SPRINT: Signatur for smerteopsving i teenagere (SPRINT)

Op til 5 % af de unge (~3,5 millioner i USA alene) lider af kroniske muskel- og skeletsmerter (MSK), som påvirker alle livsdomæner og udgør en betydelig økonomisk byrde. Nuværende behandlinger for kroniske MSK-smerter er suboptimale og har været bundet til opioidkrisen. Kun ~50 % af de unge med kroniske MSK-smerter, der deltager i multidisciplinær smertebehandling, kommer sig, målt ved kliniske endepunkter for smertens sværhedsgrad og funktionsnedsættelse. Opdagelse af robuste markører for bedring vs. vedvarende smerte og handicap er afgørende for at udvikle mere ressourcestærke og patientspecifikke behandlingsstrategier og for at udtænke nye tilgange, der gavner patienter, der er refraktære. I betragtning af at kronisk smerte er en biopsykosocial proces, kræver opdagelsen og valideringen af ​​en prognostisk og robust signatur for smerteopsving vs. persistens målinger på tværs af flere dimensioner i den samme patientkohorte i kombination med en passende 'big data' beregningsanalysepipeline til udvindingen af pålidelige og krydsvaliderede resultater fra et flerlags og komplekst datasæt. Forskerholdet er godt positioneret til at udføre undersøgelsens mål med: (1) Et højt kvalificeret og erfarent team af forskere og klinikere fra Stanford University, University of Toronto/Hospital for Sick Children og Cincinnati Children's Hospital Medical Center; (2) Et standardiseret prøveindsamlings-, -behandlings-, opbevarings- og distributionssystem, der udnytter Stanford Biobanks platform, BioCatalyst, til at samle prøvebeholdningen med kliniske annotationer til en tilgængelig, virtuel biobank inden for Signature of Pain Recovery IN Teens (SPRINT) Biobank og analysekerne (SBAC); (3) banebrydende foreløbige data, der implicerer nye kandidater til neuroimaging, immun, kvantitative sensoriske og psykologiske markører til opdagelse; og (4) Ekspertise i maskinlæringstilgange til at udtrække pålidelige og prognostiske biosignaturer fra et stort og komplekst datasæt. Forskerholdet forventer, at resultaterne fra dette projekt vil lette risikostratificering hos patienter med kronisk MSK, en mere ressourcestærk udvælgelse af patienter, som sandsynligvis vil reagere på at gennemgå nuværende multidisciplinære smertebehandlingstilgange, og ny indsigt i biologiske og adfærdsmæssige processer, der kan være udnyttet til at udvikle nye strategier til gavn for dem, der er ildfaste.

For R61/Discovery Phase Aim vil individer blive grundigt karakteriseret via biologiske (dvs. hjernestruktur og funktion, immunforsvar, sensoriske profiler), psykologisk tilstand og klinisk endepunkt (dvs. smerteintensitet, handicap) data. Uvildige maskinlæringsalgoritmer vil identificere en multivariat model bestående af de mest prognostiske biologiske, psykologiske og kliniske endepunkter. Modellen vil klassificere unge med og uden at løse kroniske MSK-smerter efter en state-of-the-art multidisciplinær smertebehandlingsintervention. R33/Valideringsfasemål vil validere den biologiske signatur afledt i R61-studiet. Denne signatur vil være nyttig til en række ungdomsbaserede kliniske forsøg, hvor identifikation af individer med den højeste risiko er nødvendig, hvilket giver en klinisk handlingsbar interventionsalgoritme.