SPRINT: Sign for Pain Recovery IN Teens (SPRINT)

До 5% подростков (~3,5 миллиона только в США) страдают от сильной хронической мышечно-скелетной (MSK) боли, затрагивающей все сферы жизни и создающей значительное экономическое бремя. Существующие методы лечения хронической боли при МСК неоптимальны и связаны с опиоидным кризисом. Только ~ 50% подростков с хронической болью MSK, которые обращаются за междисциплинарным лечением боли, выздоравливают, что измеряется клиническими конечными точками тяжести боли и функциональной нетрудоспособности. Обнаружение надежных маркеров выздоровления по сравнению с сохранением боли и инвалидности имеет важное значение для разработки более изобретательных и специфических для пациента стратегий лечения и разработки новых подходов, которые приносят пользу пациентам с рефрактерностью. Учитывая, что хроническая боль является биопсихосоциальным процессом, открытие и подтверждение прогностической и надежной характеристики восстановления боли по сравнению с сохранением требует измерений по нескольким измерениям в одной и той же когорте пациентов в сочетании с подходящим конвейером вычислительного анализа «больших данных» для извлечения. надежных и перекрестно проверенных результатов из многослойного и сложного набора данных. Исследовательская группа имеет хорошие возможности для выполнения целей исследования с: (1) высококвалифицированной и опытной командой ученых и клиницистов из Стэнфордского университета, Университета Торонто/больницы для больных детей и медицинского центра детской больницы Цинциннати; (2) Стандартизированная система сбора, обработки, хранения и распределения образцов, использующая платформу Стэнфордского биобанка, BioCatalyst, для объединения инвентаризации образцов с клиническими аннотациями для доступного виртуального биобанка в рамках биобанка Signature of Pain Recovery IN Teens (SPRINT). и ядро ​​анализа (SBAC); (3) Передовые предварительные данные, касающиеся новых кандидатов на нейровизуализацию, иммунных, количественных сенсорных и психологических маркеров для открытия; и (4) Опыт в подходах машинного обучения для извлечения надежных и прогностических биосигнатур из большого и сложного набора данных. Исследовательская группа ожидает, что результаты этого проекта облегчат стратификацию риска у пациентов с хронической MSK, более изобретательный отбор пациентов, которые, вероятно, реагируют на прохождение современных междисциплинарных подходов к лечению боли, а также новый взгляд на биологические и поведенческие процессы, которые могут быть используются для разработки новых стратегий, приносящих прибыль тем, кто сопротивляется.

Для R61/Discovery Phase Aim люди будут тщательно охарактеризованы с помощью биологических (т. структура и функция мозга, иммунный, сенсорный профили), психологическое состояние и данные о клинической конечной точке (например, интенсивность боли, инвалидность). Непредвзятые алгоритмы машинного обучения определят многомерную модель, состоящую из наиболее прогностических биологических, психологических и клинических конечных точек. Модель будет классифицировать подростков с и без разрешения хронической боли MSK после современного мультидисциплинарного вмешательства по лечению боли. R33/Фаза валидации Целью является проверка биологической сигнатуры, полученной в исследовании R61. Эта сигнатура будет полезна для ряда клинических испытаний с участием подростков, в которых необходимо выявить лиц с самым высоким риском, обеспечивая клинически действенный алгоритм вмешательства.