通过人工智能驱动的表型化,探索慢性腰痛对工人的生物心理社会影响
Paolo Giaccone1,2, Elisabetta de Rinaldis3, Federico D'Antoni1,2
1Fondazione Policlinico Universitario Campus Bio-Medico Rome Italy.
JOR spine
|September 19, 2025
概括
人工智能识别了慢性腰部疼痛 (cLBP) 的两个不同的患者群体,揭示了缺勤率和工作能力的关键差异. 这种人工智能驱动的方法可以个性化干预,以获得cLBP工人的更好的结果.
科学领域:
- 生物医学信息学 生物医学信息学
- 职业健康 职业健康 职业健康
- 疼痛管理 疼痛管理
背景情况:
- 慢性腰部疼痛 (cLBP) 是全球导致残疾的主要原因,影响劳动力参与.
- 了解生物心理社会因素对于改善受影响工人的职业功能至关重要.
研究的目的:
- 应用人工智能 (AI) 进行数据驱动的患者表型鉴定,对患有cLBP的工人进行鉴定.
- 根据全面的评估来确定不同的患者群.
- 分析影响职业功能和返回工作 (RTW) 的因素.
主要方法:
- 一项回顾性队列研究,涉及304名患有cLBP的工人.
- 患者报告的结果指标 (PROM) 的等级分类,包括奥斯韦斯特里残疾指数 (ODI),视觉模拟量表 (VAS),工作能力指数 (WAI) 和患者健康问卷-2 (PHQ-2).
- 统计分析 (t-测试,曼-惠特尼U测试) 以区分已识别的表型.
主要成果:
- 人工智能表型确定了两个不同的群体 (51%和49%的患者).
- 与集群1相比,集群2显示出明显更高的缺勤率,更低的WAI,更严重的疼痛 (VAS,ODI),更大的手动负荷暴露,以及更高的心理痛苦 (PHQ-2).
- 确定了区分集群的关键PROM,突出了不同程度的缺勤和疼痛.
结论:
- 人工智能驱动的表型化有效地根据生物心理社会因素区分cLBP患者的个人资料.
- 这些发现强调了针对特定患者群体的个性化干预的潜力.
- 这种方法可以改善患有cLBP的工人的临床结果和职业功能.
