Data-driven: Measuring movements in low back pain

Lage rugpijn is wereldwijd de grootste oorzaak van invaliditeit en werkuitval. Ondanks het bewijs dat oefentherapie effectief kan zijn, blijven de resultaten voor veel patiënten teleurstellend. Dit komt mede door de heterogeniteit van klachten en beperkingen.

Daarom is gepersonaliseerde behandeling essentieel. Dit project richt zich op het gebruik van bewegingssensoren ondersteund door machine learning technieken om objectieve gegevens te verkrijgen die fysiotherapeuten kunnen helpen bij het personaliseren van behandelingen.

Het doel van dit project is te onderzoeken of bewegingssensoren kunnen helpen bij het identificeren van variaties in bewegingspatronen en het clusteren van patiënten met lage rugpijn. Dit kan bijdragen aan een betere prognose en gepersonaliseerde behandelingen.

Patiënten met lage rugpijn 

Het project wordt uitgevoerd als een kleinschalige cohortstudie met ongeveer 30 patiënten. Bewegingen zoals lopen en herhaald vooroverbuigen worden gemeten met sensoren.

De verzamelde gegevens worden gecombineerd met vragenlijsten en geanalyseerd met machine learning-technieken. Hierdoor worden subgroepen geïdentificeerd die kunnen helpen bij gepersonaliseerde behandelstrategieën.

• Objectieve gegevens over bewegingspatronen
• Subgroepen van patiënten met lage rugpijn
• Wetenschappelijke publicaties en presentaties
• Basis voor verdere studies naar het gebruik van bewegingssensoren in de revalidatiezorg

• Vrije Universiteit Amsterdam
• Fysiotherapiepraktijk Funqtio Venlo
• Sport Medisch Centrum Papendal
• Fysiotherapie Bottendaal Nijmegen