Confiança na capacidade de realizar movimentos em pacientes com dor lombar (CONFI-LBP)

Na primeira fase do estudo, será selecionada uma amostra de pacientes com diagnóstico de lombalgia crônica, bem como uma população geral de conveniência. O escopo do estudo são os centros de saúde da Gerência de Atenção Primária de León e El Bierzo. Para o cálculo do tamanho amostral ótimo, foram levados em consideração os critérios incluídos no guia COSMIN20 (Padrões baseados em consenso para a seleção de instrumentos de medida em saúde), tendo como referência o critério de qualidade máxima para teste de hipóteses, que afirma que elas devem ser igual ou superior a 100 sujeitos.

A segunda fase consistirá em um estudo observacional prospectivo entre pacientes com lombalgia selecionados por fisioterapeutas e interessados ​​em participar do estudo. Os dados serão recolhidos em três momentos distintos: no recrutamento e no final do tratamento, presencialmente, e três meses após o final do tratamento, por telefone.

O objeto de estudo serão os Departamentos de Atenção Primária e Especializada de León e El Bierzo.

Em ambos os casos, os participantes assinarão um termo de consentimento informado e os fisioterapeutas que coletarão os dados serão treinados pelos pesquisadores.

Os pacientes responderão a perguntas sociodemográficas e de saúde, bem como a questionários validados sobre confiança, autoeficácia, medo de movimento, risco de cronificação e incapacidade. Os participantes da segunda fase preencherão os questionários não apenas no início, mas mais duas vezes.

Na fase de validação da confiança ótima, será analisada a consistência interna da escala, bem como a validade convergente e por grupos conhecidos.

Na segunda fase, os dados serão analisados ​​usando técnicas de aprendizado de máquina. Para descobrir quais variáveis ​​são mais influentes na evolução da lombalgia, serão utilizadas diferentes variações das seguintes técnicas de aprendizado de máquina: Gaussian Naive Bayes, Complement Naive Bayes, K-Nearest Neighbors (KNN e árvores de decisão. Experimentos utilizando técnicas de oversampling como RandomOver e Smote também serão realizados.