通过无监督机器学习在讲荷兰语的慢性腰部疼痛患者中确定中央敏感化库存截止值
Xiaoping Zheng1, Claudine Jc Lamoth1, Hans Timmerman2
1University of Groningen, University Medical Center Groningen, Department of Human Movement Sciences, Groningen, the Netherlands.
Computers in biology and medicine
|June 14, 2024
概括
一项新的研究表明,在荷兰慢性腰部疼痛患者中,中央敏感化库存的下限分数为35. 这一修订后的值有助于更准确地识别人类假定的中央敏感化子组.
科学领域:
- 疼痛医学 医学 疼痛医学
- 心理学 心理学 心理学
- 机器学习 机器学习
背景情况:
- 人类假设的中央敏感性 (HACS) 在慢性腰部疼痛 (CLBP) 中起作用.
- 中央敏感化库存 (CSI) 评估HACS的一般截止值为40/100.
- 疼痛状况,背景和性别等因素可能需要调整CSI切线值.
研究的目的:
- 为了确定一个讲荷兰语的CLBP群体的最佳CSI截止值.
- 使用无监督机器学习识别与HACS相关的不同子组.
- 为了完善对CLBP患者的HACS评估.
主要方法:
- 从CLBP患者和健康对照 (HC) 收集了关于疼痛,身体和心理方面的问卷数据.
- 应用了四种无监督集群方法,以根据问卷数据和性别确定HACS子组.
- 使用的接收机运行特征 (ROC) 分析,以确定最佳集群结果以确定切断值.
主要成果:
- 包括88名CLBP患者和63名HC患者.
- 层次聚类确定了三个不同的群体:健康,低HACS的CLBP和高HACS的CLBP.
- 总体CSI截止值为35被确定为0.76的灵敏度和0.76的特异性.
结论:
- 确定了与HACS水平相关的CLBP内的不同患者子组.
- 为这一群体提出了35的修订后的整体CSI截止值.
- 结果为HACS模式提供了洞察力,并有助于更准确的诊断截止值.
