Objective: To assess the immediate and sustained psychological health of health care workers who were at high risk of exposure during the severe acute respiratory syndrome (SARS) outbreak. Methods: At the peak of the 2003 SARS outbreak, we assessed health care workers in 2 acute care Hong Kong general hospitals with the Perceived Stress Scale (PSS-10). One year later, we reassessed these health care workers with the PSS-10, the 21-Item Depression and Anxiety Scale (DASS-21), and the Impact of Events Scale-Revised (IES-R). We recruited high-risk health care workers who practised respiratory medicine and compared them with nonrespiratory medicine workers, who formed the low-risk health care worker control group. Results: In 2003, high-risk health care workers had elevated stress levels (PSS-10 score = 17.0) that were not significantly different from levels in low-risk health care worker control subjects (PSS-10 score = 15.9). More high-risk health care workers reported fatigue, poor sleep, worry about health, and fear of social contact, despite their confidence in infection-control measures. By 2004, however, stress levels in the high-risk group were not only higher (PSS-10 score = 18.6) but also significantly higher than scores among low-risk health care worker control subjects (PSS-10 score = 14.8, P < 0.05). In 2004, the perceived stress levels in the high-risk group were associated with higher depression, anxiety, and posttraumatic stress scores ( P < 0.001). Posttraumatic stress scores were a partial mediator of the relation between the high risk of exposure to SARS and higher perceived stress. Conclusions: Health care workers who were at high risk of contracting SARS appear not only to have chronic stress but also higher levels of depression and anxiety. Front-line staff could benefit from stress management as part of preparation for future outbreaks.

Autism is a disorder of neurodevelopment resulting in pervasive abnormalities in social interaction and communication, repetitive behaviours and restricted interests. There is evidence for functional abnormalities and metabolic dysconnectivity in 'social brain' circuitry in this condition, but its structural basis has proved difficult to establish reliably. Explanations for this include replication difficulties inherent in 'region of interest' approaches usually adopted, and variable inclusion criteria for subjects across the autism spectrum. Moreover, despite a consensus that autism probably affects widely distributed brain regions, the issue of anatomical connectivity has received little attention. Therefore, we planned a fully automated voxel-based whole brain volumetric analysis in children with autism and normal IQ. We predicted that brain structural changes would be similar to those previously shown in adults with autism spectrum disorder and that a correlation analysis would suggest structural dysconnectivity. We included 17 stringently diagnosed children with autism and 17 age-matched controls. All children had IQ >80. Using Brain Activation and Morphological Mapping (BAMM) software, we measured global brain and tissue class volumes and mapped regional grey and white matter differences across the whole brain. With the expectation that volumes of interconnected regions correlate positively, we carried out a preliminary exploration of 'connectivity' in autism by comparing the nature of inter-regional grey matter volume correlations with control. Children with autism had a significant reduction in total grey matter volume and significant increase in CSF volume. They had significant localized grey matter reductions within fronto-striatal and parietal networks similar to findings in our previous study, and additional decreases in ventral and superior temporal grey matter. White matter was reduced in the cerebellum, left internal capsule and fornices. Correlation analysis revealed significantly more numerous and more positive grey matter volumetric correlations in controls compared with children with autism. Thus, using similar diagnostic criteria and image analysis methods in otherwise healthy populations with an autistic spectrum disorder from different countries, cultures and age groups, we report a number of consistent findings. Taken together, our data suggest abnormalities in the anatomy and connectivity of limbic-striatal 'social' brain systems which may contribute to the brain metabolic differences and behavioural phenotype in autism.

Objective: To quantify stress and the psychological impact of severe acute respiratory syndrome (SARS) on high-risk health care workers (HCWs). Method: We evaluated 271 HCWs from SARS units and 342 healthy control subjects, using the Perceived Stress Scale (PSS) to assess stress levels and a structured list of putative psychological effects of SARS to assess its psychological effects. Healthy control subjects were balanced for age, sex, education, parenthood, living circumstances, and lack of health care experience. Results: Stress levels were raised in both groups (PSS = 18) but were not relatively increased in the HCWs. HCWs reported significantly more positive (94%, n = 256) and more negative psychological effects (89%, n = 241) from SARS than did control subjects. HCWs declared confidence in infection-control measures. Conclusions: In HCWs, adaptive responses to stress and the positive effects of infection control training may be protective in future outbreaks. Elevated stress in the population may be an important indicator of future psychiatric morbidity.

Chronic pain has a profound societal burden, affecting 20% to 30% of the world population,10,13,14,47 and is associated with high rates of comorbid mental health conditions, especially depression and anxiety.15 Women and people of increasing age are disproportionately affected by chronic pain,14,32 and while there are pharmacological and nonpharmacological treatments available, many individuals still do not benefit from these treatments.11,16,19,31,35,45 One significant challenge in providing effective pain-relieving treatments arises from our incomplete understanding of the mechanisms underlying the development and maintenance of chronic pain. Some of these mechanisms include changes in brain morphology and function.2,8,12,18,25,28,37 One approach to better understand these mechanisms is to combine neuroimaging studies of diverse populations with the purpose of identifying common phenotypes and neuroimaging correlates. Phenotyping to explore both similarities and heterogeneity across pain conditions is necessary to inform disease prognosis and elucidate common treatment targets. To this endeavor, the Enhancing Neuroimaging and Genetics through Meta-Analysis (ENIGMA)-Chronic Pain working group was formed in November 2022. ENIGMA-Chronic Pain has since welcomed over 70 pain investigators from all over the world, to pool and integrate existing neuroimaging and clinical data from approximately 2000 chronic pain and 4000 pain-free healthy individuals, from over 30 international and independently collected datasets. 1. What is ENIGMA? What are the aims of the ENIGMA-Chronic Pain Working Group? Founded in 2009, the aim of the ENIGMA Consortium is to address the growing replication problems in neuroimaging research. ENIGMA is a global collaboration of more than 2000 scientists from over 45 countries studying the human brain, in health and over 30 neurological, mental, and neurogenetic diseases.42 ENIGMA coordinates large-scale neuroimaging analyses, pooling existing datasets from around the world,6,34,39 actively coordinating the reuse of data, while accommodating data privacy safeguards, bringing rich resources and expertise to answer fundamental questions related to major brain disorders. By integrating available existing datasets and building on the growing infrastructure of the ENIGMA consortium, ENIGMA-Chronic Pain provides a platform and a resource to the chronic pain community allowing for data findability, accessibility, interoperability, and44 reusability—all vital aspects of reproducible research. Using a cost-effective and innovative global approach by merging the resources and data of leading chronic pain neuroimaging centers, ENIGMA-Chronic Pain offers a unique opportunity to obtain detailed, reproducible, and reliable data on brain mechanisms associated with chronic pain. ENIGMA-Chronic Pain integrates single studies of specific chronic pain conditions, including precursor data repositories (eg, OpenPain), and larger population-based biobanks with recorded indices of chronic pain (eg, UK Biobank).8 Recent advances in machine learning and artificial intelligence technologies also offer new and powerful ways to analyze these existing neuroimaging data. Through a worldwide collaboration of pain researchers and clinicians, ENIGMA-Chronic Pain will aim to (1) determine common and pain condition-specific brain correlates of chronic pain through multimodal neuroimaging (relative to pain-free healthy controls); (2) examine the interactions between chronic pain and comorbid mental health conditions on brain morphology and function; and (3) identify the roles of key sociodemographic factors and medication on brain morphology and function. 2. Determine common and pain condition-specific brain correlates of chronic pain through multimodal neuroimaging ENIGMA-Chronic Pain combines smaller datasets from heterogeneous chronic pain conditions. This approach maximizes the power of planned analyses and is necessary to identify brain correlates shared across chronic pain conditions. Through planned follow-up analyses on pooled datasets of similar pain types, pain locations across the body, or specific diagnoses, ENIGMA-Chronic Pain will identify correlates specific to the studied conditions at a larger scale than has previously been possible. ENIGMA-Chronic Pain will begin with examining brain topography of chronic pain by using common processing pipelines and software such as FreeSurfer for T1-weighted structural magnetic resonance imaging scans (sMRI)17,20,21 or Functional MRI of the Brain Software Library (FSL) for diffusion MRI (dMRI).23,38 Further to brain-wide region-of-interest analyses, investigation of multimodal correlates and brain networks of chronic pain will be conducted using whole-brain analyses, including standardized indices of functional connectivity from resting-state functional MRI (rs-fMRI) processed with ENIGMA's HALFpipe,43 voxel-based morphometry, and machine learning approaches to fuse multimodal features from sMRI, dMRI, and rs-fMRI to make diagnostic classification or prediction of a future clinical state. 3. Examine the interactions between chronic pain and comorbid mental health conditions on brain morphology and function Chronic pain is often accompanied by comorbid mental health conditions that can prevent treatment success.46 For example, 5% to 85% of individuals with chronic pain (depending on the study populations and settings) experience depression.1,9 The ENIGMA Consortium has extensively investigated the detailed brain and genetic markers of most common mental health conditions and reported alterations in brain regions similar to those commonly reported in smaller chronic pain studies.4,36 Evidence for shared or specific brain mechanisms between chronic pain and depression and anxiety is now growing,33,40,49,50 but no definite conclusion can be drawn from these smaller studies. Using advanced statistical models, our unique sample size, and availability of indices of comorbid mental health conditions, the pooled dataset from ENIGMA-Chronic Pain will aim to disentangle the fine morphological and functional brain alterations across all pain conditions, but also within specific pain types. This approach will contribute to identify plausible targets for more effective treatments for people living with both chronic pain and these comorbid conditions. 4. Examine the roles of key sociodemographic factors and medication on brain morphology and function Sex and age are key factors that can influence the transition to chronic pain.48 Women have greater prevalence rates for chronic pain conditions compared with men and experience more frequent, intense, and longer-lasting pain across the lifespan.14,24,30 These sex-specific differences can affect treatment choice, side effect profiles, and therapeutic responses.3 Although incompletely understood, many processes including genetic,29 neuroendocrine/neuroimmune,26 or brain-based differences,22 contribute to sex differences observed in chronic pain. Chronic pain is also highly prevalent in people of increasing age,14 along with other age-related pathologies, but the relationship between increasing age and chronic pain on brain morphology and function is still to be clearly determined. The inclusion of studies with comorbidity information that may inform causal modeling (eg, traumatic injuries, repetitive stress injuries, osteoporosis, metabolic disorders like diabetes, etc.) will clarify some of the brain–body connections at play. Existing preliminary evidence for the influence of these key sociodemographic factors needs further replication and refinement using large datasets. Another critical factor impacting brain morphology and function in chronic pain is the use of various types of pharmacological treatments,27 including tricyclic antidepressants, serotonin–norepinephrine reuptake inhibitors, antiepileptics, nonsteroidal anti-inflammatory drugs, and benzodiazepines.11,35 Using the available and detailed medication information recorded within ENIGMA-Chronic Pain, the aim of this study is to determine the variations in brain morphology and function associated with specific pharmacological treatment categories or combinations of thereof. 5. ENIGMA-Chronic Pain: expanding to other imaging modalities ENIGMA-Chronic Pain builds on the experience of the Consortium to host the largest and most comprehensive dataset for neuroimaging studies of chronic pain. In addition to sMRI, dMRI, and rs-fMRI data, ENIGMA-Chronic Pain will leverage the contribution of chronic pain researchers and clinicians with data and expertise in other neuroimaging modalities, including resting-state electroencephalography (EEG), task-based fMRI and EEG, event-related potentials, magnetoencephalography, functional near-infrared spectroscopy, and magnetic resonance spectroscopy. In addition, the aim of ENIGMA-Chronic Pain is to include neuromodulation studies, such as repetitive transcranial magnetic resonance stimulation, TMS-EEG, transcranial direct current stimulation, or transcranial alternating current stimulation studies, to examine potential causal associations.7 Finally, following work from the ENIGMA-Clinical Endpoint working group,41 a long-term goal includes building a framework of standardized questionnaires and tools for future research, to be applied to most, if not all, chronic pain conditions and to integrate genetics data to better understand the relationship between genetic and environmental risks on brain phenotypes of chronic pain overall and for available subtypes. 6. Conclusions ENIGMA-Chronic Pain will establish the largest worldwide platform for neuroimaging data dedicated to chronic pain research. This approach enables large-scale collaborative opportunities to identify the common and specific brain correlates of chronic pain conditions, as well as the role of mental health comorbidities, key sociodemographic factors, and pharmacological treatment on these alterations. This initiative will provide invaluable new knowledge based on adequately powered neuroimaging datasets. Future aims of the working group could include extending the scope to the earliest periods of the human lifespan, leveraging neonatal MRI and EEG datasets with pain-relevant paradigms,5 to investigate the potential developmental origins of chronic pain susceptibility in later years. Last, we extend the call to additional groups to join, contribute their expertise, and share their neuroimaging, genetic, psychological, and clinical data from healthy controls and individuals with chronic pain (see information and contact details on https://enigma.ini.usc.edu/ongoing/enigma-chronic-pain/). Through the inclusion of most, if not all, chronic pain neuroimaging research groups, we hope to grow the working group and thereby fulfill its goals. Conflict of interest statement None of the authors declare any conflicts of interest. The views expressed in this article are those of the authors and do not necessarily reflect the position or policy of the Department of Veterans Affairs or the United States government, or those of the NHS, the NIHR, or the Department of Health from the United Kingdom.

Pain is a universal subjective experience that is influenced not only by the objective intensity of the sensory stimulus but also by multiple internal factors, such as expectations and emotions (Melzack and Casey, 1968). Unravelling the specific mechanisms through which these factors influence the pain experience may help us better understand how to predict, treat, and eventually prevent pain. However, the neural underpinnings of pain and its modulation by internal factors remain poorly understood. The ability of expectations to affect the pain experience is illustrated by the placebo and nocebo effects, which refer, respectively, to decreased pain resulting from positive expectations toward a treatment (e.g., pain cream) and increased pain resulting from negative expectations toward a procedure (e.g., an injection). Previous research has shown that the amount of pain one experiences when receiving an electric shock is influenced not only by stimulus characteristics, such as the intensity of the shock, but also by expectations (Hoskin et al., 2019). The effect of these expectations varies depending on how precise the expectations are thought to be. Thus, if one's expectations about the painfulness of an upcoming electric shock were more consistent (i.e., the participant always expected the same level of painfulness) in the past, their expectation about the painfulness had a greater influence on their actual pain experience. Accordingly, subjects who had more inconsistent expectations (i.e., the participant expected varying levels of painfulness) had reduced expectation influence on pain perception (Hoskin et al., 2019). This effect is consistent with a Bayesian model that proposes that the degree to which expectations influence perception is determined by the consistency or precision of the expectations (Hoskin et al., 2019). Other research demonstrated that the modulation of expectation effects by the preciseness of those expectations can also be … Correspondence should be addressed to Chloe L. Cheung at ccheu252{at}uwo.ca.