为管理常见的肌肉骨疼痛障碍提供决策支持:基于案例的推理应用程序的开发
Fredrik Granviken1,2, Ottar Vasseljen1, Kerstin Bach3
1Department of Public Health and Nursing, Norwegian University of Science and Technology, Trondheim, Norway.
JMIR formative research
|May 10, 2024
概括
一个新的人工智能系统,SupportPrim PT,使用基于案例的推理来识别类似的肌肉骨疼痛患者. 该系统通过根据历史数据和临床评估匹配患者来帮助个性化物理治疗.
科学领域:
- 医疗保健中的人工智能
- 肌肉骨疼痛管理 肌肉骨疼痛管理
- 物理治疗决策支持支持
背景情况:
- 由于患者的异质性,肌肉骨疼痛障碍往往缺乏有效的,基于证据的治疗方法.
- 现有的治疗指南在临床实践中对不同患者群体的适用性有限.
- 人工智能,特别是基于案例的推理 (CBR),通过利用患者过去的经验,提供了一个潜在的解决方案.
研究的目的:
- 开发一个基于CBR的决策支持系统,SupportPrim PT,用于初级保健机构的物理治疗护理.
- 为了证明系统在识别具有类似肌肉骨疼痛障碍的患者的能力.
- 加强针对肌肉骨疾病的个性化治疗方法.
主要方法:
- 收集了挪威初级保健物理治疗患者的数据,以建立SupportPrim PT.的病例基础.
- 在CBR中采用了局部-全球原则,利用全球相似性的加权预后属性和局部相似性的临床重要差异.
- 通过将相似度得分与Örebro肌肉骨疼痛查问卷 (ÖMSPQ) 和肌肉骨健康问卷 (MSK-HQ) 进行比较来评估系统性能.
主要成果:
- SupportPrim PT系统是根据29个加权属性和局部相似性开发的,使用了105名患者的初始病例基数.
- 该系统确定了类似的患者,平均绝对差异在ÖMSPQ上为9.3分,在MSK-HQ上为5.6分.
- 较大的病例基数 (N=486) 导致更高的平均相似度得分,这表明患者相似度匹配略有改善.
结论:
- 成功开发了SupportPrim PT,这是一个CBR系统,用于在初级保健理疗中管理肌肉骨疼痛.
- 该系统有效地根据已建立的查工具和结果措施识别了类似的患者.
- 在SupportPrim PT方面,它有望改善决策,并有可能为肌肉骨疼痛患者提供个性化的护理.
更多相关视频
08:13Development and Implementation of a Multi-Disciplinary Technology Enhanced Care Pathway for Youth and Adults with Concussion
Published on: January 20, 2019
6.6K
09:38Determining Pain Detection and Tolerance Thresholds Using an Integrated, Multi-Modal Pain Task Battery
Published on: April 14, 2016
12.7K
