AI-ondersteunde analyse van bewegingsbereik bij patiënten met lage rugpijn

Lage rugpijn (LRP) is een veel voorkomend probleem van het bewegingsapparaat dat vaak voorkomt in de bevolking en op elke leeftijd kan voorkomen. LRP is verantwoordelijk voor het verlies van een volledig gezond jaar in zowel de leeftijdsgroepen 10-24 als 50-74 jaar en veroorzaakt aanzienlijke persoonlijke en sociale verliezen en verhoogt de kosten van de gezondheidszorg.

Bij de classificatie van lage rugpijn wordt pijn die tot 6 weken aanhoudt, gedefinieerd als acuut, pijn die tussen 6 en 12 weken aanhoudt is subacuut en pijn die langer dan 12 weken aanhoudt wordt beschouwd als chronische lage rugpijn (CLBP). .

Chronische LRP (CLRP) leidt tot bewegingsangst, waardoor patiënten hun dagelijkse activiteiten en sociale participatie beperken om pijn te voorkomen. Een sedentaire levensstijl bij LRP-patiënten is een factor die bijdraagt ​​aan de chroniciteit van de ziekte. Hoewel de meeste patiënten met acute lage rugpijn binnen een paar weken of maanden goed herstellen, is de prognose voor patiënten met chronische lage rugpijn over het algemeen slecht. Ongeveer een kwart van de patiënten die eerstelijnszorginstellingen bezoeken, ontwikkelt chronische lage rugpijn.

Daarom zijn het identificeren van de risicofactoren voor chronische lage rugpijn, het begrijpen van de populatie die risico loopt op het ontwikkelen van chronische lage rugpijn, het identificeren van individuen met een hoog risico en het implementeren van passende preventieve en therapeutische maatregelen belangrijk.

Verschillende problemen aan het bewegingsapparaat hebben een rol gespeeld als risicofactoren bij de ontwikkeling van lage rugpijn, en het identificeren en valideren van deze risicofactoren kan een potentieel mechanisme bieden waarmee lage rugpijn effectief kan worden behandeld. Het nauwkeurig identificeren van musculoskeletale problemen en risicofactoren kan een mechanisme bieden om de ontwikkeling van lage rugpijn te voorkomen en de sociaal-economische last die met de aandoening gepaard gaat, te verminderen.

Machine learning (ML) is een wetenschappelijke discipline die computeralgoritmen gebruikt om patronen in grote hoeveelheden gegevens te identificeren en op basis van deze patronen voorspellingen te doen over nieuwe datasets. ML creëert modellen om onbekende gegevens uit historische gegevens te voorspellen en stelt ons in staat het meest geschikte algoritme te selecteren. Bovendien kunnen ML-algoritmen variabelen extraheren die bijdragen aan de voorspelling van de doelvariabele, en verschillen van traditionele statistische methoden wat betreft het verbeteren van de nauwkeurigheid van toekomstige gegevensvoorspellingen. ML heeft uitstekende prestaties laten zien bij het vergroten van de voorspellende waarde van medische beeldvorming en postoperatieve klinische resultaten.

Het doel van deze studie is om het gezamenlijke bewegingsbereik van patiënten met lage rugpijn te vergelijken met dat van gezonde individuen, en om verschillen in dit bewegingsbereik op te sporen met behulp van door kunstmatige intelligentie ondersteunde analysemethoden.