Advanced machine learning applications in fibromyalgia to assess the relationship between 3D spinal alignment with clinical outcomes
Notice bibliographique
Résumé
This study leveraged machine learning (ML) models to explore the relationship between three-dimensional (3D) spinal alignment parameters and clinical outcomes in patients suffering from fibromyalgia syndrome (FMS). A cohort of 303 FMS patients, diagnosed according to the 2016 American College of Rheumatology criteria, underwent comprehensive assessments of sagittal imbalance, coronal imbalance, vertebral rotation, pelvic obliquity, pelvic torsion, and pelvic rotation using a validated 3D imaging system. Clinical outcomes, included the fibromyalgia impact questionnaire (FIQ), pain catastrophizing scale (PCS), Pittsburgh sleep quality index (PSQI), and algometric pain scores. Five ML models were employed: Fast Kolmogorov-Arnold Networks with Bee Colony Optimization (FastKAN-BCO), FastKAN with LBFGS, Multilayer Perceptron with LBFGS (MLP-LBFGS), Multilayer Perceptron with ADAM (MLP-ADAM), and linear regression. Among the models tested, FastKAN-BCO demonstrated the highest R-squared value (0.95) for algometric pain, while the MLP-LBFGS model achieved superior performance for PCS (R 2 = 0.94), FIQ (R 2 = 0.88), and PSQI (R 2 = 0.97) predictions. Sagittal imbalance and pelvic obliquity were identified as key predictors of symptom severity. Stratification revealed that individuals with more pronounced pelvic asymmetry and vertebral rotation exceeding 10° experienced increased symptom intensity. The contribution of vertebral rotation was nonlinear, indicating a threshold-dependent impact. This study illustrates the potential of ML techniques to uncover complex associations between 3D spinal alignment and FMS outcomes, offering a foundation for personalized diagnostic and therapeutic approaches. The results emphasize the critical role of postural dysfunction in FMS and highlight the potential of advanced ML models.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».