Imaging biomarkører for myofascial smerte

Definisjon av foreslått sammensatt multimodal biomarkør - Etterforskerne foreslår å utvikle en kvantitativ klassifikatoren på vevsnivå basert på kvantitative beregninger (funksjoner) avledet fra ultralyd elastografi, doppler, bioimpedansspektroskopi og høydensitet elektromyografi, som en indikator på den normale biologiske prosessen i myofascial vev, og patogen prosess i aktive og latente faser av myofascial smerte.

Overordnet tilnærming og vitenskapelig strenghet: I mål 1 vil etterforskerne utvikle metoder for å generere reproduserbare beregninger (funksjoner) fra målene på råvevsnivå og bestemme den minste påvisbare endringen i disse funksjonene i en pilotstudie. I mål 2 vil etterforskerne gjennomføre en longitudinell observasjonsstudie med to grupper av forsøkspersoner (kontroll og myofascial smerte). Etterforskerne vil utvikle en klassifiseringsalgoritme som optimalt skiller mellom aktiv og latent fase av myofascial smerte og normalt myofascial vev.

Studiepopulasjon og anatomisk sted. Den valgte smertetilstanden er kroniske nakke- og skuldersmerter. Etterforskerne vil rekruttere to grupper av forsøkspersoner: Gruppe 1: Kronisk myofascial smerte som bestemt ved baseline klinisk undersøkelse ved bruk av Travell og Simons kriterier7 og gruppe 2: smertefrie kontroller. Etterforskerne vil fokusere på to standardiserte anatomiske lokasjoner (Figur 4). Dette vil muliggjøre avbildning av den mediale øvre trapezius og infraspinatus-musklene, som er vanlige steder for MTrPs55 så vel som levator scapulae. Disse tre musklene har ganske forskjellig morfologi og fasciae45. Levatoren er en fusiform muskel med veldefinert fascia som inkluderer muskelen mens trapezius har tynnere fascia hvorfra perimysium septae krysser muskelmagen. Infraspinatus har flere fasciale lag på overflaten og har klare segmentelle koblinger til C5-6 segment56 Kvalifikasjonskriterier: Etterforskerne vil rekruttere voksne 18-65 år. Eksklusjonskriterier: (1) diagnose av fibromyalgi, kronisk utmattelsessyndrom eller kronisk borreliose; (2) Diagnose av cervikal radikulopati, nevropati eller neuritt; (3) Anamnese med hode-, nakke-, cervicalcolumna- eller skulderbeltekirurgi; (4) atypisk ansiktsnevralgi; (5) Ny medisin eller endring i medisinering de siste 6 ukene; (6) Nåværende hals- eller ørebetennelse.

Maskering og matching: Dette er en enkeltblind longitudinell observasjonsstudie. Teamet som utfører datainnsamlingen og analysen vil ikke vite gruppetildelingen av forsøkspersonene og vil bli blindet for resultatene av de kliniske evalueringene. De to gruppene vil matches alder og kjønn ved å bruke en sammenkoblet rekrutteringsstrategi57. Etterforskerne vil identifisere en gruppe kvalifiserte kontrollpersoner uten smertehistorie og dele dem inn i kjønns- og aldersgrupper (18-30; 31-50; og >50). For hvert gruppe 1-emne rekruttert i en parentes, vil etterforskerne rekruttere et matchet gruppe 2-emne fra utvalget.

Sex som en biologisk variabel: Myofascial smerte er utbredt i samfunnet og påvirker både menn og kvinner. Trapezius myalgi er mer utbredt hos kvinner58. Etterforskerne vil bruke alders- og kjønnsmatchede grupper, og vil teste klassifiseringsytelsen for både den samlede befolkningen og separat etter kjønn for å identifisere eventuelle kjønnsspesifikke forskjeller i biomarkørmålene.

Utfallsmål: Det primære utfallsmålet vil være den sammensatte klassifikatoren basert på kvantitative biomarkører på vevsnivå. Etterforskerne vil utføre gjentatte datainnsamlinger hver måned i 3 måneder. Den kliniske fenotypen til forsøkspersonene (normal, latent, episodisk aktiv og vedvarende aktiv) vil bli bestemt av en omfattende fysisk undersøkelsesprotokoll12. Etterforskerne vil bruke NIH HEAL Common Data Elements for kronisk smerte for voksne for å samle selvrapporter. For ytterligere å karakterisere den kliniske fenotypen, som et sekundært resultatmål, vil etterforskerne bruke en økologisk momentan vurdering (EMA)-applikasjon (Metricwire) på en smarttelefon for å oppnå en daglig smertevurdering utløst på tilfeldige punkter i løpet av dagen og samle inn automatisk aktivitetsovervåking fra smarttelefonsensorene. Etterforskerne vil også samle ukentlig 3-element smerteintensitet og interferens59.

Datainnsamlingsprosedyrer Databehandling: Dette er en enkeltstedsstudie. Alle studieprosedyrer vil bli utført ved Mason. Studiens biostatistiker (Rosenberger) vil sette opp passende maskeringskontroller og elektroniske saksrapportskjemaer (eCRFs) i det elektroniske datafangstsystemet (REDCap). Alle studiedata vil bli lagt inn i REDCap ved hjelp av eCRF-er. Studiepersonell vil ha passende rollebaserte tilgangskontroller i REDCap. Kildevalidering vil bli utført ved hjelp av REDCaps innebygde sjekker.

Maskering: En enkelt kliniker (Gerber) vil innhente hvert forsøkspersons samtykke og gjennomføre historie og den fysiske undersøkelsen. En ekstra kliniker (DeStefano) kan være tilstede for å hjelpe, og en forskningsassistent vil være tilstede for å ta notater og legge inn data. Ingeniørteamet, overvåket av PI (Sikdar) og co-I Chitnis, vil samle utfallsmålene i et eget rom og vil bli maskert til pasientens historie og resultatene av den fysiske undersøkelsen. Det vil bli utviklet en manual med driftsprosedyrer for studien.

Dataanalyseprosedyrer. All dataanalyse vil bli utført av en biostatistikkutdannet forskningsassistent under veiledning av dataforskeren (Lee) og studiebiostatistikeren (Rosenberger).

Primæranalyse: Etterforskerne vil konstruere og strengt validere en multi-klasse klassifiseringsalgoritme basert på funksjonelle tidsserier og statistiske læringsmetoder. Her kan biomarkørtidsserien representeres som en kombinasjon av unike tidsmønstre/signaler, eller basisfunksjoner. Disse funksjonene inkluderer tidsinvariante egenbasisfunksjoner80, utjevningssplines81, wavelets82 eller funksjonelle hovedkomponenter83. Ved hjelp av funksjonell dataanalyse vil det bli konstruert en sammensatt prediktorvariabel som oppsummerer den relevante informasjonen i biomarkørens tidsserie. Deretter vil en multi-klasse klassifiseringsmetode bli konstruert ved bruk av veiledede læringsmetoder, slik som støttevektormaskiner84, diskriminantanalyse85,86, nevrale nettverk87,88, regresjonstrær89. Klassifiseringsalgoritmen vil bruke den sammensatte prediktoren til å kodifisere forsøkspersoner i de fire relevante kategoriene (smerte - episodisk, smerte - aktiv, kontrollepisodisk og kontroll-aktiv). K-fold kryssvalidering vil bli brukt for å vurdere klassifikatorens nøyaktighet basert på sensitivitet, spesifisitet, F1-score og arealet under ROC-kurven for multi-klasse scenarier90,91.

Sekundæranalyse: Flere sekundære analyser vil bli utført, inkludert: (1) Bestem normative verdier av biomarkører i kontrollgruppe (gruppe 2); (2) Evaluer konvergent gyldighet av primære og sekundære biomarkører. Siden den underliggende grunnsannheten ikke kan måles direkte, vil de primære og sekundære biomarkørene bli brukt til å evaluere konvergent validitet; (3) Korrelasjon med tilsvarende klinisk mål (bevegelsesområde, trykksmerteterskel.