Establishing Central Sensitization Inventory Cut-off Values in patients with Chronic Low Back Pain by Unsupervised Machine Learning

要約

ヒトの中枢感作と思われる症状は、慢性腰痛 (CLBP) の発症と維持に関与しています。
Central Sensitization Inventory (CSI) は、慢性疼痛患者に基づいて 40/100 のカットオフ値で HACS の存在を評価するために開発されました。
ただし、痛みの状態 (CLBP など) や性別などのさまざまな要因がこのカットオフ値に影響を与える可能性があります。
CLBP などの慢性疼痛状態の場合、教師なしクラスタリング アプローチでは、これらの要因を考慮に入れて、HACS 関連のパターンを自動的に学習できます。
したがって、この研究は、グループ全体を考慮し、教師なし機械学習に基づいて性別で階層化して、CLBP を有するオランダ語を話す集団のカットオフ値を決定することを目的としました。
この研究では、痛み、身体的、心理的側面を網羅するアンケートデータが、CLBP患者および年齢が一致した無痛の成人（健康対照、HCと呼ばれる）から収集されました。
アンケート データと性別に基づいて HACS 関連のクラスターを特定するために、4 つのクラスタリング アプローチが適用されました。
クラスタリングのパフォーマンスは、内部指標と外部指標を使用して評価されました。
続いて、最良のクラスタリング結果に対して受信機動作特性分析を実施し、最適なカットオフ値を決定しました。
この研究には、63人のHCと88人のCLBP患者からなる151人の被験者が参加した。
階層的クラスタリングにより最良の結果が得られ、健全なグループ、HACS レベルの低い CLBP、および HACS レベルの高い CLBP の 3 つのクラスタが特定されました。
低 HACS レベル グループ (低 HACS レベルの HC および CLBP を含む) と高 HACS レベル グループに基づいて、グループ全体のカットオフ値は女性で 35、女性で 34、男性で 35 でした。
この結果は、CLBP の最適なカットオフ値が 35 であることを示唆しています。サンプル内の性別の分布が不均衡であるため、性別に関連したカットオフ値は注意して解釈する必要があります。

要約(オリジナル)

Human Assumed Central Sensitization is involved in the development and maintenance of chronic low back pain (CLBP). The Central Sensitization Inventory (CSI) was developed to evaluate the presence of HACS, with a cut-off value of 40/100 based on patients with chronic pain. However, various factors including pain conditions (e.g., CLBP), and gender may influence this cut-off value. For chronic pain condition such as CLBP, unsupervised clustering approaches can take these factors into consideration and automatically learn the HACS-related patterns. Therefore, this study aimed to determine the cut-off values for a Dutch-speaking population with CLBP, considering the total group and stratified by gender based on unsupervised machine learning. In this study, questionnaire data covering pain, physical, and psychological aspects were collected from patients with CLBP and aged-matched pain-free adults (referred to as healthy controls, HC). Four clustering approaches were applied to identify HACS-related clusters based on the questionnaire data and gender. The clustering performance was assessed using internal and external indicators. Subsequently, receiver operating characteristic analysis was conducted on the best clustering results to determine the optimal cut-off values. The study included 151 subjects, consisting of 63 HCs and 88 patients with CLBP. Hierarchical clustering yielded the best results, identifying three clusters: healthy group, CLBP with low HACS level, and CLBP with high HACS level groups. Based on the low HACS levels group (including HC and CLBP with low HACS level) and high HACS level group, the cut-off value for the overall groups were 35, 34 for females, and 35 for. The findings suggest that the optimal cut-off values for CLBP is 35. The gender-related cut-off values should be interpreted with caution due to the unbalanced gender distribution in the sample.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google