LBPredict
Ziel dieser Studie ist es, allfällige kausale Zusammenhänge zwischen schmerzbezogenen Ängsten, der Hebestrategie und dem Auftreten von lumbalen Rückenschmerzen mit Hilfe von maschinellem Lernen zu untersuchen.
Steckbrief
- Lead-Departement Gesundheit
- Institut(e) Physiotherapie
- Forschungseinheit(en) Bewegungsbiomechanik der Wirbelsäule
- Förderorganisation Andere
- Laufzeit (geplant) 01.06.2021 - 31.07.2024
- Projektverantwortung Prof. Dr. Stefan Schmid
- Projektleitung Prof. Dr. Stefan Schmid
-
Projektmitarbeitende
Prof. Dr. Stefan Schmid
Christian Bangerter
Dr. Michael L. Meier - Partner Universitätsklinik Balgrist
- Schlüsselwörter Rückenschmerzen, Lastenheben, Wirbelsäulenkinematik, Schmerz-bezogene Ängste, Künstliche Intelligenz
Ausgangslage
Lumbale Rückenschmerzen sind weltweit ein großes Gesundheitsproblem. Um lumbale Rückenschmerzen vorzubeugen, wird von Gesundheitsfachpersonen oft empfohlen, nur mit geradem Rücken zu Heben. Obwohl diese Auffassung in der Allgemeinbevölkerung weit verbreitet ist, weisen neuere Erkenntnisse darauf hin, dass Heben, ohne die Wirbelsäule zu beugen, Rückenprobleme gar begünstigen könnte. Tatsächlich ist unklar, welche Bedeutung schmerzbezogene Ängste und das Hebeverhalten bei der Entstehung von Rückenschmerzen haben.
Vorgehen
Für diese prospektive Kohortenstudie werden wir 160 gesunde und schmerzfreie Personen rekrutieren. Schmerzbezogene Ängste und Ganzkörperhebestrategien werden zu Beginn der Studie mit Hilfe von Fragebögen sowie einem Messsystem mit Biegesensoren und Videoaufnahmen bestimmt. Das Auftreten von lumbalen Rückenschmerzen wird über ein Jahr hinweg alle zwei Wochen mit einem Online-Fragebogen erfasst. Im Falle von Rückenschmerzen werden für sekundäre Analysen weitere Parameter wie Dauer, Intensität und Arbeitsausfall erfragt. Die prädiktive Modellierung wird mit einem Support Vector Machine-Algorithmus durchgeführt, der anhand von 100 zufällig ausgewählten Datensätzen aus unserer Stichprobe trainiert und getestet wird. Zur Validierung des Modells werden wir, basierend auf den Daten der verbleibenden Teilnehmenden, Vorhersagen durchführen.
