解开慢性脚不稳定:以数据驱动的集群方法重新定义亚型并改善诊断

科学领域:

• 生物力学 生物力学
• 运动医学 运动医学
• 整形外科 整形外科 整形外科

背景情况:

• 慢性脚不稳定 (CAI) 呈现出不同的临床表现和治疗反应,表明潜在的潜在亚型.
• 目前对CAI的诊断标准缺乏特异性,经常将异质表现分组起来,而没有精确的亚型区分.
• 在CAI的异质性需要先进的分析方法来识别不同的患者子组.

研究的目的:

• 将集群分析应用于临床数据,以识别慢性脚不稳定 (CAI) 中不同的亚型.
• 通过区分感知脚不稳定 (PAI),功能脚不稳定 (FAI) 和机械脚不稳定 (MAI) 来开发一个更精确的CAI诊断框架.

主要方法:

• 利用K-means集群算法对来自210名参与者的临床数据 (CAI,copers,健康个体).
• 作为关键指标,使用的坎伯兰脚不稳定工具 (CAIT),功能脚不稳定性识别 (IdFAI) 和前部抽测试 (ADT) 成绩.
• 执行了维度缩小和集群验证,以确保识别的亚型的稳定性.

主要成果:

• 确定了五种不同的CAI亚型:PAI,FAI,PAI+FAI,PAI+FAI+MAI,以及子合资.
• 证实了在确定的集群中没有纯机械脚不稳定 (MAI) 亚型.
• PAI+FAI亚型成为潜在的最普遍的亚型,突出了感知和功能不稳定的共同发生.

结论:

• 集群分析有效地将CAI分为不同的亚型,提供更精细的诊断方法.
• 这些发现支持针对CAI制定有针对性的,以子组为基础的管理策略.
• 强调需要更新CAI研究和临床实践的选择标准,以反映已识别的亚型.