JoVE Journal > Neuroscience
Summary
Abstract
Introduction
Protocol
Risultati
Discussion
Divulgazioni
Acknowledgements
Materials
Riferimenti
Please note that all translations are automatically generated. Click here for the English version.
Neuroscienze

Quantificare la posizione e l'intensità del dolore con i diagrammi corporei multimodali del dolore

Published: July 07, 2023
doi:
10.3791/65334
, , , , , ,
1Anesthesiology (Division of Pain Management),University of California, San Francisco, 2Neurological Surgery and UCSF Weill Institute of Neurosciences,University of California, San Francisco, 3Anesthesiology (Division of Pain Management) and Neurological Surgery and UCSF Weill Institute of Neurosciences,University of California, San Francisco

Summary

Le attuali scale del dolore utilizzate per quantificare la gravità del dolore, come le scale analogiche visive, non riescono a catturare la complessità delle esperienze soggettive del dolore. I diagrammi del corpo del dolore sono qualitativi ma possono essere più informativi. L’obiettivo di questo metodo è quello di estrarre metriche quantitative dai diagrammi del corpo del dolore utilizzando una nuova trasformazione pressione-tonalità.

Abstract

Per quantificare la gravità soggettiva del dolore di un individuo, le scale di valutazione del dolore standardizzate come la scala di valutazione numerica (NRS), la scala analogica visiva (VAS) o il questionario sul dolore McGill (MPQ) sono comunemente utilizzate per valutare il dolore su una scala numerica. Tuttavia, queste scale sono spesso distorte e non riescono a catturare la complessità delle esperienze di dolore. Al contrario, la pratica clinica spesso richiede ai pazienti di segnalare le aree di dolore attingendo a un diagramma corporeo, che è uno strumento efficace ma qualitativo. Il metodo qui presentato estrae metriche quantificabili dai diagrammi del corpo del dolore (PBD) che vengono convalidati rispetto alle scale del dolore NRS, VAS e MPQ. Utilizzando una nuova trasformazione pressione-tonalità su una tavoletta digitale, le diverse pressioni di disegno applicate con uno stilo digitale possono essere rappresentate come tonalità diverse su un PBD. Questo produce un diagramma visivamente intuitivo di tonalità che vanno dal verde al blu al rosso, che rappresentano rispettivamente le regioni da lievi a moderate a più dolorose. Per quantificare ogni PBD, sono state definite nuove metriche del dolore: (1) intensità media PBD, che equivale alla somma del valore di tonalità di ciascun pixel diviso per il numero di pixel colorati, (2) copertura PBD, che equivale al numero di pixel colorati diviso per il numero totale di pixel sul corpo e (3) intensità della somma PBD, che equivale alla somma dei valori di tonalità di tutti i pixel. Utilizzando analisi di correlazione e teoria dell’informazione, queste metriche PBD hanno dimostrato di avere un’elevata concordanza con le metriche del dolore standardizzate, tra cui NRS, VAS e MPQ. In conclusione, i PBD possono fornire nuove informazioni spaziali e quantitative che possono essere ripetutamente misurate e monitorate nel tempo per caratterizzare in modo completo l’esperienza del dolore di un partecipante.

Introduction

Il dolore cronico è una condizione neuropsichiatrica debilitante che colpisce oltre 50 milioni di adulti negli Stati Uniti1. Tuttavia, gli strumenti clinici comuni per monitorare l’intensità soggettiva del dolore (come la scala di valutazione numerica [NRS] o la scala analogica visiva [VAS]) sono riduzionistici e non riescono a comunicare la natura complessa dell’intensità dei sintomi del dolore che abbraccia i domini somatosensoriale, cognitivo o affettivo 2,3. Monitorare con precisione l’intensità del dolore di un individuo è fondamentale per la diagnosi delle sindromi dolorose, il monitoraggio della progressione della malattia e la valutazione della potenziale efficacia di terapie come farmaci o stimolazione cerebrale.

Lo strumento di intensità del dolore NRS, ampiamente utilizzato, richiede al soggetto di valutare l’intensità del dolore come un valore intero compreso tra 0 e 10, che rappresenta l’assenza di dolore rispetto al peggior dolore possibile. Sebbene sia facile da amministrare e da capire, l’NRS è limitato dal bias di ancoraggio del rispondente, dal bias di aspettativa e dall’interpretazione variabile dei valori individuali 4,5; Questi limitano anche i confronti tra i partecipanti. Il VAS, una scala continua da 0 a 100, può ridurre l’impatto dell’ancoraggio, ma può comunque affrontare limitazioni simili a quelle di NRS4. Diversi studi hanno dimostrato un alto grado di accordo tra NRS e VAS per la gravità del dolore lombare cronico6,7 e la pratica clinica5, ma le linee guida di consenso evidenziano le molte carenze nell’affidarsi a scale simili nella progettazione o nell’interpretazione degli studi clinici sul dolore 8,9. Il questionario sul dolore McGill 2 (MPQ) analizza ulteriormente le dimensioni somatosensoriali e affettive del dolore utilizzando valutazioni di descrittori verbali10, per aiutare a distinguere tra dimensione del dolore sensoriale e affettivo11. Sebbene queste scale di valutazione del dolore siano comunemente utilizzate per monitorare l’intensità del dolore12,13, non riescono a catturare informazioni topografiche dettagliate come la posizione del dolore o la variazione dell’intensità tra le regioni del corpo.

I diagrammi corporei del dolore (PBD) sono uno strumento di valutazione del dolore aperto e in forma libera che consente agli intervistati di illustrare una rappresentazione visiva della posizione e dell’intensità del dolore su uno schema schematico del corpo umano14,15. I PBD sono un efficace strumento di comunicazione tra i partecipanti e gli operatori sanitari che aiutano a monitorare longitudinalmente i sintomi del dolore16. Il formato grafico a forma libera del PBD può ridurre la polarizzazione dell’ancoraggio. Le recenti modifiche ai PBD, come l’introduzione di diagrammi corporei specifici per sesso, hanno aumentato la loro efficacia come strumento di comunicazione allineando la forma corporea rappresentata visivamente con l’anatomia dell’intervistato, aumentando così l’autoidentificazione e l’accuratezza della risposta17. Inoltre, è stato dimostrato che l’uso del colore per indicare l’intensità consente una comunicazione efficace dei sintomi del dolore superando le barriere culturali e linguistiche. Ad esempio, i colori bianco e rosso sono stati più comunemente selezionati per indicare l’assenza di dolore e il dolore grave, rispettivamente, in una popolazione di pazienti Hmong18. Sebbene i PBD siano uno strumento efficace19,20, sono stati limitati dalla loro natura qualitativa.

L’uso di PBD su tavolette digitali ha sostanzialmente ampliato gli strumenti disponibili per quantificare la localizzazione e l’intensità del dolore. Barbero et al. hanno quantificato l’entità del dolore o il numero di pixel disegnati all’interno di un PBD di pazienti con dolore cronico alla parte bassa della schiena e al collo e hanno mostrato una buona affidabilità test-retest e una correlazione significativa con le misure VAS21. I diagrammi corporei sono stati anche analizzati per creare mappe di frequenza del dolore per mostrare le aree del corpo più dolorose e meno frequenti21,22. Sebbene questi metodi quantifichino le informazioni spaziali sul dolore, finora nessun metodo ha incorporato sia l’intensità che la posizione del dolore nelle metriche composite.

Il seguente protocollo dimostra un metodo per ottenere nuovi PBD colorati visivamente intuitivi e per estrarre tre metriche quantitative che insieme riflettono un composito di intensità del dolore e informazioni sulla posizione. Per fare ciò, cinque partecipanti sottoposti a uno studio di ricerca sulla stimolazione cerebrale profonda (DBS) per il dolore neuropatico cronico refrattario sono stati selezionati per testare l’approccio attuale, utilizzando un disegno di studio N-of-123. I partecipanti sono stati istruiti a riferire l’intensità dei loro sintomi di dolore momentaneo applicando diversi livelli di pressione della penna su un’applicazione di illustrazione della tavoletta per produrre tonalità di colore che corrispondevano a diverse intensità di dolore in diverse posizioni del corpo. Le metriche derivate dalla PBD di copertura, intensità della somma e intensità media sono state confrontate con metriche del dolore convalidate più comuni (ad esempio, NRS, VAS e MPQ) utilizzando analisi statistiche e di informazioni reciproche (MI).

Nel corso di una degenza ospedaliera di 10 giorni, i pazienti sottoposti a valutazione hanno completato PBD (media ± deviazione standard (DS) = 121,8 ± 34,3 PBD per paziente; range 84-177; 609 PBD totali) oltre a scale del dolore convalidate come NRS, VAS e MPQ più volte al giorno. I PBD sono stati raccolti tramite un’applicazione per tablet e caricati come file con data e ora su server di ricerca protetti una volta completati. L’intensità del dolore NRS, VAS e MPQ sono stati acquisiti utilizzando gli strumenti di indagine REDCap, un’applicazione web sicura. Sia i sondaggi che i PBD sono stati somministrati di persona da assistenti di ricerca per garantire che i pazienti ricevessero l’assistenza necessaria per completare le loro valutazioni in modo accurato. I passaggi seguenti descrivono in dettaglio la configurazione della PBD, le istruzioni per i partecipanti, la raccolta dei dati e l’analisi della PBD utilizzata per quantificare in modo affidabile il dolore (Figura 1).

Protocol

Questo protocollo PBD è stato implementato in un protocollo di sperimentazione clinica (NCT03029884), approvato dal Programma di protezione della ricerca umana dell’UCSF e dalla FDA. Ogni partecipante (3 femmine e 2 uomini, fascia d’età: 51-67 anni) ha firmato un consenso informato scritto; sono stati reclutati dal centro di gestione del dolore dell’UCSF o indirizzati da medici negli Stati Uniti. 1. Impostazione del diagramma del corpo del dolore Criteri di inclusione dei pazienti: includere i partecipanti con le seguenti diagnosi di dolore: diverse eziologie del dolore neuropatico, tra cui il dolore centrale post-ictus (2 pazienti) e la malattia neurodegenerativa della colonna vertebrale con dolore radicolare (1 paziente), la sindrome dolorosa regionale complessa (1 paziente) e la lesione del midollo spinale (1 paziente). Tutti i partecipanti hanno completato l’istruzione post-scuola superiore. Importare un modello PBD appropriato per il genere (Figura 1 supplementare), che mostra le superfici della carrozzeria anteriore e posteriore, in un’applicazione di illustrazione che contiene uno strumento di disegno sensibile alla pressione su una tavoletta digitale sensibile al tocco. Scarica il modello PBD nella libreria di foto del tablet, quindi fai clic sul pulsante Importa . Crea un nuovo livello sopra il modello PBD facendo clic sull’icona Livelli seguita dal pulsante + su cui il partecipante può disegnare. Ciò si traduce in due strati, uno con il PBD e uno da disegnare con i colori che indicano il dolore. Per creare un nuovo pennello con una curva di trasformazione da pressione a tonalità x=y, fare clic sull’icona Libreria pennelli, quindi su + per aprire lo studio dei pennelli. Fai clic sul pulsante con l’etichetta Color Dynamics, quindi scorri verso il basso fino alla sezione relativa alla pressione del colore. Per il dispositivo di scorrimento della tonalità, fare clic su Percentuale numerica per assicurarsi che il grafico di trasformazione della pressione visualizzi una linea retta di 45°.NOTA: Facendo doppio clic sul grafico verrà fornita l’opzione per reimpostare il grafico sul grafico x=y dritto. Per definire l’intervallo della sfumatura di tonalità dal verde al blu al rosso, regolare il cursore della tonalità nella sezione della pressione del colore facendo clic sul numero percentuale elencato e inserendo un valore numerico dell’81%.NOTA: Un altro modo per eseguire questa operazione consiste nell’immettere limiti esadecimali di #008000 per #FF0000 se l’applicazione consente l’immissione manuale di codici esadecimali. Selezionare una dimensione della penna che soddisfi le esigenze dei partecipanti allo studio regolando il cursore dello strumento penna. Una dimensione della penna del 30% è una buona dimensione di partenza per la maggior parte dei partecipanti. 2. Istruzioni per i partecipanti Descrivere al paziente l’anatomia PBD e l’orientamento dei modelli corporei in modalità verticale, gli strumenti di disegno e cancellazione, il pinch-to-zoom tattile e la funzionalità di panoramica. Spiegare ai partecipanti la trasformazione lineare da pressione a tonalità nel modo seguente: informare i partecipanti che l’aumento della pressione applicata allo stilo si tradurrà in tonalità che passano dal verde al blu al rosso, che dovrebbero essere colorate nel diagramma per rappresentare rispettivamente l’intensità del dolore da lieve a moderata o grave in una determinata posizione. Utilizzando il metodo di apprendimento24, confermare la comprensione del compito PBD da parte del partecipante chiedendogli di spiegare come compilare il diagramma usando parole proprie. Concedi ai partecipanti almeno 15 minuti di pratica per disegnare più PBD su una superficie piana per garantire una rappresentazione accurata della posizione e dell’intensità del dolore. Consentire eventuali modifiche per massimizzare l’usabilità. Rivedi i PBD subito dopo con ogni partecipante per assicurarti che i colori siano disegnati come previsto. 3. Raccolta e pre-elaborazione dei dati Chiedi ai partecipanti di completare i PBD durante il basale o in vari momenti temporali dopo un trattamento o un intervento. Prevedere un periodo di tempo indefinito per il completamento di ogni PBD in modo che ogni mappa possa essere completata in modo soddisfacente per il partecipante. Salva i PBD completati con un nome file standardizzato contenente l’ID del paziente, nonché la data e l’ora in cui il PBD è stato completato.NOTA: Questi file vengono salvati temporaneamente sul dispositivo tablet. Esporta in blocco i PBD completati in formato documento portatile (.PDF) o in formato documento Photoshop (.PSD) che conserva i livelli dell’immagine per la pre-elaborazione. Per l’esportazione in blocco, fare clic sull’icona Seleziona per scegliere le immagini desiderate, quindi fare clic su Condividi per aprire un menu di formati immagine per l’esportazione. Fare clic sul formato del file desiderato.NOTA: i file esportati vengono caricati su un server di ricerca sicuro. Scarica i PBD e aprili in un editor di immagini basato su raster. Isolare i pixel colorati di interesse dal livello superiore del file PBD aggiungendo due livelli maschera: un livello completamente nero sotto il livello colorato e un livello maschera nera per escludere i pixel al di fuori del contorno del corpo del modello sopra il livello colorato. Ciò comporterà l’elaborazione di PBD che contengono solo i pixel colorati all’interno del contorno del corpo su sfondo nero (Figura 1). Esportare i PBD elaborati come file di grafica di rete portatili (.png) facendo clic e selezionando la seguente sequenza di pulsanti: Esportazione > file > Esporta come > PNG > Esporta. 4. Quantificazione PBD Converti ogni valore di pixel nel PBD dallo spazio colore RGB (rosso, verde, blu) nello spazio colore HSV (tonalità, saturazione, valore) utilizzando OpenCV225, un pacchetto Python disponibile pubblicamente. Estrarre il valore della tonalità per ogni pixel eseguendo gli script python intitolati rgba2hsv(filename) (Supplementary Coding File 1) e measure_SAnoblur(filename, sigma-1.0) (Figura 1).NOTA: questi script quantificano e regolano i valori di tonalità per creare una scala di tonalità continua da 0 a 139,5. I valori HSV su OpenCV2 sono compresi tra 0 e 179. Il verde più chiaro, che rappresenta la minore intensità del dolore, corrisponde al valore di tonalità di 39,5. Alcune tonalità di rosso corrispondono a valori compresi tra 0 e 10. I colori giallo e arancione che corrispondono a valori di tonalità compresi tra 10 e 39,5 non vengono utilizzati dallo strumento penna. I valori di tonalità rossa da 0 a 10 vengono riassegnati a 179 per rappresentare correttamente la massima intensità del dolore. La scala della tonalità varia da 39,5 a 179 dopo questa regolazione. Quindi, 39,5 viene sottratto da ogni valore di tonalità in modo che la scala finale sia compresa tra 0 e 139,5. Calcola e normalizza le tre metriche PBD eseguendo lo script Python intitolato quantifypain(filename) (Supplementary Coding File 1).Lo script calcola ogni metrica come descritto di seguito.Copertura PBD: divide il numero di pixel colorati per il numero totale di pixel disponibili all’interno del diagramma del corpo. L’intervallo per il numero di pixel colorati per le femmine è compreso tra 0 e 820.452 pixel (pixel totali) e l’intervallo per i maschi è compreso tra 0 e 724.608 pixel (pixel totali). Intensità somma PBD: aggiungi i valori di tonalità per tutti i pixel nel diagramma del corpo. L’intervallo per la somma dei valori di tonalità per le femmine è compreso tra 0 e 114.453.054 e l’intervallo per i maschi è compreso tra 0 e 101.082.816. Intensità media PBD: divide la somma di tutti i valori di tonalità per il numero totale di pixel colorati. Utilizzare lo script per normalizzare tutte le misure PBD su una scala da 0 a 100 seguendo i calcoli descritti di seguito.Copertura PBD: moltiplica la copertura PBD per 100. Somma PBD: dividi l’intensità della somma PBD per l’intensità massima della somma PBD e moltiplica per 100. L’intensità massima della somma PBD è uguale al numero totale di pixel nel diagramma corporeo moltiplicato per 139,5 (cioè, per le femmine, è 820.452 pixel moltiplicato per 139,5 che equivale a 114.453.054; per i maschi, è 724.608 pixel moltiplicato per 139,5 che equivale a 101.082.816). Media PBD: Dividi l’intensità media PBD per il valore massimo di tonalità di 139,5 e moltiplica per 100. Ripetere i passaggi 4.1 e 4.2 per elaborare ogni file PBD (con estensione .png). Compila i risultati in un foglio di calcolo per eseguire ulteriori analisi.

Representative Results

La media, la somma e la copertura PBD forniscono in modo univoco informazioni sulle risposte al dolore non catturate in altre scale del dolore standardizzate. Tra i due PBD (Figura 2A,B), l’intensità media del dolore è identica (media PBD = 79,6). Una maggiore copertura e somma, tuttavia, rivela la maggiore diffusione spaziale del dolore e l’intensità del dolore totale, rispettivamente, che differenziano i due PBD (Figura 2B). Per quantificare con precisione il dolore utilizzando queste metriche, i ricercatori dovrebbero evitare i seguenti errori comuni di configurazione del PBD (Figura 2C). Lo spessore eccessivo della penna e gli elementi estranei al di fuori del contorno del corpo, come le regioni del corpo circolari o i descrittori scritti, non verranno catturati nell’elaborazione PBD. Allo stesso modo, una penna bianca utilizzata per rimuovere il colore piuttosto che lo strumento gomma distorcerà le metriche PBD. La pratica e l’istruzione rafforzata consentiranno ai pazienti di creare PBD accurati e quantificabili che rivelano la variabilità nell’intensità e nella distribuzione del dolore. Le metriche PBD sono state convalidate rispetto a NRS, VAS e MPQ (Figura 3B; Figura supplementare 2) e ha ottenuto un punteggio elevato in termini di usabilità (Figura supplementare 1 e Figura supplementare 2). Metriche PBD correlate alle metriche standard del doloreLe metriche PBD sono risultate correlate con NRS, VAS e MPQ per la maggior parte dei pazienti (Figura 3A, Figura supplementare 1A,B). In quattro pazienti su cinque, la somma, la copertura e la media della PBD erano correlate al VAS e all’NRS (correlazione di Spearman, rs = 0,33-0,72, p < 0,004, Tabella supplementare 1). Per tre partecipanti su cinque, le metriche PBD erano anche significativamente correlate con i punteggi MPQ (correlazione di Spearman, rs  = 0,38-0,53, p < 0,004, Tabella supplementare 1). Tuttavia, il paziente 4 non ha mostrato correlazioni significative tra le metriche PBD e i punteggi standard del dolore. Abbiamo inoltre caratterizzato le relazioni non lineari tra PBD e metriche standard utilizzando analisi di teoria dell’informazione (Figura 2 supplementare). Le metriche PBD evitano l’ancoraggio della risposta e condividono le informazioni reciproche con le metriche del dolore standardLe metriche PBD contenevano più informazioni (cioè entropia) rispetto all’NRS. Tra i pazienti, NRS conteneva meno informazioni (2,32 ± 0,37 bit) rispetto all’intensità del VAS, alla sgradevolezza del VAS, al totale del MPQ, alla somma dei PBD, alla copertura dei PBD e alla media dei PBD (rispettivamente 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; Figura 2 supplementare). Ciò è stato confermato con un’ANOVA ripetuta unidirezionale (F(4,1) = 12,10, p < 0,05) e un test t di Tukey per confronti individuali (tutti p < 0,05). Ciò mostra che le metriche PBD avevano un ancoraggio di risposta inferiore rispetto all'NRS. Il PBD è stato ulteriormente convalidato rispetto a metriche stabilite mediante analisi delle informazioni reciproche (test di permutazione, α=0,05). In quattro pazienti su cinque, le metriche PBD condividevano significativamente l’infarto miocardico con l’NRS, l’intensità del VAS, la sgradevolezza del VAS e l’MPQ (p < 0,05, Figura 3B). Al contrario, le metriche PBD del paziente 4 non condividevano in modo significativo l’infarto miocardico con le metriche stabilite. Poiché il loro NRS conteneva il minor numero di informazioni tra i pazienti (Figura supplementare 2), ciò suggerisce che il NRS non è riuscito a catturare le sfumature nell’esperienza del dolore che sono state catturate dal PBD. In tutti i pazienti, l’NRS ha condiviso un infarto miocardico significativo con l’intensità del VAS, la sgradevolezza del VAS e il MPQ, mentre la somma del PBD ha condiviso l’infarto del miocardio con la copertura PBD e la media PBD (p < 0,05, Figura 3B). Complessivamente, per la maggior parte dei pazienti, le metriche PBD condividevano l’infarto miocardico con le metriche del dolore stabilite. I PBD sono stati facili da usare per la maggior parte dei partecipantiNello studio, quattro dei cinque pazienti hanno trovato il PBD facile da usare e in grado di riflettere accuratamente il loro dolore (Tabella supplementare 2). Tuttavia, il paziente 4 ha riferito che il PBD era difficile da usare (5 su una scala Likert a 5 punti). Ciò è dovuto principalmente al fatto che hanno un dolore profondo e viscerale, che non è ben catturato in un PBD bidimensionale (2D). Mentre i pazienti variavano nella loro familiarità con i PBD (2,8 ± 1,2, intervallo 1-4, scala Likert a 5 punti), tutti utilizzavano quotidianamente dispositivi elettronici comparabili (5,0 ± 0,0, scala Likert a 5 punti) e trovavano il PBD facile da usare (5,2 ± 0,4, intervallo 5-6, scala Likert a 6 punti). Figura 1. Flusso di lavoro per l’analisi del diagramma corporeo del dolore (PBD). I pazienti hanno disegnato su modelli PBD vuoti per rappresentare la posizione e l’intensità del dolore. I PBD completati contenevano tonalità che andavano dal verde al blu al rosso, rappresentando rispettivamente le regioni del dolore da lieve a moderato a grave. I PBD sono stati mascherati per includere solo i pixel all’interno del contorno del corpo e quindi il modello è stato rimosso per isolare solo i pixel contenenti tonalità. Dai PBD sono stati calcolati la copertura PBD (%), l’intensità della somma (normalizzata a 0-100) e l’intensità media (normalizzata a 0-100). Per la copertura PBD, il numero di pixel colorati è stato prima diviso per il numero totale di pixel all’interno del diagramma (820.452 pixel per le femmine, 724.608 pixel per i maschi), quindi moltiplicato per 100. Per l’intensità della somma PBD, i valori di tonalità per tutti i pixel nel diagramma del corpo sono stati prima sommati (intervallo femminile: 0-114.453.054; intervallo maschile: 0-101.082.816). La somma è stata poi divisa per l’intensità massima della somma PBD (femmine: 820.452 pixel moltiplicata per il valore massimo di tonalità 139,5, maschi: 724.608 pixel per 139,5) e moltiplicata per 100. Per l’intensità media PBD, la somma di tutti i valori di tonalità è stata divisa per il numero totale di pixel colorati, quindi normalizzata dividendo per il valore massimo di tonalità di 139,5. Fare clic qui per visualizzare una versione più grande di questa figura. Figura 2. PBD rappresentativi che mostrano esempi di PBD buoni e cattivi. (A,B) Un buon PBD mostra l’utilità di calcolare 3 metriche del dolore. (C) Esempi di PBD errati includono penne di dimensioni eccessivamente spesse, elementi estranei al di fuori del diagramma del corpo e cancellazioni imprecise. Fare clic qui per visualizzare una versione più grande di questa figura. Figura 3. Le metriche PBD sono state convalidate rispetto alle metriche standard del dolore tramite le analisi di correlazione e delle informazioni reciproche di Spearman. (A) Intensità VAS e somma PBD tracciate con linee lineari di best fit tracciate per ciascun paziente. (B) Dati a livello di gruppo che mostrano l’informazione reciproca media (MI) tra ciascuna metrica del dolore, con l’infarto miocardico indicato dalla barra colorata a destra. Il testo in ogni casella rappresenta il numero di pazienti con infarto miocardico statisticamente significativo per un dato confronto a coppie (ad esempio, 3/5 indica 3 pazienti con valori significativi). L’infarto miocardico è rappresentato dall’infarto miocardico osservato diviso per l’infarto miocardico massimo teorico. Abbreviazioni: NRS=scala di valutazione numerica; Intensità VAS = intensità della scala analogica visiva; VAS unpl. = sgradevolezza del dolore su scala analogica visiva, MPQ = questionario sul dolore McGill in forma abbreviata 2; PBD=diagramma corporeo del dolore; PBD cov. = copertura PBD, MI = informazione reciproca, sig. = significativo. Fare clic qui per visualizzare una versione più grande di questa figura. Figura supplementare 1. La media PBD (A) e la copertura PBD (B) sono state tracciate rispetto all’intensità del VAS con linee lineari di adattamento tracciate per ciascun paziente. Abbreviazioni: VAS = scala analogica visiva; PBD=diagramma corporeo del dolore. Fare clic qui per scaricare il file. Figura 2 supplementare. Entropia per metrica del dolore tra i pazienti. A livello di gruppo, l’intensità di NRS ha avuto un’entropia inferiore rispetto a ogni altra metrica del dolore, come mostrato da un’ANOVA unidirezionale a misure ripetute seguita dal test post-hoc di Tukey per confronti specifici * = p < 0,05, ** = p < 0,001. Abbreviazioni: NRS=scala di valutazione numerica; VAS = scala analogica visiva; MPQ = questionario sul dolore McGill; PBD=diagramma corporeo del dolore. Fare clic qui per scaricare il file. Tabella supplementare 1. Correlazioni di Spearman tra le metriche PBD e le misure standard del dolore auto-riportate. Coefficienti di correlazione di Spearman (rho) per tre metriche PBD estratte rispetto alle misure del dolore NRS, VAS e MPQ. Abbreviazioni: NRS=scala di valutazione numerica; VAS = scala analogica visiva; MPQ = questionario sul dolore McGill; PBD=diagramma corporeo del dolore. Fare clic qui per scaricare il file. Tabella complementare 2. Le impressioni dei pazienti sul completamento di un PBD sono state rivelate attraverso domande specifiche per PBD e modificate in scala di usabilità del sistema. Le domande della scala di usabilità modificata si sono alternate in affermazioni positive e negative e sono state classificate su una scala a 5 punti (1 = molto d’accordo, 5 = fortemente in disaccordo). Abbreviazione: PBD=pain body diagram. Fare clic qui per scaricare il file. File di codifica supplementare 1: script Python per metriche PBD. Il codice python annotato elabora un file PNG del diagramma del corpo del dolore e restituisce i valori di media, copertura e somma PBD per ogni file. Lo script include anche istruzioni import per scaricare i pacchetti necessari per l’esecuzione del programma. Fare clic qui per scaricare il file. Fascicolo supplementare 1: Fascicolo supplementare per i dettagli metodologici. Fare clic qui per scaricare il file.

Discussion

Passaggi critici all’interno del protocollo
I passaggi chiave includono: configurazione PBD, istruzione del paziente e pre-elaborazione. Per l’impostazione PBD, ogni PBD specifico per genere deve visualizzare una vista anteriore e posteriore26 ed essere sovrapposto con un livello vuoto su un’applicazione di illustrazione per isolare i valori di tonalità. Inoltre, le dimensioni della penna devono soddisfare le esigenze di illustrazione dei pazienti e devono essere definiti gradienti di tonalità per analizzare quantitativamente i PBD. L’istruzione del paziente e la comprensione dello strumento sono fondamentali per ottenere dati affidabili. Dovrebbe essere concesso ai partecipanti un tempo sufficiente per esercitarsi nell’implementazione dello strumento sul PBD. Utilizzare il metodo di apprendimento per confermare periodicamente la comprensione dei partecipanti alle attività e ai sondaggi durante i test, circa una volta ogni 10 PBD. Per tenere traccia dei singoli PBD, è anche una buona idea assegnare a ciascun file un nome univoco con un titolo e un timestamp univoci dopo il completamento. Dopo la raccolta dei dati, ogni metrica PBD può essere estratta utilizzando script Python27 (vedere Supplementary Coding File 1). Le misure della copertura PBD, dell’intensità della somma e dell’intensità media possono essere ripetute prima e dopo qualsiasi trattamento o intervento per monitorare le risposte al dolore all’interno del paziente. Per estrarre queste metriche, un ricercatore non direttamente coinvolto nella raccolta dei dati, dovrebbe sovrapporre i livelli della maschera nera per isolare solo i colori disegnati all’interno del contorno del corpo, quindi calcolare i valori dei pixel HSV utilizzando il codice software personalizzato fornito come file supplementare 1.

Modifiche e risoluzione dei problemi nella tecnica
I passaggi metodologici sono stati perfezionati durante la raccolta dei dati del paziente 1. Questi includono la concessione di più tempo ai pazienti per familiarizzare con il controllo della sensibilità alla pressione della penna, la corretta impostazione dei livelli del diagramma corporeo per il mascheramento e l’analisi successivi, la limitazione dell’uso di simboli o parole sui PBD e la regolazione della sensibilità assoluta alla pressione della penna in base alla forza e alla destrezza di ciascun partecipante (anche se la trasformazione tra pressione relativa e tonalità è rimasta costante). Ai pazienti è stato permesso di selezionare la dimensione della penna per rappresentare al meglio il loro dolore; Tuttavia, la selezione di una dimensione fissa può consentire migliori confronti futuri tra i pazienti. Nelle iterazioni future, la prototipazione di un metodo che utilizza un canale di colore (ad esempio, rosso, verde o blu) e la variazione della luminosità del colore in base alla pressione della penna può ridurre al minimo la possibile perdita di precisione durante la conversione dallo spazio colore RGB a HSV.

Limiti della tecnica
I PBD richiedono che i pazienti abbiano una sufficiente forza motoria di base e destrezza in almeno un arto superiore con una buona capacità motoria fine nelle dita come minimo per completare i diagrammi in modo indipendente e per tradurre accuratamente la loro esperienza di dolore attraverso la pressione. Mentre le metriche standard del dolore come NRS e MPQ possono essere inserite su carta o su tastiera da un assistente attraverso la comunicazione verbale, questa modifica con i PBD non è ancora convalidata. I PBD mancano anche di profondità come illustrazione bidimensionale. È stato qualitativamente dimostrato che il livello di dettaglio in un diagramma corporeo tridimensionale espande la comunicazione delle informazioni sul dolore17. Un’ulteriore caratterizzazione della profondità del dolore può catturare nuove informazioni sul dolore non esaminate in scale come NRS, VAS e MPQ. I diagrammi corporei non sono attualmente progettati per catturare somatizzazioni più astratte o forme più profonde di dolore. Ad esempio, il paziente 4 ha riferito che la posizione del dolore e l’intensità del dolore non erano ben caratterizzate dal diagramma corporeo nel sondaggio di usabilità, poiché sentiva che non catturavano il suo dolore neuropatico interno. Il paziente 5 ha spesso disegnato linee tratteggiate nei diagrammi corporei per indicare la pesantezza all’interno del corpo, il che può confondere i calcoli metrici. Le future iterazioni dei PBD potrebbero essere ampliate per rappresentare la somatizzazione del dolore o del dolore viscerale in un metodo quantificabile. Infine, i PBD sono stati analizzati in un framework N-of-1, in cui sono stati generati quasi 100 PBD separati per ciascun partecipante. Le analisi a livello di gruppo non sono state possibili a causa del numero ridotto di partecipanti complessivi. Pertanto, in questo studio non è stato possibile determinare l’affidabilità test-retest poiché le risposte alle scale NRS affrontano bias di ancoraggio, suggerendo che gli stessi punteggi NRS potrebbero non essere equivalenti agli stessi PBD testati dopo lo studio. Saranno necessarie ricerche future per valutare le metriche PBD in un contesto di analisi per gruppo e l’affidabilità del metodo test-retest in un campione più ampio.

Significatività del metodo rispetto ai metodi esistenti
I PBD sono stati ampiamente utilizzati in ambito clinico e di ricerca per dimostrare l’intensità del dolore di un partecipante in tutto il corpo14,15, ma questo strumento è rimasto in gran parte limitato dalla sua natura qualitativa. Mentre la mappatura digitale del dolore è stata utilizzata per monitorare longitudinalmente il dolore cronico16, i pazienti non erano in grado di rappresentare l’intensità e la posizione del dolore in una tecnica combinata e precisa. Questa nuova trasformazione pressione-tonalità, incorporata con i PBD, fornisce metriche del dolore spaziali e quantitative composite che possono essere ripetutamente misurate e monitorate nel tempo per catturare l’esperienza del dolore di un partecipante. Qui, tre metriche PBD estratte che riflettevano in modo differenziato l’intensità e la posizione del dolore all’interno di un paziente, cioè la copertura PBD, l’intensità della somma e l’intensità media, hanno dimostrato di avere un’elevata validità e concordanza con le misure standardizzate del dolore come l’intensità NRS, l’intensità VAS, la sgradevolezza VAS e l’MPQ. Tutte le misure PBD sono risultate correlate ai punteggi VAS e NRS in quattro pazienti su cinque e significativamente correlate all’MPQ in tre pazienti su cinque. Inoltre, l’approccio della teoria dell’informazione 28,29,30,31 ha rivelato relazioni non lineari che non sono state rilevate con metodi statistici più comuni. Nello studio, quattro pazienti su cinque presentavano un infarto miocardico significativo tra le misure PBD e NRS, l’intensità del VAS, la sgradevolezza del VAS e l’MPQ, dimostrando una sovrapposizione significativa, ma non totale, nel contenuto informativo. Pertanto, le misure PBD erano altamente concordanti con le misure standardizzate del dolore, ma la media PBD sembrava riflettere una combinazione di informazioni sull’intensità e sulla posizione che non era presente nelle metriche convenzionali del dolore.

Applicazioni future di questa tecnica
I risultati attuali dimostrano che i PBD possono essere particolarmente appropriati per i pazienti che sperimentano e quantificano il loro dolore su una scala non lineare. Analogamente al modo in cui i descrittori verbali possono fornire ai partecipanti un’altra dimensione per valutare il dolore, i PBD forniscono un’interpretazione grafica e basata sulla pressione unica del loro dolore. Implementando una nuova trasformazione pressione-tonalità, i diagrammi corporei forniscono informazioni sulla posizione, la diffusione e la variazione regionale dell’intensità del dolore, che per quanto ne sappiamo, non è stata dimostrata prima. Insieme ai dati neurali raccolti durante qualsiasi studio DBS, le metriche PBD possono essere un potente strumento per localizzare il dolore in diverse regioni del corpo in diverse regioni del cervello e aiutare a informare gli studi meccanicistici sulle vie di segnalazione del dolore. La trasformazione pressione-tonalità implementata nei PBD può essere utilizzata in molti contesti clinici e di ricerca per analizzare il sollievo dal dolore in risposta al trattamento o confrontare il dolore nel tempo. Questo metodo non solo produce diagrammi unici e visivamente intuitivi per valutare il dolore, ma cattura anche con precisione l’esperienza di un paziente al di là di un singolo punteggio numerico.

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

Questo studio è stato finanziato dal National Institutes of Health grant UH3-NS115631 a PS. Le fonti di finanziamento hanno approvato il disegno dello studio, ma non hanno avuto alcun ruolo nell’esecuzione dello studio, nell’analisi dei dati o nella preparazione del manoscritto. Ringraziamo anche il Dr. Edward F. Chang, il Dr. Philip A. Starr e i partecipanti al nostro studio.

Materials

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
DOWNLOAD MATERIALS LIST

Riferimenti

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

Tags

Pain Body DiagramPain AssessmentPain LocationPain IntensityMultimodalNumeric Rating ScaleVisual Analog ScaleMcGill Pain QuestionnaireSomatosensoryEmotional AspectsSex-specificColor CodingPain TreatmentDeep Brain StimulationQuantifiable Pain MetricsPressure-hue TransformationDigital TabletDigital Stylus

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Citazione di questo articolo
Kwong, J., Lin, J., Leriche, R., Wozny, T. A., Shaughnessy, A., Schmitgen, A., Shirvalkar, P. Quantifying Pain Location and Intensity with Multimodal Pain Body Diagrams. J. Vis. Exp. (197), e65334, doi:10.3791/65334 (2023).
Scarica citazione
Ristampe e autorizzazioni

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image