通过疼痛身体图测量疼痛位置和强度

在横向模式下解释疼痛身体图或 PBD 解剖结构和身体模板的方向。通过显示增加的手写笔压力将色调从绿色转变为蓝色再到红色来描述色调线性转换的压力，分别代表轻度、中度和重度疼痛强度。然后解释绘图和擦除工具，并捏合缩放和平移功能。

使用回教方法确认参与者对疼痛身体图任务的理解，并让他们用自己的话解释这个过程。分配 15 分钟的时间让参与者练习在平面上绘制疼痛身体图，确保准确表示疼痛位置和强度。与每个参与者一起审查 PBD，以验证颜色的一致性和正确使用。

要求参与者在基线期间或治疗或干预后的不同时间点完成 PBD，以便有充足的时间完成 PBD。完成后，使用标准化文件名保存 PBD，包括患者 ID、PBD 完成的日期和时间。使用选择图标选择要批量导出的所需图像。

单击共享按钮以访问可用图像格式的列表。选择保留图像图层的便携式或 Photoshop 文件格式，然后单击首选格式。下载所需的 PBD 文件并在基于光栅的图像编辑器中打开它们。

现在，通过在彩色图层下方添加一个完全黑色的图层，并在其上方添加一个黑色蒙版图层，以排除模板正文轮廓之外的像素，从而将感兴趣的彩色像素与 PBD 文件的顶层隔离开来，从而创建一个修改后的 PBD，其中只有黑色背景的正文轮廓内的彩色像素。要将处理后的 PBD 导出为可移植网络图形文件，请单击“文件”，选择“导出”，然后选择“导出为”，选择“PNG 格式”，然后单击“导出”。使用打开的 CV2 Python 包将 PBD 中的每个像素值从 RGB 转换为 HSV 色彩空间。

通过执行标题为 Measure underscore、SA noblur 和 RGBA2HSV 的 Python 脚本，提取每个像素的色调值。运行量化疼痛 Python 脚本以计算三个 PBD 指标。首先，通过将彩色像素数除以正文图中的像素总数来计算 PBD 覆盖率。

女性的范围是 1 到 820,452 像素，男性的范围是 1 到 724,608 像素。将结果乘以 100，将数据从 0 到 100 进行归一化。接下来，通过在正文图中添加所有像素的色调值来确定 PBD 总强度，这是通过运行RGBA2HSV完成的。

女性范围为0至114、453、054，男性范围为0至101、082、816。将结果除以最大 PBD 总强度，然后乘以 100。最大 PBD 总强度取决于正文图中的像素总数乘以 139.5。

通过将所有色调值的总和除以彩色像素总数来计算 PBD 平均强度。最后，处理每个 PBD 文件并将输出编译到电子表格中以供进一步分析。对于大多数患者，PBD 指标与数字评定强度 （NRS）、视觉模拟量表 （VAS） 和 McGill 疼痛问卷 （MPQ） 相关。

在五分之四的患者中，PBD 指标与 NRS-VAS 强度、VAS 不愉快和 MPQ 显着共享相互信息或 MI。在所有患者中，NRS 与 VAS 强度、VAS 不愉快和 MPQ 共享显着的 MI，而 PBD 总和与 PBD 覆盖率和 PBD 平均值共享 MI。