegenerativ rygsøjlesygdom med radikulær smerte (1 patient), komplekst regionalt smertesyndrom (1 patient) og rygmarvsskade (1 patient). Alle deltagere har gennemført efterskoleuddannelse.
- Importer en kønstilpasset PBD-skabelon (supplerende figur 1), der viser både for- og bagkropsoverflader, til et illustrationsprogram, der indeholder et trykfølsomt tegneværktøj på en berøringsfølsom digital tablet. Hent PBD-skabelonen til tablettens fotobibliotek, og klik derefter på knappen Importer .
- Opret et nyt lag oven på PBD-skabelonen ved at klikke på ikonet Lag efterfulgt af knappen + , som deltageren kan tegne på. Dette resulterer i to lag, et med PBD og et, der skal trækkes ind med farver, der indikerer smerte.
- Opret en ny pensel med en x=y tryk-til-nuance-transformationskurve ved først at klikke på ikonet Penselbibliotek og derefter på + for at åbne penselstudiet.
- Klik på knappen mærket Farvedynamik, og rul derefter ned til afsnittet om farvetryk. For skyderen for farvetone skal du klikke på den numeriske procent for at sikre, at tryktransformationsgrafen visualiserer en lige 45° linje.
BEMÆRK: Dobbeltklik på grafen giver mulighed for at nulstille grafen til den lige x = y-graf. - Hvis du vil definere farvetonegradueringsområdet fra grøn til blå til rød, skal du justere skyderen for farvetone under afsnittet Farvetryk ved at klikke på det viste procenttal og indtaste en numerisk værdi på 81 %.
BEMÆRK: En anden måde at gøre dette på er at indtaste hexadecimale grænser på #008000 for at #FF0000, hvis applikationen tillader manuel indtastning af hexakoder. - Vælg en penstørrelse, der imødekommer undersøgelsesdeltagernes behov, ved at justere skyderen for penværktøjet. En pennestørrelse på 30% er en god startstørrelse for de fleste deltagere.
2. Vejledning til deltagerne
- Beskriv PBD-anatomien og orienteringen af kropsskabelonerne i portrættilstand, tegne- og sletningsværktøjerne, den taktile pinch-to-zoom og panoreringsfunktionaliteten til patienten.
- Forklar den lineære transformation fra tryk til nuance for deltagerne på følgende måde: Informer deltagerne om, at øget tryk, der påføres pennen, vil resultere i nuancer, der skifter fra grøn til blå til rød, som skal farves ind i diagrammet for at repræsentere henholdsvis mild til moderat til svær smerteintensitet på et givet sted.
- Brug teach-back-metoden24 til at bekræfte deltagerens forståelse af PBD-opgaven ved at bede dem om at forklare, hvordan man udfylder diagrammet med deres egne ord.
- Giv deltagerne mindst 15 minutters øvelsestid til at tegne flere PBD'er på en plan overflade for at sikre nøjagtig repræsentation af smerteplacering og intensitet. Tillad eventuelle justeringer, der skal foretages for at maksimere brugervenligheden. Gennemgå PBD'erne umiddelbart derefter med hver deltager for at sikre konsistens, og at farverne tegnes efter hensigten.
3. Dataindsamling og forbehandling
- Bed deltagerne om at fuldføre PBD'er under baseline eller på forskellige tidspunkter efter en vis behandling eller intervention. Tillad en ubegrænset tid til færdiggørelse af hver PBD, så hvert kort kan udfyldes til deltagerens tilfredshed.
- Gem udfyldte PBD'er med et standardiseret filnavn, der indeholder patient-id samt dato og klokkeslæt, hvor PBD blev afsluttet.
BEMÆRK: Disse filer gemmes midlertidigt på tabletenheden. - Masseeksport af fuldførte PBD'er i enten .PDF) eller Photoshop-dokumentfilformat (.PSD), der bevarer billedlag til forbehandling. Hvis du vil masseeksportere, skal du først klikke på ikonet Vælg for at vælge de ønskede billeder og derefter klikke på Del for at åbne en menu med billedformater til eksport. Klik på den valgte formatfil.
BEMÆRK: Eksporterede filer uploades til en sikker forskningsserver. - Download PBD'er, og åbn dem i et rasterbaseret billedredigeringsprogram.
- Isoler de farvede pixel af interesse fra det øverste lag i PBD-filen ved at tilføje to maskelag: et helt sort lag under det indfarvede lag og et sort maskelag for at udelukke pixel uden for skabelonens brødtekstkontur over det indfarvede lag. Dette vil resultere i behandlede PBD'er, der kun indeholder de farvede pixels i brødtekstkonturen på en sort baggrund (figur 1).
- Eksporter de behandlede PBD'er som .png (Portable Network Graphics) filer ved at klikke og vælge følgende rækkefølge af knapper: Filer > Eksporter > Eksporter som > PNG > Eksporter.
4. PBD-kvantificering
- Konverter hver pixelværdi i PBD fra RGB (rød, grøn, blå) farverum til HSV (nuance, mætning, værdi) farverum ved hjælp af OpenCV225, en offentligt tilgængelig Python-pakke. Uddrag nuanceværdien for hver pixel ved at køre python-scripts med titlen rgba2hsv(filnavn) (supplerende kodningsfil 1) og measure_SAnoblur(filnavn, sigma-1.0) (figur 1).
BEMÆRK: Disse scripts kvantificerer og justerer nuanceværdier for at skabe en kontinuerlig nuanceskala fra 0-139,5. HSV-værdierne på OpenCV2 spænder fra 0-179. Den letteste grønne, som repræsenterer den mindste smerteintensitet, svarer til nuanceværdien på 39,5. Nogle røde nuancer svarer til værdier mellem 0-10. Gule og orange farver, der svarer til farvetoneværdier mellem 10-39,5, bruges ikke af penværktøjet. De røde nuanceværdier fra 0-10 tildeles 179 for korrekt at repræsentere den mest smerteintensitet. Farvetoneskalaen spænder fra 39,5-179 efter denne justering. Derefter trækkes 39,5 fra hver nuanceværdi, så den endelige skala spænder fra 0-139,5. - Beregn og normaliser de tre PBD-målinger ved at køre Python-scriptet med titlen quantifypain(filnavn) (supplerende kodningsfil 1).
- Scriptet beregner hver metrik som beskrevet nedenfor.
- PBD-dækning: Divider antallet af farvede pixel med det samlede antal pixel, der er tilgængelige i brødtekstdiagrammet. Intervallet for antallet af farvede pixels for kvinder er 0 til 820.452 pixels (samlede pixels), og intervallet for mænd er 0 til 724.608 pixels (samlede pixels).
- PBD-sumintensitet: Tilføj farvetoneværdierne for alle pixel i brødtekstdiagrammet. Intervallet for summen af farvetoneværdier for kvinder er 0 til 114.453.054, og intervallet for mænd er 0 til 101.082.816.
- PBD-middelintensitet: Divider summen af alle farvetoneværdier med det samlede antal farvede pixel.
- Brug scriptet til at normalisere alle PBD-målinger på en skala fra 0 til 100 ved at følge beregningerne beskrevet nedenfor.
- PBD-dækning: Multiplicer PBD-dækning med 100.
- PBD-sum: Divider PBD-sumintensiteten med den maksimale PBD-sumintensitet og gang med 100. Den maksimale PBD-sumintensitet er lig med det samlede antal pixels i kropsdiagrammet ganget med 139.5 (dvs. for kvinder er det 820.452 pixels ganget med 139.5, hvilket svarer til 114.453.054; for mænd er det 724.608 pixels ganget med 139.5, hvilket svarer til 101.082.816).
- PBD-middelværdi: Divider PBD-middelintensiteten med den maksimale nuanceværdi på 139,5 og gang med 100.
- Scriptet beregner hver metrik som beskrevet nedenfor.
- Gentag trin 4.1 og 4.2 for at behandle hver PBD-fil (med filtypenavnet .png). Kompiler outputtene i et regneark for at køre yderligere analyser.
Representative Results
PBD-middelværdien, summen og dækningen giver entydigt information om smerteresponser, der ikke er fanget i andre standardiserede smerteskalaer. Mellem de to PBD'er (figur 2A, B) er den gennemsnitlige smerteintensitet identisk (PBD-gennemsnit = 79,6). En øget dækning og sum afslører imidlertid den større rumlige spredning af smerte og total smerteintensitet, der adskiller de to PBD'er (figur 2B). For nøjagtigt at kvantificere smerte ved hjælp af disse målinger bør forskere undgå følgende almindelige PBD-opsætningsfejl (figur 2C). For stor pennetykkelse og fremmede elementer uden for kropskonturen, såsom cirklende kropsområder eller skriftlige beskrivelser, registreres ikke i PBD-behandlingen. På samme måde vil en hvid pen, der bruges til at fjerne farve i stedet for viskelæderværktøjet, skævvride PBD-målinger. Øvelse og styrket instruktion vil give patienterne mulighed for at skabe nøjagtige og kvantificerbare PBD'er, der afslører variation i smerteintensitet og fordeling.
PBD-målingerne blev valideret i forhold til NRS, VAS og MPQ (figur 3B; Supplerende figur 2) og scorede højt i brugervenlighed (supplerende figur 1 og supplerende figur 2).
PBD-målinger korreleret med standard smertemålinger
PBD-målingerne var korreleret med NRS, VAS og MPQ for de fleste patienter (figur 3A, supplerende figur 1A, B). Hos fire ud af fem patienter var PBD-summen, dækningen og middelværdien korreleret med deres VAS og NRS (Spearmans korrelation, rs = 0,33-0,72, p < 0,004, supplerende tabel 1). For tre ud af fem deltagere var PBD-målinger også signifikant korreleret med MPQ-score (Spearmans korrelation, rs = 0,38-0,53, p < 0,004, supplerende tabel 1). Patient 4 viste imidlertid ikke signifikante korrelationer mellem PBD-målingerne og standard smertescorer. Vi karakteriserede yderligere ikke-lineære forhold mellem PBD og standardmålinger ved hjælp af informationsteoretiske analyser (supplerende figur 2).
PBD-målinger undgår responsforankring og deler gensidig information med standard smertemålinger
PBD-målinger indeholdt mere information (dvs. entropi) end NRS. På tværs af patienter indeholdt NRS mindre information (2,32 ± 0,37 bit) sammenlignet med henholdsvis VAS-intensitet, VAS-ubehag, MPQ i alt, PBD-sum, PBD-dækning og PBD-gennemsnit (3,21 ± 0,49 bit, 3,20 ± 0,31 bit, 3,16 ± 0,23 bit, 3,06 ± 0,32 bit, 3,34 ± 0,16 bit, 3,22 ± 0,39 bit; Supplerende figur 2). Dette blev bekræftet med en envejs gentagne målinger ANOVA (F (4,1) = 12,10, p < 0,05) og en Tukeys t-test til individuelle sammenligninger (alle p < 0,05). Dette viser, at PBD-målinger havde mindre responsforankring end NRS.
PBD blev yderligere valideret mod etablerede målinger ved gensidige informationsanalyser (permutationstest, α=0,05). Hos fire ud af fem patienter delte PBD-målinger signifikant MI med NRS, VAS-intensitet, VAS-ubehag og MPQ (p < 0,05, figur 3B). I modsætning hertil delte patient 4's PBD-målinger ikke signifikant MI med etablerede målinger. Da deres NRS indeholdt mindst information på tværs af patienternes (supplerende figur 2), tyder dette på, at NRS undlod at fange nuancer i smerteoplevelsen, der blev fanget af PBD. Hos alle patienter delte NRS signifikant MI med VAS-intensitet, VAS-ubehag og MPQ, mens PBD-summen delte MI med PBD-dækning og PBD-gennemsnit (p < 0,05, figur 3B). Alt i alt delte PBD-målingerne for de fleste patienter MI med etablerede smertemålinger.
PBD'er var nemme at bruge for de fleste deltagere
I undersøgelsen fandt fire af de fem patienter, at PBD var let at bruge og nøjagtigt afspejle deres smerte (supplerende tabel 2). Patient 4 rapporterede imidlertid, at PBD var vanskelig at bruge (5 på en 5-punkts Likert-skala). Dette skyldes primært, at de har dyb, visceral smerte - som ikke er godt fanget i en 2-dimensionel (2D) PBD. Mens patienterne varierede i deres fortrolighed med PBD'er (2,8 ± 1,2, interval 1-4, 5-punkts Likert-skala), brugte de alle sammenlignelig elektronik dagligt (5,0 ± 0,0, 5-punkts Likert-skala) og fandt, at PBD var brugervenlig (5,2 ± 0,4, interval 5-6, 6-punkts Likert-skala).
Figur 1. Smerte kropsdiagram (PBD) analyse workflow. Patienterne trak på tomme PBD-skabeloner for at repræsentere smertens placering og intensitet. Afsluttede PBD'er indeholdt nuancer, der varierede fra grøn til blå til rød, hvilket repræsenterer henholdsvis milde til moderate til svære smerteområder. PBD'er blev maskeret til kun at inkludere pixels i brødtekstens kontur, og derefter blev skabelonen fjernet for kun at isolere pixel, der indeholder nuancer. Ud fra PBD'erne blev PBD-dækning (%), sumintensitet (normaliseret til 0-100) og middelintensitet (normaliseret til 0-100) beregnet. For PBD-dækning blev antallet af farvede pixels først divideret med det samlede antal pixels i diagrammet (820.452 pixels for kvinder, 724.608 pixels for mænd) og derefter ganget med 100. For PBD-sumintensitet blev nuanceværdierne for alle pixels i brødtekstdiagrammet først summeret (hunområde: 0-114.453.054; mandligt interval: 0-101.082.816). Summen blev derefter divideret med den maksimale PBD-sumintensitet (kvinder: 820.452 pixels ganget med maksimal nuanceværdi 139.5, mænd: 724.608 pixels med 139.5) og ganget med 100. For PBD-middelintensiteten blev summen af alle nuanceværdier divideret med det samlede antal farvede pixels og derefter normaliseret ved at dividere med den maksimale nuanceværdi på 139,5. Klik her for at se en større version af denne figur.
Figur 2. Repræsentative PBD'er, der viser eksempler på gode og dårlige PBD'er. (A,B) Gode PBD'er viser nytten af at beregne 3 smertemålinger. (C) Dårlige PBD-eksempler inkluderer overdreven tyk penstørrelse, fremmede elementer uden for kropsdiagrammet og unøjagtig sletning. Klik her for at se en større version af denne figur.
Figur 3. PBD-målinger blev valideret mod standard smertemålinger via Spearmans korrelations- og gensidige informationsanalyser. (A) VAS-intensitet og PBD-sum plottet med lineære bedst tilpassede linjer tegnet for hver patient. (B) Data på gruppeniveau, der viser den gennemsnitlige gensidige information (MI) mellem hver smertemåling, med MI angivet med farvebjælke til højre. Teksten i hver boks repræsenterer antallet af patienter med statistisk signifikant MI for en given parvis sammenligning (f.eks. angiver 3/5 3 patienter med signifikante værdier). MI præsenteres af det observerede MI divideret med det teoretiske maksimale MI. Forkortelser: NRS = numerisk ratingskala; VAS-intensitet = visuel analog skalaintensitet; VAS unpl. = visuel analog skala smerte ubehagelighed, MPQ = kort form McGill smerte spørgeskema 2; PBD = smerte kropsdiagram; PBD cov. = PBD-dækning, MI = gensidig information, sig. = signifikant. Klik her for at se en større version af denne figur.
Supplerende figur 1. PBD-gennemsnit (A) og PBD-dækning (B) plottet mod VAS-intensitet med lineære bedst egnede linjer tegnet for hver patient. Forkortelser: VAS = visuel analog skala; PBD = smerte kropsdiagram. Klik her for at downloade denne fil.
Supplerende figur 2. Entropi pr. smertemåling på tværs af patienter. På gruppeniveau havde NRS-intensiteten lavere entropi end alle andre smertemålinger, som det fremgår af gentagne målinger envejs ANOVA efterfulgt af Tukeys test post-hoc til specifikke sammenligninger * = p < 0,05, ** = p < 0,001 . Forkortelser: NRS = numerisk vurderingsskala; VAS = visuel analog skala; MPQ = McGill smerte spørgeskema; PBD = smerte kropsdiagram. Klik her for at downloade denne fil.
Supplerende tabel 1. Spearmans korrelationer mellem PBD-målinger og selvrapporterede standard smertemålinger. Spearmans korrelationskoefficienter (rho) for tre ekstraherede PBD-målinger mod NRS-, VAS- og MPQ-smertemålinger. Forkortelser: NRS = numerisk vurderingsskala; VAS = visuel analog skala; MPQ = McGill smerte spørgeskema; PBD = smerte kropsdiagram. Klik her for at downloade denne fil.
Supplerende tabel 2. Patientindtryk af at udfylde en PBD blev afsløret gennem PBD-specifikke og systemanvendelighedsskalamodificerede spørgsmål. De ændrede spørgsmål om brugervenlighedsskalaen vekslede mellem positive og negative udsagn og blev rangeret på en 5-punkts skala (1=meget enig, 5=meget uenig). Forkortelse: PBD = smerte kropsdiagram. Klik her for at downloade denne fil.
Supplerende kodningsfil 1: Python-script til PBD-målinger. Den kommenterede python-kode behandler et smertekropsdiagram PNG-fil og udsender PBD-middelværdi, dækning og sumværdier for hver fil. Scriptet indeholder også importsætninger for at hente de nødvendige pakker, for at programmet kan køre. Klik her for at downloade denne fil.
Supplerende fil 1: Supplerende fil med metodologiske detaljer. Klik her for at downloade denne fil.
Discussion
Kritiske trin i protokollen
De vigtigste trin omfatter: PBD-opsætning, patientinstruktion og forbehandling. Ved PBD-opsætning skal hver kønsspecifik PBD visualisere en for- og bagside26 og overlejres med et tomt lag på et illustrationsprogram for at isolere farvetoneværdier. Desuden skal stistørrelsen opfylde patienternes illustrationsbehov, og farvetonegradienter skal defineres for kvantitativt at analysere PBD'er. Patientinstruktion og forståelse af værktøjet er grundlæggende for pålidelige data. Der bør afsættes tilstrækkelig tid til, at deltagerne kan øve sig i at implementere værktøjet på PBD. Brug teach-back-metoden til at bekræfte deltagernes forståelse af opgaver og undersøgelser med jævne mellemrum under testen, ca. en gang hver 10. PBD. For at holde styr på individuelle PBD'er er det også en god ide at navngive hver fil med en unik titel og tidsstempel efter afslutningen. Efter dataindsamling kunne hver PBD-metrik udtrækkes ved hjælp af Python27-scripts (se Supplerende kodningsfil 1). Målingerne af PBD-dækning, sumintensitet og gennemsnitlig intensitet kan gentages før og efter enhver behandling eller intervention for at spore smerteresponser hos patienten. For at udtrække disse målinger skal en forsker, der ikke er direkte involveret i dataindsamling, overlejre sorte maskelag for kun at isolere farver, der er tegnet inde i brødtekstens kontur, og derefter beregne HSV-pixelværdier ved hjælp af brugerdefineret softwarekode, der leveres som supplerende fil 1.
Ændringer og fejlfinding i teknikken
Metodologiske trin blev finjusteret under dataindsamlingen af patient 1. Disse omfatter at give patienterne mere tid til at gøre sig bekendt med at kontrollere pennens trykfølsomhed, korrekt opsætning af kropsdiagramlag til senere maskering og analyse, begrænsning af brugen af symboler eller ord på PBD'er og justering af absolut pentrykfølsomhed i henhold til hver deltagers styrke og fingerfærdighed (selvom transformationen mellem relativt tryk og nuance forblev konstant). Patienterne fik lov til at vælge deres pennestørrelse, så de bedst repræsenterer deres smerte; Valg af en fast størrelse kan dog give mulighed for bedre fremtidige sammenligninger mellem patienter. I fremtidige iterationer kan prototyper af en metode, der bruger en farvekanal (f.eks. rød, grøn eller blå) og varierer farvens lysstyrke baseret på pennetryk, minimere muligt tab af præcision ved konvertering fra RGB til HSV-farverum.
Begrænsninger af teknikken
PBD'er kræver, at patienterne har tilstrækkelig baseline motorisk styrke og fingerfærdighed i mindst en øvre ekstremitet med god finmotorisk evne i fingrene som minimum til at udfylde diagrammer uafhængigt og nøjagtigt oversætte deres smerteoplevelse via tryk. Mens standard smertemålinger som NRS og MPQ kan indtastes på papir eller et tastatur af en assistent gennem verbal kommunikation, er denne ændring med PBD'er endnu ikke valideret. PBD'er mangler også dybde som en todimensionel illustration. Detaljeringsgraden i et tredimensionelt kropsdiagram er blevet kvalitativt demonstreret for at udvide kommunikationen af smerteinformation17. Yderligere karakterisering af dybden af smerte kan fange nye smerteoplysninger, der ikke undersøges i skalaer som NRS, VAS og MPQ. Kropsdiagrammer er i øjeblikket ikke designet til at fange mere abstrakt somatisering eller dybere former for smerte. For eksempel rapporterede patient 4 selv, at smertestedet og smerteintensiteten ikke var godt karakteriseret ved kropsdiagrammet i brugervenlighedsundersøgelsen, da han følte, at de ikke fangede hans interne neuropatiske smerter. Patient 5 tegnede ofte stiplede linjer i kropsdiagrammer for at indikere tyngde i deres krop, hvilket kan forvirre metriske beregninger. Fremtidige PBD-iterationer kunne udvides til at repræsentere somatisering af smerte eller visceral smerte i en kvantificerbar metode. Endelig blev PBD'er analyseret i en N-of-1-ramme, hvor næsten 100 separate PBD'er blev genereret for hver deltager. Analyser på gruppeniveau var ikke mulige på grund af det lille antal deltagere. Derfor kunne test-retest-pålidelighed ikke bestemmes i denne undersøgelse, da svarene på NRS-skalaer står over for forankringsbias, hvilket tyder på, at de samme NRS-scorer muligvis ikke svarer til de samme PBD'er, der blev testet efter forsøget. Fremtidig forskning vil være nødvendig for at evaluere PBD-målinger i en gruppevis analyseindstilling og metodens test-retest-pålidelighed i en større prøve.
Metodens betydning i forhold til eksisterende metoder
PBD'er er blevet brugt i vid udstrækning i kliniske og forskningsmæssige indstillinger til at demonstrere en deltagers smerteintensitet over hele kroppen14,15, men dette værktøj forblev stort set begrænset af dets kvalitative karakter. Mens digital smertekortlægning er blevet brugt til langsgående sporing af kroniske smerter16, manglede patienterne evnen til at repræsentere smerteintensitet og placering i en kombineret, præcis teknik. Denne nye trykfarvetransformation, der er inkorporeret i PBD'er, giver sammensatte rumlige og kvantitative smertemålinger, der gentagne gange kan måles og spores over tid for at fange en deltagers smerteoplevelse. Her blev tre ekstraherede PBD-målinger, der differentielt afspejlede smerteintensitet og placering hos en patient, dvs. PBD-dækning, sumintensitet og gennemsnitlig intensitet, vist at bære høj validitet og overensstemmelse med standardiserede smertemål såsom NRS-intensitet, VAS-intensitet, VAS-ubehag og MPQ. Alle PBD-mål var korreleret med VAS- og NRS-scoren hos fire ud af fem patienter og signifikant korreleret med MPQ hos tre ud af fem. Derudover afslørede informationsteorimetoden 28,29,30,31 ikke-lineære forhold, der ikke blev påvist med mere almindelige statistiske metoder. I undersøgelsen havde fire ud af fem patienter signifikant MI mellem PBD-målinger og NRS, VAS-intensitet, VAS-ubehag og MPQ, hvilket viste signifikant, men ikke total, overlapning i informationsindhold. PBD-målingerne var således meget i overensstemmelse med standardiserede smertemålinger, men PBD-gennemsnittet syntes at afspejle en kombination af intensitets- og placeringsoplysninger, der ikke var til stede i konventionelle smertemålinger.
Fremtidige anvendelser af denne teknik
De nuværende resultater viser, at PBD'er kan være særligt velegnede til patienter, der oplever og kvantificerer deres smerte på en ikke-lineær skala. På samme måde som verbale deskriptorer kan give deltagerne en anden dimension til at evaluere smerte, giver PBD'erne en unik grafisk og trykbaseret fortolkning af deres smerte. Ved at implementere en ny trykfarvetransformation giver kropsdiagrammer information om placering, spredning og regional variation i smerteintensiteten, som efter vores viden ikke er blevet demonstreret før. Sammen med neurale data indsamlet under ethvert DBS-forsøg kan PBD-målinger være et kraftfuldt værktøj til at lokalisere smerte i forskellige kropsområder til forskellige hjerneområder og hjælpe med at informere mekanistiske undersøgelser om smertesignalveje. Den trykfarvetransformation, der implementeres i PBD'er, kan bruges i mange kliniske og forskningsindstillinger til at analysere smertelindring som reaktion på behandling eller sammenligne smerter over tid. Denne metode producerer ikke kun unikke, visuelt intuitive diagrammer til vurdering af smerte, men fanger også nøjagtigt en patients oplevelse ud over en enkelt numerisk score.
Disclosures
Forfatterne erklærer, at forskningen blev udført i mangel af kommercielle eller finansielle forbindelser, der kunne fortolkes som en potentiel interessekonflikt.
Acknowledgments
Denne undersøgelse blev finansieret af National Institutes of Health-tilskuddet UH3-NS115631 til PS. Finansieringskilder godkendte undersøgelsesdesignet, men havde ingen rolle i studieudførelse, dataanalyse eller manuskriptforberedelse. Vi takker også Dr. Edward F. Chang, Dr. Philip A. Starr og deltagerne i vores undersøgelse.
Materials
| Name | Company | Catalog Number | Comments |
| Adobe Photoshop v.21.2.1 | Adobe Inc. | N/A | Photo editor application to pre-process pain body diagrams |
| Apple Pencil 2nd generation | Apple Inc. | A2051 | Digital pen for pressure-hue transformation |
| iPad Pro (11-inch, 2nd generation) | Apple Inc. | MY332LL/A | Touch-sensitive digital tablet |
| Pain Body Diagram Template | 123RF | 95218807 | Copyright Use |
| Procreate v5.3.1 | Procreate | N/A | Commercially available illustration applicataion |
| REDCap v13.2.1 | Vanderbilt University | N/A | Secure web survey and database application |
References
- Yong, R. J., Mullins, P. M., Bhattacharyya, N. Prevalence of chronic pain among adults in the United States. Pain. 163 (2), e328-e332 (2022).
- Shirvalkar, P., Veuthey, T. L., Dawes, H. E., Chang, E. F. Closed-Loop Deep Brain Stimulation for Refractory Chronic Pain. Frontiers in Computational Neuroscience. 12, 18 (2018).
- Bittar, R. G., et al. Deep brain stimulation for pain relief: A meta-analysis. Journal of Clinical Neuroscience. 12 (5), 515-519 (2005).
- Wewers, M. E., Lowe, N. K. A critical review of visual analogue scales in the measurement of clinical phenomena. Research in Nursing & Health. 13 (4), 227-236 (1990).
- Price, D. D., Bush, F. M., Long, S., Harkins, S. W. A comparison of pain measurement characteristics of mechanical visual analogue and simple numerical rating scales. Pain. 56 (2), 217-226 (1994).
- Shafshak, T. S., Elnemr, R. The Visual Analogue Scale Versus Numerical Rating Scale in Measuring Pain Severity and Predicting Disability in Low Back Pain. JCR: Journal of Clinical Rheumatology. 27 (7), 282-285 (2021).
- Strong, J., Ashton, R., Chant, D. Pain Intensity Measurement in Chronic Low Back Pain. The Clinical Journal of Pain. 7 (3), 209 (1991).
- Smith, S. M., et al. Interpretation of chronic pain clinical trial outcomes: IMMPACT recommended considerations. Pain. 161 (11), 2446 (2020).
- Dworkin, R. H., Kerns, R. D., McDermott, M. P., Turk, D. C., Veasley, C. The ACTTION guide to clinical trials of pain treatments, part II: mitigating bias, maximizing value. Pain Reports. 6 (1), e886 (2021).
- Melzack, R. The McGill Pain Questionnaire: Major properties and scoring methods. Pain. 1 (3), 277-299 (1975).
- Gracely, R. H., McGrath, P., Dubner, R. Validity and sensitivity of ratio scales of sensory and affective verbal pain descriptors: Manipulation of affect by diazepam. Pain. 5 (1), 19-29 (1978).
- Williamson, A., Hoggart, B. Pain: a review of three commonly used pain rating scales. Journal of Clinical Nursing. 14 (7), 798-804 (2005).
- Main, C. J. Pain assessment in context: a state of the science review of the McGill pain questionnaire 40 years on. Pain. 157 (7), 1387-1399 (2016).
- Schott, G. D. The cartography of pain: The evolving contribution of pain maps. European Journal of Pain. 14 (8), 784-791 (2010).
- Palmer, H. Pain charts; a description of a technique whereby functional pain may be diagnosed from organic pain. The New Zealand Medical Journal. 48 (264), 187-213 (1949).
- Villa, M. G., Palsson, T. S., Royo, A. C., Bjarkam, C. R., Boudreau, S. A. Digital Pain Mapping and Tracking in Patients With Chronic Pain: Longitudinal Study. Journal of Medical Internet Research. 22 (10), e21475 (2020).
- Egsgaard, L. L., Christensen, T. S., Petersen, I. M., Brønnum, D. S., Boudreau, S. A. Do Gender-Specific and High-Resolution Three Dimensional Body Charts Facilitate the Communication of Pain for Women? A Quantitative and Qualitative Study. JMIR Human Factors. 3 (2), e19 (2016).
- Lor, M., Rabago, D., Backonja, M. Evaluation of the Use of Colors and Drawings for Pain Communication for Hmong Patients. Pain Management Nursing. 22 (6), 811-819 (2021).
- Sehgal, N., Gordon, D. B., Hetzel, S., Backonja, M. 34;Misha" Colored pain drawing as a clinical tool in differentiating neuropathic pain from non-neuropathic pain. Pain Medicine. 22 (3), 596-605 (2021).
- Takata, K., Hirotani, H. Pain drawing in the evaluation of low back pain. International Orthopaedics. 19 (6), 361-366 (1995).
- Barbero, M., et al. Test-retest reliability of pain extent and pain location using a novel method for pain drawing analysis. European Journal of Pain. 19 (8), 1129-1138 (2015).
- Dixit, A., Lee, M. Quantification of Digital Body Maps for Pain: Development and Application of an Algorithm for Generating Pain Frequency Maps. JMIR Formative Research. 6 (6), e36687 (2022).
- Borsook, D., Upadhyay, J., Hargreaves, R., Wager, T. Enhancing choice and outcomes for therapeutic trials in chronic pain: N-of-1+ imaging (+ i). Trends in Pharmacological Sciences. 41 (2), 85-98 (2020).
- Weiss, B. D.
- Bradski, G.
- Male And Female Body Front And Back View. Blank Human Body Template For Medical Infographic. Isolated Vector Illustration. Royalty Free SVG, Cliparts, Vectors, And Stock Illustration. Image 95218807. 123RF. , (2023).
- Van Rossum, G., Drake, F. L. Python 3 Reference Manual. , CreateSpace. Scotts Valley, CA. (2009).
- Shannon, C. E.
- Timme, N. M., Lapish, C. A Tutorial for Information Theory in Neuroscience. eNeuro. 5 (3), 0052-0018 (2018).
- Cohen, M. X. Analyzing Neural Time Series Data: Theory and Practice. , (2014).
- Freedman, D., Diaconis, P. On the histogram as a density estimator:L 2 theory. Zeitschrift for Wahrscheinlichkeitstheorie und Verwandte Gebiete. 57 (4), 453-476 (1981).
