근막통증에 대한 영상 바이오마커

제안된 복합 다중 모드 바이오마커의 정의 - 연구자들은 근막의 정상적인 생물학적 과정의 지표로서 초음파 탄성촬영, 도플러, 생체 임피던스 분광학 및 고밀도 근전도 검사에서 파생된 정량적 측정 기준(특징)을 기반으로 정량적 조직 수준 분류기를 개발할 것을 제안합니다. 근막통증의 활동기 및 잠복기의 조직 및 병원성 과정.

전반적인 접근 방식 및 과학적 엄격함: 목표 1에서 연구자는 원시 조직 수준 측정에서 재현 가능한 측정 항목(특징)을 생성하는 방법을 개발하고 파일럿 연구에서 이러한 기능에서 감지 가능한 최소 변화를 결정합니다. 목표 2에서 연구자들은 두 그룹의 피험자(대조군 및 근막 통증)를 대상으로 종단적 관찰 연구를 수행할 것입니다. 연구자들은 근막 통증과 정상 근막 조직의 활성 단계와 잠복 단계를 최적으로 구별하는 분류 알고리즘을 개발할 것입니다.

인구 및 해부학적 위치를 연구합니다. 선택한 통증상태는 만성 목, 어깨 통증입니다. 연구자들은 두 그룹의 피험자를 모집할 것입니다. 그룹 1: Travell과 Simon의 기준7을 사용하여 기본 임상 검사에 의해 결정된 만성 근막 통증 및 그룹 2: 무통증 대조군. 조사관은 두 개의 표준화된 해부학적 위치에 중점을 둘 것입니다(그림 4). 이를 통해 MTrPs55 및 거근 견갑골의 일반적인 위치인 내측 상부 승모근 및 극하근을 이미징할 수 있습니다. 이 세 근육은 형태와 근막이 상당히 다릅니다45. 올림근은 근육을 포함하는 잘 정의된 근막을 가진 방추형 근육인 반면 승모근은 근막 격벽이 근육 배를 가로지르는 곳에서 더 얇은 근막을 가지고 있습니다. 극하근은 표면에 여러 개의 근막층이 있으며 C5-6 분절과 명확한 분절 연결이 있습니다56 자격 기준: 조사관은 18~65세의 성인을 모집합니다. 제외 기준: (1) 섬유근육통, 만성 피로 증후군 또는 만성 라임병의 진단; (2) 경추 신경근병증, 신경병증 또는 신경염의 진단; (3) 머리, 목, 경추 또는 견갑대 수술의 병력; (4) 비정형 안면 신경통; (5) 지난 6주 동안 새로운 약물 또는 약물 변경; (6) 현재 목이나 귀의 감염.

마스킹 및 매칭: 이것은 단일 맹검 종단 관찰 연구입니다. 데이터 수집 및 분석을 수행하는 팀은 피험자의 그룹 할당을 알지 못하며 임상 평가 결과에 대해 알지 못합니다. 두 그룹은 쌍을 이루는 모집 전략57을 사용하여 연령과 성별을 일치시킵니다. 조사관은 통증 병력이 없는 적격 통제 대상자 풀을 식별하고 이를 성별 및 연령층(18~30세, 31~50세, >50)으로 분류합니다. 대괄호로 모집된 각 그룹 1 피험자에 대해 조사관은 풀에서 일치하는 그룹 2 피험자를 모집합니다.

생물학적 변수로서의 성: 근막 통증은 지역사회에 널리 퍼져 있으며 남성과 여성 모두에게 영향을 미칩니다. 승모근 근육통은 여성에게 더 많이 발생합니다58. 연구자들은 연령과 성별이 일치하는 그룹을 활용하고, 통합된 모집단과 성별별로 분류기 성능을 테스트하여 바이오마커 측정에서 성별에 따른 차이를 식별할 것입니다.

결과 측정: 1차 결과 측정은 조직 수준의 정량적 바이오마커를 기반으로 하는 복합 분류기가 될 것입니다. 조사관은 3개월 동안 매달 반복적으로 데이터 수집을 수행합니다. 피험자의 임상 표현형(정상, 잠복, 간헐적 활성 및 지속적 활성)은 포괄적인 신체 검사 프로토콜에 의해 결정됩니다. 연구자들은 성인 만성 통증에 대한 NIH HEAL 공통 데이터 요소를 활용하여 자가 보고서를 수집할 것입니다. 임상 표현형을 추가로 특성화하기 위해 조사관은 스마트폰에서 생태학적 순간 평가(EMA) 애플리케이션(Metricwire)을 활용하여 하루 중 무작위 지점에서 발생하는 일일 통증 등급을 얻고 다음에서 자동화된 활동 모니터링을 수집합니다. 스마트폰 센서. 연구자들은 또한 매주 3가지 항목의 통증 강도와 간섭을 수집할 것입니다59.

데이터 수집 절차 데이터 관리: 이것은 단일 현장 연구입니다. 모든 연구 절차는 Mason에서 수행됩니다. 연구 생물통계학자(Rosenberger)는 전자 데이터 캡처 시스템(REDCap)에 적절한 마스킹 제어 및 전자 사례 보고서 양식(eCRF)을 설정합니다. 모든 연구 데이터는 eCRF를 사용하여 REDCap에 입력됩니다. 연구 인력은 REDCap에서 적절한 역할 기반 액세스 제어를 갖게 됩니다. 소스 검증은 REDCap에 내장된 검사를 사용하여 수행됩니다.

마스킹 : 한 명의 임상의(Gerber)가 각 대상자의 동의를 얻어 병력 및 신체검사를 실시합니다. 추가 임상의(DeStefano)가 지원을 위해 참석할 수 있으며, 연구 보조자가 메모를 작성하고 데이터를 입력하기 위해 참석할 것입니다. PI(Sikdar)와 co-I Chitnis가 감독하는 엔지니어링 팀은 별도의 방에서 결과 측정값을 수집하고 환자의 병력과 신체 검사 결과는 가려집니다. 연구를 위해 운영 절차 매뉴얼이 개발될 것입니다.

데이터 분석 절차. 모든 데이터 분석은 데이터 과학자(Lee)와 연구 생물통계학자(Rosenberger)의 감독하에 생물통계학 대학원 연구 조교가 수행합니다.

1차 분석: 조사관은 기능적 시계열 및 통계적 학습 방법을 기반으로 다중 클래스 분류 알고리즘을 구성하고 엄격하게 검증합니다. 여기서, 바이오마커 시계열은 고유한 시간적 패턴/신호 또는 기본 기능의 조합으로 표현될 수 있습니다. 이러한 함수에는 시불변 고유기초 함수80, 평활화 스플라인81, 웨이블릿82 또는 기능적 주성분83이 포함됩니다. 기능적 데이터 분석을 사용하여 바이오마커 시계열에 포함된 관련 정보를 요약하는 복합 예측 변수가 구성됩니다. 그런 다음 지원 벡터 머신84, 판별 분석85,86, 신경망87,88, 회귀 트리89와 같은 지도 학습 접근 방식을 사용하여 다중 클래스 분류 방법을 구성합니다. 분류 알고리즘은 복합 예측자를 사용하여 피험자를 4가지 관련 범주(통증 - 일시적, 통증 - 활성, 제어-에피소드 및 제어-활성)로 분류합니다. K-겹 교차 검증은 민감도, 특이성, F1 점수 및 다중 클래스 시나리오에 대한 ROC 곡선 아래 영역을 기반으로 분류기의 정확도를 평가하는 데 사용됩니다90,91.

2차 분석: 다음을 포함한 여러 2차 분석이 수행됩니다. (1) 대조군(그룹 2)에서 바이오마커의 표준 값을 결정합니다. (2) 1차 및 2차 바이오마커의 수렴 타당성을 평가합니다. 기본 실제를 직접 측정할 수 없기 때문에 1차 및 2차 바이오마커를 활용하여 수렴 타당성을 평가합니다. (3) 상응하는 임상 측정치(가동 범위, 압박 통증 역치)와의 상관관계.