|
反應異常時，SZ的煙酸鈍化亞組估計為受試者的24%至90%（平均70%[8]），而健康對照組為0–64%[5]。
結果不一致可能是由于缺乏客觀準確的工具來評估煙酸挑戰的反應[5]。2010年，Nadalin等人發表了一篇關于煙酸測試方法的綜述。大多數論文都集中在視覺檢查的主觀評估上。一些作者試圖找到更客觀的方法，例如多普勒血流測量、光學反射光譜（ORS）或Photoshop程序分析[5]。研究人員使用的各種方法使得很難比較不同研究的結果，并可能導致反應減弱或沒有反應的個體數量的差異。這些考慮成為開發煙酸反應評估新工具的起點。
該研究的目的是創建一種新的、更精確和快速的方法來客觀評估煙酸挑戰反應，并驗證我們研究團隊開發的工具的效用，以區分（1）精神分裂癥患者和健康個體，（2）雙相情感障礙患者和健康個人，（3）精神分裂癥患者和雙相情感障礙患者。
去：
2.材料和方法
2.1參與者
該研究包括住院和門診患者：56名精神分裂癥患者（SZ組）和29名雙相情感障礙患者（BD組），45名健康人作為對照組（HC組）。
患者的入選標準為精神分裂癥診斷（SZ組）、基于DSM-5標準的雙相情感障礙診斷（BD組）、年齡在16至65歲之間，以及通過臨床檢查和口頭溝通確定的提供書面知情同意書的能力。
如果患者患有研究人員認為可能影響研究結果的軀體疾�。ㄟ^敏、哮喘、皮膚病、心臟病、癌癥、自身免疫性疾病、皮膚病），患有物質使用障礙（尼古丁和咖啡因除外），或者在過去14天內，未服用影響前列腺素代謝的藥物或膳食補充劑（抗炎藥、糖皮質激素、脂肪酸補充劑）。孕婦和哺乳期婦女也被排除在外。對照組由16–65歲的志愿者組成。對照組的排除標準與患者相同。目前和/或過去被診斷患有精神疾病的個人，以及有精神疾病家族史的個人也被排除在外。
該研究由盧布林醫科大學倫理委員會（編號：KE-0254/127/2016）批準，并根據《赫爾辛基宣言》[19]中所述的原則進行。研究中的每位參與者（如果患者年齡小于18歲，則其父母）均獲得知情同意。
2.2.檢查變量
2.2.1.精神病理學癥狀由訓練有素的醫生（E.S）對SZ組使用陽性和陰性綜合征量表（PANSS）[20]，對BD組使用青年躁狂評定量表（YMRS）[21]和蒙哥馬利-奧斯伯格抑郁評定量表[22]評估精神病癥狀的嚴重程度。
2.2.2.煙酸皮膚沖洗試驗煙酸皮膚沖洗激發試驗如Nadalin等人的綜述中所述進行[5]。我們制備了三種濃度的煙酸甲酯（C7H7NO2，99%，Sigma Aldrich Chemistry GmbH，Steinheim，Germany）溶液：0.1M；0.01米；為了排除天氣條件（陽光、溫度）對結果的影響，評估總是在同一個房間進行，在上午9點到10點之間，使用恒定的人造光，關閉外部卷簾，使用同一個人操作的同一臺相機和秒表（J.R.）。為了拍攝照片，使用了13萬像素的華為相機（分辨率：4224×3136像素，矩陣類型：OmniVision OV13850），不帶閃光燈。
對于每個參與者，將50µL的每種溶液放在三張濾紙上。然后，使用非過敏膏藥將這些碎片貼在每個受試者前臂皮膚內側的相鄰部位。90秒后，紙張被取出。我們在皮膚激發后的四個間隔（3、5、10、15分鐘）拍攝了反應。為了避免可能的偏見，研究人員對不知道特定參與者屬于哪一組的研究人員進行了盲測。
2.2.3.煙酸反應評估使用最初為本研究準備的計算機程序評估煙酸應用的反應。簡言之，獲得的照片被上傳到程序中，下一步是勾勒出兩個區域：一個沖洗區域和一個不刺激的sk片段簡而言之，獲得的照片被上傳到程序中，下一步是勾勒出兩個區域：一個是潮紅，一個是非刺激性的皮膚碎片，以確定皮膚顏色的變化，并計算發紅的表面積。
該方法基于用數字處理對描繪前臂上受刺激皮膚區域和非受刺激皮膚周圍區域的圖像的結果進行比較。此外，在每張照片中都可以看到一個標尺，指示被煙酰胺溶液刺激的區域的位置，并確保從像素到毫米的正確轉換。圖像的毫米尺度用于測量紅色區域的表面。
為了確定缺乏反應，兩名研究人員（J.R.和E.S.）獨立分析了上傳到SKINREM的照片。缺乏反應被定義為在至少33%（12個中的4個）的測量中，鄰近的皮膚刺激和非刺激區域沒有明顯的差異。
2.2.4.膚色模型描述使用本研究作者（P.W.）設計的軟件程序進行膚色測量。該程序允許查看照片、選擇分析區域并自動計算表征膚色的系數。由于數碼相機的高靈敏度，測量結果可能會受到人眼無法察覺的照明條件變化的干擾，因此，皮膚的相鄰受刺激區域和非受刺激區域之間顏色成分值的差異似乎是表征醫生辦公室測量的皮膚反應的最佳參數。
在圖片中，標記了兩個皮膚區域：用煙酰胺溶液處理的區域1和與區域1相鄰的區域2，作為觀察皮膚顏色變化的參考（見圖1）。人工標記皮膚區域，以考慮皮膚顏色的自然變化和無皮膚反應的情況�；陬伾煞种档牟町悂肀碚髌つw反應，表示受刺激區域的顏色變化。顏色分量值是笛卡爾紅、綠、藍（RGB）空間和圓柱形色調、飽和度和值（HSV）中的矢量。使用以下方程進行RGB和HSV顏色模型之間的有損轉換：
H={θ360−θB≤GB>G，θ=弧12（R−G） +（R）−B） （R）−G） 2+（R）−B） （克）−B）−−−−−−−−−−−−−−−−−−−−−−−√S=1−3分鐘（R、G、B）R+G+BV=最大值（R、B、G）
(1)
保存圖片、插圖等的外部文件。
對象名稱為jcm-09-01848-g001.jpg
圖1
BD組患者前臂圖像，劑量0.1M，測量值4。
RGB和HSV空間的應用不同。RGB空間的設計是為了描述投影儀和數字記錄器顯示的顏色。數字顯示器和投影儀配備了RGB照明元件，通過使用不同強度的燈的組合獲得了最終的色調。類似地，在記錄器的情況下，使用了來自三種類型的感光元件的電信號。另一方面，HSV顏色對應于人類的感知過程。除了上述分量外，還確定了彩色分量藍色色度（Cb）和紅色色度（Cr），也稱為相位交替線（PAL）電視系統中使用的YUV（Y亮度）空間的U和V維度[23]。RGB到YUV空間的轉換矩陣如下所示（等式（2））：
⎡⎣⎢是的⎤⎦⎥=⎡⎣⎢16128128⎤⎦⎥+⎡⎣⎢0.257−0.1480.4390.504−0.291−0.3680.0980.439−0.071⎤⎦⎥⎡⎣⎢RGB公司⎤⎦⎥
(2)
YCbCr模型的分量在圖像的給定區域中的人類皮膚檢測中顯示出良好的結果。在Surampalli等人的研究中，涉及數字圖像中的皮膚檢測，與HSV模型的3.57%效率相比，YCbCr模型實現了96.42%的效率[24]。我們使用RGB模型到YCbCr模型的轉換率的值，如等式（3）和（4）所示：
⎡⎣⎢分量⎤⎦⎥=⎡⎣⎢10.1480.4391−0.291−0.36810.439−0.071⎤⎦⎥⎡⎣⎢RGB公司⎤⎦⎥+⎡⎣⎢16128128⎤⎦⎥
(3)
Cb=0.148R−0.291G+0.439B+128Cr=0.439R−0.368克−0.071B+128
(4)
在這種情況下，Cr（紅色色度值）的8位像素值將從140到165，藍色色度從140到195。作者準備了一個特殊的軟件來修改閾值Cr、Cb和Y（色調，范圍為0.01–0.1）。
使用軟件在圖像上手動標記用溶液處理的區域�？刂茀^域位于與受刺激區域相同的光暴露水平的區域，沿著前臂軸線（見圖1），以補償橢圓形前臂皮膚的不均勻照明。標尺放在區域旁邊，以確定圖像的毫米（mm）比例。
然后，根據等式（1）和（4）計算所選區域1和2的顏色特性。這些區域被自動處理。代表值集包括區域（1）的區域A，以及以下統計數據對：R、G、B、H、S、V、Cr和Cb的平均值、中值、模式、范圍、最小值和最大值（共97個變量：6個統計數據×8個分量×2個區域+1個區域）。測量結果收集在Microsof SQL Serfer數據庫中。數據庫的使用使我們能夠根據統計分析的需要準備各種變量組合。
參考（1）發紅區域和（2）皮膚對照區域的值用于計算相對統計（區域之間的差異）。表征可變性的統計數據用于評估數據的正確性。對于所選變量，還評估了正態分布。
2.3.統計分析
使用Kruskal–Wallis檢驗作為非參數方差分析，比較三組之間的人口統計學和臨床變量。此外，將名義變量與χ2檢驗進行比較，如果僅在兩組中發現任何變量（例如，抗精神病藥物治療），則采用非參數Mann–Whitney U檢驗，因為所獲得結果的非高斯分布。
大多數研究比較了精神分裂癥患者和健康對照組之間的煙酸皮膚潮紅試驗[5，25，26]。為了檢查我們的工具在區分兩組和選擇能夠提供最高靈敏度和特異性測試的因素（這可能有助于對患者進行臨床評估）方面的效用，首先比較了HC組和SZ組對煙酸溶液的反應。
如果測試在這兩組之間存在差異，我們比較了兩個臨床環境（SZ和BD）患者的反應。
通過這種方式，我們希望確認這樣一個假設，即我們的工具的敏感性和特異性足夠高，足以識別具有特定診斷（精神分裂癥）的患者。下一步是選擇區分BD和HC組的測試組件。
最推薦和方法正確的分析比較了三組，然而，它可能會模糊兩組之間的比較結果。
因此，我們決定對兩組進行三次獨立測試，以尋找有助于證實我們假設的成分。我們還決定成對比較各組，以盡量減少分析中I型錯誤的風險[27]。
為了評估各組之間的差異，我們進行了多變量方差分析（MANOVA）。因變量包括煙酸暴露引起的皮膚潮紅的各種標志物。應用MANOVA驗證三種劑量的煙酸溶液（0.001M、0.01M和0.1M）和暴露于煙酸90秒后的四個時間間隔（3、5、10、15分鐘）的效果。三種煙酸溶液（0.001M、0.01M和0.1M）的最終MANOVA模型為2組×4時間間隔。計算部分η平方（ƞ2p）值以評估影響大小。MANOVA計算的初始統計顯著性水平設置為p<0.05，然而，最終顯著性水平已根據多次測試的Bonferroni校正進行了調整。在結果部分，如果MANOVA的給定結果達到Bonferroni校正時設定的閾值，則表明其具有統計學意義。
接下來，應用非參數Spearman R相關系數來建立社會人口統計學變量與AMN解決方案反應之間的任何顯著關聯。這些相關分析分別在各組中進行。為了控制性別的可能影響，根據之前使用MANOVA進行的計算，分別對每組中的男性和女性進行了比較，并應用Student t檢驗對這些煙酸反應相關變量進行了比較。
為了評估診斷人員識別檢查條件和區分三個檢查組的能力，進行了受試者工作特性（ROC）分析[28]。ROC圖是一種基于分類器性能組織和選擇分類器的技術[29，30]。在醫學決策過程中，ROC曲線已廣泛用于評估不同醫學試驗的敏感性和特異性值。在本研究中，使用基于Matlab環境中創建的“ROC曲線”函數的算法，計算了不同皮膚反應變量的ROC曲線、敏感性和特異性值[31]。
去：
3.結果
我們檢查了130名患者：56名精神分裂癥患者（SZ組）、29名雙相情感障礙患者（BD組）和45名健康志愿者作為對照組（HC）。表1顯示了參與者的臨床和人口特征 |
