在大学生中智能手机成和关节障碍:基于机器学习的多重回归分析研究
Hazel Çelik Güzel1, Ozan Bahadir Türkmen2, Ahmet Kurtoğlu3
1Department of Therapy and Rehabilitation, Physiotherapy Program, Vocational School of Health Services, Bandirma Onyedi Eylul University, Bandirma-Balikesir, Turkey.
Medicine
|March 6, 2026
概括
智能手机成通过头部不良姿势和部功能障碍与部疾病 (TMD) 有关. 机器学习模型有效地识别了这些复杂的关系,有助于早期发现TMD风险.
科学领域:
- ортодонтика和牙科生物材料
- 生物医学工程 生物医学工程
- 临床生物力学 临床生物力学
背景情况:
- 部疾病 (TMD) 是多因素的,受行为和肌肉骨因素的影响.
- 机器学习 (ML) 为分析TMD中复杂关系提供了先进的方法.
- 智能手机成是一个越来越令人担忧的潜在健康影响.
研究的目的:
- 为了调查智能手机成和TMD症状之间的关联.
- 评估临床变量的作用,如头部姿势和肌肉敏感度.
- 应用ML方法来理解这些多变量关系.
主要方法:
- 一项涉及土耳其大学生的横截面研究.
- 使用智能手机成量表-简短版本 (SAS-SV),西卡历史指数和其他临床评估.
- 采用了ML算法,包括XGBoost和Support Vector Machines (SVM),并对变量重要性进行了沙普利分析.
主要成果:
- 在对参与者进行分类时,SVM模型实现了高精度 (AUC=0.94).
- XGBoost有效地模拟了智能手机成和TMD之间的关系.
- 智能手机使用时间,按摩器肌肉敏感度和TMD严重程度是关键预测因素.
结论:
- 结合姿势和肌肉灵敏度数据的ML方法可以帮助早期识别TMD风险.
- 智能手机使用可能通过姿势问题和肌肉敏感性间接导致TMD.
- 可以根据已识别的风险因素规划有针对性的干预措施.
