根据脊柱标记物轨迹数据分组非特异性腰部疼痛:一种无监督的机器学习方法

科学领域:

• 生物机械分析分析
• 运动科学运动科学
• 临床运动学临床运动学

背景情况:

• 非特异性腰部疼痛 (LBP) 是一种复杂的疾病,表现不同.
• 在LBP中识别不同的运动模式对于有效管理至关重要.
• 需要临床上可行的评估来描述LBP异质性.

研究的目的:

• 在非特定的LBP中使用胸腔-腰部-骨盆标记轨迹来识别基于运动的子组.
• 为了分析脊柱运动模式在前进曲在LBP个体.
• 为了比较LBP小组和健康对照之间的运动模式.

主要方法:

• 这是一项涉及127名LBP患者和58名健康对照者的横截面研究.
• 在向前曲过程中对T12,L2和S2标记物位移进行智能手机视频分析.
• 无监督的K-means集群应用到动力学特征来识别运动子组.

主要成果:

• 确定了两个不同的LBP子组:大型游览 (54%) 和小型游览 (46%).
• 与健康对照组相比,两组LBP小组都表现出显著的动力学差异.
• 小旅行小组报告的疼痛强度略高.

结论:

• 无监督的集群成功地在非特定的LBP中确定了不同的脊柱运动子组.
• 脊柱运动过度和有限都可能代表与疼痛相关的适应.
• 基于移动的分组对于定制LBP管理方法至关重要.