预测慢性创伤后头疼:床边参数的作用
Roni Ramon-Gonen1,2, Yelena Granovsky3,4, Shahar Shelly3,4,5
1The School of Business Administration, Bar-Ilan University, Ramat-Gan, Israel.
Pain
|December 11, 2024
概括
一种新的预测模型可以在72小时内识别出因机动车辆事故造成的轻度创伤性脑损伤 (mTBI) 后患慢性疼痛的高风险个体. 早期发现mTBI后的慢性疼痛可以及时进行干预.
科学领域:
- 神经科学是一个神经科学.
- 疼痛医学 医学 疼痛医学
- 机器学习 机器学习
背景情况:
- 创伤性脑损伤 (TBI) 影响全球6900万;轻度TBI (mTBI) 是最常见的.
- 慢性疼痛发生在29-58%的mTBI患者中,影响生活质量.
- 早期识别有风险的个体对于干预至关重要.
研究的目的:
- 开发和验证轻度创伤性脑损伤 (mTBI) 后慢性疼痛的预测模型.
- 在亚急性阶段内确定mTBI患者慢性疼痛的关键预测因子.
- 为了实现早期检测和针对性干预mTBI后的慢性疼痛.
主要方法:
- 机器学习模型应用于203名mTBI患者 (机动车辆事故) 的数据.
- 数据包括临床疼痛,心理参数,mTBI症状和受伤后72小时内的社会人口统计数据.
- 患者被跟踪1年,以确定慢性疼痛的发展.
主要成果:
- 预测模型实现了83%的准确性,92%的灵敏度和0.8.8的AUC.
- 低急性部疼痛的严重程度,身体疼痛区域的数量和教育水平是关键预测因素.
- 43.8%的患者患有慢性疼痛,而56.2%的患者康复.
结论:
- 在72小时内使用床边指标的预测模型可以有效地识别患有mTBI后慢性疼痛风险的个人.
- 这种方法促进了早期检测和有针对性的干预,改善了患者的治疗结果.
- 该模型显示了在管理mTBI相关疼痛方面广泛临床应用的可行性.
