Aktivace mozku během tepelné stimulace u neuropatické bolesti

Do této studie budou zařazeni pacienti s periferní neuropatií a zdraví dobrovolníci. Periferní neuropatie je definována podle neuropatických symptomů a známek. Informovaný souhlas bude schválen etickou komisí Národní tchajwanské univerzitní nemocnice a bude získán od každého subjektu.

K posouzení závažnosti různých neuropatických symptomů, jako je spontánně probíhající a záchvatovitá bolest, evokovaná bolest, parestézie a dysestézie, vyplní pacienti s neuropatickou bolestí seznam symptomů neuropatické bolesti. Každý subjekt dostane podrobné senzorické vyšetření k vyhodnocení integrity senzorických vláken. Pro měření prahových hodnot tepelných a vibračních vjemů provedeme kvantitativní senzorické testování metodou úrovně pomocí Thermal Sensory Analyzer a Vibratory Sensory Analyzer (Medoc Advanced Medical System, Minneapolis, MN, USA) podle zavedeného protokolu. K tepelné stimulaci použijeme kontaktní tepelný stimulátor. Škodlivé a neškodné tepelné teploty budou aplikovány na hřbet pravé nohy. Před záznamem CHEP bude provedeno několik předběžných testů, aby se eliminovaly efekty očekávání. Aby se zabránilo senzibilizaci a desenzibilizaci, budou stimuly s nízkou intenzitou předcházet stimulům vysoké intenzity v každém bloku.

Funkční zobrazování magnetickou rezonancí (fMRI) bude provedeno na přístroji 3-T MR (Sonata; Siemens, Erlangen, Německo). Bude získáno T1 vážené skenování celého mozku s vysokým rozlišením v transaxiální orientaci pro poskytnutí anatomických informací pro superponované funkční aktivační mapy. Pro získání funkčních dat bude použito Echo Planar Imaging. Každé zobrazovací sezení se bude skládat z jednoho anatomického skenování s vysokým rozlišením a tří běhů funkčního skenování s 5minutovým intervalem mezi relací. Během skenování bude stimulátorem CHEP aplikováno několik tepelných stimulů na pravou dorzální nohu. Aby se zabránilo senzibilizaci, bude místo stimulace po každém stimulu mírně změněno. Po 12s stimulaci se teplota ochladí s následným 36s intervalem mezi stimuly. Po každém sezení fMRI budou subjekty požádány, aby ohodnotily intenzitu a nepříjemnost přijímaného podnětu bolesti. Průměrné hodnoty hodnocení se zobrazí po skenování na počítačově řízené vizuální analogové stupnici v rozsahu od 0 do 10 (0, žádná bolest; 1, mírně intenzivní; 2, mírně intenzivní; 3, středně intenzivní; 4, mírná bolest; 5, mírná bolest; 6, středně silná bolest; 7, středně silná bolest; 8, silná bolest; 9, silná bolest; 10, nesnesitelná bolest) a intenzita a nepříjemnost obdržené bolesti bude hodnocena pomocí Short-Form McGill Pain Questionnaire .

Všechna data budou zpracována pomocí softwaru Statistical Parametric Mapping (SPM2). Datové řady fMRI budou znovu zarovnány a rozřezány pomocí sinc interpolace, aby se opravily pohybové artefakty. Skenování s náhlými pohyby hlavy o více než 2 mm bude vynecháno. Pro umožnění mezisubjektové analýzy budou funkční data společně registrována do anatomického skenu a transformována do referenčního prostoru podle šablony MNI SPM2 pomocí normalizace pomocí sinc interpolace. Převzorkovaný objem voxelu normalizovaných snímků je 2 x 2 x 2 mm. Následně budou data vyhlazena izotropním gaussovským jádrem s plnou šířkou 8 mm na poloviční maximum, aby se snížil vysokofrekvenční šum a zohlednily anatomické odchylky. Vlivy specifické pro podmínku budou odhadnuty obecným lineárním modelem za použití boxcar přístupu spojeného s funkcí hemodynamické odezvy. Filtrování horní propustí odstraní nízkofrekvenční šum a filtrování dolní propustí bude odpovídat za sériové autokorelace dat.

Data budeme analyzovat na individuální (subjekt na subjekt) a napříč subjekty (skupinová analýza) pomocí variance mezi subjekty (analýza náhodného efektu). Data z každé stimulace budou spojena pro skupinová statistická srovnání. Vzhledem k omezenému počtu experimentů představujících modelovou analýzu s pevnými efekty bude vytvořena jediná matice návrhu, včetně 3 sezení všech subjektů. Statistické parametrické mapy budou generovány jako t-kontrasty a korigovány pro vícenásobná srovnání podle teorie náhodného pole s P < 0,05. Prahová hodnota pro Z mapy je 3,09 (P < 0,001) pro analýzu jednotlivých subjektů. Významné shluky musí vykazovat minimální objem rozšíření 10 voxelů.