使用机器学习预测计算机专业人员的机械部疼痛强度:确定和关联关键特征

科学领域:

• 职业健康 职业健康 职业健康
• 生物医学信息学 生物医学信息学
• 肌肉骨系统疾病 肌肉骨系统疾病

背景情况:

• 机械部疼痛是计算机专业人士日益关注的问题,原因是长时间的屏幕使用.
• 了解导致部疼痛的多因素因素对于有效干预至关重要.

研究的目的:

• 调查部疼痛强度,人体测量数据,宫运动范围和计算机专业人员的残疾之间的关系.
• 应用先进的机器学习技术来识别部疼痛的关键预测因素.

主要方法:

• 75名患有部疼痛的计算机专业人员使用视觉模拟量表 (VAS),人体测量测量,宫运动范围 (ROM) 的通用气球计和部残疾指数 (NDI) 进行了评估.
• 数据分析涉及SPSS用于描述性统计和机器学习算法来确定特征的重要性.
• 使用混矩阵评估了k-最近邻近 (kNN) 算法的性能.

主要成果:

• 部残疾指数 (NDI) 评分一直被认为是各种机器学习模型中最重要的预测因素.
• 虽然年龄和电脑使用时间显示出不同的重要性,但像BMI这样的人类指标的排名并不一致.
• 该研究使用分析的数据集,在预测疼痛强度 (VAS分数) 中实现了56%的准确性.

结论:

• 机器学习有效地阐明了导致计算机专业人员部疼痛的复杂因素.
• 将NDI确定为主要预测因素强调了功能残疾在疼痛管理中的重要性.
• 这些发现支持为这个职业群体开发个性化的人体工程学干预措施和有针对性的健康活动.