Data-driven rehabilitation: Measuring movements in low back pain.

Low back pain is the leading cause of disability worldwide and a significant contributor to work incapacity. Although effective therapeutic options are scarce, exercises supervised by a physiotherapist have shown to be effective. However, the effects found in research studies tend to be small, likely due to the heterogeneous nature of patients' complaints and movement limitations. Personalized treatment is necessary as a 'one-size-fits-all' approach is not sufficient. High-tech solutions consisting of motions sensors supported by artificial intelligence will facilitate physiotherapists to achieve this goal. To date, physiotherapists use questionnaires and physical examinations, which provide subjective results and therefore limited support for treatment decisions. Objective measurement data obtained by motion sensors can help to determine abnormal movement patterns. This information may be crucial in evaluating the prognosis and designing the physiotherapy treatment plan. The proposed study is a small cohort study (n=30) that involves low back pain patients visiting a physiotherapist and performing simple movement tasks such as walking and repeated forward bending. The movements will be recorded using sensors that estimate orientation from accelerations, angular velocities and magnetometer data. Participants complete questionnaires about their pain and functioning before and after treatment. Artificial analysis techniques will be used to link the sensor and questionnaire data to identify clinically relevant subgroups based on movement patterns, and to determine if there are differences in prognosis between these subgroups that serve as a starting point of personalized treatments. This pilot study aims to investigate the potential benefits of using motion sensors to personalize the treatment of low back pain. It serves as a foundation for future research into the use of motion sensors in the treatment of low back pain and other musculoskeletal or neurological movement disorders.

Eindrapportage

Lage rugpijn is wereldwijd de belangrijkste oorzaak van beperkingen in het dagelijks functioneren en een belangrijke oorzaak van arbeidsongeschiktheid. Hoewel er slechts een beperkt aantal effectieve behandelmogelijkheden beschikbaar is, is aangetoond dat oefentherapie onder begeleiding van een fysiotherapeut effectief is hoewel de effecten doorgaans klein zijn. Dit hangt waarschijnlijk samen met de heterogene aard van de klachten en bewegingsbeperkingen van patiënten. Een gepersonaliseerde behandeling lijkt daarom noodzakelijk.
Hoogtechnologische oplossingen, bestaande uit bewegingssensoren ondersteund door kunstmatige intelligentie, kunnen fysiotherapeuten helpen om behandelingen te personaliseren. Momenteel baseren fysiotherapeuten zich voornamelijk op vragenlijsten en lichamelijk onderzoek. Objectieve meetgegevens afkomstig van bewegingssensoren kunnen helpen om afwijkende bewegingspatronen vast te stellen. Deze informatie kan van grote waarde zijn voor het inschatten van de prognose en het opstellen van een passend fysiotherapeutisch behandelplan.

Om dit nader te onderzoeken is een kleinschalig cohortonderzoek (n = 32) gedaan onder patiënten met lage rugpijn die een fysiotherapeut bezoeken. De deelnemers voeren eenvoudige bewegingstaken uit, zoals lopen en herhaald vooroverbuigen. Tijdens deze bewegingen zijn gegevens verzameld met behulp van sensoren die de oriëntatie van het lichaam bepalen op basis van versnellingen, hoeksnelheden en magnetometermetingen. Daarnaast hebben deelnemers vóór en na de behandeling vragenlijsten ingevuld over pijn en functioneren.
Met behulp van kunstmatige-intelligentietechnieken zijn sensorgegevens gekoppeld aan de vragenlijstgegevens om klinisch relevante subgroepen te identificeren. Vervolgens is onderzocht of deze subgroepen verschillen in prognose, zodat dit als uitgangspunt kan dienen voor meer gepersonaliseerde behandelingen.
Uit de variabiliteitsdata blijkt dat er 2 clusters zijn, weinig versus veel bewegingsvariabiliteit, een onderscheid dat met name tot uitdrukking komt tijdens het lopen. Weinig bewegingsvariabiliteit blijkt samen te hangen met meer pijn, beperkingen en ervaren belasting van de rug.
Deze studie vormt een basis voor toekomstig onderzoek naar de inzet van bewegingssensoren bij de behandeling van lage rugpijn en andere aandoeningen van het bewegingsapparaat.