熱圧と神経刺激に反応した心拍数の変化

バックグラウンド：

痛みの評価:

体温、脈拍、呼吸、血圧はすべて客観的に測定されますが、痛みは本質的に主観的なものです。 この根本的な困難を考えると、痛みを適切に評価できないことが、さまざまな状況での患者のコントロール不良や治療不足の一般的な原因であることは不思議ではありません (1)。 さらに、痛みは多次元的であり、「感覚差別的、認知的評価的、感情的動機付け的」な要素 (2)、つまり身体、心、精神に影響を及ぼし、その複雑さは測定を困難にします (1)。 ）。 疼痛は、患者の回復と生活の質に影響を与える重要なモダリティとして認識されているため、「第 5 のバイタル サイン」と呼ばれ、現在、定期検査の際に評価され、患者のカルテに登録されています。 痛み自体は、患者と介護者または医療関係者によって繰り返し評価され、追跡され、治療されます。

ルーチンの標準化のために、痛みは 0 (痛みなし) から 10 (可能な限り最悪の痛み) のスケールで表されます。 痛みの強さが 0 ～ 4 の場合、患者は機能障害を軽度 (日常の活動や気分に反映される)、5 ～ 6 の場合は中等度、7 ～ 10 の場合は重度と表現します (2)。 標準的なスケーリングのために、さまざまな評価ツールが開発されました。 患者が痛みの強さを説明するように求められる 1 次元の痛みのスケールは、今日最も使用されているツールです (1)。 これらは VAS 視覚アナログ スコアです (たとえば、患者は 10 cm の線に印を付けて痛みの強さを示します。線の一方の端には「痛みなし」、もう一方の端には「考えられる最悪の痛み」というラベルが付けられます)。 、数値 (「痛みの強さを 1 から 10 のスケールで評価してください」) およびカテゴリ (「痛みをなし、軽度、中等度、または重度として評価してください」)。 これらのスケールは信頼性が高く有効であり、世界保健機関 (WHO) の鎮痛ラダー ガイドラインと組み合わせて使用​​できます。 (3)

1 次元の強度スケールを変更して、疼痛緩和スケール、患者の疼痛満足度スケール、または疼痛管理指数を作成できます (4)。 さらに、Brief Pain Inventory などの包括的な多次元疼痛評価ツールが開発され、疼痛管理の専門家が気分、活動、および生活の質に対する疼痛の影響を測定および評価するのに役立ちます。 (2) これらのツールは、患者や医療関係者にとって完成させるのが難しく、通常、日常の診療では使用されません (1)。

近年、痛みとその治療への関心の高まりにより、これらのツールの評価に関する研究が多数行われています。 これらのツールは基本的に信頼できるものと見なされていますが、Grossman SA ら (5) は、自己評価スケールで患者が表明した痛みの強さと、介護者の痛みの評価との相関が低く、痛みが強ければ強いほど、痛みの強度が低下することを発見しました。患者と介護者の関係。 さらに、意識不明の患者、鎮静状態の患者、若い小児患者、精神病患者または知的障害のある患者など、医療スタッフとコミュニケーションをとることができない患者は、介護者または医療スタッフによって主観的に評価されますが、これは常に評価するとは限らない幅広いバリエーションがあります。苦しんでいる患者の痛みの状態を正確に。 このため、鎮静や麻酔を含むさまざまな状況で患者にこのモダリティをより正確かつ包括的に示すために、客観的な痛みの評価ツールが最近提案されています。

客観的な痛みの評価:

麻酔の深さと痛みを評価するために、さまざまな数学的ツール、主に心拍変動、心拍スペクトル分析が研究されました (6-7)。 人間の患者で行われた研究のほとんどは、新生児の痛みの認識で行われました ( )。 心拍数とその分析を使用して痛みを定義しようとする、成人患者に対する研究もいくつか行われています。 心拍数を増加させる痛みの急性効果はよく知られているため、Storella らによって仮説が立てられました。 (10) 彼らの研究では、鎮痛によって逆転する可能性のある心血管系の自律神経調節に対する慢性疼痛の適応効果があるかもしれない. 彼らは、慢性疼痛の急性緩和が心拍数変動に影響を与えるかどうかを調べ、実験データに基づいて、慢性疼痛の急性緩和は多くの患者で心拍数変動の鎮痛特異的な増加を伴うという実験データに基づいて研究を終了しました。 レイ等。彼らの研究では、この方法を ECG 信号処理に使用し、麻酔中の痛みを評価するための新しいモニターを開発しました (11)。 心拍数信号を使用して、R-R 間隔とスペクトル分析が計算されました。 RSA（呼吸性洞性不整脈）が引き出された呼吸周期に関する情報を含む出力は、意識レベルが比例していると仮定しました。 その研究はこの方法の実現可能性を実証しましたが、彼らの記事にはこのシステムの多くの欠点と制限が記載されており、臨床的にこの方法は今日使用されていません.

メソッド

信号処理：

心電図や脳波などの生理信号は、記録ごとに異なるパターンと異なる時点で発生するさまざまなパターンと現象の混合で構成されていることがわかっています。 非常に短い間隔で発生するものもあれば、より長く続くものもあれば、定期的に繰り返すものもあります。 これらの信号のもう 1 つの特徴は、系統的および非系統的な高レベルのノイズの存在です。

従来の分析方法は、純粋な高調波 (フーリエ表現/辞書) や区分定数関数 (ウェーブレット表現/辞書) などの単一クラスのパターンを含む信号を処理するように設計および最適化されています。適切な表現空間でのしきい値計算またはフィルタリングは、信号とノイズの分離 (ノイズ除去)、基本コンポーネントへの分解、パターン検出などに非常に効果的です。 ただし、単一の表現方法を使用するこのような基本的な操作は、特に信号対雑音比 (SNR) が非常に低い場合に、上記のように実際の複雑な生体信号に適用すると、通常は平凡な結果をもたらします。 デジタル信号処理 (DSP) の最近の傾向では、いくつかの異なる表現方法を組み合わせて、いわゆるオーバーコンプリート ディクショナリを作成するという斬新なアイデアが使用されています。このアプローチの例には、Mallat ら (12) および Basisドノホらによって記述された追跡アルゴリズム。 アル（13）。

マッチング追跡と基本追跡は、適切な表現方法が使用されていれば、複雑な信号のさまざまな種類の解析に対して最適に近い解を得ることができます。 この新しい信号処理ツールを開発し、ECG 信号に初めて適用する予定です。 このようなツールは、単一の辞書に基づいて今日実践されている従来の分析方法よりも、信号の基本コンポーネントとさまざまな生理学的状態との関係について、はるかに優れた洞察を提供する可能性があると考えています。

この研究では、Elad (14) によって開発された高度な教師あり学習法を適用して、ECG 信号の最適な辞書と表現方法を適応的に生成し、これらの辞書を使用して、完全な辞書ベースの分析方法よりも非常に効果的な分析方法を開発して、複雑な ECG 信号をその基本成分とノイズに分解します。 次に、心電図信号の基本パターンを設計されたグループでサンプリングされた痛みに関連付けるために、高度な統計およびデータマイニング技術を適用する予定です。

テストグループ:

この研究では、2 つのグループから ECG をサンプリングする予定です。 最初のグループは、TSA 2000 を使用して自発的に熱、圧力、および神経刺激による痛みを与える 20 人の健康な若年成人で構成されます (この研究はソロカ大学医療センター IRB 委員会によって承認されます)。これらの被験者は、熱痛誘発の前、最中、および後にVASおよびECGで監視されます。 この器具は、組織に害を与えたり損傷を与えたりしない、承認されたプロトコルによって熱痛を与えることを述べることが重要です。

仮説：

私たちの仮説は、これらの処理技術を使用した定期的な ECG サンプリングによって、痛みを検出し、ノイズから識別し、診断できるというものです。