.png){kind=icon}
返回
Machine learning classification models for predicting chronic pain
.png){kind=icon}
OA
AI
DOI：10.1007/s12144-025-08294-w.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
慢性疼痛是一种普遍存在的状况，对全球许多人的日常功能产生深远影响，其特征是与实际或感知的组织损伤相关的持续性感觉和情感不适。本研究旨在基于创伤后应激障碍（PTSD）、述情障碍、焦虑、疼痛灾难化、压力、抑郁和人口学变量作为相关因素来预测慢性疼痛。分析纳入了2022年至2023年间德黑兰省234名男性和307名女性慢性疼痛患者的数据。分类结果显示，PTSD和述情障碍是最重要的预测因素，其次是焦虑、抑郁和疼痛灾难化。应用了六种不同的机器学习（ML）分类技术：朴素贝叶斯、决策树、梯度提升、轻量梯度提升机、支持向量机以及随机梯度提升（SGB），以检验与慢性疼痛相关的各种维度的数据集。本研究的结果根据分位数将疼痛严重程度分为三个等级（低、中、高），并使用六种ML模型预测这些类别。SGB模型表现优于其他模型，显示出更高的准确率和F1分数，尤其是在预测中等疼痛类别方面。SHAP分析表明，心理因素如述情障碍、焦虑、PTSD、抑郁和压力是疼痛严重程度的重要预测因素，而年龄和性别影响较小。
Keyword:
Chronic pain
Classification
Machine learning
Health psychology
Medical psychology
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.9
论文数:
3.2K
被引数:
1.4W
机构
引用论文
分享收藏Alexithymia in a Chinese Patient with Chronic Pain and Associated Factors: A Cross-Sectional Study一名中国慢性疼痛患者的情绪难言症及其相关因素：一项横断面研究OAAI
OAAI分享收藏The European epidemic: Pain prevalence and socioeconomic inequalities in pain across 19 European countries欧洲流行病: 19个欧洲国家的疼痛患病率和社会经济不平等OAAI
OAAI分享收藏Machine Learning Approaches to Predict Chronic Lower Back Pain in People Aged over 50 Years.png)
Medicina
OAAI
MedicinaIF0
OAAI分享收藏分享收藏
查看更多内容