在低背部疼痛的随机对照试验中找到稳定运动坚持的预测因素:使用机器学习技术进行个人数据再分析
Ann-Christin Pfeifer1, Paul Schröder-Pfeifer1, Marcus Schiltenwolf1
1Pain Management, Center of Orthopaedics and Trauma Surgery, Heidelberg University Hospital, Heidelberg, Germany.
Archives of physical medicine and rehabilitation
|January 5, 2025
概括
确定了腰部疼痛患者的炼坚持的预测因素. 较差的姿势控制和疼痛波动表明在康复中不坚持治疗的风险更高.
科学领域:
- 康复医学 康复医学 康复医学
- 临床运动生理学 临床运动生理学
- 疼痛管理 疼痛管理
背景情况:
- 腰部疼痛 (LBP) 影响全球数以百万计的人,运动治疗是管理的基石.
- 坚持规定的运动对于治疗成功至关重要,但往往不理想.
- 预测合规性可以使有针对性的干预措施能够改善结果.
研究的目的:
- 确定对患有LBP的个体进行监督和自我管理的炼干预措施的坚持预测因素.
- 了解影响在康复不同阶段坚持治疗的因素.
主要方法:
- 一项队列研究涉及1511名患有LBP的参与者,他们接受了为期3周的监督,随后进行了为期9周的自我管理的感觉运动炼计划.
- 通过训练日志和日记来跟踪遵守.
- 渐变增强机器和随机森林被用来识别粘附的预测因素.
主要成果:
- 总体坚持平均为64%,在监督阶段 (81%) 与自我管理阶段 (58%) 的坚持更高.
- 低至中等坚持的预测因素包括较差的基线姿势控制,运动参与度下降和疼痛水平波动.
- 对二分化依附的模型预测准确度在64%至83%之间.
结论:
- 特定的预测因素可以帮助识别患有不遵守LBP运动治疗风险的个体.
- 早期识别允许个性化策略,以提高患者参与度和治疗疗效.
