Imaging biomarkörer för myofascial smärta

Definition av den föreslagna sammansatta multimodala biomarkören - Utredarna föreslår att utveckla en kvantitativ klassificerare på vävnadsnivå baserad på kvantitativa mått (egenskaper) härledda från ultraljudselastografi, Doppler, bioimpedansspektroskopi och högdensitetselektromyografi, som en indikator på den normala biologiska processen i myofascial vävnader och patogen process i aktiva och latenta faser av myofascial smärta.

Övergripande tillvägagångssätt och vetenskaplig rigor: I mål 1 kommer utredarna att utveckla metoder för att generera reproducerbara mätvärden (funktioner) från mätningarna på råvävnadsnivå och bestämma den minsta detekterbara förändringen i dessa egenskaper i en pilotstudie. I syfte 2 kommer utredarna att genomföra en longitudinell observationsstudie med två grupper av försökspersoner (kontroll och myofascial smärta). Utredarna kommer att utveckla en klassificeringsalgoritm som optimalt skiljer mellan aktiv och latent fas av myofascial smärta och normal myofascial vävnad.

Studiepopulation och anatomisk plats. Det valda smärttillståndet är kronisk nack- och axelsmärta. Utredarna kommer att rekrytera två grupper av försökspersoner: Grupp 1: Kronisk myofasciell smärta, bestämt genom klinisk undersökning med användning av Travell och Simons kriterier7 och Grupp 2: smärtfria kontroller. Utredarna kommer att fokusera på två standardiserade anatomiska platser (Figur 4). Detta kommer att möjliggöra avbildning av den mediala övre trapezius och infraspinatus-musklerna, som är vanliga platser för MTrPs55 såväl som levator scapulae. Dessa tre muskler har helt olika morfologi och fasciae45. Levatorn är en fusiform muskel med väldefinierad fascia som inkluderar muskeln medan trapezius har tunnare fascia varifrån perimysium septae korsar muskelbuken. Infraspinatus har flera fasciella lager på sin yta och har tydliga segmentella kopplingar till C5-6 segmentet56 Behörighetskriterier: Utredarna kommer att rekrytera vuxna 18-65 år. Uteslutningskriterier: (1) diagnos av fibromyalgi, kroniskt trötthetssyndrom eller kronisk borrelia; (2) Diagnos av cervikal radikulopati, neuropati eller neurit; (3) Historik med operation av huvud, nacke, halsrygg eller axelgördel; (4) Atypisk ansiktsneuralgi; (5) Ny medicin eller förändring av medicinering under de senaste 6 veckorna; (6) Aktuell hals- eller öroninfektion.

Maskering och matchning: Detta är en enkelblind longitudinell observationsstudie. Teamet som utför datainsamlingen och analysen kommer inte att känna till gruppfördelningen av försökspersonerna och kommer att bli blinda för resultaten av de kliniska utvärderingarna. De två grupperna kommer att matchas ålder och kön med hjälp av en parad rekryteringsstrategi57. Utredarna kommer att identifiera en pool av berättigade kontrollpersoner utan historia av smärta och dela upp dem i köns- och åldersgrupper (18-30; 31-50; och >50). För varje grupp 1-subjekt som rekryteras inom en parentes kommer utredarna att rekrytera en matchad grupp 2-subjekt från poolen.

Sex som en biologisk variabel: Myofascial smärta är allmänt utbredd i samhället och påverkar både män och kvinnor. Trapeziusmyalgi är vanligare hos kvinnor58. Utredarna kommer att använda ålders- och könsmatchade grupper och kommer att testa klassificerarens prestanda för både den poolade befolkningen och separat efter kön för att identifiera eventuella könsspecifika skillnader i biomarkörmåtten.

Resultatmått: Det primära resultatmåttet kommer att vara den sammansatta klassificeraren baserad på kvantitativa biomarkörer på vävnadsnivå. Utredarna kommer att utföra upprepade datainsamlingar varje månad i 3 månader. Den kliniska fenotypen för försökspersonerna (normal, latent, episodisk aktiv och ihållande aktiv) kommer att bestämmas av ett omfattande fysisk undersökningsprotokoll12. Utredarna kommer att använda NIH HEAL Common Data Elements för kronisk smärta hos vuxna för att samla in självrapporter. För att ytterligare karakterisera den kliniska fenotypen, som ett sekundärt utfallsmått, kommer utredarna att använda en ekologisk momentan bedömning (EMA) applikation (Metricwire) på en smartphone för att få en daglig smärtvärdering utlöst vid slumpmässiga punkter under dagen och samla in automatisk aktivitetsövervakning från smartphonesensorerna. Utredarna kommer också att samla in smärtintensitet och interferens med tre punkter varje vecka59.

Datainsamlingsprocedurer Datahantering: Detta är en enda platsstudie. Alla studieprocedurer kommer att utföras på Mason. Studiens biostatistiker (Rosenberger) kommer att sätta upp lämpliga maskeringskontroller och elektroniska fallrapportformulär (eCRF) i det elektroniska datafångstsystemet (REDCap). Alla studiedata kommer att föras in i REDCap med hjälp av eCRFs. Studiepersonal kommer att ha lämpliga rollbaserade åtkomstkontroller i REDCap. Källvalidering kommer att utföras med hjälp av REDCaps inbyggda kontroller.

Maskering: En enskild läkare (Gerber) kommer att inhämta varje försökspersons samtycke och genomföra en historia och den fysiska undersökningen. Ytterligare en läkare (DeStefano) kan vara närvarande för att hjälpa till, och en forskningsassistent kommer att vara närvarande för att göra anteckningar och ange data. Ingenjörsteamet, övervakat av PI (Sikdar) och co-I Chitnis, kommer att samla in resultatmåtten i ett separat rum och kommer att maskeras till patientens historia och resultaten av den fysiska undersökningen. En handbok med driftsprocedurer kommer att utvecklas för studien.

Dataanalysprocedurer. All dataanalys kommer att utföras av en forskarassistent inom biostatistik under överinseende av dataforskaren (Lee) och studiebiostatistikern (Rosenberger).

Primär analys: Utredarna kommer att konstruera och noggrant validera en klassificeringsalgoritm för flera klasser baserad på funktionella tidsserier och statistiska inlärningsmetoder. Här kan biomarkörens tidsserier representeras som en kombination av unika tidsmönster/signaler eller basfunktioner. Dessa funktioner inkluderar tidsinvarianta egenbasfunktioner80, utjämningssplines81, wavelets82 eller funktionella huvudkomponenter83. Med hjälp av funktionell dataanalys kommer en sammansatt prediktorvariabel att konstrueras som sammanfattar den relevanta informationen som finns i biomarkörens tidsserie. Sedan kommer en klassificeringsmetod med flera klasser att konstrueras med hjälp av övervakade inlärningsmetoder, såsom stödvektormaskiner84, diskriminantanalys85,86, neurala nätverk87,88, regressionsträd89. Klassificeringsalgoritmen kommer att använda den sammansatta prediktorn för att kodifiera försökspersoner i de fyra relevanta kategorierna (smärta - episodisk, smärta - aktiv, kontrollepisodisk och kontroll-aktiv). K-faldig korsvalidering kommer att användas för att bedöma klassificerarens noggrannhet baserat på sensitivitet, specificitet, F1-poäng och arean under ROC-kurvan för scenarier med flera klasser90,91.

Sekundäranalys: Flera sekundära analyser kommer att utföras inklusive: (1) Bestäm normativa värden för biomarkörer i kontrollgruppen (Grupp 2); (2) Utvärdera konvergent validitet av primära och sekundära biomarkörer. Eftersom den underliggande marksanningen inte kan mätas direkt, kommer de primära och sekundära biomarkörerna att användas för att utvärdera konvergent validitet; (3) Korrelation med motsvarande kliniska mått (rörelseomfång, trycksmärttröskel).