Esame fisico, valutazione ecografica statica e dinamica e trattamento della fascia toracolombare (TLF) mediata dalla lombalgia mediata

Prima di sviluppare uno studio randomizzato usando l'idrodissezione guidata dall'imaging ecografico TLF o l'uso di OMT per LBP mediato da TLF, gli investigatori devono dimostrare l'associazione delle caratteristiche di imaging con LBP mediato da TFL.

Gli investigatori desiderano inoltre fare dati a estrarre immagini statunitensi del TFL per sviluppare ulteriormente i metodi di valutazione delle immagini statunitensi non clinici attraverso l'analisi di apprendimento materiale e automatico.

Gli investigatori eseguiranno due diversi studi pilota, prospettici (singolo fattore, progettazione di misure ripetute), che condivideranno una popolazione asintomatica comune e una valutazione di immagini simili (basate sulla ricerca clinica e basata sulla ricerca) e sui protocolli di valutazione della valutazione funzionale per cercare biomarcatori di TLF in acuto e acuto e acuto e acuto & acute & LBP cronico. I pazienti con CLBP in ogni studio (popolazioni diverse) subiranno un braccio di trattamento pilota in AIM 3:

1. Hydrodissection (Studio DOD) per il trattamento della compromissione della glide TLF in CLBP
2. OMT (Studio AOA) per il trattamento della compromissione della glide TLF in CLBP

Entrambi gli studi sfrutteranno il potenziale sinergico dell'imaging quantitativo (inclusi gli ultrasuoni in scala di grigi, l'elastografia a onda di taglio e gli approcci computazionali come l'analisi della trama) accoppiati con l'intelligenza artificiale per stabilire i biomarcatori di imaging TLF fondamentali per la valutazione dell'efficacia di OMT o idrodezione in CLBP. Questi strumenti possono fungere da supporto decisionale clinico nell'identificazione, nella diagnosi, nel trattamento e nel monitoraggio della lombalgia.

Gli investigatori caratterizzano la presentazione ecografica del TLF, staticamente e dinamicamente in entrambe le popolazioni di studio:

1. individui sintomatici (CLBP) e asintomatici (AIM 1 AOA) e
2. In individui sintomatici (CLBP e ALBP) e asintomatici (AIM 1 DOD)

Tutti i soggetti saranno un campione di comodità di uomini e donne, di età compresa tra 18 e 50 anni.

Dopo aver ottenuto il consenso informato, in entrambi gli studi, i soggetti compileranno i seguenti questionari standardizzati sul dolore e i questionari demografici/storia specifici per lo studio IRB prima di sottoporsi all'imaging statunitense:

1. Specifico per lo studio, questionario demografico approvato dall'IRB per dati demografici e storia medica;
2. Questionario sull'attività fisica Baeke;
3. Questionario sulla disabilità del mal di schiena Oswestry;

4. Scala del dolore analogico visivo: Wong-Baker affronta la scala di valutazione del dolore

   Valutazione biopsicosociale:

5. Valutazione del disturbo d'ansia generalizzato a 7 elementi (GAD-7) per valutare l'ansia;
6. Questionario sulla salute dei pazienti a 9 elementi (PHQ-9) per valutare la depressione.
7. Problema di funzionamento sociale a 8 elementi (SFQ) per valutare il funzionamento sociale dei soggetti.

Tutti e tre gli strumenti sono questionari di auto-segnalazione che sono strumenti di screening gratuiti, affidabili e stabiliti.

Questi strumenti di indagine saranno amministrati al basale (AIM 1) e in 2, 4, 6, 12 e 24 settimane dopo il trattamento (AIM 3: studio clinico). Tutti questi strumenti sono comunemente utilizzati negli studi LBP.

Il questionario demografico, completato dall'argomento, ma rivisto dal ricercatore con l'argomento, otterrà da tutte le materie le seguenti informazioni: età, sesso, indice di massa corporea (BMI), lesioni MSK o chirurgia della colonna vertebrale e/o del torso Storia chirurgica addominale, storia di lesioni bassa, storia della gravidanza, storia di LBP e livello di attività fisica quotidiana (vedere questionario demografico allegato). Il questionario demografico verrà somministrato solo all'inizio dello studio dopo aver ottenuto il consenso informato.

Tutti i soggetti in entrambi gli studi completeranno le seguenti valutazioni dell'esame funzionale 1. SIT e raggiungimento del test (per quantificare la flessibilità dei muscoli posteriori della coscia e della parte bassa della schiena);

I soggetti subiranno quindi l'imaging statico degli Stati Uniti del loro TLF. L'imaging statunitense sarà condotto da Co-IS DRS. Kozar assistito da un collega di medicina dello sport (PGY4 o 5) o residente di medicina neuromusculoscheletrica osteopatica (PGY4 o 5).

I soggetti subiranno quindi l'imaging dinamico degli Stati Uniti del loro TLF. L'imaging statunitense sarà condotto dal Dr. Kozar assistito da un Fellow di medicina dello sport (PGY4 o 5) o residente a medicina neuromusculoscheletrica osteopatica (PGY4 o 5).

TLF Glide sarà valutato da ultrasuoni in tre posizioni:

1. Flessione incline su un tavolo motorizzato
2. Raccolto di gamba dritta attiva incline

Tutte le valutazioni degli ultrasuoni saranno somministrate al basale (AIM 1) e in 2, 4, 6, 12 e 24 settimane dopo il trattamento (AIM 3: studio clinico).

Misurazioni del protocollo di imaging ad ultrasuoni: valutazione statica dell'immagine:

• Le immagini sono state ottenute utilizzando supersonic Mach 30 (Hologic Inc, Francia) utilizzando Sonicoftware di imaging Ultrafast con una sonda lineare di 50 mm di 50 mm, 5-18 MHz.
• Durante ogni sessione di imaging, le modalità ad ultrasografia Grey Scale (GS), Power Doppler (PD) ed Elastografia a onda Sheer (SWE) verranno utilizzate e registrate contemporaneamente utilizzando la tecnologia software Trivu di Supersonic per ottenere viste longitudinali e trasversali di 31 posizioni di sonda che riempie zone di transizione dei soggetti TLF (Figura 2). Queste posizioni sono state scelte per campionare le aree più chiave multiple di trasferimento del carico e stabilizzazione funzionale all'interno di zone di transizione di diversi attacchi del TLF. Ogni posizione della sonda avrà 1 scala di grigio (modalità B), 1 Doppler di potenza e 2 immagini di elastografia a onda di taglio (dopo un tempo di equilibrazione di 5 secondi). In totale, i ricercatori otterranno 124 immagini statiche per sessione di scansione per paziente. (Vedi Figura 2)

I criteri clinici di classificazione statunitensi verranno utilizzati per valutare tutte le immagini statiche:

1. Ecogenicità TLF (solo immagini GS)
2. Spessore TLF (solo immagini GS)
3. Sfocatura marginale (solo immagini GS)
4. Hervantion Fascial (solo immagini GS)
5. Linearità della fascia (solo immagini GS)
6. Positività Doppler (solo immagini PD)
7. Rigidità (solo immagini SWE)

L'analisi strutturale e l'analisi dell'apprendimento automatico verranno utilizzate per valutare tutte le immagini:

1. 1 ° ordine, 2 ° ordine e ordine superiore (ad es. Analisi BLOB ed analisi della lunghezza) Verranno calcolati i parametri di trama per ogni immagine
2. Gli algoritmi di apprendimento automatico saranno addestrati per identificare il TLF in ogni immagine e distinguerlo dai tessuti/strutture adiacenti
3. Gli algoritmi di apprendimento automatico saranno addestrati per estrarre caratteristiche quantitative da ciascuna immagine e identificare quali caratteristiche e parametri di trama possono essere utilizzati per distinguere le immagini dai pazienti con dolore acuto contro cronico rispetto al tessuto sano
4. Gli algoritmi di apprendimento automatico saranno addestrati a 1) classificare le immagini come dolore cronico contro acuto rispetto al tessuto sano e 2) prevedono il dolore post-trattamento di un soggetto e i punteggi delle funzioni cliniche basate su imaging pre-trattamento, dolore e funzionalità cliniche

Misurazioni del protocollo di imaging ad ultrasuoni: Valutazione dinamica dell'immagine:

... Tutti i loop di cinema dinamici ottenuti su GE Logiq S8 US, matrice lineare ML6-15 sonda @15MHz, con 3 punti focali all'interno di TLF. Le registrazioni cinerali ad ultrasuoni dello strato TLF posteriore sono state ottenute bilateralmente come descritto di seguito:

1. Sono stati registrati cinque cicli di flessione del trunk a inclinazione a 20 gradi (PTF) indotta da un tavolo motorizzato, con sonda centrata verticalmente su muscoli paraspinali L3-L4.
2. Cinque cicli di 12 "allevati attivo attivo attivo (Paslr), controlaterale e ipsilaterale, sono stati registrati con sonda centrate verticalmente sui muscoli paraspinali T12-L1.

Un singolo ricercatore ha analizzato le registrazioni Cine utilizzando il software Tracker. Il movimento relativo massimo è stato calcolato in direzioni cranio-caudal e anteriore-posteriore, mediato e riportato come planata media e separazione dello strato medio. È stato utilizzato un modello di effetto misto lineare per confrontare lo stato del dolore, il sesso, l'età, il lato del corpo, l'IMC e il tipo di movimento. I test t sono stati usati per valutare i confronti medi/massimi di planata.

Tutte le valutazioni ecografiche dinamiche TLF saranno amministrate al basale (AIM 1) e in 2, 4, 6, 12 e 24 settimane dopo il trattamento (AIM 3: studio clinico).

Tali argomenti che entrano in AIM 3 avranno anche le seguenti valutazioni degli esami clinici: manovre comuni di esame clinico LB costituiti da:

• Supino: allevamento di gamba dritta (SLR - passivo), spinta della coscia (TT), allevamento di gamba dritta attiva (ASLRS) e abbassamento delle gambe del duello (DLL)
• PRONE: estensione dell'anca (HE), Test di Yomans (Y), estensione lombare passiva (PLE - tramite ogni gamba), pressa prona verso l'alto (PPU - estensione lombare attivo) e aumento attivo della gamba dritta (ASLRP) W & W/o TLF Pre-stress; PRONE PRONETTO MOTORE MOTORE DI ALLA FORMAZIONE DELL'ANITÀ DELLA STESE DI GLUTEUS SACRALE DEIP (DSG), Resistenza dell'estensione dell'anca prona (PHE) W & S/OUT SOLLE/ELENCO PRESSSIBILE, PRONETÀ ETERNA ETERNA ETERNA RESPONSABILE ETERNA (PHERS) W & S/OUT Lift/ Elenco pre-stress.
• Solo studio AOA: valutazione strutturale osteopatica, costituita da un'area di grande esame di screening delle restrizioni, seguita dalla diagnosi segmentale di disfunzione somatica in 3-5 regioni.

Tutti i soggetti avranno valutazioni degli esami clinici al basale. Tali soggetti che entrano in AIM 3 avranno valutazioni degli esami clinici in ogni sessione di trattamento (X3) e in 2, 4, 6, 12 e 24 settimane dopo il trattamento.

Poiché si tratta di uno studio pilota, gli investigatori non saranno accecati dalle misure.

2.6 Analisi dei dati: analisi statistiche Gli investigatori riassumono le caratteristiche quantitative delle immagini utilizzando i componenti principali per ridurre la dimensionalità e creare riassunti ortogonali indipendenti dalle immagini. Utilizzando il componente principale, i ricercatori condurranno l'analisi dei test di varianza (ANOVA) per determinare se il valore medio (ad esempio, ciascuno dei parametri di trama) differisce per gruppo di dolore. Inoltre, gli investigatori stimano le correlazioni dei parametri quantitativi di trama degli Stati Uniti tra le modalità (GS, SWE e Doppler di potenza). Gli investigatori riassumeranno queste associazioni usando il coefficiente di correlazione di Pearson e, a causa delle misure ripetute prese all'interno di un individuo, intervalli di confidenza al 95% usando il bootstrap. Gli investigatori testano anche le associazioni, utilizzando le regressioni di componenti principali, tra valutazioni cliniche e parametri quantitativi di texture statunitensi.

Interpretazione dei dati Gli investigatori si aspettano che la nostra analisi dettagliata della trama dell'immagine di tre tipi di immagini statunitensi riveli nuovi biomarcatori che distinguono le persone che sono presenti con dolore acuto, cronico o nessun. Le analisi statistiche del nostro set di dati completo (Tabella 1) farà avanzare la conoscenza di come le caratteristiche di imaging regionali sono potenzialmente associate al dolore e alla funzione.

Obiettivo specifico 2: sviluppare un algoritmo di classificazione dell'apprendimento automatico (ML) per distinguere in modo affidabile il tessuto miofasciale anormale in stadi di dolore acuto rispetto a cronici da tessuto sano. Utilizzando i set di dati acquisiti in specifico AIM 1, gli investigatori automatizzeranno l'identificazione del TLF dai tessuti circostanti nelle immagini statunitensi usando la segmentazione delle immagini. Gli investigatori svilupperanno quindi tecniche di selezione delle caratteristiche associate alle fasi acute e croniche del dolore miofasciale. Infine, gli investigatori addestreranno un algoritmo ML per classificare (foreste casuali e algoritmi robusti (Surf)) e identificare le caratteristiche dell'immagine statunitensi associate a stadi acuti e cronici del dolore miofasciale. Infine, gli investigatori addestreranno un algoritmo ML per classificare le immagini statunitensi del TLF in tre classi: 1) dolore acuto, 2) dolore cronico e 3) tessuto sano. Gli investigatori cercano di raggiungere una precisione minima di classificazione del 90%. Tutte le analisi proposte in AIM 2 saranno basate su immagini ad ultrasuoni de-identificate.

Segmentazione delle immagini Per automatizzare l'identificazione e l'isolamento del TLF nelle immagini statunitensi, gli investigatori utilizzeranno sia gli algoritmi di segmentazione della segmentazione commerciale sia gli algoritmi di segmentazione dell'apprendimento profondo. Con l'app MATLAB Image Segmentar, gli investigatori applicheranno il clustering K-means e la segmentazione di crescita della regione per identificare il bordo del TLF e identificare le regioni/macchie ipo-ipoechoic all'interno di ciascuna immagine. Gli investigatori utilizzeranno anche l'apprendimento del trasferimento per adattare le reti completamente convoluzionali (FCN) che sono state addestrate per la segmentazione di immagini naturali. Gli investigatori addestreranno questi FCN usando la Biblioteca di apprendimento Deep Pytorch per Python e un sottoinsieme di immagini TLF segmentate manualmente a livello di pixel da un medico addestrato. I risultati di ciascun algoritmo saranno validati mediante identificazione manuale del TLF da parte del medico addestrato.

Per ogni immagine, il bordo TLF identificato dall'algoritmo di segmentazione verrà utilizzato nella tecnica di analisi strutturale QUS al posto di definire manualmente il ROI per l'analisi dei pixel. Gli investigatori valuteranno la qualità della segmentazione misurando la metrica di intersezione-over-sindacale (IOU), che confronta la porzione dell'immagine identificata come ROI sia dal medico che dall'algoritmo. L'obiettivo degli investigatori è identificare un algoritmo che raggiunge almeno il 75% di IOU, che è appena al di sotto dei punteggi IOU più alti raggiunti con grandi set di dati di immagini naturali.

Selezione delle caratteristiche L'algoritmo Random Forest (RF) verrà applicato alla libreria delle caratteristiche dell'immagine ottenuta dalle immagini acquisite in AIM 1 per determinare l'insieme delle caratteristiche dell'immagine che sono biomarcatori per 1) dolore miofasciale acuto e 2) dolore miofasciale cronico, rispetto al tessuto sano. La libreria di funzionalità sarà costituita da 7 criteri di classificazione clinica e 12 caratteristiche di trama delle immagini ottenute in 9 posizioni anatomiche e 2 orientamenti delle sonda, nonché nelle caratteristiche dell'immagine identificate tramite l'algoritmo Surf (Surf) Speed-Up Robust Features. Il nostro recente studio ha utilizzato con successo Surf per identificare "punti di interesse" (ad es. Angoli, bordi e macchie) all'interno delle immagini del tendine, che sono state quindi utilizzate in un algoritmo di classificazione della macchina vettoriale di supporto (SVM) per distinguere le immagini dei tendini tendinopatici da immagini di tendini sani con una precisione del 77,5%.

Le immagini saranno divise in set di addestramento e test, con due terzi delle immagini assegnate all'allenamento e un terzo assegnato al test. Le caratteristiche (classificazione clinica, parametri di trama e funzionalità di surf) saranno estratte dalle immagini. L'algoritmo RF addestrerà quindi più alberi decisionali utilizzando il set di addestramento. Ogni albero verrà addestrato su un sottoinsieme selezionato casualmente delle caratteristiche. L'algoritmo RF addestrerà gli alberi a classificare le immagini come una delle tre classi: 1) tessuto sano, 2) dolore miofasciale cronico o 3) dolore miofasciale acuto. L'algoritmo RF fornisce quindi una classifica della frequenza con cui le funzionalità vengono utilizzate negli alberi addestrati. La classifica delle funzionalità verrà utilizzata per determinare le 10 principali funzionalità indicative di ogni classe e quindi possono fungere da biomarcatori. L'algoritmo RF addestrato verrà quindi eseguito sul set di test di immagini e l'accuratezza della previsione del modello verrà utilizzata per valutare l'efficacia delle caratteristiche selezionate. Per misurare l'efficacia della selezione delle funzionalità, gli investigatori confronteranno l'accuratezza del test dei classificatori utilizzando tutte le funzionalità ai classificatori utilizzando solo le funzionalità selezionate. Se le caratteristiche selezionate sono effettivamente le più rilevanti, l'accuratezza di un modello addestrato su di esse dovrebbe essere simile o migliore di quella di un modello addestrato sul set di funzionalità complete. Il nostro obiettivo è quello di raggiungere almeno il 90% dell'accuratezza di un modello addestrato senza selezione delle caratteristiche.

Classificazione delle immagini Gli investigatori aggiorneranno per la prima volta i nostri due algoritmi di classificazione ML esistenti (SVM e CNN) per distinguere in modo affidabile il tessuto miofasciale anormale in stadi di dolore cronico vs. acuto da tessuto sano usando le immagini GS, SWE e Power Doppler di AIM 1. Le immagini saranno le immagini. essere diviso in set di addestramento e test, con due terzi delle immagini assegnate all'allenamento e un terzo assegnato alla prova e tutte le immagini di ciascun paziente mantenute all'interno dello stesso set. Il set di allenamento sarà etichettato come tessuto sano, dolore miofasciale cronico o dolore miofasciale acuto basato sulla valutazione clinica. La CNN si allenerà direttamente sul set di addestramento di immagini, mentre per SVM, le immagini verranno pre-elaborate usando Surf per estrarre le caratteristiche dell'immagine (ad es. Angoli, bordi e macchie). L'SVM si allenerà quindi su queste caratteristiche estratte. L'accuratezza, la specificità e la sensibilità di ciascun algoritmo saranno riportati come una matrice di confusione confrontando la classificazione dell'algoritmo delle immagini di prova con la loro vera classe.

Gli investigatori miglioreranno quindi l'accuratezza dell'algoritmo SVM attraverso nuove tecniche ML e l'incorporazione delle caratteristiche identificate attraverso il nostro algoritmo di selezione delle funzionalità. Per ottimizzare i nostri algoritmi di classificazione, gli investigatori continueranno a studiare ulteriori ML classici e metodi di apprendimento profondo. Risultati recenti hanno dimostrato il potere dei modelli di attenzione neurale per la segmentazione semantica. Inoltre, gli investigatori utilizzeranno metodi di apprendimento debolmente supervisionati per incorporare le funzionalità identificate attraverso gli algoritmi di selezione delle funzionalità nel processo di apprendimento. Questi metodi di apprendimento debolmente supervisionati aiuteranno ad affrontare la sfida ML della formazione con esempi etichettati limitati, un problema comune in molti compiti di imaging medico.

Obiettivo specifico 3: valutare l'efficacia terapeutica dell'idrodissezione come un nuovo trattamento per il dolore TLF mediante imaging statunitense quantitativo e strumenti ML.

Gli investigatori eseguiranno uno studio pilota e prospettico di idrodissezione per l'ecografia percutanea come effetto di trattamento nel tempo. I soggetti con LBP cronico subiranno imaging statunitensi e valutazioni funzionali come descritto nell'obiettivo 1 prima e dopo l'idrodissezione del TLF in 2 posizioni bilateralmente. Gli investigatori useranno gli algoritmi SVM e CNN addestrati sviluppati in AIM 2 per classificare le immagini statunitensi longitudinali acquisite a seguito di cure di idrodissezione in categorie di dolore sano, acuto o cronico. Gli investigatori ipotizzano che i pazienti trattati con idrodissezione presenteranno una riduzione di LBP, il ripristino della capacità funzionale e i biomarcatori di imaging statunitensi coerenti con uno stato senza dolore (rispetto al dolore acuto o cronico).

Clinicamente, Co-Is Kozar e Brolinson hanno utilizzato tecniche di idrodissezione per il trattamento di tendine, nervi e mal di schiena per diversi anni. In particolare, l'idrodissezione di tessuti fasciali come la banda iliotibiale (IT) e TLF sembrano fornire un sollievo significativo e a lungo termine delle sindromi del dolore (esperienza clinica non pubblicata dei co-IS). La letteratura sull'idrodissezione dei tendini (raschiatura dei tendini) e l'idrodissezione nervosa si è rapidamente espansa negli ultimi anni; Tuttavia, esistono pochi dati sull'uso dell'idrodissezione come trattamento per la lombalgia. L'idrodissezione offre un vantaggio per i pazienti che potrebbero non essere sensibili alle terapie manuali (terapia di massaggio e manipolazione spinale) nonché approcci standard di terapia fisica. Lo studio proposto sarebbe tra i primi a esaminare l'effetto dell'idrodissezione su TLF e LBP.

ML e analisi statistiche Gli investigatori utilizzeranno gli algoritmi SVM e CNN addestrati sviluppati in AIM 2 per classificare le immagini statunitensi longitudinali acquisite dopo il trattamento con idrodissezione nelle categorie CLBP, ALBP e WLBP. Gli investigatori confronteranno questa previsione con la vera classe dei soggetti in base alla valutazione clinica e determineranno l'accuratezza, la specificità e la sensibilità del nostro algoritmo nel monitoraggio della risposta al trattamento con idrodissezione. Gli investigatori formaranno anche modelli separati SVM e CNN per prevedere i punteggi del dolore post-trattamento e delle funzioni cliniche di un soggetto basate su punteggi di imaging pre-trattamento, dolore e funzionalità cliniche. Questa strategia consentirà lo sviluppo di uno strumento ML in grado di prevedere la risposta di un paziente all'idrodissezione prima del trattamento.

Gli investigatori utilizzeranno modelli misti lineari per verificare i cambiamenti nel tempo nei punteggi del dolore e l'imaging dal basale a 24 settimane. Gli investigatori programmano tutte le analisi utilizzando il software di analisi SAS 9.4 e R (4.1.2), Salvare e documentare tutta la sintassi per consentire la riproduzione e la replica di tutti i risultati. La nostra aspettativa è che i dati di questa indagine pilota dimostri l'associazione delle caratteristiche di imaging con LBP, forniscano prove preliminari di sollievo dal dolore dall'idrodissezione e stimano componenti chiave di varianza che sono tutti necessari per sviluppare uno studio randomizzato ben alimentato e giustificato.

Gli investigatori riassumeranno tutte le variabili demografiche e di esito clinico usando misure descrittive di tendenza e dispersione centrali. Per le variabili continue, i ricercatori misurano la posizione centrale usando la media del campione e la dispersione mediante deviazione standard. Per le variabili categoriali, gli investigatori riassumono le proporzioni. Per risultati continui tali punteggi del dolore, test di portata e dati di imaging quantificati, verranno utilizzati modelli misti lineari per misurare l'effetto del trattamento nel tempo. Verrà prestata attenzione al presupposto della normalità che verrà esaminato usando istogrammi e diagrammi di probabilità normali. Se l'ipotesi di normalità appare violata o sono presenti valori anomali, gli investigatori applicheranno le trasformazioni. Cohen's D sarà calcolato per tutti i risultati per quantificare la dimensione dell'effetto del trattamento e per aiutare con la progettazione di studi futuri.

Gli investigatori useranno gli strumenti di rilevamento psicosociale come indicatore:

• Il primo test aiuterebbe a stabilire la linea di base (pre-test)
• Dopo aver testato i sondaggi mirano a valutare se i soggetti mostrano un miglioramento dell'ansia, della depressione e del funzionamento sociale mentre (si spera) vedono il miglioramento dei loro trattamenti biologici
• Il questionario demografico pone una domanda su ogni argomento, semplicemente chiedendo se già vedono/utilizzano un terapista della salute mentale (psichiatra, psicologo o consulente). Gli investigatori assumono che questi argomenti sarebbero stati o che vengano insegnati strumenti per gestire meglio qualsiasi ansia, depressione o altro funzionamento sociale. Gli investigatori faranno un confronto tra le risposte al sondaggio tra quelli con pre-terapia con quelli senza pre-terapia se i numeri sono adeguati.