推进基于生物信号的自动化疼痛评估方法的整合,使其成为解决癌症疼痛问题的综合模型

科学领域:

• 在瘤学瘤学.
• 生物医学工程 生物医学工程
• 数据科学数据科学数据科学

背景情况:

• 有效的癌症疼痛管理需要了解影响疼痛的因素和指导治疗.
• 自动疼痛评估 (APA) 的研究广泛,但其与临床数据的整合尚未得到充分探索.
• 这项研究调查了癌症患者的主观疼痛报告和客观APA变量之间的相关性.

研究的目的:

• 探索主观疼痛感知与来自癌症患者自动疼痛评估 (APA) 的客观变量之间的潜在相关性.
• 分析与疼痛评估有关的人口,临床和疼痛相关的变量.
• 调查皮电活动 (EDA) 和心电图 (ECG) 信号在客观疼痛评估中的有用性.

主要方法:

• 采用了多维统计方法,包括灵敏度分析,多重因子分析 (MFA),主要组件层次聚类 (HCPC) 和多变量回归.
• 研究人员检查了人口,临床和与疼痛相关的变量.
• 客观的疼痛测量包括皮电活动 (EDA) 和心电图 (ECG) 信号.

主要成果:

• 分析了64名癌症患者的数据. MFA确定了疼痛强度,类型,ECOG表现状态,阿片类药物使用和转移之间的相关性.
• 基于疼痛特征,治疗方法和ECOG状态,HCPC聚类揭示了三个不同的患者组.
• 多变量回归显示了疼痛强度,ECOG,突破性癌症疼痛类型和阿片类药物剂量之间的关联,但没有发现主观和客观疼痛变量之间的相关性.

结论:

• 患者报告的疼痛感知与当前自动疼痛评估 (APA) 方法的客观变量没有相关性.
• 对APA进行深入调查是必要的,以确定相关的变量,最佳的操作模式和与自我报告数据的整合策略.
• 这项研究强调了需要进一步的研究,以弥合主观疼痛体验和癌症疼痛管理中的客观生理措施之间的差距.