Summary

Kwantificering van pijnlocatie en -intensiteit met multimodale pijnlichaamsdiagrammen

Published: July 07, 2023
doi:

Summary

De huidige pijnschalen die worden gebruikt om de ernst van pijn te kwantificeren, zoals visuele analoge schalen, slagen er niet in om de complexiteit van subjectieve pijnervaringen vast te leggen. Pijnlichaamsdiagrammen zijn kwalitatief, maar kunnen informatiever zijn. Het doel van deze methode is om kwantitatieve statistieken te extraheren uit pijnlichaamsdiagrammen met behulp van nieuwe druk-tinttransformatie.

Abstract

Om de subjectieve ernst van de pijn van een persoon te kwantificeren, worden gestandaardiseerde pijnbeoordelingsschalen zoals de numerieke beoordelingsschaal (NRS), visuele analoge schaal (VAS) of McGill-pijnvragenlijst (MPQ) vaak gebruikt om pijn op numerieke schaal te beoordelen. Deze schalen zijn echter vaak bevooroordeeld en slagen er niet in om de complexiteit van pijnervaringen vast te leggen. Daarentegen vereist de klinische praktijk vaak dat patiënten pijngebieden rapporteren door te tekenen op een lichaamsdiagram, wat een effectief maar kwalitatief hulpmiddel is. De hier gepresenteerde methode extraheert kwantificeerbare statistieken uit pijnlichaamsdiagrammen (PBD’s) die zijn gevalideerd aan de hand van de NRS-, VAS- en MPQ-pijnschalen. Door gebruik te maken van een nieuwe druk-tinttransformatie op een digitale tablet, kunnen verschillende tekendrukken die met een digitale stylus worden toegepast, worden weergegeven als verschillende tinten op een PBD. Dit levert een visueel intuïtief diagram op van tinten variërend van groen tot blauw tot rood, die respectievelijk milde tot matige tot meest pijnlijke regio’s vertegenwoordigen. Om elke PBD te kwantificeren, werden nieuwe pijnmaatstaven gedefinieerd: (1) PBD gemiddelde intensiteit, die gelijk is aan de som van de tintwaarde van elke pixel gedeeld door het aantal gekleurde pixels, (2) PBD-dekking, die gelijk is aan het aantal gekleurde pixels gedeeld door het totale aantal pixels op het lichaam, en (3) PBD-somintensiteit, die gelijk is aan de som van de tintwaarden van alle pixels. Met behulp van correlatie- en informatietheorie-analyses werd aangetoond dat deze PBD-statistieken een hoge concordantie hebben met gestandaardiseerde pijnstatistieken, waaronder NRS, VAS en MPQ. Concluderend kunnen PBD’s nieuwe ruimtelijke en kwantitatieve informatie opleveren die herhaaldelijk kan worden gemeten en in de loop van de tijd kan worden gevolgd om de pijnervaring van een deelnemer uitgebreid te karakteriseren.

Introduction

Chronische pijn is een slopende neuropsychiatrische aandoening die meer dan 50 miljoen volwassenen in de Verenigde Staten treft. Veelgebruikte klinische hulpmiddelen om de subjectieve pijnintensiteit te volgen (zoals de numerieke beoordelingsschaal [NRS] of visuele analoge schaal [VAS]) zijn echter reductionistisch en communiceren niet de complexe aard van de intensiteit van pijnsymptomen die somatosensorische, cognitieve of affectieve domeinen bestrijken 2,3. Het nauwkeurig volgen van de pijnintensiteit van een persoon is van cruciaal belang voor de diagnose van pijnsyndromen, het bewaken van de ziekteprogressie en het beoordelen van de potentiële werkzaamheid van therapieën zoals medicijnen of hersenstimulatie.

De veelgebruikte NRS-pijnintensiteitstool vereist dat de proefpersoon de pijnintensiteit beoordeelt als een geheel getal van 0-10, wat staat voor geen pijn tot de ergst mogelijke pijn. Hoewel de NRS gemakkelijk te beheren en te begrijpen is, wordt deze beperkt door de verankeringsbias van de respondent, de vooringenomenheid van de verwachting en de variabele interpretatie van individuele waarden 4,5; Deze beperken ook vergelijkingen tussen deelnemers. De VAS, een continue schaal van 0-100, kan de impact van verankering verminderen, maar kan nog steeds vergelijkbare beperkingen ondervinden als die van NRS4. Verschillende onderzoeken hebben een hoge mate van overeenstemming aangetoond tussen de NRS en VAS voor chronische lage rugpijnernst 6,7 en de klinische praktijk5, maar consensusrichtlijnen benadrukken de vele tekortkomingen van het vertrouwen op vergelijkbare schalen in het ontwerp of de interpretatie van klinische pijnonderzoeken 8,9. De korte McGill-pijnvragenlijst 2 (MPQ) ontleedt verder de somatosensorische en affectieve dimensies van pijn met behulp van beoordelingen van verbale descriptoren10, om te helpen onderscheid te maken tussen sensorische en affectieve pijndimensie11. Hoewel deze pijnbeoordelingsschalen vaak worden gebruikt om de pijnintensiteit12,13 bij te houden, slagen ze er niet in om gedetailleerde topografische informatie vast te leggen, zoals de locatie van de pijn of de intensiteitsvariatie tussen lichaamsregio’s.

Pijnlichaamsdiagrammen (PBD’s) zijn een open instrument voor pijnbeoordeling in vrije vorm waarmee respondenten een visuele weergave van de locatie en intensiteit van pijn kunnen illustreren op een schematische omtrek van het menselijk lichaam14,15. PBD’s zijn een effectief communicatiemiddel tussen deelnemers en medische zorgverleners dat helpt bij het longitudinaal volgen van pijnsymptomen16. Het grafische formaat in vrije vorm van PBD kan de verankeringsbias verminderen. Recente wijzigingen in PBD’s, zoals de introductie van geslachtsspecifieke lichaamsdiagrammen, hebben hun effectiviteit als communicatiemiddel vergroot door de visueel weergegeven lichaamsvorm af te stemmen op de anatomie van de respondent, waardoor de zelfidentificatie en de nauwkeurigheid van de respons toenemen17. Bovendien is aangetoond dat het gebruik van kleur om intensiteit aan te duiden een effectieve communicatie van pijnsymptomen mogelijk maakt en culturele en taalbarrières overwint. De kleuren wit en rood werden bijvoorbeeld het meest gekozen om respectievelijk geen pijn en ernstige pijn aan te geven in een Hmong-patiëntenpopulatie18. Hoewel PBD’s een effectief instrument zijn19,20, zijn ze beperkt door hun kwalitatieve aard.

Het gebruik van PBD’s op digitale tablets heeft de beschikbare instrumenten voor het kwantificeren van de locatie en intensiteit van pijn aanzienlijk uitgebreid. Barbero et al. kwantificeerden de pijnomvang of het aantal pixels dat binnen een PBD werd getekend van patiënten met chronische lage rug- en nekpijn en toonden een goede test-hertestbetrouwbaarheid en significante correlatie met VAS-metingen21. Lichaamsdiagrammen zijn ook geanalyseerd om pijnfrequentiekaarten te maken om de meest tot minst vaak pijnlijke delen van het lichaam weer te geven21,22. Hoewel deze methoden ruimtelijke pijninformatie kwantificeren, heeft tot nu toe geen enkele methode zowel de pijnintensiteit als de locatie opgenomen in samengestelde statistieken.

Het volgende protocol demonstreert een methode voor het verkrijgen van nieuwe, visueel intuïtieve, gekleurde PBD’s en het extraheren van drie kwantitatieve statistieken die samen een samenstelling van pijnintensiteit en locatie-informatie weerspiegelen. Om dit te doen, werden vijf deelnemers die een onderzoeksproef van diepe hersenstimulatie (DBS) voor refractaire chronische neuropathische pijn ondergingen, geselecteerd om de huidige aanpak te testen, met behulp van een N-of-1-onderzoeksopzet23. Deelnemers kregen de opdracht om de intensiteit van hun kortstondige pijnsymptomen te rapporteren door verschillende niveaus van pendruk uit te oefenen op een tabletillustratietoepassing om kleurtinten te produceren die overeenkwamen met verschillende pijnintensiteiten op verschillende lichaamslocaties. PBD-afgeleide maatstaven van dekking, somintensiteit en gemiddelde intensiteit werden vergeleken met meer gebruikelijke gevalideerde pijnmaatstaven (d.w.z. NRS, VAS en MPQ) met behulp van statistische en wederzijdse informatieanalyses (MI).

Gedurende een verblijf van 10 dagen in het ziekenhuis voltooiden patiënten die een evaluatie ondergingen PBD’s (gemiddelde ± standaarddeviatie (SD) = 121,8 ± 34,3 PBD’s per patiënt; bereik 84-177; 609 PBD’s in totaal) naast gevalideerde pijnschalen zoals de NRS, VAS en MPQ meerdere keren per dag. PBD’s werden verzameld via een tablet-applicatie en na voltooiing geüpload als bestanden met tijdstempel naar beveiligde onderzoeksservers. Pijnintensiteit NRS, VAS en MPQ werden verkregen met behulp van REDCap-enquêtetools, een beveiligde webapplicatie. Zowel enquêtes als PBD’s werden persoonlijk afgenomen door onderzoeksassistenten om ervoor te zorgen dat patiënten de nodige hulp kregen om hun evaluaties nauwkeurig in te vullen. De volgende stappen beschrijven de PBD-instelling, de instructie van de deelnemer, de gegevensverzameling en de PBD-analyse die worden gebruikt om pijn op betrouwbare wijze te kwantificeren (Figuur 1).

Protocol

Dit PBD-protocol is geïmplementeerd in een protocol voor klinische proeven (NCT03029884), goedgekeurd door het UCSF Human Research Protection Program en de FDA. Elke deelnemer (3 vrouwen en 2 mannen, leeftijdscategorie: 51-67 jaar) ondertekende schriftelijke geïnformeerde toestemming; ze werden gerekruteerd uit het UCSF-pijnbestrijdingscentrum of doorverwezen door artsen in de Verenigde Staten. 1. Instelling van het pijnlichaamsdiagram Inclusiecriteria voor patiënten: Neem deelnemers op met de volgende pijndiagnoses: verschillende neuropathische pijnetiologieën, waaronder centrale pijn na een beroerte (2 patiënten) en neurodegeneratieve wervelkolomziekte met radiculaire pijn (1 patiënt), complex regionaal pijnsyndroom (1 patiënt) en ruggenmergletsel (1 patiënt). Alle deelnemers hebben een post-middelbare schoolopleiding afgerond. Importeer een PBD-sjabloon die geschikt is voor het geslacht (aanvullende afbeelding 1), waarin zowel de voor- als achterkant van het lichaam worden weergegeven, in een illustratietoepassing die een drukgevoelig tekengereedschap bevat op een aanraakgevoelige digitale tablet. Download de PBD-sjabloon naar de fotobibliotheek van de tablet en klik vervolgens op de knop Importeren . Maak een nieuwe laag bovenop de PBD-sjabloon door op het pictogram Lagen te klikken, gevolgd door de knop + waarop de deelnemer kan tekenen. Dit resulteert in twee lagen, één met de PBD en één die moet worden ingetekend met kleuren die pijn aangeven. Maak een nieuw penseel met een x=y druk-naar-tint transformatiecurve door eerst op het pictogram Penseelbibliotheek te klikken en vervolgens op + om de penseelstudio te openen. Klik op de knop met het label Color Dynamics en scrol omlaag naar het gedeelte Kleurdruk. Klik voor de tintschuifregelaar op de Numeriek percentage om ervoor te zorgen dat de druktransformatiegrafiek een rechte lijn van 45° visualiseert.OPMERKING: Dubbelklikken op de grafiek geeft de optie om de grafiek terug te zetten naar de rechte x=y-grafiek. Als u het kleurverloopbereik van groen naar blauw naar rood wilt definiëren, past u de tintschuifregelaar onder het gedeelte Kleurdruk aan door op het vermelde percentagegetal te klikken en een numerieke waarde van 81% in te voeren.OPMERKING: Een andere manier om dit te doen is door hexadecimale limieten van #008000 in te voeren om te #FF0000 als de applicatie handmatige invoer van hexacodes toestaat. Selecteer een pengrootte die voldoet aan de behoeften van de deelnemers aan het onderzoek door de schuifregelaar van het pengereedschap aan te passen. Een penmaat van 30% is voor de meeste deelnemers een goede startmaat. 2. Instructies voor de deelnemers Beschrijf de PBD-anatomie en oriëntatie van de lichaamssjablonen in portretmodus, de teken- en wisgereedschappen, de tactiele knijp-om-te-zoomen en de panning-functionaliteit voor de patiënt. Leg de lineaire transformatie van druk naar tint op de volgende manier uit aan de deelnemers: informeer de deelnemers dat verhoogde druk die op de stylus wordt uitgeoefend, zal resulteren in tinten die verschuiven van groen naar blauw naar rood, die in het diagram moeten worden gekleurd om respectievelijk milde tot matige tot ernstige pijnintensiteit op een bepaalde locatie weer te geven. Gebruik de teach-back-methode24 om te bevestigen dat de deelnemer de PBD-taak begrijpt door hem te vragen uit te leggen hoe hij het diagram in zijn eigen woorden moet invullen. Geef deelnemers ten minste 15 minuten oefentijd om meerdere PBD’s op een plat oppervlak te tekenen om een nauwkeurige weergave van de pijnlocatie en -intensiteit te garanderen. Houd rekening met eventuele aanpassingen om de bruikbaarheid te maximaliseren. Bekijk de PBD’s onmiddellijk daarna met elke deelnemer om ervoor te zorgen dat ze consistent zijn en dat kleuren worden getekend zoals bedoeld. 3. Gegevensverzameling en voorverwerking Vraag deelnemers om PBD’s in te vullen tijdens baseline of op verschillende tijdstippen na een behandeling of interventie. Zorg voor een open hoeveelheid tijd voor de voltooiing van elke PBD, zodat elke kaart naar tevredenheid van de deelnemer kan worden voltooid. Sla voltooide PBD’s op met een gestandaardiseerde bestandsnaam met patiënt-ID en datum en tijd waarop PBD is voltooid.OPMERKING: Deze bestanden worden tijdelijk opgeslagen op de tablet. Exporteer voltooide PBD’s in bulk in de bestandsindeling Portable Document Format (.PDF) of Photoshop-document (.PSD) met behoud van afbeeldingslagen voor voorbewerking. Om bulksgewijs te exporteren, klikt u eerst op de Selecteer pictogram om de gewenste afbeeldingen te kiezen en klik vervolgens op Delen om een menu met afbeeldingsindelingen te openen voor export. Klik op het gewenste formaatbestand.OPMERKING: Geëxporteerde bestanden worden geüpload naar een beveiligde onderzoeksserver. Download PBD’s en open ze in een op rasters gebaseerde afbeeldingseditor. Isoleer de gekleurde pixels die van belang zijn van de bovenste laag van het PBD-bestand door twee maskerlagen toe te voegen: een volledig zwarte laag onder de ingekleurde laag en een zwarte maskerlaag om pixels buiten de omtrek van de sjabloonhoofdtekst boven de ingekleurde laag uit te sluiten. Dit resulteert in verwerkte PBD’s die alleen de gekleurde pixels binnen de omtrek van het lichaam op een zwarte achtergrond bevatten (Afbeelding 1). Exporteer de verwerkte PBD’s als Portable Network Graphics (.png)-bestanden door op de volgende reeks knoppen te klikken en deze te selecteren: Bestand > Exporteren > Exporteren als > PNG > Exporteren. 4. PBD-kwantificering Converteer elke pixelwaarde in de PBD van RGB-kleurruimte (rood, groen, blauw) naar HSV-kleurruimte (tint, verzadiging, waarde) met behulp van OpenCV225, een openbaar beschikbaar Python-pakket. Extraheer de tintwaarde voor elke pixel door de python-scripts met de titel rgba2hsv (bestandsnaam) (aanvullend coderingsbestand 1) en measure_SAnoblur (bestandsnaam, sigma-1.0) (afbeelding 1) uit te voeren.OPMERKING: Deze scripts kwantificeren en passen tintwaarden aan om een continue tintschaal van 0-139,5 te creëren. De HSV-waarden op OpenCV2 variëren van 0-179. Het lichtste groen, dat de minste pijnintensiteit vertegenwoordigt, komt overeen met de tintwaarde van 39,5. Sommige rode tinten komen overeen met waarden tussen 0-10. Gele en oranje kleuren die overeenkomen met kleurtoonwaarden tussen 10-39,5 worden niet gebruikt door het pengereedschap. De rode tintwaarden van 0-10 worden opnieuw toegewezen aan 179 om de meeste pijnintensiteit correct weer te geven. De tintschaal varieert van 39,5-179 na deze aanpassing. Vervolgens wordt 39,5 afgetrokken van elke tintwaarde, zodat de uiteindelijke schaal varieert van 0-139,5. Bereken en normaliseer de drie PBD-metrische gegevens door het Python-script met de titel quantifypain (bestandsnaam) (aanvullend coderingsbestand 1) uit te voeren.Het script berekent elke metrische waarde zoals hieronder beschreven.PBD-dekking: Deel het aantal gekleurde pixels door het totale aantal beschikbare pixels in het hoofddiagram. Het bereik voor het aantal gekleurde pixels voor vrouwen is 0 tot 820.452 pixels (totaal aantal pixels) en het bereik voor mannen is 0 tot 724.608 pixels (totaal aantal pixels). PBD-somintensiteit: Voeg de kleurtoonwaarden voor alle pixels in het hoofddiagram toe. Het bereik voor de som van tintwaarden voor vrouwen is 0 tot 114.453.054 en het bereik voor mannen is 0 tot 101.082.816. PBD gemiddelde intensiteit: Deel de som van alle kleurtoonwaarden door het totale aantal gekleurde pixels. Gebruik het script om alle PBD-metingen op een schaal van 0 tot 100 te normaliseren door de berekeningen te volgen die hieronder worden beschreven.PBD-dekking: Vermenigvuldig de PBD-dekking met 100. PBD-som: Deel de intensiteit van de PBD-som door de maximale PBD-somintensiteit en vermenigvuldig dit met 100. De maximale PBD-somintensiteit is gelijk aan het totale aantal pixels in het lichaamsdiagram vermenigvuldigd met 139,5 (d.w.z. voor vrouwen is het 820.452 pixels vermenigvuldigd met 139,5, wat gelijk is aan 114.453.054; voor mannen is het 724.608 pixels vermenigvuldigd met 139,5, wat gelijk is aan 101.082.816). PBD-gemiddelde: Deel de gemiddelde intensiteit van PBD door de maximale tintwaarde van 139.5 en vermenigvuldig dit met 100. Herhaal stap 4.1 en 4.2 om elk PBD-bestand (met extensie .png) te verwerken. Compileer de output in een spreadsheet om verdere analyses uit te voeren.

Representative Results

Het PBD-gemiddelde, de som en de dekking bieden op unieke wijze informatie over pijnreacties die niet zijn vastgelegd in andere gestandaardiseerde pijnschalen. Tussen de twee PBD’s (figuur 2A,B) is de gemiddelde pijnintensiteit identiek (PBD-gemiddelde = 79,6). Een grotere dekking en som onthult echter de grotere ruimtelijke spreiding van pijn en totale pijnintensiteit, respectievelijk, die de twee PBD’s onderscheiden (Figuur 2B). Om pijn nauwkeurig te kwantificeren met behulp van deze statistieken, moeten onderzoekers de volgende veelvoorkomende PBD-instellingsfouten vermijden (Figuur 2C). Te grote pendikte en externe elementen buiten de omtrek van het lichaam, zoals cirkelende lichaamsregio’s of geschreven descriptoren, worden niet vastgelegd in de PBD-verwerking. Evenzo zal een witte pen die wordt gebruikt om kleur te verwijderen in plaats van het gummetje, de PBD-statistieken scheeftrekken. Oefening en versterkte instructie zullen patiënten in staat stellen nauwkeurige en kwantificeerbare PBD’s te maken die variabiliteit in pijnintensiteit en -verdeling onthullen. De PBD-statistieken zijn gevalideerd aan de hand van de NRS, VAS en MPQ (Figuur 3B; Aanvullende figuur 2) en scoorden hoog op bruikbaarheid (aanvullende figuur 1 en aanvullende figuur 2). PBD-statistieken gecorreleerd met standaard pijnstatistiekenDe PBD-statistieken waren gecorreleerd met de NRS, VAS en MPQ voor de meeste patiënten (Figuur 3A, Aanvullende Figuur 1A,B). Bij vier van de vijf patiënten waren de PBD-som, dekking en gemiddelde gecorreleerd met hun VAS en NRS (Spearman’s correlatie, rs = 0,33-0,72, p < 0,004, aanvullende tabel 1). Voor drie van de vijf deelnemers waren PBD-statistieken ook significant gecorreleerd met MPQ-scores (Spearman’s correlatie, rs  = 0,38-0,53, p < 0,004, aanvullende tabel 1). Patiënt 4 vertoonde echter geen significante correlaties tussen de PBD-statistieken en standaard pijnscores. We hebben verder niet-lineaire relaties tussen PBD en standaardmetrieken gekarakteriseerd met behulp van informatietheoretische analyses (aanvullende figuur 2). PBD-metrieken vermijden responsverankering en delen wederzijdse informatie met standaard pijnstatistiekenPBD-metrieken bevatten meer informatie (d.w.z. entropie) dan de NRS. Bij alle patiënten bevatte NRS minder informatie (2,32 ± 0,37 bits) in vergelijking met respectievelijk VAS-intensiteit, VAS-onaangenaamheid, MPQ-totaal, PBD-som, PBD-dekking en PBD-gemiddelde (3,21 ± 0,49 bits, 3,20 ± 0,31 bits, 3,16 ± 0,23 bits, 3,06 ± 0,32 bits, 3,34 ± 0,16 bits, 3,22 ± 0,39 bits; Aanvullende figuur 2). Dit werd bevestigd met een eenrichtingsmeting ANOVA (F(4,1) = 12,10, p < 0,05) en een Tukey's t-toets voor individuele vergelijkingen (alle p < 0,05). Dit toont aan dat PBD-statistieken minder responsverankering hadden dan de NRS. De PBD werd verder gevalideerd aan de hand van vastgestelde maatstaven door middel van wederzijdse informatie-analyses (permutatietesten, α=0,05). Bij vier van de vijf patiënten deelden PBD-statistieken MI significant met de NRS, VAS-intensiteit, VAS-onaangenaamheden en de MPQ (p < 0,05, figuur 3B). Daarentegen deelden de PBD-statistieken van patiënt 4 MI niet significant met gevestigde statistieken. Aangezien hun NRS de minste informatie bevatte over de patiënten (aanvullende figuur 2), suggereert dit dat de NRS er niet in slaagde nuances in pijnervaring vast te leggen die door de PBD werden vastgelegd. Bij alle patiënten deelde de NRS significant MI met VAS-intensiteit, VAS-onaangenaamheden en MPQ, terwijl de PBD-som MI deelde met PBD-dekking en PBD-gemiddelde (p < 0,05, figuur 3B). Al met al deelden de PBD-statistieken voor de meeste patiënten MI met gevestigde pijnstatistieken. PBD’s waren voor de meeste deelnemers gemakkelijk te gebruikenIn de studie vonden vier van de vijf patiënten de PBD gemakkelijk te gebruiken en hun pijn nauwkeurig weer te geven (aanvullende tabel 2). Patiënt 4 meldde echter dat de PBD moeilijk te gebruiken was (5 op een 5-punts Likertschaal). Dit komt vooral omdat ze diepe, viscerale pijn hebben – die niet goed wordt vastgelegd in een 2-dimensionale (2D) PBD. Hoewel patiënten varieerden in hun vertrouwdheid met PBD’s (2,8 ± 1,2, bereik 1-4, 5-punts Likertschaal), gebruikten ze allemaal dagelijks vergelijkbare elektronica (5,0 ± 0,0, 5-punts Likertschaal) en vonden ze de PBD gebruiksvriendelijk (5,2 ± 0,4, bereik 5-6, 6-punts Likertschaal). Figuur 1. Workflow voor analyse van pijnlichaamsdiagrammen (PBD’s). Patiënten tekenden op blanco PBD-sjablonen om de locatie en intensiteit van de pijn weer te geven. Voltooide PBD’s bevatten tinten die varieerden van groen tot blauw tot rood, die respectievelijk milde tot matige tot ernstige pijngebieden vertegenwoordigden. PBD’s werden gemaskeerd om alleen pixels in de hoofdomtrek op te nemen en vervolgens werd de sjabloon verwijderd om alleen pixels met tinten te isoleren. Uit de PBD’s werden PBD-dekking (%), som intensiteit (genormaliseerd naar 0-100) en gemiddelde intensiteit (genormaliseerd naar 0-100) berekend. Voor PBD-dekking werd het aantal gekleurde pixels eerst gedeeld door het totale aantal pixels in het diagram (820.452 pixels voor vrouwen, 724.608 pixels voor mannen) en vervolgens vermenigvuldigd met 100. Voor de PBD-somintensiteit werden eerst de tintwaarden voor alle pixels in het hoofdstroomdiagram opgeteld (vrouwelijk bereik: 0-114.453.054; mannelijk bereik: 0-101.082.816). De som werd vervolgens gedeeld door de maximale PBD-somintensiteit (vrouwen: 820.452 pixels vermenigvuldigd met maximale tintwaarde 139,5, mannen: 724.608 pixels met 139,5) en vermenigvuldigd met 100. Voor de gemiddelde intensiteit van PBD werd de som van alle kleurtoonwaarden gedeeld door het totale aantal gekleurde pixels en vervolgens genormaliseerd door te delen door de maximale kleurtoonwaarde van 139,5. Klik hier om een grotere versie van deze figuur te bekijken. Figuur 2. Representatieve PBD’s met voorbeelden van goede en slechte PBD’s. (A,B) Goede PBD’s tonen het nut aan van het berekenen van 3 pijnmetingen. (C) Slechte PBD-voorbeelden zijn onder meer een te dikke pen, vreemde elementen buiten het lichaamsdiagram en onnauwkeurig wissen. Klik hier om een grotere versie van deze figuur te bekijken. Figuur 3. PBD-statistieken werden gevalideerd aan de hand van standaard pijnstatistieken via Spearman’s correlatie- en wederzijdse informatie-analyses. (A) VAS-intensiteit en PBD-som uitgezet met lineaire, best passende lijnen getekend voor elke patiënt. (B) Gegevens op groepsniveau die de gemiddelde wederzijdse informatie (MI) tussen elke pijnmetriek weergeven, waarbij MI wordt aangegeven door een kleurenbalk aan de rechterkant. De tekst in elk vak vertegenwoordigt het aantal patiënten met statistisch significant MI voor een bepaalde paarsgewijze vergelijking (bijv. 3/5 geeft 3 patiënten met significante waarden aan). MI wordt weergegeven door de waargenomen MI gedeeld door de theoretische maximale MI. Afkortingen: NRS=numerieke beoordelingsschaal; VAS-intensiteit = intensiteit op visuele analoge schaal; VAS unpl. = visuele analoge schaal pijnonaangenaamheden, MPQ = korte vorm McGill pijnvragenlijst 2; PBD=pijnlichaamsdiagram; PBD cov. = PBD-dekking, MI = wederzijdse informatie, sig. = significant. Klik hier om een grotere versie van deze figuur te bekijken. Aanvullende figuur 1. PBD-gemiddelde (A) en PBD-dekking (B) uitgezet tegen VAS-intensiteit met lineaire best passende lijnen getekend voor elke patiënt. Afkortingen: VAS=visual analog scale; PBD = pijnlichaamsdiagram. Klik hier om dit bestand te downloaden. Aanvullende figuur 2. Entropie per pijnstatistiek bij patiënten. Op groepsniveau had de NRS-intensiteit een lagere entropie dan elke andere pijnmetriek, zoals blijkt uit een herhaalde metingen eenrichtings-ANOVA, gevolgd door Tukey’s test post-hoc voor specifieke vergelijkingen * = p < 0,05, ** = p < 0,001. Afkortingen: NRS=numerieke beoordelingsschaal; VAS=visuele analoge schaal; MPQ=McGill pijn vragenlijst; PBD = pijnlichaamsdiagram. Klik hier om dit bestand te downloaden. Aanvullende tabel 1. Spearman’s correlaties tussen PBD-statistieken en zelfgerapporteerde standaard pijnmetingen. Spearman’s correlatiecoëfficiënten (rho) voor drie geëxtraheerde PBD-statistieken tegen NRS-, VAS- en MPQ-pijnmetingen. Afkortingen: NRS=numerieke beoordelingsschaal; VAS=visuele analoge schaal; MPQ=McGill pijn vragenlijst; PBD = pijnlichaamsdiagram. Klik hier om dit bestand te downloaden. Aanvullende tabel 2. Patiëntindrukken van het invullen van een PBD werden onthuld door middel van PBD-specifieke en systeembruikbaarheidsschaal-aangepaste vragen. De aangepaste bruikbaarheidsschaalvragen wisselden elkaar af in positieve en negatieve stellingen en werden gerangschikt op een 5-puntsschaal (1 = helemaal mee eens, 5 = helemaal mee oneens). Afkorting: PBD = pain body diagram. Klik hier om dit bestand te downloaden. Aanvullend coderingsbestand 1: Python-script voor PBD-metrische gegevens. De geannoteerde python-code verwerkt een PNG-bestand van een pijnlichaamsdiagram en voert PBD-gemiddelde, dekking en somwaarden uit voor elk bestand. Het script bevat ook importinstructies om de vereiste pakketten te downloaden om het programma uit te voeren. Klik hier om dit bestand te downloaden. Aanvullend dossier 1: Aanvullend dossier voor methodologische details. Klik hier om dit bestand te downloaden.

Discussion

Kritische stappen binnen het protocol
De belangrijkste stappen zijn: PBD-installatie, patiëntinstructie en voorverwerking. Voor PBD-instellingen moet elke geslachtsspecifieke PBD een voor- en achteraanzicht26 visualiseren en worden bedekt met een lege laag op een illustratietoepassing om tintwaarden te isoleren. Bovendien moet de pengrootte voldoen aan de illustratiebehoeften van patiënten en moeten kleurgradiënten worden gedefinieerd om PBD’s kwantitatief te analyseren. Patiëntinstructie en begrip van de tool zijn van fundamenteel belang voor betrouwbare gegevens. Er moet voldoende tijd worden uitgetrokken voor deelnemers om te oefenen met het implementeren van de tool op de PBD. Gebruik de teach-back-methode om tijdens het testen periodiek te bevestigen dat de deelnemer taken en enquêtes begrijpt, ongeveer eens in de 10 PBD’s. Om individuele PBD’s bij te houden, is het ook een goed idee om elk bestand na voltooiing een unieke titel en tijdstempel te geven. Na het verzamelen van gegevens kan elke PBD-metriek worden geëxtraheerd met behulp van Python27-scripts (zie Aanvullend coderingsbestand 1). De metingen van PBD-dekking, somintensiteit en gemiddelde intensiteit kunnen voor en na elke behandeling of interventie worden herhaald om pijnreacties bij de patiënt te volgen. Om deze metrische gegevens te extraheren, moet een onderzoeker die niet direct betrokken is bij het verzamelen van gegevens, zwarte maskerlagen over elkaar heen leggen om alleen kleuren te isoleren die binnen de hoofdomtrek zijn getekend, en vervolgens HSV-pixelwaarden berekenen met behulp van aangepaste softwarecode die wordt geleverd als aanvullend bestand 1.

Modificaties en probleemoplossing in de techniek
Methodologische stappen werden verfijnd tijdens de gegevensverzameling van patiënt 1. Deze omvatten het geven van meer tijd aan patiënten om vertrouwd te raken met het beheersen van de drukgevoeligheid van de pen, het correct instellen van lichaamsdiagramlagen voor latere maskering en analyse, het beperken van het gebruik van symbolen of woorden op PBD’s en het aanpassen van de absolute pendrukgevoeligheid op basis van de kracht en behendigheid van elke deelnemer (hoewel de transformatie tussen relatieve druk en tint constant bleef). Patiënten mochten hun pengrootte kiezen om hun pijn het beste weer te geven; Het selecteren van één vaste maat kan echter zorgen voor betere toekomstige vergelijkingen tussen patiënten. In toekomstige iteraties kan het maken van prototypes van een methode die één kleurkanaal gebruikt (bijv. rood, groen of blauw) en het variëren van de lichtheid van de kleur op basis van pendruk, mogelijk precisieverlies minimaliseren bij het converteren van RGB- naar HSV-kleurruimte.

Beperkingen van de techniek
PBD’s vereisen dat patiënten voldoende motorische kracht en behendigheid hebben in ten minste één bovenste extremiteit met minimaal een goede fijne motoriek in de vingers om zelfstandig diagrammen in te vullen en hun pijnervaring via druk nauwkeurig te vertalen. Hoewel standaard pijnstatistieken zoals NRS en MPQ door een assistent via verbale communicatie op papier of een toetsenbord kunnen worden ingevoerd, is deze wijziging met PBD’s nog niet gevalideerd. PBD’s missen ook diepte als tweedimensionale illustratie. Het detailniveau in een driedimensionaal lichaamsdiagram is kwalitatief aangetoond om de communicatie van pijninformatie uit te breiden17. Door de diepte van de pijn verder te karakteriseren, kan nieuwe pijninformatie worden vastgelegd die niet is onderzocht op schalen zoals de NRS, VAS en MPQ. Lichaamsdiagrammen zijn momenteel niet ontworpen om meer abstracte somatisatie of diepere vormen van pijn vast te leggen. Patiënt 4 meldde bijvoorbeeld zelf dat de pijnlocatie en pijnintensiteit niet goed werden gekarakteriseerd door het lichaamsdiagram in de bruikbaarheidsenquête, omdat hij vond dat ze zijn interne neuropathische pijn niet vastlegden. Patiënt 5 tekende vaak stippellijnen in lichaamsdiagrammen om de zwaarte in hun lichaam aan te geven, wat metrische berekeningen kan verwarren. Toekomstige PBD-iteraties kunnen worden uitgebreid om de somatisatie van pijn of viscerale pijn op een kwantificeerbare manier weer te geven. Ten slotte werden PBD’s geanalyseerd in een N-of-1-raamwerk, waarbij voor elke deelnemer bijna 100 afzonderlijke PBD’s werden gegenereerd. Analyses op groepsniveau waren niet mogelijk vanwege het kleine aantal deelnemers. Daarom kon de betrouwbaarheid van de test-hertest in deze studie niet worden bepaald, aangezien de reacties op NRS-schalen te maken hebben met verankeringsbias, wat suggereert dat dezelfde NRS-scores mogelijk niet gelijkwaardig zijn aan dezelfde PBD’s die na de proef zijn getest. Toekomstig onderzoek zal nodig zijn om PBD-statistieken te evalueren in een groepsgewijze analyseomgeving en de test-hertestbetrouwbaarheid van de methode in een grotere steekproef.

Betekenis van de methode ten opzichte van bestaande methoden
PBD’s zijn op grote schaal gebruikt in klinische en onderzoeksomgevingen om de pijnintensiteit van een deelnemer in hun lichaam aan te tonen14,15, maar deze tool bleef grotendeels beperkt door zijn kwalitatieve aard. Hoewel digitale pijnmapping is gebruikt om chronische pijn longitudinaal te volgen16, misten patiënten de mogelijkheid om pijnintensiteit en -locatie weer te geven in een gecombineerde, nauwkeurige techniek. Deze nieuwe druk-tinttransformatie die is opgenomen in PBD’s biedt samengestelde ruimtelijke en kwantitatieve pijnstatistieken die herhaaldelijk kunnen worden gemeten en in de loop van de tijd kunnen worden gevolgd om de pijnervaring van een deelnemer vast te leggen. Hier werd aangetoond dat drie geëxtraheerde PBD-statistieken die de pijnintensiteit en -locatie binnen een patiënt differentieel weerspiegelden, d.w.z. PBD-dekking, somintensiteit en gemiddelde intensiteit, een hoge validiteit en overeenstemming hebben met gestandaardiseerde pijnmetingen zoals NRS-intensiteit, VAS-intensiteit, VAS-onaangenaamheid en MPQ. Alle PBD-metingen waren gecorreleerd met de VAS- en NRS-scores bij vier van de vijf patiënten en significant gecorreleerd met de MPQ bij drie van de vijf. Bovendien onthulde de informatietheoretische benadering 28,29,30,31 niet-lineaire relaties die niet werden gedetecteerd met meer gebruikelijke statistische methoden. In de studie hadden vier van de vijf patiënten een significant MI tussen PBD-metingen en NRS, VAS-intensiteit, VAS-onaangenaamheden en MPQ, wat een significante, maar niet totale, overlap in informatie-inhoud aantoonde. De PBD-metingen waren dus zeer concordant met gestandaardiseerde pijnmetingen, maar het PBD-gemiddelde leek een combinatie van intensiteits- en locatie-informatie te weerspiegelen die niet aanwezig was in conventionele pijnmetingen.

Toekomstige toepassingen van deze techniek
De huidige resultaten tonen aan dat PBD’s vooral geschikt kunnen zijn voor patiënten die hun pijn op een niet-lineaire schaal ervaren en kwantificeren. Net zoals verbale descriptoren deelnemers een andere dimensie kunnen bieden om pijn te evalueren, bieden de PBD’s een unieke grafische en op druk gebaseerde interpretatie van hun pijn. Door een nieuwe druk-tinttransformatie te implementeren, geven lichaamsdiagrammen informatie over de locatie, verspreiding en regionale variatie in de intensiteit van pijn, wat voor zover wij weten nog niet eerder is aangetoond. Samen met neurale gegevens die tijdens een DBS-onderzoek zijn verzameld, kunnen PBD-statistieken een krachtig hulpmiddel zijn bij het lokaliseren van pijn in verschillende lichaamsregio’s naar verschillende hersenregio’s en helpen bij het informeren van mechanistische studies over pijnsignaleringsroutes. De druk-tinttransformatie die in PBD’s is geïmplementeerd, kan in veel klinische en onderzoeksomgevingen worden gebruikt om pijnverlichting als reactie op de behandeling te analyseren of pijn in de loop van de tijd te vergelijken. Deze methode produceert niet alleen unieke, visueel intuïtieve diagrammen om pijn te beoordelen, maar legt ook nauwkeurig de ervaring van een patiënt vast die verder gaat dan een enkele numerieke score.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Deze studie werd gefinancierd door de National Institutes of Health-subsidie UH3-NS115631 aan PS. Financieringsbronnen keurden het onderzoeksontwerp goed, maar speelden geen rol bij de uitvoering van de studie, gegevensanalyse of voorbereiding van manuscripten. We bedanken ook Dr. Edward F. Chang, Dr. Philip A. Starr en de deelnemers aan onze studie.

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

References

  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).

Play Video

Cite This Article
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).

View Video