通过人工智能推进电话康复:从早期会议预测平衡得分

科学领域:

• 康复医学 康复医学 康复医学
• 生物医学工程 生物医学工程
• 医疗保健中的人工智能

背景情况:

• 电话康复系统对于治疗慢性腰痛的老年人平衡和步行障碍至关重要.
• 综合体育炼,认知训练和增强现实的多模式方法显示出有希望.

研究的目的:

• 开发和验证机器学习模型,用于预测远程康复的最终平衡结果.
• 用有限的康复疗程评估早期预测的有效性.

主要方法:

• 利用了使用HOLOBALANCE系统的八周远程康复计划的数据.
• 开发并比较XGBoost和AdaBoost机器学习模型用于结果预测.
• 确定了关键的预测特征,如训练进展,身体表现和疼痛水平.

主要成果:

• XGBoost 模型在较短的预测视野 (3-4 个会话) 中表现出色,具有特定的 RMSE 和 R2 值.
• 在较长的视野 (6次会议) 中,AdaBoost表现出更高的准确性,RMSE和MAPE较低.
• 关键特征在模型中一致验证,突出显示了它们的预测重要性.

结论:

• 预测建模能够在康复中进行早期干预和个性化调整.
• 机器学习增强了临床决策,并优化了姿势控制康复中的资源配置.
• 人工智能整合将技术进步与传统的康复实践相结合.