SPRINT: Signature for Pain Recovery IN Teens (SPRINT)

Jopa 5 % nuorista (pelkästään noin 3,5 miljoonaa Yhdysvalloissa) kärsii voimakkaasta kroonisesta tuki- ja liikuntaelimistön (MSK) kivusta, joka vaikuttaa kaikkiin elämänalueisiin ja muodostaa merkittävän taloudellisen taakan. Nykyiset kroonisen MSK-kivun hoidot eivät ole optimaalisia, ja ne on sidottu opioidikriisiin. Vain noin 50 % kroonista MSK-kipua sairastavista nuorista, jotka hakeutuvat monitieteiseen kivunhoitoon, paranevat, mitattuna kivun vaikeusasteen ja toimintakyvyttömyyden kliinisillä päätepisteillä. Toipumisen ja kivun ja vamman jatkuvuuden vahvojen merkkien löytäminen on välttämätöntä, jotta voidaan kehittää kekseliäisempiä ja potilaskohtaisempia hoitostrategioita ja suunnitella uusia lähestymistapoja, jotka hyödyttävät tulenkestäviä potilaita. Koska krooninen kipu on biopsykososiaalinen prosessi, prognostisen ja vankan allekirjoituksen löytäminen ja validointi kivun palautumiselle vs. pysyvyydestä vaatii mittauksia useissa ulottuvuuksissa samassa potilaskohortissa yhdistettynä sopivaan "big data" laskennalliseen analyysiputkeen erottamista varten. luotettavia ja ristiinvalidoituja tuloksia monikerroksisesta ja monimutkaisesta tietojoukosta. Tutkimusryhmällä on hyvät mahdollisuudet toteuttaa tutkimuksen tavoitteet: (1) erittäin ammattitaitoinen ja kokenut tiedemiesten ja kliinikkojen ryhmä Stanfordin yliopistosta, Toronton yliopistosta/sairaiden lasten sairaalasta ja Cincinnati Children's Hospital Medical Centeristä; (2) Standardoitu näytteiden keräys-, käsittely-, varastointi- ja jakelujärjestelmä, joka hyödyntää Stanford Biobankin BioCatalyst-alustaa näyteluettelon yhdistämiseksi kliinisillä merkinnöillä käytettävissä olevaa virtuaalista biopankkia varten Signature of Pain Recovery IN Teens (SPRINT) Biobankissa. ja analyysiydin (SBAC); (3) Huippuluokan alustavat tiedot, jotka viittaavat uusiin ehdokkaisiin hermokuvaukseen, immuunijärjestelmään, kvantitatiivisiin sensorisiin ja psykologisiin merkkiaineisiin löytöjä varten; ja (4) asiantuntemus koneoppimismenetelmistä luotettavien ja ennustettujen biosignaatuurien poimimiseksi suuresta ja monimutkaisesta tietojoukosta. Tutkimusryhmä odottaa, että tämän projektin tulokset helpottavat kroonista MSK:ta sairastavien potilaiden riskien kerrostumista, kekseliäämpää potilaiden valintaa, jotka todennäköisesti reagoivat nykyisiin monitieteisiin kivunhoitomenetelmiin, ja uutta näkemystä biologisista ja käyttäytymisprosesseista, jotka voivat olla hyödynnetään uusien strategioiden kehittämiseen, jotka hyödyttävät tulenkestäviä.

R61/Discovery-vaiheen tavoitetta varten yksilöt karakterisoidaan perusteellisesti biologisten (esim. aivojen rakenne ja toiminta, immuunijärjestelmä, aistiprofiilit), psykologinen tila ja kliininen päätepiste (eli kivun voimakkuus, vamma) tiedot. Puolueettomat koneoppimisalgoritmit tunnistavat monimuuttujamallin, joka koostuu ennusteisimmista biologisista, psykologisista ja kliinisistä päätepisteistä. Malli luokittelee nuoret, joilla on krooninen MSK-kipu, ja ilman, että se on ratkaistu huippuluokan monitieteisen kivunhoitotoimenpiteen jälkeen. R33/Validointivaihe Tavoite validoi R61-tutkimuksessa johdetun biologisen allekirjoituksen. Tämä allekirjoitus on hyödyllinen lukuisissa nuoriin perustuvissa kliinisissä tutkimuksissa, joissa on tarpeen tunnistaa suurimman riskin yksilöt, mikä tarjoaa kliinisesti toimivan interventioalgoritmin.