预测慢性疼痛的功能改善使用机器学习和数字健康数据从管理我的疼痛应用程序
IEEE journal of biomedical and health informatics
|October 23, 2025
概括
机器学习模型可以使用Manage My Pain应用程序的数据预测慢性疼痛患者的显著功能改善. 这个数字健康工具有助于预测结果,以加强疼痛管理策略.
科学领域:
- 数字健康数字健康
- 机器学习 机器学习
- 慢性疼痛管理 慢性疼痛管理
背景情况:
- 慢性疼痛管理是复杂而具有挑战性的.
- 数字健康工具为症状监测和数据收集提供了潜力.
- 预测治疗结果对于有效的慢性疼痛护理至关重要.
研究的目的:
- 探索管理我的疼痛应用程序的实用性,以预测显著的用户结果改进.
- 将机器学习技术应用于自我报告的数字健康数据,以预测结果.
- 评估各种机器学习模型的预测性能.
主要方法:
- 在一个月内从6,413名用户中提取了人口统计,疼痛和应用程序使用特征.
- 利用了疼痛和功能得分的时间序列.
- 训练并验证了多个机器学习模型,包括随机森林,CNN-MLP和时间序列变压器-TabNet.
主要成果:
- 将提取和时间特征结合起来,产生了卓越的预测模型.
- 一个CNN-MLP模型实现了最高的平衡精度 (0.79) 和AUC (0.88).
- 机器学习与数字健康数据的整合成功预测了功能改进.
结论:
- 像"管理我的疼痛"这样的数字健康工具可以产生有价值的数据来预测结果.
- 机器学习模型可以预测慢性疼痛患者的功能改善.
- 预测分析在慢性疼痛管理和治疗策略方面具有变革性的潜力.


