Normatiivisten arvojen määrittäminen lämpöilmaisulle ja Psi-menetelmällä määritetty kipukynnys

Diabeettinen polyneuropatia on diabeteksen yleisin komplikaatio. Ääreishermosäikeiden toiminnan heikkeneminen voi olla hyvin vaihtelevaa, ja se vaikuttaa pääasiassa halkaisijaltaan suuriin kuituihin (kosketus), halkaisijaltaan pieniin kuituihin (subserving thermonosiception) tai molempiin.

Lämpöhavaitsemiskynnyksen arviointia voidaan käyttää toiminnan menetyksen (hypoestesia) ja vähäisemmässä määrin lisäyksen (hyperestesia) laajuuden kvantifiointiin potilailla, joilla on lämpöhermosiseptiiviset häiriöt. Ne ovat tärkeitä ominaisuuksia kvantitatiivisissa sensoristen testausten (QST) protokollissa (Rolke, Baron, et al., 2006; Rolke, Magerl, et al., 2006) ja ne ovat keskeisiä aistinvaraisten fenotyyppien määrittämisessä (Baron et al., 2017; Raputova et ai., 2017). Niiden rooli on erityisen tärkeä pieniin kuituihin vaikuttavien neuropatioiden (eli termonosiseptistä ja autonomisista toiminnoista vastaavien primaaristen afferenttien alaryhmä), kuten kivuliaita diabeettisia neuropatioita, diagnostisessa käsittelyssä (Terkelsen et al., 2017; Tesfaye et al., 2010).

Tällä hetkellä lämmönhavaitsemiskynnysten kliiniset mittaukset suoritetaan pääosin rajojen menetelmällä (Fruhstorfer, Lindblom ja Schmidt, 1976), jossa jatkuva lämmitys- tai jäähdytysramppi (yleensä hitaalla nopeudella, 1°C/s tapauksessa DFNS QST -protokollan (Rolke, Magerl, et al., 2006)) levitetään potilaan iholle, jota kehotetaan painamaan nappia heti, kun hän tuntee lämpimän tai kylmän tunteen. Havaintokynnyksenä pidetään tällöin lämpötilaa, joka saavutettiin sillä hetkellä, kun potilas painoi painiketta. Rajoitusmenetelmän on tiedetty jo pitkään olevan metodologisesti puolueellinen, koska se perustuu reaktioaikaan (Yarnitsky & Ochoa, 1991), mikä johtaa kynnysarvon yliarviointiin, joka vastaa lämpötilan muutosta, joka tapahtui havaitsemisen ja havaitsemisen välillä. se signaloi moottorivasteella. Tämä on ongelmallista, koska reaktioajat ovat päätös- ja motoristen reaktioiden vastenopeuksien vaikutuksen alaisia, joihin voivat vaikuttaa aistinvaraisen syrjinnän arvioinnin kannalta epäolennaiset tekijät, kuten kognitiiviset tai motoriset häiriöt.

Metodologisesti järkevämpi lähestymistapa kynnyksen mittaamiseen on tasojen tai jatkuvien ärsykkeiden menetelmä (Kingdom & Prins, 2010). Useita ennalta valittuja ärsykeintensiteettejä esitetään useita kertoja satunnaisessa järjestyksessä ja koehenkilöltä kysytään, tunsiko hän jokaisen ärsykkeen. Toisin kuin rajojen menetelmä, tämä lähestymistapa ei ole päätösnopeuden ja moottorin toiminnan painottama. Lisäksi tämä menetelmä mahdollistaa psykometrisen funktion (havaitsemisen todennäköisyys ärsykkeen intensiteetin funktiona) sovittamisen tuloksiin, jolloin lämpötunnistuksen suorituskyvyn arvioinnit siirretään vanhentuneesta High Threshold Theory -kehyksestä tällä hetkellä johtavaan signaalintunnistusteoriaan (Kingdom). & Prins, 2010). Kun korkean kynnyksen teoria käsitteli havaitsemisen ON/OFF-prosessina (kynnyksen alapuolella, ei havaitsemista tapahdu, kynnyksen yläpuolella havaitaan aina), signaalintunnistusteoria näkee havaitsemisen todennäköisyysprosessina (jokaiseen ärsykkeen intensiteettiin liittyy havaitsemisen todennäköisyys). Tämä teoreettinen viitekehys edellyttää kynnyksen uudelleenmäärittelyä ärsykkeen intensiteetiksi, jonka havaitsemistodennäköisyys on 0,5. Psykometrisen funktion määrittelee kynnyksen lisäksi myös sen kaltevuus eli nopeus, jolla havaitsemistodennäköisyys muuttuu kynnyksen arvon ympärillä. . Valitettavasti tasomenetelmällä on joitain merkittäviä haittoja. Ensinnäkin se vie aikaa, koska se vaatii vastausten keräämistä suurelle määrälle ärsykkeitä (yleensä useita satoja) (Gescheider, 1997). Toiseksi ärsykkeen intensiteetin alueen on keskitettävä suunnilleen todelliseen kynnysarvoon ja katettava havaitsemistodennäköisyyden siirtymäalue.

Näiden rajoitusten voittamiseksi on ehdotettu useita mukautuvia menettelyjä. Nämä toimenpiteet säätävät aktiivisesti esitettyjen ärsykkeiden voimakkuutta kohteen aikaisempien vasteiden mukaan (Kingdom & Prins, 2010). Tässä tutkimuksessa otimme ensimmäistä kertaa käyttöön Psi-menetelmän (Kontsevichin ja Tylerin (1999) ehdottama Bayesin adaptiivinen algoritmi) psykometrisen funktion kynnysten ja kaltevuuden arvioimiseksi lämmön ja kylmän havaitsemiseksi. Tämä algoritmi yhdistää kulmakertoimen ja kynnyksen kaikki potentiaaliset arvot todennäköisyyteen, päivittää tämän todennäköisyysjakauman jokaisen ärsykkeen esityksen jälkeen tallennetun vasteen perusteella (havaittu/ei havaittu) ja valitsee seuraavan ärsykkeen intensiteetin niin, että vaste sen esittämiseen maksimoi entropian. (eli kaltevuuden ja kynnyksen arvojen epävarmuus) vähentäminen.

Tässä tutkimuksessa testaamme terveitä kontrolleja tavanomaisella rajamenetelmällä ja uudella psi-menetelmällä normatiivisten arvojen määrittämiseksi uudelle testille.