这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
婴儿无法自我报告他们的疼痛,因此,这种疼痛往往得不到充分的认识和治疗。充分评估疼痛,包括具有短期和长期后果的程序性疼痛,对其管理至关重要。引入基于移动健康(mHealth)的疼痛评估工具可以解决当前的挑战,这是一个需要进一步研究的领域。
本研究的目的是评估PainChek Infant的准确性和可行性,从而评估其在预期环境中的适用性。
通过在免疫前、免疫期间和免疫后观察婴儿,我们评估了PainChek Infant在不同截止分数下的准确性和精度,这是一种基于医疗保健的点护理解决方案,使用人工智能仅根据面部表情检测疼痛和强度。我们使用接收者操作特征分析来评估可解释性并建立截止分数。临床医生可理解性评估采用标准化问卷。其他可行性方面的评估基于与目前可用的观察性疼痛评估工具的比较,用于婴儿程序性疼痛。
PainChek婴幼儿标准模式和自适应模式均表现出较高的准确性(曲线下面积分别为0.964和0.966)。在临界值≥2时,标准模式的准确度和精密度分别为0.908和0.912,自适应模式的准确度和精密度分别为0.912和0.897。目前可获得的数据允许对17个可行性方面中的16个方面进行评价,只有结果测量仪器的成本无法进行评价,因为尚未确定。PainChek Infant在可行性方面表现良好,包括可解释性(定义临界值)、管理便捷性、完成时间(3秒)和临床医生可理解性。
这项工作提供了在临床实践中使用PainChek Infant进行程序性疼痛评估和监测的可行性信息,并证明了该工具在定义的截止分数上的准确性和精确性。
医疗程序,如免疫接种和其他注射、脚跟穿刺、静脉穿刺和包皮环切术,是幼儿疼痛的最常见原因之一[
埃克莱斯顿等人强调了让疼痛可见的必要性。
这项研究的动机是,虽然建立新的疼痛评估工具的有效性和可靠性是必不可少的,但这些特征并不能保证它们被应用到临床实践中。因此,在本研究中,我们使用受试者操作特征(ROC)分析评估了PainChek婴儿工具的准确性和精密度,以及不同截止分数的敏感性和特异性。临床医生可理解性评估采用标准化问卷。基于与目前可用的用于婴儿程序性疼痛的观察性疼痛评估工具的比较,评估了其他可行性方面。我们探索了PainChek Infant的可行性和临床效用方面,因为它们也是评估新的疼痛评估工具的重要标准,因为它们决定了该工具在临床环境中的有用性和适用性[
本研究获得了科廷大学人类研究伦理委员会(批准号:HRE2020-0315)和普里什蒂纳大学医学院(批准号:3812/17)的批准。
用于评估PainChek婴儿心理测量特性的方法的完整细节已在以前发表[
疼痛评估由4名评估员独立完成,每人分配120个视频片段(即30个婴儿的视频片段),从2个测试会话数据集中的一个进行评估。每个测试环节包括1名临床经验丰富(即儿科护士)和1名临床naïve评估员(即没有儿科临床经验的护理学生)。每位评估者使用3种疼痛评估工具(即PainChek Infant、nfc - r和ObsVAS)完成评估。有关研究设计和设置的细节已在下面的流程图中说明(
研究设计与设置流程图。NFCS-R:新生儿面部编码系统修订;ObsVAS:由观察者管理的可视化模拟量表。
我们测试了两种PainChek婴幼儿分析模式:自适应(预定的最小有效图像数量,在本例中为1张图像)和标准(预定的视频分析持续时间,即3秒)。评估人员完成了两轮评估,间隔4周。他们对其他评估人员的结果一无所知。每次使用单一疼痛评估工具完成疼痛评估,以尽量减少回忆偏差。此外,为了避免回忆偏差,视频片段的顺序由电子数据管理系统自动随机分配。每个测试会话数据集分配2名评估员;1名临床经验丰富,1名临床经验丰富naïve。
使用NCSS统计软件(版本21;摘要,LLC)。疼痛情况根据疼痛评分类别确定,即无疼痛(0段:基线)和疼痛(2段:接种后立即),预接种段和恢复段不包括在分析中。曲线下面积(AUC)是用零假设确定的,采用经验估计的上侧AUC为0.5。测试截断值被指定为敏感性等于特异性的点[
使用可行性和临床效用问卷来记录评估人员对每个量表使用的容易程度和执行情况的评估(
可行性和临床效用问卷。
声明 | 认同程度 | ||||||
|
|
1 | 2 | 3. | 4 | 5 |
|
1.提供临床有用的信息 | 在临床上不是很有用 |
|
|
|
|
|
在临床上非常有用 |
2.它是否清晰易懂 | 不清楚也不容易 |
|
|
|
|
|
简单明了 |
3.快速应用 | 非常缓慢的 |
|
|
|
|
|
很快 |
4.易于使用 | 非常困难的 |
|
|
|
|
|
非常容易 |
5.反映了程序痛苦的程度 | 一点都不反射吗 |
|
|
|
|
|
很好地反映了范围 |
6.区分有疼痛的孩子和没有疼痛的孩子 | 一点都不歧视吗 |
|
|
|
|
|
歧视好 |
7.评分很容易理解,并支持关于疼痛管理的决策 | 不容易理解,不支持决策 |
|
|
|
|
|
易于理解并支持决策 |
8.反映程序性疼痛特征 | 不反映程序性疼痛相关特征 |
|
|
|
|
|
反映程序性疼痛相关特征 |
根据“为包含在核心结果集中的结果选择结果测量工具的指南”,对PainChek Infant进行了可行性方面的评估
病人的可理解性
易于管理
可解释性
结果测量仪器的长度
完成时间
患者的心理能力水平
易于标准化
临床医生的可理解性
结果测量仪器的类型
结果测量仪器的成本
必需的设备
管理类型
不同设置下的可用性
版权
患者的身体能力水平
监管机构的批准要求
轻松计算分数
研究共纳入40名年龄2.2-6.9个月(中位数3.4个月,IQR 2.3-4.5个月)、接受常规免疫接种的白人婴儿(24/ 40,60%为女性)[
为了评估工具228和227的诊断准确性,分别使用PainChek适应性和PainChek标准评估来比较基线(无疼痛刺激)和干预(疼痛刺激)。对每种PainChek方法(自适应和标准)的AUC评分进行了总结
每种模式的每个截止分数的敏感性(Se)和特异性(Sp)值总结在
接受者操作特征(ROC)曲线下的面积。
统计项 | PainChek适应性 | PainChek标准 |
总N(痛N) | 228 (114) | 227 (115) |
ROC曲线下的面积 | 0.966 | 0.964 |
SE | 0.011 | 0.011 |
95%可信区间 | 0.936 - -0.982 | 0.934 - -0.980 |
|
41.974 | 41.293 |
|
<措施 | <措施 |
一个原假设曲线下面积0.5正条件2。
PainChek自适应(A)和PainChek标准(B)模式下视频片段(0=基线,1=准备,2=疫苗,3=恢复)的接受者操作特征曲线。
根据PainChek婴儿评估方法的不同分值计算敏感性和特异性。一个
信用评分底线 | PainChek适应性 | PainChek标准 | ||||||
|
灵敏度 | 95%可信区间 | 特异性 | 95%可信区间 |
灵敏度 | 95%可信区间 | 特异性 | 95%可信区间 |
≥0.0 | 1.000 | 0.968 - -1.000 | 0.000 | 0.000 - -0.032 | 1.000 | 0.968 - -1.000 | 0.000 | 0.000 - -0.032 |
≥1.0 | 0.983 | 0.938 - -0.998 | 0.588 | 0.492 - -0.679 | 0.983 | 0.939 - -0.998 | 0.580 | 0.483 - -0.673 |
≥2.0 | 0.912 | 0.845 - -0.957 | 0.895 | 0.823 - -0.944 | 0.904 | 0.835 - -0.951 | 0.911 | 0.842 - -0.956 |
≥3.0 | 0.868 | 0.792 - -0.924 | 0.974 | 0.925 - -0.995 | 0.870 | 0.794 - -0.925 | 0.946 | 0.887 - -0.980 |
≥4.0 | 0.833 | 0.752 - -0.897 | 0.991 | 0.952 - -1.000 | 0.844 | 0.764 - -0.905 | 0.982 | 0.937 - -0.998 |
≥5.0 | 0.746 | 0.656 - -0.823 | 1.000 | 0.968 - -1.000 | 0.783 | 0.696 - -0.854 | 1.000 | 0.968 - -1.000 |
≥6.0 | 0.658 | 0.563 - -0.744 | 1.000 | 0.968 - -1.000 | 0.704 | 0.612 - -0.786 | 1.000 | 0.968 - -1.000 |
一个疼痛分为0段(基线)无痛,3段(接种疫苗)疼痛。
为PainChek婴儿评估方法计算不同分值的精密度和准确度。一个
信用评分底线 | 真正的阳性 | 假阳性 | 假阴性 | 真正的底片 | 灵敏度 | 特异性 | 精度 | 精度 | 敏感性和特异性 | ||||||||||
|
|||||||||||||||||||
|
≥0.0 | 114 | 114 | 0 | 0 | 1.000 | 0.000 | 0.500 | 0.500 | 1.000 | |||||||||
|
≥1.0 | 112 | 47 | 2 | 67 | 0.983 | 0.588 | 0.704 | 0.785 | 1.570 | |||||||||
|
≥2.0 | 104 | 12 | 10 | 102 | 0.912 | 0.895 | 0.897 | 0.904 | 1.807 | |||||||||
|
≥3.0 | 99 | 3. | 15 | 111 | 0.868 | 0.974 | 0.971 | 0.921 | 1.842 | |||||||||
|
≥4.0 | 95 | 1 | 19 | 113 | 0.833 | 0.991 | 0.990 | 0.912 | 1.825 | |||||||||
|
≥5.0 | 85 | 0 | 29 | 114 | 0.746 | 1.000 | 1.000 | 0.873 | 1.746 | |||||||||
|
≥6.0 | 75 | 0 | 39 | 114 | 0.658 | 1.000 | 1.000 | 0.829 | 1.658 | |||||||||
|
|||||||||||||||||||
|
≥0.0 | 115 | 112 | 0 | 0 | 1.000 | 0.000 | 0.507 | 0.507 | 1.000 | |||||||||
|
≥1.0 | 113 | 47 | 2 | 65 | 0.983 | 0.580 | 0.706 | 0.784 | 1.563 | |||||||||
|
≥2.0 | 104 | 10 | 11 | 102 | 0.904 | 0.911 | 0.912 | 0.908 | 1.815 | |||||||||
|
≥3.0 | One hundred. | 6 | 15 | 106 | 0.870 | 0.946 | 0.943 | 0.908 | 1.816 | |||||||||
|
≥4.0 | 97 | 2 | 18 | 110 | 0.844 | 0.982 | 0.980 | 0.912 | 1.826 | |||||||||
|
≥5.0 | 90 | 0 | 25 | 112 | 0.783 | 1.000 | 1.000 | 0.890 | 1.783 | |||||||||
|
≥6.0 | 81 | 0 | 34 | 112 | 0.704 | 1.000 | 1.000 | 0.850 | 1.704 |
一个敏感性是真阳性率;特异性是真实的阴性率;精密度为正预测值;准确度是正确分类的比例。
这不适用于PainChek Infant,因为该工具由临床医生和护理提供者(包括父母)使用,而不是由患者使用。
PainChek Infant要求用户在进入4位密码保护的屏幕后打开应用程序,选择要评估的婴儿(步骤1),然后将设备指向婴儿,同时按下“评估疼痛”按钮(步骤2)。该应用程序会自动为用户打开设备的摄像头。当屏幕激活时,用户按下“开始分析”按钮(步骤3),应用程序自动完成对婴儿面部的分析,并记录6个与疼痛相关的au的存在或不存在。分析后,用户会看到当前疼痛的总结和总分为6分的疼痛评分。然后,用户可按“放弃”或“保存”键(步骤4)保存评估结果(
疼痛评估过程的关键步骤。
Hammal等[
可解释性是基于用户反馈、影响可解释性的临床特性以及供用户审查的结果呈现进行评估的,详情如下。
参与研究的评估人员评估了PainChek Infant、nfc - r和ObsVAS的可行性和实用性。从…可以看出
评估者对PainChek Infant、修订的新生儿面部编码系统(NFCS-R)和观察者管理的视觉模拟量表(ObsVAS)的可行性和临床可用性的评估。*回答采用李克特5分制,0=非常不同意,5=非常同意;结果以平均值(SD)表示。
如前所述,ROC分析表明该工具具有较高水平的准确性和精密度。此外,PainChek婴儿评分为2分或以上表明疼痛的存在具有较高的特异性和敏感性。
向用户提供分数的解释,即0分或1分表示没有疼痛,2分或以上表示疼痛。为了进一步帮助用户解释结果,疼痛评估在婴儿档案中以倒序的时间顺序呈现(
PainChek婴儿疼痛监测。(A)档案-最近的疼痛评估,按时间顺序排列,(B)疼痛图表-疼痛评分与时间的图形表示。
PainChek婴儿疼痛评估仪器在单个领域包含6个项目,检测是完全自动化的。这与NFCS-R相当,后者包含5个项目(从构成该工具原始版本的10个项目中减少)[
自动面部分析只需3秒即可完成。关于完成NFCS所需时间的信息,包括床边的nfc - r评估,是缺乏的。当对视频记录进行评估时,这通常是在10秒的视频片段上进行的,编码员对不同的epoch进行评分,然后根据完成的评估数量计算最终分数。这些评估可以以真实速度、慢动作或逐帧完成,这取决于编码器的选择,因此完成的时间可能相差很大。在Hoti等人的研究中[
像nfc - r一样,PainChek Infant由临床医生或护理提供者管理,因此它的使用不依赖于患者的心理能力。据报道,在婴儿中,与疼痛相关的面部表情在生命的第一年基本保持稳定,尽管疼痛特定表情的强度可能会发生变化。
PainChek婴儿评估是标准化的。自动面部评估只需3秒即可完成,并且仅限于检测6个与疼痛相关的面部AUs。评估不像nfc - r那样依赖于用户对儿童面部表情的解释,因此确保了客观性。此外,评估的面部表情代表了解剖相关的明确的肌肉收缩或松弛,不像许多多维观察性疼痛评估工具中包含的面部项目,这些工具的描述是模糊的(如FLACC, MBPS),可能无法反映疼痛体验[
从…可以看出
PainChek Infant是一种单一的、观察性的疼痛评估工具,它使用自动面部识别和分析来识别6种与疼痛相关的面部au的存在。它与nfc - r和FASS有相似的结构,两者都依赖于用户对面部表情的评估来评估疼痛的存在和强度[
目前没有关于PainChek Infant成本的信息。
PainChek Infant可在任何能够运行iOS 14.0版本的iOS智能设备(手机或平板电脑)上运行(苹果公司)[
PainChek Infant是一款软件应用程序,通过配备摄像头和处理器的智能设备在护理点进行管理。
PainChek Infant由于使用智能设备进行管理,因此有潜力在各种可能发生程序性疼痛的环境中使用,从医院或日间手术中心到门诊护理诊所、全科诊所、牙科诊所和家庭护理环境[
由于PainChek Infant会评估婴儿面部是否存在疼痛的面部表情,因此建议在出生时患有颅面出生缺陷和神经肌肉疾病的婴儿慎用PainChek Infant,包括但不限于以下情况,因为每种情况都会有不同程度的临床表现:唇腭裂、面瘫、血管胎记和血管瘤、毛发痣[
PainChek Infant工具的版权归PainChek Ltd所有。
PainChek Infant已获得监管许可,包括治疗用品管理局、CE Mark和英国MHRA,允许其在澳大利亚、欧洲、英国、加拿大、新加坡和新西兰临床使用[
完成自动面部分析后,PainChek Infant提供检测到的面部au的摘要,并自动计算疼痛评分(
在本研究中,我们描述了PainChek Infant的临床评价,并确定其准确性、精密度、特异性和敏感性。我们进一步扩展到评估其使用的可行性方面。在这样做的过程中,我们试图解决以下问题:“在给定时间、金钱和可解释性的限制下,度量是否可以轻松地应用于其预期的设置?“(
根据国际标准化组织ISO 9241-11对PainChek Infant的可用性进行了评估。根据这些标准,可用性被定义为“系统、产品或服务在特定的使用环境下,能够被特定的用户有效、高效和满意地用于实现特定目标的程度”[
虽然面部表情的增加被用作一维和多维观察性疼痛评估工具强度的标志,但与疼痛相关的面部动作和其他情绪之间存在重叠。因此,定义临界值可以为用户提供更多的确定性,即观察到的面部表情与疼痛相关,从而指导缓解疼痛。这进一步得到了高水平的准确性和精密度的支持。值得一提的是,本研究中确定的截止阈值与使用FLACC作为术后疼痛比较器的FASS的报道相似[
PainChek Infant是一种监管机构批准的医疗设备,在所有可评估的可行性方面都表现良好,包括可解释性(定义了截止分数)、管理的便捷性(基于评估人员的反馈)、OMI的长度(6个项目)、完成时间(3秒)、标准化的便捷性(通过人工智能面部分析确保)、临床医生的可理解性(清楚和容易理解,截止分数可用性)、OMI的类型(护理点,程序性疼痛的数字评估工具),所需设备(智能设备),管理类型(即时护理,自动化),不同设置的可用性(在任何可以使用移动设备的地方使用),以及分数计算的便利性(自动化)。该工具旨在供卫生保健专业人员和护理人员使用;因此,与“患者的心理能力水平”和“患者的身体能力”相关的可行性方面被评估为影响面部分析的潜力,并被认为是有限的,而其有用性不依赖于“患者的可理解性”。
完成疼痛评估所需的时间可作为效率的衡量标准[
满意度是指使用工具时用户的身体、认知和情感反应满足用户需求和期望的程度,可以通过多种方式进行评估,包括访谈、焦点小组、量表和问卷[
重要的是要承认原始研究中涉及的小队列评估人员的局限性,因此,需要在更大的用户群体中重复可行性和临床效用问卷。另一个局限性是,对PainChek Infant的评估是使用正在接受标准免疫的婴儿的视频记录进行的,而不是在现实环境中进行的。然而,这种验证儿科疼痛评估工具的方法是常见的,允许更多的评估人员参与验证过程,并允许多次观察,这也被认为是一种优势[
总之,移动健康解决方案为医疗保健专业人员提供了许多好处,包括获得医疗点,这已被证明可以支持更好的临床决策和改善患者的结果[
对数字健康解决方案进行仔细评估是其广泛临床实施之前的关键一步。这项研究提供了进一步的证据,支持PainChek Infant作为评估婴儿程序性疼痛的监管工具的准确性、精确性、可行性和可用性,因此为其临床实践实施提供了坚实的基础。
人工智能
操作单元
曲线下面积
发育障碍
面部动作编码系统
面部动作总结评分
脸,腿,胳膊,哭声和安慰
移动健康
改良行为疼痛量表
新生儿面部编码系统修订
观察者管理的可视化模拟量表
结果测量仪
接收算子特性
正常发展
我们要感谢参与这项研究的婴儿的父母同意他们的孩子被录像,以支持新的疼痛评估工具的开发。本研究由PainChek Ltd支持。
JDH和KH构思并设计了这项研究。PC进行统计分析,PC、KH和JDH审查输出。JH进行文献综述并起草初步手稿。PC、KH、JDH对稿件进行了审阅。所有作者都参与并批准了最终版本的手稿。
KH和JDH是PainChek Ltd(前身为EPAT Technologies Ltd)的股东,该公司正在将PainChek Infant商业化。他们还与Mustafa Atee共同发明了名为“疼痛评估方法和系统”的专利,该专利已在澳大利亚、中国、美国和日本获得批准,目前正在欧洲和世界知识产权组织(WIPO)等待审批。KH被PainChek Ltd聘请为顾问,同时还担任普里什蒂纳大学教授和科廷大学科廷医学院副教授。JDH被聘为PainChek Ltd的首席科学官,并在科廷大学科廷医学院担任名誉教授。PC由DATaR Consulting公司聘用,并获委任为独立私人顾问,由PainChek Ltd公司为该项目进行生物统计分析。PC还担任澳大利亚圣母大学健康研究所副所长,并在伊迪丝考恩大学医学与健康科学学院担任兼职。