鉴定人工智能腰部疼痛患者的步态子组:对个性化干预措施的含义
Leonardo Metsavaht1,2, Felipe F Gonzalez3,4,5, Eliane Celina Guadagnin1
1Instituto Brasil de Tecnologias da Saúde (IBTS), Rio de Janeiro, Brazil.
概括
研究人员在腰部疼痛 (LBP) 患者中确定了五种不同的步态,揭示了每个组的独特动态和身体特征. 这些发现为有针对性的LBP管理和理解相关风险提供了洞察力.
科学领域:
- 生物力学和运动科学 生物力学和运动科学
- 整形外科和肌肉骨健康
- 医疗保健中的人工智能
背景情况:
- 腰部疼痛 (LBP) 影响着相当一部分人群,往往导致改变运动模式.
- 了解LBP患者的不同步态特征对于有效的临床评估和治疗至关重要.
- 以前的研究还没有完全阐明LBP中独特的步态形状及其相关的临床特征.
研究的目的:
- 调查低背部疼痛 (LBP) 患者之间存在不同的步态特征.
- 在LBP患者中评估与每个已识别的步态特征相关的临床特征.
- 探索人工智能在分类LBP相关的步行异常方面的潜力.
主要方法:
- 一项横截面的回顾性研究分析了111名LBP患者的3D步态动力学 (干部/骨盆运动,协调).
- 使用PCA,SOM和K-means集群的AI算法被用于识别不同的步行形状.
- 包括人口统计,被动运动范围 (ROM) 和部强度在内的临床数据在不同档案中进行了比较.
主要成果:
- 确定了五种不同的步态:曲的干部,腰部整形,骨盆损伤,干部延伸/过度旋转和紧张的轴控制.
- 资料显示,干部和骨盆动力学有显著差异,具体资料与性别和体重有关.
- 某些个人资料显示出改变的部被动ROM,而年龄,部强度和被动干ROM没有显著的个人资料之间的差异.
结论:
- 该研究成功地在LBP患者中确定了五种独特的步态特征,每个特征都有不同的动力学和物理特征.
- 这些概况为潜在的临床影响,风险的解剖结构以及针对LBP量身定制的管理策略提供了宝贵的见解.
- 这些发现强调了LBP中步态的异质性,并突出了AI在发现这些模式中的实用性.
