CareLit Fachartikel

Maschinelles Lernen zur Prognose des Behandlungserfolges in der stationären psychosomatischen Rehabilitation – Maschinelles Lernen im Kontext der psychosomatischen Rehabilitation

Paul-Gerrit Velthuysen, Christoph Kröger, Axel Kobelt-Poenicke · Die Rehabilitation · 2026 · Heft 04 · S. 207-215

Dokument
1045061
CareLit-ID
Jahr
2026
Publikation
PDF
nein
Metadaten
DOI
ja
zitierfähig

Bibliografische Angaben

Zeitschrift
Die Rehabilitation
Autor:innen
Paul-Gerrit Velthuysen, Christoph Kröger, Axel Kobelt-Poenicke
Ausgabe
Heft 04 / 2026
Jahrgang 65
Seiten
207-215
Erschienen: 2026-08-01 00:00:00
ISSN
0034-3536
DOI
10.1055/a-2822-5523

Zusammenfassung

Zusammenfassung Ziele der Studie Auf Patient*innencharakteristika beruhende Prognosemodelle von individuellen psychosomatischen Rehabilitationserfolgen könnten dazu beitragen, potenzielle Non-Responder zu identifizieren und die Passung zwischen Patient*innen und Behandlung zu optimieren. Die vorliegende Studie untersucht erstmalig das diesbezügliche Potenzial von maschinellem Lernen. Hierfür werden Random Forest-Modelle zur Prognose von Behandlungserfolg hinsichtlich der Dimensionen Symptomschwere, gesundheitsbezogene Lebensqualität, interpersonelle Beziehungsgestaltung und Selbstwirksamkeit trainiert sowie die…

Schlagworte

Random Forest Psychosomatische Rehabilitation Prognose Maschinelles Lernen Individueller Rehabilitationserfolg psychosomatic rehabilitation prediction machine learning individual rehabilitation success Prädiktoren Konnten Random Dimensionen Kreuzvalidierung Psychosomatischen Studie