Verwendung maschineller Lernverfahren zur Identifizierung relevanter Instrumente für die Diagnose chronischer Rückenschmerzen
Vickery, S.; Junker, F.; Döding, R.; Belavy, D.L.; Angelova, M.; Karmakar, C.; Becker, L.A.; Taheri, N.; Pumberger, M.; Reitmaier, S.; Schmidt, H. · physioscience · 2025 · Heft S 01 · S. 1 bis 1
Bibliografische Angaben
Zusammenfassung
Einleitung Rückenschmerzen (RS) sind weltweit eine der Hauptursachen für körperliche und psychosoziale Beeinträchtigungen. Abhängig von Alter und Geschlecht können diese Schmerzen bei bis zu 25% der Betroffenen chronisch werden (cRS) [1]. Die Diagnose von cRS wird durch die Vielzahl an Ursachen, das Fehlen objektiver Schmerzbeurteilungen sowie unspezifische Symptome erschwert. Daher werden zur Diagnose und Bewertung der Schmerzen verschiedene Instrumente eingesetzt. Welche dieser Instrumente den größten Informationsgehalt liefern, bleibt jedoch unklar. Das Ziel dieser Studie ist es, mittels maschineller Lernverf…
