Summary
Nåværende smerteskalaer som brukes til å kvantifisere smertens alvorlighetsgrad, for eksempel visuelle analoge skalaer, klarer ikke å fange kompleksiteten av subjektive smerteopplevelser. Smerte kroppsdiagrammer er kvalitative, men kan være mer informative. Målet med denne metoden er å trekke ut kvantitative beregninger fra smertekroppsdiagrammer ved hjelp av ny trykkfargetransformasjon.
Abstract
For å kvantifisere individets subjektive smertealvorlighetsgrad, brukes standardiserte smertevurderingsskalaer som numerisk vurderingsskala (NRS), visuell analog skala (VAS) eller McGill smerte spørreskjema (MPQ) ofte til å vurdere smerte på numerisk skala. Imidlertid er disse skalaene ofte partiske og klarer ikke å fange kompleksiteten av smerteopplevelser. I motsetning til dette krever klinisk praksis ofte at pasienter rapporterer områder med smerte ved å tegne på et kroppsdiagram, som er et effektivt, men kvalitativt verktøy. Metoden som presenteres her trekker ut kvantifiserbare beregninger fra smertekroppsdiagrammer (PBD) som er validert mot NRS-, VAS- og MPQ-smerteskalaene. Ved å bruke en ny trykkfargetransformasjon på et digitalt nettbrett, kan forskjellige tegnetrykk påført med en digital pekepenn representeres som forskjellige fargetoner på en PBD. Dette gir et visuelt intuitivt diagram over fargetoner fra grønt til blått til rødt, som representerer henholdsvis milde til moderate til mest smertefulle områder. For å kvantifisere hver PBD ble nye smerteberegninger definert: (1) PBD gjennomsnittlig intensitet, som er lik summen av hver piksels kulørverdi delt på antall fargede piksler, (2) PBD-dekning, som er lik antall fargede piksler delt på det totale antallet piksler på kroppen, og (3) PBD-sumintensitet, som er lik summen av alle pikslers kulørverdier. Ved hjelp av korrelasjons- og informasjonsteorianalyser ble disse PBD-beregningene vist å ha høy konkordans med standardiserte smertemålinger, inkludert NRS, VAS og MPQ. Avslutningsvis kan PBD gi ny romlig og kvantitativ informasjon som gjentatte ganger kan måles og spores over tid for å omfattende karakterisere en deltakers smerteopplevelse.
Introduction
Kronisk smerte er en svekkende nevropsykiatrisk tilstand som påvirker over 50 millioner voksne i USA1. Imidlertid er vanlige kliniske verktøy for å spore subjektiv smerteintensitet (for eksempel den numeriske vurderingsskalaen [NRS] eller visuell analog skala [VAS]) reduksjonistiske og klarer ikke å kommunisere den komplekse naturen til smertesymptomintensitet som spenner over somatosensoriske, kognitive eller affektive domener 2,3. Nøyaktig sporing av individets smerteintensitet er avgjørende for diagnosen smertsyndrom, overvåking av sykdomsprogresjon og vurdering av potensiell effekt av terapier som medisiner eller hjernestimulering.
Det mye brukte NRS-smerteintensitetsverktøyet krever at motivet vurderer smerteintensitet som en heltallsverdi fra 0-10, noe som representerer ingen smerte til den verst mulige smerten. Selv om det er lett å administrere og forstå, er NRS begrenset av respondentens forankringsskjevhet, forventningsskjevhet og variabel tolkning av individuelle verdier 4,5; Disse begrenser også sammenligninger mellom deltakere. VAS, en kontinuerlig skala fra 0-100, kan redusere virkningen av forankring, men kan fortsatt møte lignende begrensninger som for NRS4. Flere studier har vist stor grad av samsvar mellom NRS og VAS for kronisk alvorlighetsgrad av korsryggsmerter6,7 og klinisk praksis5, men konsensusretningslinjer fremhever de mange manglene ved å stole på lignende skalaer i klinisk smerteforsøksdesign eller tolkning 8,9. Det kortformede McGill pain questionnaire 2 (MPQ) dissekerer videre de somatosensoriske og affektive dimensjonene av smerte ved hjelp av rangeringer av verbale beskrivelser10, for å hjelpe til med å skille mellom sensorisk og affektiv smertedimensjon11. Selv om disse smertevurderingsskalaene ofte brukes til å spore smerteintensitet12,13, klarer de ikke å fange detaljert topografisk informasjon som smerteplassering eller intensitetsvariasjon på tvers av kroppsregioner.
Pain body diagrams (PBDs) er et åpent, fritt form smertevurderingsverktøy som lar respondentene illustrere en visuell representasjon av smerteplassering og intensitet på en skjematisk menneskekroppsoversikt14,15. PBD er et effektivt kommunikasjonsverktøy mellom deltakere og medisinske leverandører som hjelper til med å spore smerte symptomer i lengderetningen16. PBDs grafiske format i fri form kan redusere forankringsskjevhet. Nylige modifikasjoner av PBD, for eksempel innføring av kjønnsspesifikke kroppsdiagrammer, har økt effektiviteten som kommunikasjonsverktøy ved å justere den visuelt representerte kroppsformen med respondentens anatomi, og dermed øke selvidentifikasjon og responsnøyaktighet17. Videre har bruk av farger for å betegne intensitet vist seg å tillate effektiv kommunikasjon av smerte symptomer overvinne kulturelle og språkbarrierer. For eksempel ble fargene hvit og rød oftest valgt for å indikere henholdsvis ingen smerte og alvorlig smerte i en Hmong-pasientpopulasjon18. Mens PBD er et effektivt verktøy19,20, har de blitt begrenset av deres kvalitative natur.
Bruken av PBD på digitale tabletter har vesentlig utvidet verktøyene som er tilgjengelige for å kvantifisere smertelokalisering og intensitet. Barbero og medarbeidere kvantifiserte smerteomfanget eller antall piksler tegnet innenfor en PBD hos pasienter med kroniske korsrygg- og nakkesmerter og viste god test-retest-reliabilitet og signifikant korrelasjon med VAS-mål21. Kroppsdiagrammer har også blitt analysert for å lage smertefrekvenskart for å vise de mest til minst smertefulle områdene i kroppen21,22. Selv om disse metodene kvantifiserer romlig smerteinformasjon, har ingen metode hittil innlemmet både smerteintensitet og plassering i sammensatte beregninger.
Følgende protokoll demonstrerer en metode for å skaffe nye, visuelt intuitive, fargede PBDer og trekke ut tre kvantitative beregninger som sammen gjenspeiler en sammensetning av smerteintensitet og plasseringsinformasjon. For å gjøre dette ble fem deltakere som gjennomgikk en forskningsprøve av dyp hjernestimulering (DBS) for ildfast kronisk nevropatisk smerte valgt for å teste den nåværende tilnærmingen, ved hjelp av en N-of-1 studiedesign23. Deltakerne ble instruert til å rapportere intensiteten av deres øyeblikkelige smerte symptomer ved å bruke varierende nivåer av pennetrykk på en tablettillustrasjonsapplikasjon for å produsere fargetoner som korresponderte med varierende smerteintensiteter på forskjellige kroppssteder. PBD-avledede beregninger av dekning, sumintensitet og gjennomsnittlig intensitet ble sammenlignet med mer vanlige validerte smertemålinger (dvs. NRS, VAS og MPQ) ved hjelp av statistiske og gjensidige informasjonsanalyser (MI).
Over et 10-dagers sykehusopphold fullførte pasienter som gjennomgikk evaluering PBD (gjennomsnittlig ± standardavvik (SD) = 121,8 ± 34,3 PBD per pasient; område 84-177; 609 PBD totalt) i tillegg til validerte smerteskalaer som NRS, VAS og MPQ flere ganger daglig. PBD-er ble samlet inn via en nettbrettapplikasjon og lastet opp som tidsstemplede filer til sikrede forskningsservere når de var ferdige. Smerteintensitet NRS, VAS og MPQ ble anskaffet ved hjelp av RedCap undersøkelsesverktøy, en sikker webapplikasjon. Både undersøkelser og PBD ble administrert personlig av forskningsassistenter for å sikre at pasientene fikk den nødvendige hjelpen til å fullføre evalueringene nøyaktig. De følgende trinnene beskriver PBD-oppsett, deltakerinstruksjon, datainnsamling og PBD-analyse som brukes til pålitelig kvantifisering av smerte (figur 1).
Protocol
Denne PBD-protokollen ble implementert i en overordnet klinisk prøveprotokoll (NCT03029884), godkjent av UCSF Human Research Protection Program og FDA. Hver deltaker (3 kvinner og 2 menn, aldersgruppe: 51-67 år) signerte skriftlig informert samtykke; de ble rekruttert fra UCSF smertebehandlingssenter eller henvist av leger i USA.
1. Oppsett av smertekroppsdiagram
- Inklusjonskriterier for pasient: Inkluder deltakere med følgende smertediagnoser: flere nevropatiske smerteetiologier, inkludert sentral smerte etter hjerneslag (2 pasienter) og nevrodegenerativ ryggsykdom med radikulær smerte (1 pasient), komplekst regionalt smertesyndrom (1 pasient) og ryggmargsskade (1 pasient). Alle deltakerne har fullført utdanning etter videregående.
- Importer en kjønnstilpasset PBD-mal (tilleggsfigur 1), som viser både for- og bakkroppsoverflater, til et illustrasjonsprogram som inneholder et trykkfølsomt tegneverktøy på et berøringsfølsomt digitalt nettbrett. Last ned PBD-malen til nettbrettets bildebibliotek, og klikk deretter på Importer-knappen .
- Opprett et nytt lag på toppen av PBD-malen ved å klikke på lagikonet etterfulgt av + -knappen som deltakeren kan tegne på. Dette resulterer i to lag, ett med PBD og ett som skal trekkes inn med farger som indikerer smerte.
- Opprett en ny pensel med en x=y trykk-til-farge-transformasjonskurve ved først å klikke på Brush Library-ikonet , og deretter + for å åpne penselstudioet.
- Klikk på knappen merket Fargedynamikk, og bla deretter ned til fargetrykkdelen. For skyvekontrollen for kulør klikker du på den numeriske prosenten for å sikre at trykktransformasjonsgrafen visualiserer en rett linje på 45°.
MERK: Dobbeltklikk på grafen vil gi muligheten til å tilbakestille grafen til den rette x = y-grafen. - Hvis du vil definere kulørgraderingsområdet fra grønt til blått til rødt, justerer du skyvekontrollen for kulør under Fargetrykk-delen ved å klikke Prosentnummer oppført og angi en numerisk verdi på 81 %.
MERK: En annen måte å gjøre dette på er å angi heksadesimale grenser på # 008000 for å #FF0000 hvis programmet tillater manuell oppføring av heksakoder. - Velg en pennestørrelse som imøtekommer studiedeltakernes behov ved å justere glidebryteren for penneverktøyet. En pennestørrelse på 30% er en god startstørrelse for de fleste deltakere.
2. Instruksjoner til deltakerne
- Beskriv PBD-anatomien og orienteringen til kroppsmalene i portrettmodus, tegne- og slettingsverktøyene, den taktile knipe-for-zoom-funksjonen og panoreringsfunksjonaliteten til pasienten.
- Forklar trykk-til-fargetone lineær transformasjon til deltakerne på følgende måte: Informer deltakerne om at økt trykk på pennen vil resultere i nyanser som skifter fra grønt til blått til rødt, som skal farges inn i diagrammet for å representere henholdsvis mild til moderat til alvorlig smerteintensitet på et gitt sted.
- Bruk tilbakelæringsmetoden24 til å bekrefte deltakernes forståelse av PBD-oppgaven ved å be dem forklare hvordan de fyller ut diagrammet med egne ord.
- Tillat deltakerne minst 15 min treningstid for å tegne flere PBD på en flat overflate for å sikre nøyaktig representasjon av smerteplassering og intensitet. Tillat eventuelle justeringer som skal gjøres for å maksimere brukervennligheten. Gå gjennom PBD-ene umiddelbart etterpå med hver deltaker for å sikre konsistens og at farger tegnes som tiltenkt.
3. Datainnsamling og forhåndsbehandling
- Be deltakerne om å fullføre PBD under baseline eller på ulike tidspunkter etter noen behandling eller intervensjon. Tillat en åpen tid for ferdigstillelse av hver PBD, slik at hvert kart kan fullføres til deltakerens tilfredshet.
- Lagre fullførte PBD-er med et standardisert filnavn som inneholder pasient-ID, samt dato og klokkeslett da PBD ble fullført.
MERK: Disse filene lagres midlertidig på nettbrettet. - Masseeksport av fullførte PBDer i enten Portable Document Format (.PDF) eller Photoshop-dokumentfilformat (.PSD) som beholder bildelag for forhåndsbehandling. For masseeksport, klikk først på Velg-ikonet for å velge de ønskede bildene, og klikk deretter på Del for å åpne en meny med bildeformater for eksport. Klikk på formatfilen du ønsker.
MERK: Eksporterte filer lastes opp til en sikker oppslagsserver. - Last ned PBD-er og åpne i et rasterbasert bilderedigeringsprogram.
- Isoler de fargede bildepunktene av interesse fra det øverste laget av PBD-filen ved å legge til to maskelag: ett helt svart lag under det innfargede laget og ett svart maskelag for å utelate bildepunkter utenfor malbrødtekstomrisset over det innfargede laget. Dette vil resultere i bearbeidede PBD-er som bare inneholder de fargede pikslene i brødtekstomrisset på svart bakgrunn (figur 1).
- Eksporter de behandlede PBDene som bærbare nettverksgrafikkfiler (.png) ved å klikke og velge følgende sekvens med knapper: Fil > Eksporter > Eksporter som > PNG > Eksporter.
4. PBD-kvantifisering
- Konverter hver bildepunktverdi i PBD-filen fra RGB-fargeområdet (rødt, grønt, blått) til HSV-fargeområde (kulør, metning, verdi) ved hjelp av OpenCV225, en offentlig tilgjengelig Python-pakke. Trekk ut kulørverdien for hvert bildepunkt ved å kjøre pythonskriptene rgba2hsv(filnavn) (tilleggskodefil 1) og measure_SAnoblur(filnavn, sigma-1.0) (figur 1).
MERK: Disse skriptene kvantifiserer og justerer kulørverdier for å lage en kontinuerlig kulørskala fra 0-139,5. HSV-verdiene på OpenCV2 varierer fra 0-179. Den letteste grønnfargen, som representerer minst smerteintensitet, tilsvarer kulørverdien på 39,5. Noen røde fargetoner tilsvarer verdier mellom 0-10. Gule og oransje farger som tilsvarer kulørverdier mellom 10-39,5, brukes ikke av pennverktøyet. De røde kulørverdiene fra 0-10 tilordnes på nytt til 179 for å representere mest smerteintensitet på riktig måte. Fargetoneskalaen varierer fra 39,5-179 etter denne justeringen. Deretter trekkes 39,5 fra hver kulørverdi, slik at den endelige skalaen går fra 0-139,5. - Beregn og normaliser de tre PBD-beregningene ved å kjøre Python-skriptet med tittelen quantifypain(filnavn) (tilleggskodingsfil 1).
- Skriptet beregner hver beregning som beskrevet nedenfor.
- PBD-dekning: Del antall fargede piksler med det totale antallet piksler som er tilgjengelige i brødtekstdiagrammet. Området for antall fargede piksler for kvinner er 0 til 820 452 piksler (totalt antall piksler) og området for menn er 0 til 724 608 piksler (totalt antall piksler).
- Sumintensitet for PBD: Legg til kulørverdiene for alle bildepunktene i brødtekstdiagrammet. Området for summen av kulørverdier for kvinner er 0 til 114 453 054, og området for menn er 0 til 101 082 816.
- PBD betyr intensitet: Del summen av alle kulørverdier med totalt antall fargede bildepunkter.
- Bruk skriptet til å normalisere alle PBD-mål på en skala fra 0 til 100 ved å følge beregninger beskrevet nedenfor.
- PBD dekning: Multipliser PBD dekning med 100.
- PBD-sum: Del PBD-sumintensiteten med maksimal PBD-sumintensitet og multipliser med 100. Den maksimale PBD-sumintensiteten er lik det totale antall piksler i kroppsdiagrammet multiplisert med 139,5 (dvs. for kvinner er det 820 452 piksler multiplisert med 139,5 som tilsvarer 114 453 054; for menn er det 724 608 piksler multiplisert med 139,5 som tilsvarer 101 082 816).
- PBD betyr: Del PBD gjennomsnittlig intensitet med den maksimale kulørverdien på 139,5 og multipliser med 100.
- Skriptet beregner hver beregning som beskrevet nedenfor.
- Gjenta trinn 4.1 og 4.2 for å behandle hver PBD-fil (med filtypen .png). Samle utdataene i et regneark for å kjøre videre analyser.
Representative Results
PBD-gjennomsnittet, summen og dekningen gir unik informasjon om smerteresponser som ikke er fanget opp i andre standardiserte smerteskalaer. Mellom de to PBDene (figur 2A,B) er gjennomsnittlig smerteintensitet identisk (PBD-gjennomsnitt = 79,6). Økt dekning og sum viser imidlertid den større romlige spredningen av henholdsvis smerte og total smerteintensitet som skiller de to PBDene (figur 2B). For å kvantifisere smerte nøyaktig ved hjelp av disse beregningene, bør forskere unngå følgende vanlige PBD-oppsettfeil (figur 2C). For stor pennetykkelse og fremmede elementer utenfor kroppsomrisset, for eksempel sirklende kroppsregioner eller skriftlige beskrivelser, fanges ikke opp i PBD-behandlingen. På samme måte vil en hvit penn som brukes til å fjerne farge i stedet for viskelærverktøyet, forskyve PBD-beregninger. Praksis og forsterket instruksjon vil gi pasienter mulighet til å lage nøyaktige og kvantifiserbare PBD som avslører variasjon i smerteintensitet og distribusjon.
PBD-beregningene ble validert mot NRS, VAS og MPQ (figur 3B; Tilleggsfigur 2) og skåret høyt i brukervennlighet (tilleggsfigur 1 og tilleggsfigur 2).
PBD-beregninger korrelert med standard smertemålinger
PBD-beregningene var korrelert med NRS, VAS og MPQ for de fleste pasientene (figur 3A, tilleggsfigur 1A,B). Hos fire av fem pasienter var PBD-sum, dekningsgrad og gjennomsnitt korrelert med VAS og NRS (Spearmans korrelasjon, rs = 0,33-0,72, p < 0,004, tilleggstabell 1). For tre av fem deltakere var PBD-beregninger også signifikant korrelert med MPQ-skår (Spearmans korrelasjon, rs = 0,38-0,53, p < 0,004, tilleggstabell 1). Pasient 4 viste imidlertid ingen signifikant korrelasjon mellom PBD-beregninger og standard smerteskår. Videre karakteriserte vi ikke-lineære sammenhenger mellom PBD og standardberegninger ved hjelp av informasjonsteoretiske analyser (tilleggsfigur 2).
PBD-beregninger unngår responsforankring og deler gjensidig informasjon med standard smertemålinger
PBD-beregninger inneholdt mer informasjon (dvs. entropi) enn NRS. På tvers av pasientene inneholdt NRS mindre informasjon (2,32 ± 0,37 biter) sammenlignet med VAS-intensitet, VAS-ubehageligheter, MPQ totalt, PBD-sum, PBD-dekning og PBD-gjennomsnitt (3,21 ± 0,49 biter, 3,20 ± 0,31 biter, 3,16 ± 0,23 biter, 3,06 ± 0,32 biter, 3,34 ± 0,16 biter, henholdsvis 3,22 ± 0,39 biter; Tilleggsfigur 2). Dette ble bekreftet med enveis gjentatte mål ANOVA (F(4,1) = 12,10, p < 0,05) og Tukeys t-test for individuelle sammenlikninger (alle p < 0,05 ). Dette viser at PBD-beregninger hadde mindre responsforankring enn NRS.
PBD ble videre validert mot etablerte beregninger ved gjensidig informasjonsanalyse (permutasjonstesting, α=0,05). Hos fire av fem pasienter delte PBD-beregninger signifikant MI med NRS, VAS-intensitet, VAS-ubehageligheter og MPQ (p < 0,05, figur 3B). I motsetning til dette delte pasient 4s PBD-beregninger ikke signifikant MI med etablerte beregninger. Siden deres NRS inneholdt minst informasjon på tvers av pasientene» (tilleggsfigur 2), tyder dette på at NRS ikke klarte å fange opp nyanser i smerteopplevelse som ble fanget opp av PBD. Hos alle pasientene delte NRS signifikant hjerteinfarkt med VAS-intensitet, VAS-ubehageligheter og MPQ, mens PBD-summen delte MI med PBD-dekning og PBD-gjennomsnitt (p < 0,05, figur 3B). Alt i alt, for de fleste pasienter, delte PBD-beregningene MI med etablerte smertemålinger.
PBD var enkle å bruke for de fleste deltakerne
I studien fant fire av de fem pasientene PBD lett å bruke og å reflektere deres smerte nøyaktig (tilleggstabell 2). Pasient 4 rapporterte imidlertid at PBD var vanskelig å bruke (5 på 5-punkts Likert-skala). Dette skyldes først og fremst at de har dyp, visceral smerte - som ikke er godt fanget i en 2-dimensjonal (2D) PBD. Mens pasientene varierte i sin kjennskap til PBD (2,8 ± 1,2, område 1-4, 5-punkts Likert-skala), brukte de alle sammenlignbar elektronikk daglig (5,0 ± 0,0, 5-punkts Likert-skala) og fant PBD å være brukervennlig (5,2 ± 0,4, område 5-6, 6-punkts Likert-skala).
Figur 1. Arbeidsflyt for smertekroppsdiagram (PBD) analyse. Pasientene tegnet på tomme PBD-maler for å representere smertens plassering og intensitet. Fullførte PBD inneholdt fargetoner som varierte fra grønt til blått til rødt, som representerer henholdsvis milde til moderate til alvorlige smerteregioner. PBD-er ble maskert for å inkludere bare piksler i brødtekstomrisset, og deretter ble malen fjernet for å isolere bare piksler som inneholder fargetoner. Fra PBDene ble PBD-dekning (%), sumintensitet (normalisert til 0-100) og gjennomsnittlig intensitet (normalisert til 0-100) beregnet. For PBD-dekning ble antall fargede piksler først delt på det totale antall piksler i diagrammet (820 452 piksler for kvinner, 724 608 piksler for menn), deretter multiplisert med 100. For PBD-sumintensitet ble kulørverdiene for alle bildepunktene i brødtekstdiagrammet først summert (kvinneområde: 0-114 453 054; mannlig område: 0-101 082 816). Summen ble deretter delt på maksimal PBD-sumintensitet (kvinner: 820 452 piksler multiplisert med maksimal kulørverdi 139,5, menn: 724 608 piksler med 139,5) og multiplisert med 100. For PBD-middelintensitet ble summen av alle kulørverdier delt på det totale antallet fargede piksler, og deretter normalisert ved å dele med den maksimale kulørverdien på 139,5. Klikk her for å se en større versjon av denne figuren.
Figur 2. Representative PBDer som viser eksempler på gode og dårlige PBDer. (A,B) Gode PBD viser nytten av å beregne 3 smerteberegninger. (C) Dårlige PBD-eksempler inkluderer overdreven tykk pennestørrelse, fremmede elementer utenfor kroppsdiagrammet og unøyaktig sletting. Klikk her for å se en større versjon av denne figuren.
Figur 3. PBD-beregninger ble validert mot standard smertemålinger via Spearmans korrelasjon og gjensidige informasjonsanalyser. (A) VAS-intensitet og PBD-sum plottet med lineære beste tilpasningslinjer tegnet for hver pasient. (B) Data på gruppenivå som viser gjennomsnittlig gjensidig informasjon (MI) mellom hver smertemåling, med MI indikert med fargelinje til høyre. Teksten i hver boks representerer antall pasienter med statistisk signifikant hjerteinfarkt for en gitt parvis sammenligning (f.eks. indikerer 3/5 3 pasienter med signifikante verdier). MI presenteres ved observert MI dividert med teoretisk maks MI. Forkortelser: NRS = numerisk vurderingsskala; VAS intensitet = visuell analog skala intensitet; VAS unpl. = visuell analog skala smerte ubehagelighet, MPQ = kort form McGill smerte spørreskjema 2; PBD = smerte kroppsdiagram; PBD cov. = PBD dekning, MI = gjensidig informasjon, sig. = signifikant. Klikk her for å se en større versjon av denne figuren.
Tilleggsfigur 1. PBD gjennomsnitt (A) og PBD dekning (B) plottet mot VAS intensitet med lineære best fit linjer trukket for hver pasient. Forkortelser: VAS = visuell analog skala; PBD = smerte kroppsdiagram. Klikk her for å laste ned denne filen.
Tilleggsfigur 2. Entropi per smertemetrisk på tvers av pasienter. På gruppenivå hadde NRS-intensitet lavere entropi enn alle andre smertemetriske som vist ved gjentatte målinger enveis ANOVA etterfulgt av Tukeys test post-hoc for spesifikke sammenligninger * = p < 0,05, * * = p < 0,001. Forkortelser: NRS = numerisk vurderingsskala; VAS = visuell analog skala; MPQ = McGill smerte spørreskjema; PBD = smerte kroppsdiagram. Klikk her for å laste ned denne filen.
Tilleggstabell 1. Spearmans korrelasjoner mellom PBD-beregninger og selvrapporterte standard smertemål. Spearmans korrelasjonskoeffisienter (rho) for tre ekstraherte PBD-beregninger mot NRS-, VAS- og MPQ-smertetiltak. Forkortelser: NRS = numerisk vurderingsskala; VAS = visuell analog skala; MPQ = McGill smerte spørreskjema; PBD = smerte kroppsdiagram. Klikk her for å laste ned denne filen.
Tilleggstabell 2. Pasientens inntrykk av å fullføre en PBD ble avslørt gjennom PBD-spesifikke og systembrukbarhetsskalamodifiserte spørsmål. De modifiserte spørsmålene i brukervennlighetsskalaen vekslet i positive og negative utsagn og ble rangert på en 5-punkts skala (1=helt enig, 5=helt uenig). Forkortelse: PBD = smerte kroppsdiagram. Klikk her for å laste ned denne filen.
Supplerende kodefil 1: Python-skript for PBD-beregninger. Den kommenterte pythonkoden behandler et smertekroppsdiagram PNG-fil og sender ut PBD-gjennomsnitts-, deknings- og sumverdier for hver fil. Skriptet inneholder også importsetninger for å laste ned de nødvendige pakkene for at programmet skal kjøre. Klikk her for å laste ned denne filen.
Tilleggsfil 1: Tilleggsfil for metodeopplysninger. Klikk her for å laste ned denne filen.
Discussion
Kritiske trinn i protokollen
De viktigste trinnene inkluderer: PBD-oppsett, pasientinstruksjon og forhåndsbehandling. For PBD-oppsett skal hver kjønnsspesifikke PBD visualisere en front- og bakvisning26, og være overlagt med et tomt lag på en illustrasjonsapplikasjon for å isolere fargetoneverdier. Videre må pennestørrelsen oppfylle pasientenes illustrasjonsbehov, og fargetonegradienter må defineres for å kvantitativt analysere PBD. Pasientinstruksjon og forståelse av verktøyet er grunnleggende for pålitelige data. Det bør settes av tilstrekkelig tid til at deltakerne øver på å implementere verktøyet på PBD. Bruk tilbakelæringsmetoden for å bekrefte deltakerens forståelse av oppgaver og undersøkelser med jevne mellomrom under testing, omtrent en gang hver 10. For å holde oversikt over individuelle PBD-er, er det også en god idé å navngi hver fil med en unik tittel og tidsstempel etter ferdigstillelse. Etter datainnsamling kunne hver PBD-beregning trekkes ut ved hjelp av Python27-skript (se Supplementary Coding File 1). Målingene av PBD-dekning, sumintensitet og gjennomsnittlig intensitet kan gjentas før og etter enhver behandling eller intervensjon for å spore smerteresponser hos pasienten. For å trekke ut disse beregningene, bør en forsker som ikke er direkte involvert i datainnsamling, legge over svarte maskelag for å isolere bare farger tegnet inne i kroppsomrisset, og deretter beregne HSV-pikselverdier ved hjelp av tilpasset programvarekode levert som tilleggsfil 1.
Modifikasjoner og feilsøking i teknikken
Metodiske trinn ble videreutviklet under datainnsamlingen til pasient 1. Disse inkluderer å gi pasientene mer tid til å gjøre seg kjent med å kontrollere trykkfølsomheten til pennen, korrekt oppsett av kroppsdiagramlag for senere maskering og analyse, begrense bruken av symboler eller ord på PBD-er, og justere absolutt følsomhet for pennetrykk i henhold til hver deltakers styrke og fingerferdighet (selv om transformasjonen mellom relativt trykk og fargetone forble konstant). Pasientene fikk lov til å velge pennestørrelse for best å representere deres smerte; Valg av én fast størrelse kan imidlertid gi bedre fremtidige sammenligninger mellom pasienter. I fremtidige gjentakelser kan prototyping av en metode som bruker én fargekanal (f.eks. rød, grønn eller blå) og variere fargenes lysstyrke basert på pennetrykk, minimere mulig tap av presisjon ved konvertering fra RGB til HSV-fargerom.
Begrensninger av teknikken
PBD krever at pasientene har tilstrekkelig motorisk styrke og fingerferdighet i minst en øvre ekstremitet med god finmotorisk evne i fingrene som et minimum for å fullføre diagrammer uavhengig og nøyaktig oversette deres smerteopplevelse via trykk. Mens standard smertemålinger som NRS og MPQ kan legges inn på papir eller et tastatur av en assistent gjennom verbal kommunikasjon, er denne modifikasjonen med PBD ennå ikke validert. PBD mangler også dybde som en todimensjonal illustrasjon. Detaljnivået i et tredimensjonalt kroppsdiagram har blitt kvalitativt demonstrert for å utvide kommunikasjonen av smerteinformasjon17. Videre karakterisering av dybden av smerte kan fange opp ny smerteinformasjon som ikke er undersøkt i skalaer som NRS, VAS og MPQ. Kroppsdiagrammer er for tiden ikke designet for å fange mer abstrakt somatisering eller dypere former for smerte. For eksempel rapporterte pasient 4 selv at smertelokalisasjon og smerteintensitet ikke var godt preget av kroppsdiagrammet i usabilitetsundersøkelsen, da han følte at de ikke fanget opp hans indre nevropatiske smerte. Pasient 5 tegnet ofte stiplede linjer i kroppsdiagrammer for å indikere tyngde i kroppen, noe som kan forvirre metriske beregninger. Fremtidige PBD-iterasjoner kan utvides til å representere somatisering av smerte eller visceral smerte i en kvantifiserbar metode. Til slutt ble PBD analysert i et N-of-1-rammeverk, hvor nesten 100 separate PBD ble generert for hver deltaker. Analyser på gruppenivå var ikke mulig på grunn av det lave antallet samlede deltakere. Derfor kunne ikke test-retest-reliabilitet bestemmes i denne studien siden svarene på NRS-skalaer står overfor forankringsskjevhet, noe som tyder på at de samme NRS-skårene kanskje ikke tilsvarer de samme PBDene som ble testet etter studien. Fremtidig forskning vil være nødvendig for å evaluere PBD-beregninger i en gruppevis analyseinnstilling og metodens test-retest-pålitelighet i et større utvalg.
Metodens betydning i forhold til eksisterende metoder
PBD har blitt mye brukt i kliniske og forskningsinnstillinger for å demonstrere en deltakers smerteintensitet over hele kroppen14,15, men dette verktøyet forblir i stor grad begrenset av sin kvalitative natur. Mens digital smertekartlegging har blitt brukt til å spore kronisk smerte16, manglet pasientene evnen til å representere smerteintensitet og plassering i en kombinert, presis teknikk. Denne nye trykkfargetransformasjonen innlemmet med PBD gir sammensatte romlige og kvantitative smertemålinger som kan måles gjentatte ganger og spores over tid for å fange en deltakers smerteopplevelse. Her ble tre ekstraherte PBD-beregninger som differensielt reflekterte smerteintensitet og plassering hos en pasient, dvs. PBD-dekning, sumintensitet og gjennomsnittlig intensitet, vist å ha høy validitet og samsvar med standardiserte smertemål som NRS-intensitet, VAS-intensitet, VAS-ubehag og MPQ. Alle PBD-mål var korrelert med VAS- og NRS-skår hos fire av fem pasienter og signifikant korrelert med MPQ hos tre av fem. I tillegg avslørte informasjonsteoritilnærmingen 28,29,30,31 ikke-lineære forhold som ikke ble oppdaget med mer vanlige statistiske metoder. I studien hadde fire av fem pasienter signifikant hjerteinfarkt mellom PBD-mål og NRS, VAS-intensitet, VAS-ubehageligheter og MPQ, noe som viste signifikant, men ikke total, overlapping i informasjonsinnhold. Dermed var PBD-målene svært samsvarende med standardiserte smertemål, men PBD-gjennomsnittet syntes å gjenspeile en kombinasjon av intensitets- og plasseringsinformasjon som ikke var tilstede i konvensjonelle smertemålinger.
Fremtidige anvendelser av denne teknikken
De foreliggende resultatene viser at PBD kan være spesielt egnet for pasienter som opplever og kvantifiserer smerten på en ikke-lineær skala. I likhet med hvordan verbale beskrivelser kan gi en annen dimensjon for deltakerne å evaluere smerte, gir PBDene en unik grafisk og trykkbasert tolkning av deres smerte. Ved å implementere en ny trykkfargetransformasjon gir kroppsdiagrammer informasjon om plassering, spredning og regional variasjon i intensiteten av smerte, som vi vet ikke har blitt demonstrert før. Sammen med nevrale data samlet inn under enhver DBS-prøve, kan PBD-beregninger være et kraftig verktøy for å lokalisere smerte i forskjellige kroppsgrupper til forskjellige hjernegrupper og bidra til å informere mekanistiske studier om smertesignalveier. Trykkfargetransformasjonen implementert i PBD kan brukes i mange kliniske og forskningsinnstillinger for å analysere smertelindring som respons på behandling eller sammenligne smerte over tid. Denne metoden produserer ikke bare unike, visuelt intuitive diagrammer for å vurdere smerte, men fanger også nøyaktig pasientens opplevelse utover en enkelt numerisk poengsum.
Disclosures
Forfatterne erklærer at forskningen ble utført i fravær av kommersielle eller økonomiske forhold som kan tolkes som en potensiell interessekonflikt.
Acknowledgments
Denne studien ble finansiert av National Institutes of Health tilskudd UH3-NS115631 til PS. Finansieringskilder godkjente studiedesignet, men hadde ingen rolle i studiegjennomføring, dataanalyse eller manuskriptforberedelse. Vi takker også Dr. Edward F. Chang, Dr. Philip A. Starr, og deltakerne i vår studie.
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).
