طبقه بندی درد
23 آذر 1401
چگونه از روی علائم عمومی می توان شدت درد مزمن را طبقه بندی کرد و از مدیریت درد به صورت فردی حمایت کرد؟
درد مزمن یک بحران جهانی مراقبت های بهداشتی است که باعث رنج میلیون ها نفر، هزینه های قابل توجه پزشکی و کاهش بهره وری می شود. درد مزمن معمولاً بر اساس محل تجربه درد - از کمردرد، سردرد یا درد لگن گرفته تا درد گسترده در نقاط مختلف بدن - طبقهبندی و تشخیص داده میشود.
با این حال، بیماران مبتلا به انواع شرایط درد مزمن علائم فیزیکی مانند خستگی، علائم روانی مانند افسردگی و علائم اجتماعی مانند انزوای اجتماعی را تجربه می کنند. این وجه مشترک ما را برانگیخت تا روش جدیدی را برای طبقه بندی بیماران مبتلا به درد مزمن بر اساس علائم سلامت عمومی خود گزارش شده - بدون توجه به تشخیص رسمی آنها یا علت بالقوه زمینه ای درد ایجاد کنیم. با انجام این کار، ما تجربه ذهنی و شخصی آنها را به عنوان بخشی از فرآیند تشخیصی و پیش آگهی ترکیب می کنیم.
همانطور که اخیراً در Science Advances گزارش شده است، ما سیستم طبقه بندی جدید خود را با تجزیه و تحلیل داده های نظرسنجی بیمار با استفاده از روش های یادگیری توسعه دادیم. این دادهها به عنوان بخشی از مراقبتهای بالینی معمول در مراکز مدیریت درد استانفورد از طریق یک سیستم سلامت یادگیری منبع باز - CHOIR - جمعآوری شد که برای توصیف بیماران در هر ویزیت در کلینیک استفاده میشود. رویکرد کلی ما با هدف طبقهبندی بیماران به گروههایی بر اساس علائم سلامت عمومی و سپس استفاده از علائم درد آنها برای تأیید ویژگیهای تشخیصی این گروهها از نظر علائم دردشان بود.
ما برای شناسایی گروههای بیمار، مانند خستگی، افسردگی، اضطراب و انزوای اجتماعی، روی 9 علامت سلامت عمومی تمرکز کردیم. این علائم معمولاً برای ارزیابی سلامت بیمارانی که دارای طیف گسترده ای از بیماری های مزمن مانند سرطان و بیماری های قلبی عروقی هستند، استفاده می شود.
برای اعتبارسنجی، از معیارهای مختلف درد مانند شدت درد تجربه شده استفاده کردیم. نواحی بدن که درد مزمن در آنها تجربه می شود. میزان درد تداخل و محدود کردن فعالیت های روزمره زندگی و شناخت درد ناسازگار.
در ابتدا، ما الگوریتم خود را بر روی یک زیر مجموعه داده CHOIR از 11448 بیمار آموزش دادیم. تجزیه و تحلیل ما از این مجموعه داده، یک راه حل بهینه از سه گروه مجزا از بیماران را شناسایی کرد. این گروه ها در سطوح شدت در همه علائم سلامت عمومی متفاوت بودند، که نتیجه مورد انتظار الگوریتم است. مهمتر از همه، ما گروهها را با نشان دادن تفاوت آنها در تمام معیارهای خاص درد، اعتبارسنجی کردیم.
تفاوت بین گروهها در هر یک از اندازهگیریها یکسان بود - یک گروه همیشه کمترین سطح شدت را داشتند، گروه دیگر همیشه بدترین سطح شدت را داشتند و گروه سوم بیماران همیشه در وسط قرار داشتند. به عبارت دیگر، یک مقیاس خطی شدت بین این سه گروه وجود داشت. ما همین نتایج را در دو زیرمجموعه دیگر CHOIR از 3817 و 1273 بیمار نشان دادیم که از استحکام یافتههای ما حمایت میکند.
یکی از یافتههای کلیدی مربوط به اهمیت هر یک از 9 علامت سلامت عمومی در فرآیند انتساب گروهی است. مطابق با دیدگاه قبلی ما در مورد رابطه قوی بین درد و احساسات، ما تأیید کردیم که شدت افسردگی، اضطراب و خشم مهمترین عوامل در انتساب بیماران به گروههای خود هستند. این نشان میدهد که عوامل سلامت مرتبط با احساسات منفی ممکن است کلید درک مکانیسمهای اساسی که بین سه گروه بیمار متفاوت است را داشته باشند. همچنین پیشنهاد میکند که پزشکان باید علاوه بر رویکردهای سنتی برای هدف قرار دادن منابع محیطی درد - بهویژه آنهایی که شدیدترین علائم درد مزمن را دارند، درمانهایی را برای کاهش علائم مرتبط با احساسات در هنگام درمان بیماران در نظر بگیرند.
یافته مهم دیگر این بود که بیماران مبتلا به درد در نقاط مختلف بدن، بیشتر از آنهایی که درد موضعیتری داشتند، متحمل شدند. با این حال، درد در نقاط خاص بدن - مانند کمر، سر، یا لگن - با هیچ یک از گروه های اختصاص داده شده مرتبط نبود. این نشان میدهد که به جای استفاده از محل درد در بدن برای تشخیص شرایط درد مزمن، پزشکان باید الگوهای خاص علائم سلامت عمومیتر را در نظر بگیرند و این ممکن است توصیههای درمانی آنها را برای کاهش علائم خاص درد راهنمایی کند.
در نهایت، زیرمجموعه CHOIR از 1273 بیمار شامل ارزیابیهای پیگیری بود که 3 تا 12 ماه پس از بررسی اولیه CHOIR آنها انجام شد. با استفاده از این مجموعه داده طولی، ما نشان دادیم که تخصیص اولیه بیماران به گروهها، شدت را در تمام معیارهای سلامت عمومی و درد خاص ارزیابیهای پیگیری پیشبینی میکند.
با این حال، پس از اجرای الگوریتم تخصیص گروهی بر روی ارزیابیهای پیگیری، مشاهده کردیم که حدود 30 درصد از بیماران، تکالیف گروهی خود را بین نظرسنجی اولیه و پیگیری تغییر دادند. این نشان می دهد که عوامل مختلفی می توانند وضعیت درد مزمن یک بیمار را بهبود یا بدتر کنند. بنابراین، چالش تلاشهای بالینی و تحقیقاتی آینده، شخصیسازی درمانها برای افزایش احتمال کاهش کلی سلامت عمومی و شدت درد خواهد بود.
به طور کلی، مطالعه ما نشان می دهد که طبقه بندی بیماران مبتلا به درد مزمن بر اساس علائم سلامت عمومی ممکن است به بهبود تشخیص، پیش آگهی و مدیریت درد آنها کمک کند. این یافته ها به ویژه در طول همه گیری COIVD-19 که پزشکان همیشه نمی توانند بیماران خود را به صورت فیزیکی معاینه کنند، مهم هستند.
تحقیقات بیشتری برای تعمیم نتایج ما به گروههای بزرگتر و متنوعتری از بیمارانی که برای مدت طولانیتری دنبال میشوند، مورد نیاز است. با این حال، در آینده، ما امیدواریم که سیستم طبقه بندی ساده و مقرون به صرفه ما بر اساس علائم سلامت عمومی بتواند از تصمیم گیری بالینی برای کاهش بار افرادی که از درد مزمن رنج می برند و حتی کسانی که از بیماری های دیگر مانند سرطان و بیماری های قلبی عروقی رنج می برند، پشتیبانی کند.
منبع:
Stanford University