Kuvantamisbiomarkkerit myofaskiaaliseen kipuun

Ehdotetun yhdistetyn multimodaalisen biomarkkerin määritelmä – Tutkijat ehdottavat, että kehitetään kvantitatiivinen kudostason luokitin, joka perustuu ultraäänielastografiasta, Dopplerista, bioimpedanssispektroskopiasta ja suuritiheyksistä elektromyografiasta saatuihin kvantitatiivisiin mittareihin (ominaisuuksiin) normaalin biologisen prosessin indikaattoriksi myofascialissa. kudokset ja patogeeninen prosessi myofaskiaalisen kivun aktiivisessa ja piilevässä vaiheessa.

Yleinen lähestymistapa ja tieteellinen täsmällisyys: Tavoitteessa 1 tutkijat kehittävät menetelmiä toistettavien mittareiden (ominaisuuksien) luomiseksi raakakudostason mittauksista ja määrittävät näissä piirteissä havaittavan pienimmän muutoksen pilottitutkimuksessa. Tavoitteessa 2 tutkijat suorittavat pitkittäisen havainnointitutkimuksen kahdella ryhmällä (kontrolli- ja myofaskiaalinen kipu). Tutkijat kehittävät luokittelualgoritmin, joka erottaa optimaalisesti myofaskiaalisen kivun aktiivisen ja piilevän vaiheen ja normaalin myofaskiaalisen kudoksen välillä.

Tutkimuspopulaatio ja anatominen paikka. Valittu kiputila on krooninen niska- ja hartiakipu. Tutkijat rekrytoivat kaksi ryhmää koehenkilöitä: Ryhmä 1: Krooninen myofaskiaalinen kipu määritettynä perustason kliinisellä tutkimuksella Travellin ja Simonin kriteereillä7 ja ryhmä 2: kivuttomat kontrollit. Tutkijat keskittyvät kahteen standardoituun anatomiseen sijaintiin (kuva 4). Tämä mahdollistaa mediaalisen ylemmän trapezius- ja infraspinatus-lihasten kuvantamisen, jotka ovat MTrPs55:n yleisiä paikkoja sekä lapaluiden nostolihaksia. Näillä kolmella lihaksella on melko erilainen morfologia ja fasciae45. Levator on nivellihas, jossa on hyvin rajattu faski, joka sisältää lihaksen, kun taas puolisuunnikkaan sidekudos on ohuempi, josta perimysium väliseinät ylittävät lihaksen vatsan. Infraspinatuksen pinnalla on useita faskiaalikerroksia, ja sillä on selkeät segmenttiyhteydet segmenttiin C5-656 Kelpoisuusehdot: Tutkijat värväävät 18–65-vuotiaita aikuisia. Poissulkemiskriteerit: (1) fibromyalgian, kroonisen väsymysoireyhtymän tai kroonisen Lymen taudin diagnoosi; (2) kohdunkaulan radikulopatian, neuropatian tai neuriitin diagnoosi; (3) Pään, kaulan, kaularangan tai olkavyön leikkaushistoria; (4) Epätyypillinen kasvojen neuralgia; (5) Uusi lääkitys tai lääkityksen muutos viimeisen 6 viikon aikana; (6) Nykyinen kurkun tai korvan tulehdus.

Peittäminen ja sovitus: Tämä on yksisokkoinen pitkittäinen havaintotutkimus. Tiedonkeruun ja -analyysin suorittava tiimi ei tiedä koehenkilöiden ryhmäjakoa ja on sokeutunut kliinisten arviointien tuloksiin. Nämä kaksi ryhmää sovitetaan iän ja sukupuolen mukaan parilliseen rekrytointistrategiaan57. Tutkijat tunnistavat joukon kelvollisia kontrollihenkilöitä, joilla ei ole aiempaa kipua, ja jakavat heidät sukupuoli- ja ikäluokkiin (18-30; 31-50 ja >50). Jokaiselle hakasulkeeseen värvätylle ryhmän 1 koehenkilölle tutkijat rekrytoivat vastaavan ryhmän 2 kohteen poolista.

Seksi biologisena muuttujana: Myofaskiaalinen kipu on laajalle levinnyt yhteisössä ja vaikuttaa sekä miehiin että naisiin. Trapezius-myalgia on yleisempää naisilla58. Tutkijat hyödyntävät ikä- ja sukupuolivastaavia ryhmiä ja testaavat luokittelijan suorituskykyä sekä yhdistetyn väestön osalta että erikseen sukupuolen mukaan tunnistaakseen mahdolliset sukupuolikohtaiset erot biomarkkerimittauksissa.

Tulosmitat: Ensisijainen tulosmitta on kudostason kvantitatiivisiin biomarkkereihin perustuva yhdistetty luokitin. Tutkijat suorittavat toistuvan tiedonkeruun joka kuukausi 3 kuukauden ajan. Koehenkilöiden kliininen fenotyyppi (normaali, piilevä, episodisesti aktiivinen ja pysyvästi aktiivinen) määritetään kattavalla fyysisen tutkimuksen protokollalla12. Tutkijat käyttävät aikuisten kroonisen kivun NIH HEAL Common Data Elements -tietoelementtejä kerätäkseen itseään koskevia raportteja. Kliinisen fenotyypin edelleen karakterisoimiseksi toissijaisena tulosmittana tutkijat käyttävät älypuhelimessa olevaa ekologisen hetkellisen arvioinnin (EMA) sovellusta (Metricwire) saadakseen päivittäisen kipuluokituksen, joka laukeaa satunnaisissa pisteissä päivän aikana ja kerää automaattista aktiivisuuden seurantaa älypuhelimen anturit. Tutkijat keräävät myös viikoittain kolmen kohdan kivun voimakkuuden ja häiriöt59.

Tiedonkeruumenettelyt Tiedonhallinta: Tämä on yhden sivuston tutkimus. Kaikki tutkimustoimenpiteet suoritetaan Masonissa. Tutkimuksen biostatistikot (Rosenberger) perustaa asianmukaiset peittokontrollit ja sähköiset tapausraporttilomakkeet (eCRF) sähköiseen tiedonkeruujärjestelmään (REDCap). Kaikki tutkimustiedot syötetään REDCap:iin käyttämällä eCRF:iä. Tutkimushenkilöstöllä on asianmukaiset roolipohjaiset käyttöoikeudet REDCapissa. Lähteen validointi suoritetaan REDCapin sisäänrakennettujen tarkistusten avulla.

Naamiointi: Yksi kliinikko (Gerber) saa jokaisen koehenkilön suostumuksen ja käyntihistorian sekä fyysisen tutkimuksen. Ylimääräinen kliinikko (DeStefano) voi olla paikalla avustamassa, ja tutkimusassistentti tekee muistiinpanoja ja syöttää tietoja. Insinööritiimi, jota valvovat PI (Sikdar) ja Co-I Chitnis, keräävät tulosmittaukset erilliseen huoneeseen ja naamioituvat potilaan historiaan ja fyysisen tutkimuksen tuloksiin. Tutkimusta varten laaditaan toimintaohjekirja.

Tietojen analysointimenettelyt. Kaikki data-analyysit suorittaa biostatistiikasta valmistunut tutkimusassistentti datatieteilijän (Lee) ja tutkimusbiostatistikon (Rosenberger) valvonnassa.

Ensisijainen analyysi: Tutkijat rakentavat ja validoivat tiukasti moniluokkaisen luokittelualgoritmin, joka perustuu toiminnallisiin aikasarjoihin ja tilastollisiin oppimismenetelmiin. Tässä biomarkkerien aikasarjat voidaan esittää ainutlaatuisten ajallisten kuvioiden/signaalien tai perusfunktioiden yhdistelmänä. Nämä funktiot sisältävät aikainvariantteja ominaiskantafunktioita80, tasoitussplaineja81, waveletteja82 tai toiminnallisia pääkomponentteja83. Funktionaalisen data-analyysin avulla konstruoidaan yhdistetty ennustajamuuttuja, joka tiivistää biomarkkerien aikasarjan olennaiset tiedot. Sitten rakennetaan moniluokkainen luokittelumenetelmä käyttämällä valvottuja oppimismenetelmiä, kuten tukivektorikoneita84, diskriminanttianalyysiä85,86, neuroverkkoja87,88, regressiopuita89. Luokittelualgoritmi käyttää yhdistettyä ennustajaa koodatakseen kohteet neljään asiaankuuluvaan luokkaan (kipu - episodinen, kipu - aktiivinen, kontrolli-jaksollinen ja kontrolli-aktiivinen). K-kertaista ristiinvalidointia käytetään luokittelijan tarkkuuden arvioimiseen herkkyyden, spesifisyyden, F1-pistemäärän ja ROC-käyrän alla olevan alueen perusteella moniluokkaisissa skenaarioissa90,91.

Toissijainen analyysi: Suoritetaan useita toissijaisia ​​analyysejä, mukaan lukien: (1) Määritä biomarkkerien normatiiviset arvot kontrolliryhmässä (ryhmä 2); (2) Arvioi primaaristen ja sekundaaristen biomarkkerien konvergentti validiteetti. Koska taustalla olevaa totuutta ei voida mitata suoraan, primaarisia ja sekundaarisia biomarkkereita hyödynnetään konvergentin validiteetin arvioinnissa; (3) Korrelaatio vastaavan kliinisen mittauksen kanssa (liikealue, paineen kipukynnys.