Pain classification using functional near infrared spectroscopy and assessment of virtual reality effects in cancer pain management
Notice bibliographique
Résumé
Objective measurements of pain and safe methods to alleviate it could revolutionize medicine. This study used functional near-infrared spectroscopy (fNIRS) and virtual reality (VR) to improve pain assessment and explore non-pharmacological pain relief in cancer patients. Using resting-state fNIRS (rs-fNIRS) data and multinomial logistic regression (MLR), we identified brain-based pain biomarkers and classified pain severity in cancer patients. Participants included healthy individuals who underwent rs-fNIRS recording without VR (Group A), cancer patients who underwent rs-fNIRS recording both before and after engaging in the Oceania relaxation program VR intervention (Group B), and cancer patients who underwent rs-fNIRS recording without VR (Group C). All participants wore a wireless fNIRS headcap for brain activity recording. Pain severity was self-reported by patients using the FACES Pain Scale-Revised (FPS-R). fNIRS data were analyzed with MLR, categorizing pain into no/mild (0-4/10), moderate (5-7/10), and severe (8-10/10) levels. The MLR model classified pain severity in an unseen test group, selected using the leave-one-participant-out technique and repeated across all participants, achieving an accuracy of 74%. VR significantly reduced pain intensity (Wilcoxon signed-rank test, P < 0.001), with significant changes in brain functional connectivity patterns (P < 0.05). Additionally, 75.61% of patients experienced pain reductions exceeding the clinically relevant threshold of 30%. These findings underscore the potential of fNIRS for pain assessment and VR as a useful non-pharmacological intervention for cancer-related pain management, with broader implications for clinical pain management.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».