JoVE Journal > Neuroscience
Summary
Abstract
Introduction
Protocol
Results
Discussion
Disclosures
Acknowledgements
Materials
References
español

Automatically Generated
Please note that all translations are automatically generated. Click here for the English version.
Neuroscience

Cuantificación de la localización e intensidad del dolor con diagramas corporales multimodales del dolor

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

Las escalas de dolor actuales utilizadas para cuantificar la gravedad del dolor, como las escalas analógicas visuales, no logran captar la complejidad de las experiencias subjetivas de dolor. Los diagramas de dolor y cuerpo son cualitativos, pero pueden ser más informativos. El objetivo de este método es extraer métricas cuantitativas de diagramas de cuerpo de dolor utilizando una novedosa transformación de presión-tono.

Abstract

Para cuantificar la gravedad subjetiva del dolor de un individuo, se suelen utilizar escalas estandarizadas de valoración del dolor, como la escala numérica (NRS), la escala visual analógica (EVA) o el cuestionario de dolor McGill (MPQ) para evaluar el dolor en una escala numérica. Sin embargo, estas escalas a menudo están sesgadas y no captan la complejidad de las experiencias de dolor. Por el contrario, la práctica clínica a menudo requiere que los pacientes informen sobre las áreas de dolor dibujando un diagrama corporal, que es una herramienta eficaz pero cualitativa. El método que se presenta aquí extrae métricas cuantificables de diagramas de dolor corporal (PBD) que se validan con las escalas de dolor NRS, VA y MPQ. Mediante el uso de una novedosa transformación de presión-tono en una tableta digital, las diferentes presiones de dibujo aplicadas con un lápiz digital se pueden representar como diferentes tonos en un PBD. Esto produce un diagrama visualmente intuitivo de tonos que van desde el verde hasta el azul y el rojo, representando regiones leves a moderadas a más dolorosas, respectivamente. Para cuantificar cada PBD, se definieron nuevas métricas de dolor: (1) intensidad media de PBD, que es igual a la suma del valor de tono de cada píxel dividido por el número de píxeles de color, (2) cobertura de PBD, que es igual al número de píxeles de color dividido por el número total de píxeles en el cuerpo, y (3) intensidad de suma de PBD, que es igual a la suma de los valores de tono de todos los píxeles. Utilizando análisis de correlación y teoría de la información, se demostró que estas métricas de PBD tienen una alta concordancia con las métricas estandarizadas del dolor, incluidas NRS, VAS y MPQ. En conclusión, los PBD pueden proporcionar información espacial y cuantitativa novedosa que se puede medir y rastrear repetidamente a lo largo del tiempo para caracterizar de manera integral la experiencia de dolor de un participante.

Introduction

El dolor crónico es una afección neuropsiquiátrica debilitante que afecta a más de 50 millones de adultos enlos Estados Unidos. Sin embargo, las herramientas clínicas comunes para realizar un seguimiento de la intensidad subjetiva del dolor (como la escala de valoración numérica [NRS] o la escala analógica visual [EVA]) son reduccionistas y no comunican la naturaleza compleja de la intensidad de los síntomas de dolor que abarca los dominios somatosensorial, cognitivo o afectivo 2,3. El seguimiento preciso de la intensidad del dolor de una persona es fundamental para el diagnóstico de los síndromes de dolor, el seguimiento de la progresión de la enfermedad y la evaluación de la eficacia potencial de terapias como los medicamentos o la estimulación cerebral.

La herramienta de intensidad del dolor NRS, ampliamente utilizada, requiere que el sujeto califique la intensidad del dolor como un valor entero de 0 a 10, lo que representa que no hay dolor hasta el peor dolor posible. Si bien es fácil de administrar y comprender, el NRS está limitado por el sesgo de anclaje del encuestado, el sesgo de expectativa y la interpretación variable de los valores individuales 4,5; Esto también limita las comparaciones entre participantes. El VAS, una escala continua de 0 a 100, puede reducir el impacto del anclaje, pero aún puede enfrentar limitaciones similares a las del NRS4. Varios estudios han demostrado un alto grado de concordancia entre el NRS y el EVA para la severidad del dolor lumbar crónico6,7 y la práctica clínica5, pero las guías de consenso destacan las muchas deficiencias de confiar en escalas similares en el diseño o la interpretación de ensayos clínicos de dolor 8,9. El cuestionario de dolor McGill 2 (MPQ) de formato corto disecciona aún más las dimensiones somatosensorial y afectiva del dolor utilizando calificaciones de descriptores verbales10, para ayudar a distinguir entre la dimensión de dolor sensorial y afectivo11. Aunque estas escalas de valoración del dolor se utilizan comúnmente para realizar un seguimiento de la intensidad del dolor12,13, no capturan información topográfica detallada, como la ubicación del dolor o la variación de la intensidad entre las regiones del cuerpo.

Los diagramas corporales del dolor (PBD, por sus siglas en inglés) son una herramienta de evaluación del dolor abierta y de forma libre que permite a los encuestados ilustrar una representación visual de la ubicación e intensidad del dolor en un esquema del cuerpo humano14,15. Los PBD son una herramienta de comunicación eficaz entre los participantes y los proveedores médicos que ayudan a realizar un seguimiento longitudinal de los síntomas del dolor16. El formato gráfico de forma libre de PBD puede disminuir el sesgo de anclaje. Las modificaciones recientes de los PBD, como la introducción de diagramas corporales específicos para cada sexo, han aumentado su eficacia como herramienta de comunicación al alinear la forma corporal representada visualmente con la anatomía del encuestado, aumentando así la autoidentificación y la precisión de la respuesta17. Además, se ha demostrado que el uso del color para indicar intensidad permite una comunicación eficaz de los síntomas de dolor superando las barreras culturales y lingüísticas. Por ejemplo, los colores blanco y rojo fueron los más comúnmente seleccionados para indicar la ausencia de dolor y el dolor intenso, respectivamente, en una población de pacientes hmong18. Si bien los PBD son una herramienta eficaz19,20, han sido limitados por su naturaleza cualitativa.

El uso de PBD en tabletas digitales ha ampliado sustancialmente las herramientas disponibles para cuantificar la localización y la intensidad del dolor. Barbero et al. cuantificaron la extensión del dolor o el número de píxeles dibujados dentro de un PBD de pacientes con dolor lumbar y cervical crónico y mostraron una buena fiabilidad test-retest y una correlación significativa con las medidas EVA21. También se han analizado diagramas corporales para crear mapas de frecuencia de dolor que muestren las áreas del cuerpo más y menos dolorosas21,22. Si bien estos métodos cuantifican la información espacial del dolor, hasta ahora, ningún método ha incorporado tanto la intensidad como la ubicación del dolor en las métricas compuestas.

El siguiente protocolo demuestra un método para obtener PBD de colores novedosos y visualmente intuitivos y extraer tres métricas cuantitativas que, en conjunto, reflejan una combinación de información sobre la intensidad y la ubicación del dolor. Para ello, se seleccionaron cinco participantes que se sometieron a un ensayo de investigación de estimulación cerebral profunda (ECP) para el dolor neuropático crónico refractario para probar el enfoque actual, utilizando un diseño de estudio N de 123. Se instruyó a los participantes para que informaran la intensidad de sus síntomas de dolor momentáneo aplicando diferentes niveles de presión de lápiz en una aplicación de ilustración de tableta para producir tonos de color que correspondieran a diferentes intensidades de dolor en diferentes ubicaciones del cuerpo. Las métricas derivadas del PBD de cobertura, intensidad de suma e intensidad media se compararon con métricas de dolor validadas más comunes (es decir, NRS, EVA y MPQ) utilizando análisis estadísticos y de información mutua (IM).

Durante una estancia hospitalaria de 10 días, los pacientes sometidos a evaluación completaron las PBD (media ± desviación estándar [DE] = 121,8 ± 34,3 PBD por paciente; rango 84-177; 609 PBD en total) además de escalas de dolor validadas como NRS, VAS y MPQ varias veces al día. Los PBD se recopilaron a través de una aplicación para tabletas y se cargaron como archivos con marca de tiempo en servidores de investigación seguros cuando se completaron. La intensidad del dolor NRS, VAS y MPQ se adquirieron utilizando las herramientas de encuesta REDCap, una aplicación web segura. Tanto las encuestas como los PBD fueron administrados en persona por asistentes de investigación para garantizar que los pacientes recibieran la asistencia necesaria para completar sus evaluaciones con precisión. Los siguientes pasos detallan la configuración de la PBD, la instrucción de los participantes, la recopilación de datos y el análisis de PBD utilizados para cuantificar de manera confiable el dolor (Figura 1).

Protocol

Este protocolo de PBD se implementó en un protocolo de ensayo clínico para padres (NCT03029884, por sus siglas en inglés), aprobado por el Programa de Protección de la Investigación Humana de la UCSF y la FDA. Cada participante (3 mujeres y 2 hombres, rango de edad: 51-67 años) firmó un consentimiento informado por escrito; fueron reclutados del centro de manejo del dolor de la UCSF o referidos por médicos en los Estados Unidos. 1. Configuración del diagrama del cuerpo del dolor Criterios de inclusión de pacientes: Incluir participantes con los siguientes diagnósticos de dolor: varias etiologías de dolor neuropático, incluido el dolor central posterior al accidente cerebrovascular (2 pacientes) y la enfermedad neurodegenerativa de la columna vertebral con dolor radicular (1 paciente), síndrome de dolor regional complejo (1 paciente) y lesión de la médula espinal (1 paciente). Todos los participantes han completado la educación post-secundaria. Importe una plantilla de PBD apropiada para el género (Figura complementaria 1), que muestre las superficies frontal y trasera del cuerpo, en una aplicación de ilustración que contenga una herramienta de dibujo sensible a la presión en una tableta digital sensible al tacto. Descargue la plantilla PBD en la biblioteca de fotos de la tableta y, a continuación, haga clic en el botón Importar . Cree una nueva capa encima de la plantilla PBD haciendo clic en el icono Capas seguido del botón + para que el participante dibuje sobre él. Esto da como resultado dos capas, una con el PBD y otra para dibujar con colores que indican dolor. Cree un nuevo pincel con una curva de transformación de presión a tono x=y haciendo clic primero en el icono Biblioteca de pinceles y, a continuación, en + para abrir el estudio de pinceles. Haga clic en el botón etiquetado Dinámica de color, luego desplácese hacia abajo hasta la sección de presión de color. Para el control deslizante de tono, haga clic en el Porcentaje numérico para asegurarse de que el gráfico de transformación de presión visualice una línea recta de 45°.NOTA: Al hacer doble clic en el gráfico, se proporcionará la opción de restablecer el gráfico al gráfico recto x=y. Para definir el rango de degradado de tono de verde a azul a rojo, ajuste el control deslizante de tono debajo de la sección de presión de color haciendo clic en el número de porcentaje enumerado e ingresando un valor numérico del 81%.NOTA: Otra forma de hacerlo es introducir los límites hexadecimales de #008000 a #FF0000 si la aplicación permite la entrada manual de hexacodos. Seleccione un tamaño de lápiz que se adapte a las necesidades de los participantes del estudio ajustando el control deslizante de la herramienta Pluma. Un tamaño de bolígrafo del 30% es un buen tamaño inicial para la mayoría de los participantes. 2. Instrucciones para los participantes Describa la anatomía y la orientación de PBD de las plantillas corporales en modo vertical, las herramientas de dibujo y borrado, el pellizco táctil para hacer zoom y la funcionalidad de panorámica para el paciente. Explique a los participantes la transformación lineal de la presión al tono de la siguiente manera: informe a los participantes que el aumento de la presión aplicada al lápiz óptico dará como resultado tonos que cambian de verde a azul a rojo que deben colorearse en el diagrama para representar la intensidad del dolor leve a moderado a severo en cualquier lugar dado, respectivamente. Usando el método de aprendizaje24, confirme la comprensión del participante de la tarea PBD pidiéndole que explique cómo completar el diagrama usando sus propias palabras. Permita a los participantes al menos 15 minutos de tiempo de práctica para dibujar múltiples PBD en una superficie plana para garantizar una representación precisa de la ubicación y la intensidad del dolor. Permita que se realicen ajustes para maximizar la usabilidad. Revise los PBD inmediatamente después con cada participante para garantizar la coherencia y que los colores se dibujen según lo previsto. 3. Recopilación y preprocesamiento de datos Pida a los participantes que completen los PBD durante el inicio o en varios momentos después de algún tratamiento o intervención. Permita una cantidad de tiempo abierta para completar cada PBD para que cada mapa pueda completarse a satisfacción del participante. Guarde los PBD completados con un nombre de archivo estandarizado que contenga la identificación del paciente, así como la fecha y hora en que se completó el PBD.NOTA: Estos archivos se guardan temporalmente en la tableta. Exporte de forma masiva PBD completados en formato de documento portátil (.PDF) o en formato de archivo de documento de Photoshop (.PSD) que conserva las capas de imagen para su procesamiento previo. Para exportar de forma masiva, primero haga clic en el icono Seleccionar para elegir las imágenes deseadas y, a continuación, haga clic en Compartir para abrir un menú de formatos de imagen para exportar. Haga clic en el archivo de formato que desee.NOTA: Los archivos exportados se cargan en un servidor de investigación seguro. Descargue PBD y ábralos en un editor de imágenes basado en trama. Aísle los píxeles coloreados de interés de la capa superior del archivo PBD agregando dos capas de máscara: una capa completamente negra debajo de la capa coloreada y una capa de máscara negra para excluir los píxeles fuera del contorno del cuerpo de la plantilla sobre la capa coloreada. Esto dará como resultado PBD procesados que solo contienen los píxeles de color dentro del contorno del cuerpo sobre un fondo negro (Figura 1). Exporte los PBD procesados como archivos de gráficos de red portátiles (.png) haciendo clic y seleccionando la siguiente secuencia de botones: Exportar > archivo > Exportar como > PNG > Exportar. 4. Cuantificación de PBD Convierta cada valor de píxel en el PBD del espacio de color RGB (rojo, verde, azul) en un espacio de color HSV (tono, saturación, valor) utilizando OpenCV225, un paquete de Python disponible públicamente. Extraiga el valor de tono de cada píxel ejecutando los scripts de python titulados rgba2hsv(filename) (Archivo de codificación suplementario 1) y measure_SAnoblur(filename, sigma-1.0) (Figura 1).NOTA: Estos scripts cuantifican y ajustan los valores de tono para crear una escala de tono continua de 0 a 139,5. Los valores de HSV en OpenCV2 oscilan entre 0 y 179. El verde más claro, que representa la menor intensidad del dolor, corresponde al valor de tono de 39,5. Algunos tonos rojos corresponden a valores entre 0 y 10. Los colores amarillo y naranja que corresponden a valores de tono entre 10 y 39,5 no son utilizados por la herramienta Pluma. Los valores de tono rojo de 0 a 10 se reasignan a 179 para representar correctamente la mayor intensidad del dolor. La escala de tono oscila entre 39,5 y 179 después de este ajuste. A continuación, se resta 39,5 de cada valor de tono para que la escala final oscile entre 0 y 139,5. Calcule y normalice las tres métricas de PBD ejecutando el script de Python titulado quantifypain(filename) (Archivo de codificación suplementario 1).El script calcula cada métrica como se describe a continuación.Cobertura PBD: Divida el número de píxeles coloreados por el número total de píxeles disponibles dentro del diagrama del cuerpo. El rango para el número de píxeles coloreados para las mujeres es de 0 a 820.452 píxeles (píxeles totales) y el rango para los hombres es de 0 a 724.608 píxeles (píxeles totales). Intensidad de suma de PBD: agregue los valores de tono para todos los píxeles en el diagrama del cuerpo. El rango para la suma de los valores de tono para las mujeres es de 0 a 114.453.054 y el rango para los hombres es de 0 a 101.082.816. Intensidad media de PBD: Divida la suma de todos los valores de tono por el número total de píxeles coloreados. Utilice el script para normalizar todas las medidas de PBD en una escala de 0 a 100 siguiendo los cálculos que se describen a continuación.Cobertura de PBD: Multiplique la cobertura de PBD por 100. Suma de PBD: Divida la intensidad de la suma de PBD por la intensidad máxima de la suma de PBD y multiplíquela por 100. La intensidad máxima de la suma de PBD es igual al número total de píxeles en el diagrama del cuerpo multiplicado por 139,5 (es decir, para las mujeres, es 820.452 píxeles multiplicado por 139,5, que es igual a 114.453.054; para los hombres, es 724.608 píxeles multiplicado por 139,5, que equivale a 101.082.816). Promedio de PBD: Divida la intensidad media de PBD por el valor de tono máximo de 139.5 y multiplíquelo por 100. Repita los pasos 4.1 y 4.2 para procesar cada archivo PBD (con extensión .png). Compile los resultados en una hoja de cálculo para realizar más análisis.

Representative Results

La media, la suma y la cobertura de la PBD proporcionan información única sobre las respuestas al dolor que no se recogen en otras escalas de dolor estandarizadas. Entre los dos PBD (Figura 2A,B), la intensidad media del dolor es idéntica (media del PBD = 79,6). Sin embargo, un aumento de la cobertura y la suma revelan la mayor dispersión espacial del dolor y la intensidad total del dolor, respectivamente, que diferencian a los dos PBD (Figura 2B). Para cuantificar con precisión el dolor utilizando estas métricas, los investigadores deben evitar los siguientes errores comunes de configuración de la PBD (Figura 2C). El grosor excesivo del lápiz y los elementos extraños fuera del contorno del cuerpo, como las regiones del cuerpo que circulan o los descriptores escritos, no se capturarán en el procesamiento de PBD. Del mismo modo, un lápiz blanco utilizado para eliminar el color en lugar de la herramienta de borrador sesgará las métricas de PBD. La práctica y la instrucción reforzada capacitarán a los pacientes para crear PBD precisos y cuantificables que revelen la variabilidad en la intensidad y distribución del dolor. Las métricas de PBD se validaron con respecto a NRS, VAS y MPQ (Figura 3B; Figura complementaria 2) y obtuvo una puntuación alta en usabilidad (Figura 1 y Figura 2 suplementarias). Las métricas de PBD se correlacionan con las métricas estándar de dolorLas métricas de PBD se correlacionaron con el NRS, el EVA y el MPQ para la mayoría de los pacientes (Figura 3A, Figura complementaria 1A,B). En cuatro de cinco pacientes, la suma, la cobertura y la media de la PBD se correlacionaron con su EVA y NRS (correlación de Spearman, rs = 0,33-0,72, p < 0,004, Tabla suplementaria 1). Para tres de cada cinco participantes, las métricas de PBD también se correlacionaron significativamente con las puntuaciones de MPQ (correlación de Spearman, rs = 0,38-0,53, p < 0,004, Tabla suplementaria 1). Sin embargo, el paciente 4 no mostró correlaciones significativas entre las métricas de PBD y las puntuaciones estándar de dolor. Además, caracterizamos las relaciones no lineales entre el PBD y las métricas estándar utilizando análisis de la teoría de la información (Figura complementaria 2). Las métricas de PBD evitan el anclaje de la respuesta y comparten información mutua con las métricas de dolor estándarLas métricas de PBD contenían más información (es decir, entropía) que el NRS. En todos los pacientes, los NRS contenían menos información (2,32 ± 0,37 bits) en comparación con la intensidad de la EVA, la incomodidad de la EAV, el total de MPQ, la suma de PBD, la cobertura de PBD y la media de PBD (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, respectivamente; Figura complementaria 2). Esto se confirmó con un ANOVA de medidas repetidas de una vía (F(4,1) = 12,10 , p < 0,05) y una prueba t de Tukey para comparaciones individuales (todas p < 0,05). Esto muestra que las métricas de PBD tenían menos anclaje de respuesta que el NRS. El PBD se validó con respecto a las métricas establecidas mediante análisis de información mutua (prueba de permutación, α = 0,05). En cuatro de los cinco pacientes, las métricas de PBD compartieron significativamente el IM con el NRS, la intensidad de la EVA, el malestar de la EVA y el MPQ (p < 0,05, Figura 3B). Por el contrario, las métricas de PBD del paciente 4 no compartieron significativamente el IM con las métricas establecidas. Dado que su NRS contenía la menor cantidad de información entre los pacientes (Figura suplementaria 2), esto sugiere que el NRS no capturó los matices en la experiencia del dolor que fueron capturados por el PBD. En todos los pacientes, el NRS compartió un IM significativo con la intensidad de la EVA, la incomodidad de la EVA y la MPQ, mientras que la suma de la PBD compartió el IM con la cobertura de PBD y la media de PBD (p < 0,05, Figura 3B). En conjunto, para la mayoría de los pacientes, las métricas de PBD compartían el IM con las métricas de dolor establecidas. Los PBD fueron fáciles de usar para la mayoría de los participantesEn el estudio, cuatro de los cinco pacientes encontraron que el PBD era fácil de usar y que reflejaba con precisión su dolor (Tabla suplementaria 2). Sin embargo, el paciente 4 refirió que el PBD era difícil de usar (5 en una escala Likert de 5 puntos). Esto se debe principalmente a que tienen un dolor profundo y visceral, que no está bien capturado en un PBD bidimensional (2D). Si bien los pacientes variaron en su familiaridad con los PBD (2,8 ± 1,2, rango 1-4, escala Likert de 5 puntos), todos usaron dispositivos electrónicos comparables diariamente (5,0 ± 0,0, escala Likert de 5 puntos) y encontraron que el PBD era fácil de usar (5,2 ± 0,4, rango 5-6, escala Likert de 6 puntos). Figura 1. Flujo de trabajo de análisis del diagrama corporal del dolor (PBD). Los pacientes dibujaron en plantillas de PBD en blanco para representar la ubicación y la intensidad del dolor. Los PBD completados contenían tonos que iban del verde al azul y al rojo, representando regiones de dolor leve a moderado a severo, respectivamente. Los PBD se enmascararon para incluir solo píxeles dentro del contorno del cuerpo y, a continuación, se eliminó la plantilla para aislar solo los píxeles que contenían tonos. A partir de los PBD, se calculó la cobertura de PBD (%), la intensidad de la suma (normalizada a 0-100) y la intensidad media (normalizada a 0-100). Para la cobertura de PBD, el número de píxeles coloreados se dividió primero por el número total de píxeles dentro del diagrama (820.452 píxeles para las mujeres, 724.608 píxeles para los hombres), y luego se multiplicó por 100. Para la intensidad de la suma de PBD, primero se sumaron los valores de tono de todos los píxeles del diagrama del cuerpo (rango femenino: 0-114,453,054; rango masculino: 0-101,082,816). A continuación, la suma se dividió por la intensidad máxima de la suma de PBD (mujeres: 820.452 píxeles multiplicado por el valor máximo de tono 139,5, hombres: 724.608 píxeles por 139,5) y se multiplicó por 100. Para la intensidad media de PBD, la suma de todos los valores de tono se dividió por el número total de píxeles coloreados, y luego se normalizó dividiendo por el valor máximo de tono de 139,5. Haga clic aquí para ver una versión más grande de esta figura. Figura 2. PBD representativos que muestran ejemplos de PBD buenos y malos. (A,B) Los buenos PBD muestran la utilidad de calcular 3 métricas de dolor. (C) Los ejemplos de PBD incorrecto incluyen un tamaño de bolígrafo excesivamente grueso, elementos extraños fuera del diagrama del cuerpo y borrado inexacto. Haga clic aquí para ver una versión más grande de esta figura. Figura 3. Las métricas de PBD se validaron con las métricas estándar de dolor a través de los análisis de correlación e información mutua de Spearman. (A) Intensidad de la EVA y suma de PBD trazada con líneas lineales de mejor ajuste dibujadas para cada paciente. (B) Datos a nivel de grupo que muestran la información mutua media (IM) entre cada métrica de dolor, con el IM indicado por una barra de color a la derecha. El texto de cada cuadro representa el número de pacientes con infarto de miocardio estadísticamente significativo para una comparación por pares determinada (p. ej., 3/5 indica 3 pacientes con valores significativos). El IM se presenta por el IM observado dividido por el IM máximo teórico. Abreviaturas: NRS=escala de calificación numérica; Intensidad de la EVA = intensidad de la escala analógica visual; VAS unpl. = escala analógica visual de dolor desagradable, MPQ = cuestionario de dolor McGill de forma abreviada 2; PBD=diagrama del cuerpo del dolor; PBD cov. = cobertura PBD, IM = información mutua, sig. = significativa. Haga clic aquí para ver una versión más grande de esta figura. Figura complementaria 1. La media de PBD (A) y la cobertura de PBD (B) se trazaron en función de la intensidad de la EVA con líneas lineales de mejor ajuste dibujadas para cada paciente. Abreviaturas: VAS=escala analógica visual; PBD=diagrama del cuerpo del dolor. Haga clic aquí para descargar este archivo. Figura complementaria 2. Métrica de entropía por dolor en todos los pacientes. A nivel de grupo, la intensidad de NRS tuvo una entropía más baja que cualquier otra métrica de dolor, como se muestra en un ANOVA de un factor de medidas repetidas seguido de la prueba de Tukey post-hoc para comparaciones específicas * = p < 0,05, ** = p < 0,001. Abreviaturas: NRS=escala de calificación numérica; VAS=escala analógica visual; MPQ = Cuestionario de dolor de McGill; PBD=diagrama del cuerpo del dolor. Haga clic aquí para descargar este archivo. Cuadro complementario 1. Correlaciones de Spearman entre las métricas de PBD y las medidas de dolor estándar autoinformadas. Coeficientes de correlación de Spearman (rho) para tres métricas de PBD extraídas con medidas de dolor NRS, VA y MPQ. Abreviaturas: NRS=escala de calificación numérica; VAS=escala analógica visual; MPQ = Cuestionario de dolor de McGill; PBD=diagrama del cuerpo del dolor. Haga clic aquí para descargar este archivo. Cuadro complementario 2. Las impresiones de los pacientes sobre la realización de un PBD se revelaron a través de preguntas específicas de PBD y modificadas en la escala de usabilidad del sistema. Las preguntas de la escala de usabilidad modificada alternaron afirmaciones positivas y negativas y se clasificaron en una escala de 5 puntos (1 = totalmente de acuerdo, 5 = totalmente en desacuerdo). Abreviatura: PBD = diagrama del cuerpo del dolor. Haga clic aquí para descargar este archivo. Archivo de codificación suplementario 1: Script de Python para métricas de PBD. El código python anotado procesa un archivo PNG de diagrama de cuerpo de dolor y genera valores de media, cobertura y suma de PBD para cada archivo. El script también incluye instrucciones de importación para descargar los paquetes necesarios para que se ejecute el programa. Haga clic aquí para descargar este archivo. Archivo complementario 1: Archivo complementario para detalles metodológicos. Haga clic aquí para descargar este archivo.

Discussion

Pasos críticos dentro del protocolo
Los pasos clave incluyen: configuración de PBD, instrucción del paciente y preprocesamiento. Para la configuración de PBD, cada PBD específico de género debe visualizar una vista frontal y posterior26, y superponerse con una capa vacía en una aplicación de ilustración para aislar los valores de tono. Además, el tamaño del bolígrafo debe satisfacer las necesidades de ilustración de los pacientes y se deben definir gradientes de tono para analizar cuantitativamente los PBD. La instrucción del paciente y la comprensión de la herramienta son fundamentales para obtener datos fiables. Se debe asignar tiempo suficiente para que los participantes practiquen la implementación de la herramienta en el PBD. Utilice el método de aprendizaje para confirmar la comprensión de las tareas y encuestas de los participantes periódicamente durante las pruebas, aproximadamente una vez cada 10 PBD. Para realizar un seguimiento de los PBD individuales, también es una buena idea nombrar cada archivo con un título y una marca de tiempo únicos después de su finalización. Después de la recopilación de datos, cada métrica de PBD podría extraerse utilizando scripts de Python27 (consulte Archivo de codificación suplementario 1). Las medidas de cobertura de PBD, intensidad de suma e intensidad media se pueden repetir antes y después de cualquier tratamiento o intervención para realizar un seguimiento de las respuestas al dolor dentro del paciente. Para extraer estas métricas, un investigador que no participe directamente en la recopilación de datos debe superponer capas de máscara negra para aislar solo los colores dibujados dentro del contorno del cuerpo y, a continuación, calcular los valores de píxel HSV utilizando un código de software personalizado proporcionado como Archivo complementario 1.

Modificaciones y solución de problemas en la técnica
Los pasos metodológicos fueron refinados durante la recolección de datos del paciente 1. Estos incluyen permitir más tiempo para que los pacientes se familiaricen con el control de la sensibilidad a la presión de la pluma, configurar correctamente las capas del diagrama corporal para enmascarar y analizar posteriormente, limitar el uso de símbolos o palabras en las PBD y ajustar la sensibilidad absoluta a la presión de la pluma de acuerdo con la fuerza y la destreza de cada participante (aunque la transformación entre la presión relativa y el tono se mantuvo constante). A los pacientes se les permitió seleccionar el tamaño de su pluma para representar mejor su dolor; Sin embargo, la selección de un tamaño fijo puede permitir mejores comparaciones futuras entre pacientes. En iteraciones futuras, la creación de prototipos de un método que utilice un canal de color (por ejemplo, rojo, verde o azul) y la variación de la luminosidad del color en función de la presión del lápiz puede minimizar la posible pérdida de precisión al convertir de espacio de color RGB a HSV.

Limitaciones de la técnica
Las PBD requieren que los pacientes tengan suficiente fuerza motora y destreza basal en al menos una extremidad superior con una buena capacidad motora fina en los dedos como mínimo para completar diagramas de forma independiente y para traducir con precisión su experiencia de dolor a través de la presión. Si bien las métricas estándar de dolor, como NRS y MPQ, pueden ser ingresadas en papel o en un teclado por un asistente a través de la comunicación verbal, esta modificación con PBD aún no está validada. Los PBD también carecen de profundidad como ilustración bidimensional. Se ha demostrado cualitativamente que el nivel de detalle en un diagrama corporal tridimensional amplía la comunicación de la información sobre el dolor17. Una mayor caracterización de la profundidad del dolor puede capturar nueva información sobre el dolor que no se examina en escalas como la NRS, la EVA y la MPQ. Los diagramas corporales no están diseñados actualmente para capturar una somatización más abstracta o formas más profundas de dolor. Por ejemplo, el paciente 4 informó que la ubicación y la intensidad del dolor no estaban bien caracterizadas por el diagrama corporal en la encuesta de usabilidad, ya que sentía que no capturaban su dolor neuropático interno. El paciente 5 a menudo dibujaba líneas punteadas en los diagramas corporales para indicar pesadez dentro de su cuerpo, lo que puede confundir los cálculos métricos. Las futuras iteraciones de PBD podrían ampliarse para representar la somatización del dolor o el dolor visceral en un método cuantificable. Finalmente, los PBD se analizaron en un marco N-de-1, donde se generaron casi 100 PBD separados para cada participante. Los análisis a nivel de grupo no fueron posibles debido al pequeño número de participantes en general. Por lo tanto, no se pudo determinar la confiabilidad test-retest en este estudio, ya que las respuestas a las escalas NRS enfrentan un sesgo de anclaje, lo que sugiere que las mismas puntuaciones NRS pueden no ser equivalentes a las mismas PBD probadas después del ensayo. Se necesitarán investigaciones futuras para evaluar las métricas de PBD en un entorno de análisis por grupo y la confiabilidad de la prueba y repetición de la prueba del método en una muestra más grande.

Importancia del método con respecto a los métodos existentes
Los PBD se han utilizado ampliamente en entornos clínicos y de investigación para demostrar la intensidad del dolor de un participante en todo su cuerpo14,15, sin embargo, esta herramienta sigue estando limitada en gran medida por su naturaleza cualitativa. Si bien el mapeo digital del dolor se ha utilizado para realizar un seguimiento longitudinal del dolor crónico16, los pacientes carecían de la capacidad de representar la intensidad y la ubicación del dolor en una técnica combinada y precisa. Esta novedosa transformación de presión-tonalidad incorporada con los PBD proporciona métricas de dolor espaciales y cuantitativas compuestas que se pueden medir y rastrear repetidamente a lo largo del tiempo para capturar la experiencia de dolor de un participante. Aquí, se demostró que tres métricas de PBD extraídas que reflejaban diferencialmente la intensidad y la ubicación del dolor dentro de un paciente, es decir, la cobertura de PBD, la intensidad de la suma y la intensidad media, tenían una alta validez y concordancia con medidas estandarizadas del dolor como la intensidad de NRS, la intensidad de la EVA, el malestar de la EVA y la MPQ. Todas las medidas de PBD se correlacionaron con las puntuaciones de EVA y NRS en cuatro de cada cinco pacientes y se correlacionaron significativamente con el MPQ en tres de cada cinco. Además, el enfoque de la teoría de la información 28,29,30,31 reveló relaciones no lineales que no fueron detectadas con métodos estadísticos más comunes. En el estudio, cuatro de cada cinco pacientes tenían un IM significativo entre las medidas de PBD y NRS, la intensidad de la EVA, el malestar de la EVA y el MPQ, lo que demuestra una superposición significativa, pero no total, en el contenido de la información. Por lo tanto, las medidas de PBD fueron altamente concordantes con las medidas estandarizadas de dolor, sin embargo, la media de PBD parecía reflejar una combinación de información de intensidad y ubicación que no estaba presente en las métricas de dolor convencionales.

Futuras aplicaciones de esta técnica
Los presentes resultados demuestran que los PBD pueden ser especialmente apropiados para los pacientes que experimentan y cuantifican su dolor en una escala no lineal. De manera similar a cómo los descriptores verbales pueden proporcionar otra dimensión para que los participantes evalúen el dolor, los PBD proporcionan una interpretación gráfica única y basada en la presión de su dolor. Al implementar una nueva transformación de presión-tono, los diagramas corporales proporcionan información sobre la ubicación, la propagación y la variación regional en la intensidad del dolor, que hasta donde sabemos, no se ha demostrado antes. Junto con los datos neuronales recopilados durante cualquier ensayo de ECP, las métricas de PBD pueden ser una herramienta poderosa para localizar el dolor en diferentes regiones del cuerpo en diferentes regiones del cerebro y ayudar a informar los estudios mecanicistas sobre las vías de señalización del dolor. La transformación de presión-tonalidad implementada en los PBD se puede utilizar en muchos entornos clínicos y de investigación para analizar el alivio del dolor en respuesta al tratamiento o comparar el dolor a lo largo del tiempo. Este método no solo produce diagramas únicos y visualmente intuitivos para evaluar el dolor, sino que también captura con precisión la experiencia de un paciente más allá de una puntuación numérica singular.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Este estudio fue financiado por la subvención UH3-NS115631 de los Institutos Nacionales de Salud a PS. Las fuentes de financiamiento aprobaron el diseño del estudio, pero no tuvieron ningún papel en la ejecución del estudio, el análisis de datos o la preparación del manuscrito. También agradecemos al Dr. Edward F. Chang, al Dr. Philip A. Starr y a los participantes en nuestro estudio.

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

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).

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
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).
Download Citation
Reprints and Permissions

View Video

✖

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

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image