Parametric trial-by-trial prediction of pain by easily available physiological measures

درد معمولا توسط گزارش های ذهنی در مقیاس های رتبه بندی ارزیابی می شود. با این حال، در بسیاری از شرایط آزمایشگاهی و بالینی، یک شاخص اضافی، عینی از درد مطلوب است. به منظور شناسایی یک هدف، پارامتریک امتداد شدت درد که در سطح محرک فردی در سراسر افراد پیش بینی شده است، ما ضریب هدایت پوست و پاسخ قطر دانش آموزان به تحرک درد را با طول های مختلف و درجه حرارت در 34 فرد سالم ضبط کردیم. پروفایل های زمانی از پاسخ های فیزیولوژیک محاکمه توسط نمرات جزء به دست آمده از تجزیه و تحلیل مولفه اصلی مشخص شد. سپس این نمرات جزء به عنوان پیش بینی کننده ها در تجزیه و تحلیل رگرسیون خطی مورد استفاده قرار گرفت و نتایج پیش بینی دقیق درد را برای آزمایشات فردی به دست آورد. با استفاده از اطلاعات زمانی که در نمرات اصلی مولفه کدگذاری شده است، داده ها بهتر از پیش بینی توسط یک آمار کلی خلاصه (یعنی حداکثر دامنه) توضیح داده شده است. این نتایج نشان می دهد که درد درک شده به واسطۀ دینامیک زمانی پاسخ های اتونومیک بیشتر منعکس می شود. استفاده از مدل رگرسیون به مجموعه داده های مستقل از 20 نفر منجر به پیش بینی بسیار خوب ارزیابی درد شد و نشان دهنده تعمیم الوصول الگوی زمانی شناسایی شده بود. لذا استفاده از اطلاعات زمانبندی قابل دسترس از هدایت پوست و پاسخ قطر دانش آموزان به این ترتیب امکان پیش بینی پارامتر درد در افراد انسانی را فراهم می کند.