基于SVM技术构建腰椎退变源性下腰痛发病风险预测模型研究

The incidence and prevalence of low back pain are both high. Low back pain not only affects the quality of life and reduces the social labor and gives a heavy burden of disease. Lumbar degeneration is the main cause of low back pain. Prevention of lumbar degenerative low back pain is a public health problem. The tools of disease risk prediction can be used to analyze the disease and health management, help to strengthen the public health and raising the level of awareness of health. At present there is no risk prediction model to predict the lumbar degenerative low back pain. Risk factors are the fundamental for risk prediction model. There is a lack of research that can be transformed into effective measures for the prevention of lumbar degenerative low back pain. This study was designed by cohort study. Relevant information will be collected for lumbar degenerative low back pain in a cohort population. 70% sample will serve as the training sample to structure the risk prediction model using support vector machine technology which is novel and robust. The accuracy of risk prediction model will be evaluated by the rest of 30% cohort sample.This research will give the evidence for the development of health management measures for lumbar degenerative low back pain, thereby reducing the incidence of lumbar degenerative low back pain and protecting of social labor.

下腰痛发病率和患病率均较高。下腰痛不但影响生活质量，而且降低社会劳动力，并带来沉重的疾病负担。腰椎退变是下腰痛的主要原因。预防腰椎退变性下腰痛是一个亟需解决的公共卫生问题。疾病风险预测工具可用来进行疾病的预测和健康管理，有助于公众健康水平的提高和健康意识的增强。目前尚无腰椎退变性下腰痛发病风险预测模型的研究。危险因素是风险预测模型的根本。目前尚缺少能够转化为预防腰椎退变性下腰痛的有效措施的研究。本研究拟通过队列研究设计，收集队列人群中是否发生腰椎退变性下腰痛的相关资料。将70%的队列人群作为训练样本，采用新颖、稳健的支持向量机技术，构建腰椎退变性下腰痛发病风险的预测模型。并使用剩余的30%队列人群作为测试样本，评估该风险预测模型的准确性。通过本研究，可为腰椎退变性下腰痛的预防措施和个体化健康管理措施的制定提供支持，进而降低腰椎退变性下腰痛发病率，保护社会劳动力。

下腰痛发病率和患病率均较高。下腰痛不但影响生活质量，而且降低社会劳动力，并带来沉重的疾病负担。腰椎退变是下腰痛的主要原因。预防腰椎退变性下腰痛是一个亟需解决的公共卫生问题。疾病风险预测工具可用来进行疾病的预测和健康管理，有助于公众健康水平的提高和健康意识的增强。目前尚无腰椎退变性下腰痛发病风险预测模型的研究。危险因素是风险预测模型的根本。本研究通过3900人的社区人群队列，收集队列人群中是否发生腰椎退变性下腰痛及可能得危险因素。通过单因素和多因素分析，总人群中腰痛的危险因素包括流产史、父母腰痛史、兄妹腰痛史、配偶腰痛史、居住地区分类、年龄、工作体位、工作强度、家务劳动强度、锻炼强度、交通工具和睡眠时间。男性腰痛的相关因素包括父母腰痛史、兄妹腰痛史、配偶腰痛史、居住地区分类、年龄、教育水平、工作性质、家务劳动强度、振动、饮酒和睡眠时间。女性人群腰痛的相关因素包括父母腰痛史、兄妹腰痛史、配偶腰痛史、居住地区分类、年龄、工作体位、工作强度、家务劳动强度、锻炼强度、睡眠时间和交通工具。经不同核函数构建的SVM模型中，针对其预测能力，其AUC为0.7085，预测准确率为75.79%；对于男性，其AUC为0.6901，预测准确率为79.80%；对于女性，其AUC为0.7246，预测准确率为67.44%。目前的预测能力可以接受。本模型主要用于高危人群的筛查，可尽早筛选高危人群并进行生活方式的干预，减少发病。本研究成果可转化为手机/pad端口直接使用的app 软件，供个体进行腰痛风险的评估，并可与干预宣教相结合，具有较强的应用前景。