Analyse assistée par l'IA de l'amplitude des mouvements chez les patients souffrant de lombalgie

La lombalgie (LBP) est un problème musculo-squelettique courant, fréquemment rencontré dans la population et pouvant survenir à tout âge. Responsable de la perte d’une année complète en bonne santé chez les 10-24 ans et chez les 50-74 ans, la lombalgie entraîne d’importantes pertes personnelles et sociales et augmente les coûts des soins de santé.

Dans la classification des lombalgies, une douleur qui persiste jusqu'à 6 semaines est définie comme aiguë, une douleur qui dure entre 6 et 12 semaines est subaiguë et une douleur qui persiste pendant plus de 12 semaines est considérée comme une lombalgie chronique (CLBP). .

La lombalgie chronique (CLBP) entraîne une peur du mouvement, ce qui amène les patients à limiter leurs activités quotidiennes et leur participation sociale pour éviter la douleur. Un mode de vie sédentaire chez les patients lombalgiques est un facteur qui contribue à la chronicité de la maladie. Alors que la plupart des patients atteints de lombalgie aiguë se rétablissent bien en quelques semaines ou quelques mois, le pronostic des patients souffrant de lombalgie chronique est généralement sombre. Environ un quart des patients visitant des établissements de soins primaires développent une lombalgie chronique.

Par conséquent, il est important d’identifier les facteurs de risque de lombalgie chronique, de comprendre la population à risque de développer une lombalgie chronique, d’identifier les individus à haut risque et de mettre en œuvre des mesures préventives et thérapeutiques appropriées.

Plusieurs problèmes musculo-squelettiques ont joué un rôle en tant que facteurs de risque dans le développement de la lombalgie, et l'identification et la validation de ces facteurs de risque peuvent fournir un mécanisme potentiel par lequel la lombalgie peut être traitée efficacement. L'identification précise des problèmes musculo-squelettiques et des facteurs de risque peut fournir un mécanisme permettant de prévenir le développement de la lombalgie et de réduire le fardeau socio-économique associé à cette maladie.

L'apprentissage automatique (ML) est une discipline scientifique qui utilise des algorithmes informatiques pour identifier des modèles dans de grandes quantités de données et faire des prédictions sur de nouveaux ensembles de données basées sur ces modèles. ML crée des modèles pour prédire les données inconnues à partir des données historiques et nous permet de sélectionner l'algorithme le plus approprié. De plus, les algorithmes de ML peuvent extraire des variables qui contribuent à la prédiction de la variable cible et diffèrent des méthodes statistiques traditionnelles en améliorant la précision des prédictions de données futures. ML a montré d’excellentes performances pour augmenter la valeur prédictive de l’imagerie médicale et les résultats cliniques postopératoires.

Le but de cette étude est de comparer l'amplitude de mouvement articulaire chez les patients souffrant de lombalgie et chez les individus en bonne santé, et de détecter les différences dans ces amplitudes à l'aide de méthodes d'analyse basées sur l'intelligence artificielle.