Vertrauen in die Fähigkeit, Bewegungen bei Patienten mit Schmerzen im unteren Rückenbereich auszuführen (CONFI-LBP)

In der ersten Phase der Studie werden eine Stichprobe von Patienten mit diagnostizierten chronischen Schmerzen im unteren Rücken sowie eine allgemeine Patientengruppe ausgewählt. Gegenstand der Studie sind die Gesundheitszentren des Primary Care Management von León und El Bierzo. Zur Berechnung der optimalen Stichprobengröße wurden die im COSMIN20-Leitfaden (Konsensbasierte Standards für die Auswahl von Instrumenten zur Gesundheitsmessung) enthaltenen Kriterien berücksichtigt, wobei als Referenz das maximale Qualitätskriterium für Hypothesentests verwendet wurde, das besagt, dass dies der Fall sein sollte gleich oder größer als 100 Probanden.

Die zweite Phase wird aus einer prospektiven Beobachtungsstudie mit Patienten mit Schmerzen im unteren Rückenbereich bestehen, die von Physiotherapeuten ausgewählt wurden und an einer Teilnahme an der Studie interessiert sind. Die Daten werden zu drei verschiedenen Zeitpunkten erhoben: bei der Rekrutierung und am Ende der Behandlung, persönlich und drei Monate nach Ende der Behandlung, telefonisch.

Der Umfang der Studie wird die Abteilungen für primäre und spezialisierte Gesundheitsversorgung von León und El Bierzo umfassen.

In beiden Fällen unterzeichnen die Teilnehmer eine Einverständniserklärung und die Physiotherapeuten, die die Daten sammeln, werden von Forschern geschult.

Die Patienten füllen soziodemografische und gesundheitliche Fragen sowie validierte Fragebögen zu Selbstvertrauen, Selbstwirksamkeit, Angst vor Bewegung, Chronifizierungsrisiko und Behinderung aus. Teilnehmer der zweiten Phase füllen die Fragebögen nicht nur zu Beginn, sondern noch zweimal aus.

In der Validierungsphase des optimalen Vertrauens werden die interne Konsistenz der Skala sowie die konvergente und bekannte Gruppenvalidität analysiert.

In der zweiten Phase werden die Daten mithilfe von Techniken des maschinellen Lernens analysiert. Um herauszufinden, welche Variablen den größten Einfluss auf die Entwicklung von Schmerzen im unteren Rückenbereich haben, werden verschiedene Variationen der folgenden Techniken des maschinellen Lernens verwendet: Gaussian Naive Bayes, Complement Naive Bayes, K-Nearest Neighbors (KNN) und Entscheidungsbäume. Es werden auch Experimente mit Oversampling-Techniken wie RandomOver und Smote durchgeführt.