- A minha Biblioteca
- 2026 Edições
- Edição 43
- Subagrupamento da dor lombar inespecífica com…
Subagrupamento da dor lombar inespecífica com base em dados de trajetórias de marcadores espinhais: uma abordagem de aprendizagem automática não supervisionada
PONTOS CHAVE
- Os padrões de movimento em indivíduos com dor lombar inespecífica são altamente heterogéneos.
INTRODUÇÃO E OBJETIVOS
Cerca de 90% dos casos de dor lombar (LBP) não apresentam uma patologia identificável e são classificados como dor lombar inespecífica (NSLBP) (1). A NSLBP é uma condição heterogénea, com múltiplos fatores contributivos: físicos, psicológicos, comportamentais, de estilo de vida e sociais (2). Existe evidência significativa de que alterações do movimento na NSLBP podem contribuir para a condição, através de irritação repetitiva dos tecidos, medo do movimento, perda de função, descondicionamento físico e o consequente ciclo de incapacidade (3,4).
Clinicamente, conceber um programa personalizado de reeducação do movimento para um paciente com dor lombar inespecífica (NSLBP) é desafiante, dada a variedade de mecanismos subjacentes e a diversidade de alterações do movimento.
Este estudo teve como objetivo investigar se avaliações clínicas realizadas com smartphone poderiam identificar subgrupos distintos baseados em padrões de movimento, utilizando trajetórias de marcadores toraco‑lombo‑pélvicos e uma nova abordagem de machine learning não supervisionada através de K‑means clustering.
Este estudo sugere que o futuro do tratamento da dor lombar deverá passar por adaptar as intervenções ao subagrupamento dos pacientes, de modo a melhorar o efeito terapêutico, e que a tecnologia de IA/smartphones poderá ajudar nesse processo.
MÉTODOS
Foram recrutados trabalhadores de serviços públicos: NSLBP n = 115 (15 homens, 100 mulheres) e Controlo n = 57 (8 homens, 49 mulheres). Os dados cinemáticos foram recolhidos através de um sistema de vídeo baseado em smartphone. Software de código