健康科学本科生中腰部疼痛:通过机器学习分析获得的结果
Janan Abbas1, Malik Yousef2, Kamal Hamoud1
1Department of Physical Therapy, Zefat Academic College, Zefat 13206, Israel.
Journal of clinical medicine
|March 27, 2025
概括
腰部疼痛 (LBP) 影响近一半的健康科学学生. 机器学习确定了疼痛史作为该人群中LBP的主要风险因素.
科学领域:
- 公共卫生 公共卫生
- 生物医学信息学 生物医学信息学
- 流行病学 流行病学
背景情况:
- 腰部疼痛 (LBP) 是一种普遍且具有挑战性的健康问题,其发病率随着年龄的增长而增加.
- 学生的久坐不动行为是导致LBP风险的一个潜在因素.
- 机器学习 (ML) 提供了先进的分析能力,用于预测和预防LBP等医疗状况.
研究的目的:
- 在健康科学学生中识别与腰部疼痛 (LBP) 相关的因素.
- 利用机器学习来分析复杂的健康数据模式.
- 为了使学生群体的LBP有针对性的预防策略.
主要方法:
- 对222名新生健康科学学生进行了修改后的标准化北欧问卷.
- 使用监督的随机森林算法来分析数据并对变量重要性进行排名.
- 一个决策树可视化了ML模型的预测能力,识别了高风险模式.
主要成果:
- 46%的参与学生报告说在过去一个月中经历了LBP.
- 与LBP显著相关的关键因素包括有史以来的疼痛 (得分=1),残疾 (得分=0.34) 和体力活动水平 (得分=0.21).
- 长时间坐着 (每天超过3小时) 被60%的学生报告.
结论:
- 近一半的健康科学学生经历LBP,突出显著的公共卫生问题.
- 机器学习分析确定了疼痛史作为与LBP相关的最关键因素.
- 进一步的研究和干预是有必要的,以解决学生群体的LBP.
