Pré-Publication, Document De Travail Année : 2025

Title: Artificial intelligence and chronic low back pain: a multidimensional approach to personalize rehabilitation care.

Titre : Intelligence artificielle et lombalgie chronique : une approche multidimensionnelle pour personnaliser les soins de rééducation.

Résumé

Introduction: Low back pain, affecting 83% of the French population during their lifetime, represents a major public health issue. For 10% of patients, it becomes chronic, significantly affecting their quality of life. Although programs such as Functional Spine Restoration (RFR®) include educational approaches to deconstruct erroneous beliefs, the medium-term effectiveness remains uncertain. This study would propose to identify the determining factors allowing to maintain the benefits acquired post-rehabilitation. Methodology: This prospective and multicenter study would explore the social and personal factors influencing the effectiveness of care. Interviews, physical assessments and self-questionnaires will be carried out at several times (before, after, and at 4 and 6 months post-program). Patients will be classified into subgroups using Machine Learning tools (Random Forest, XGBoost), allowing to better understand their response to care. Discussion: The analysis would highlight heterogeneity in the response to treatments, emphasizing the need for individualized care. Stratifying patients into "responders" and "non-responders" would allow for more appropriate interventions. Conclusion: The integration of artificial intelligence techniques into the personalization of care could improve the effectiveness of functional rehabilitation programs. These tools would offer the possibility of better targeting interventions according to the individual specificities of patients with chronic low back pain, thus optimizing clinical and therapeutic results.

Introduction : La lombalgie, touchant 83 % de la population française au cours de leur vie, représente un enjeu majeur de santé publique. Pour 10 % des patients, elle devient chronique, affectant significativement leur qualité de vie. Bien que des programmes comme la Restauration Fonctionnelle du Rachis (RFR®) incluent des approches éducatives pour déconstruire les croyances erronées, l'efficacité à moyen terme reste incertaine. Cette étude proposerait d'identifier les facteurs déterminants permettant de maintenir les bénéfices acquis post-rééducation. Méthodologie : Cette étude prospective et multicentrique explorerait les facteurs sociaux et personnels influençant l’efficacité des soins. Des entretiens, des bilans physiques et des auto-questionnaires seront réalisés à plusieurs moments (avant, après, et à 4 et 6 mois post-programme). Les patients seront classés en sous-groupes à l’aide d’outils de Machine Learning (Random Forest, XGBoost), permettant de mieux comprendre leur réponse aux soins. Discussion : L'analyse mettrait en évidence une hétérogénéité dans la réponse aux traitements, soulignant la nécessité d'une prise en soin individualisée. La stratification des patients en "répondants" et "non-répondants" permettrait de proposer des interventions mieux adaptées. Conclusion : L'intégration des techniques d’intelligence artificielle dans la personnalisation des soins pourrait améliorer l’efficacité des programmes de rééducation fonctionnelle. Ces outils offriraient la possibilité de mieux cibler les interventions selon les spécificités individuelles des patients atteints de lombalgie chronique, optimisant ainsi les résultats cliniques et thérapeutiques.

Fichier principal
Vignette du fichier
Etude 3 V4.pdf (722.83 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence

Dates et versions

hal-04936750 , version 1 (09-02-2025)

Licence

Identifiants

  • HAL Id : hal-04936750 , version 1

Citer

Steven Crombecque, Isabelle Caby, Claire Toulotte. Titre : Intelligence artificielle et lombalgie chronique : une approche multidimensionnelle pour personnaliser les soins de rééducation.. 2025. ⟨hal-04936750⟩
207 Consultations
357 Téléchargements

Partager

  • More