La ULE sostiene que la confianza del paciente en su movimiento es "clave" en la recuperación lumbar
Una tesis realizada en el Campus del Bierzo ha demostrado cómo dos personas con una misma patología pueden evolucionar de forma muy diferente según la confianza que tengan sobre su propio movimiento. Se trata de un trabajo realizado por Sonia Nieto, dirigido por las docentes e investigadoras del Campus de Ponferrada de la Universidad de León (ULE), Arrate Pinto Carral y María José Álvarez, basado en el dolor lumbar, una patología que es la segunda causa más frecuente de atención médica, provoca el 12,5 por ciento de las bajas laborales y tratarlo supone entre un cuarto y un tercio del gasto total de sanidad. Es, además, una de las principales razones de discapacidad en el mundo.
Influencia de los factores psicosociales
Esta nueva investigación pone el foco en la influencia de los factores psicosociales que a menudo pasan desapercibidos y que han demostrado ser determinantes ya que la percepción que una persona tiene sobre su capacidad para moverse influye directamente en su dolor, su discapacidad y su evolución clínica.
La tesis se desarrolló en dos fases, y comenzó con la adaptación y validación al español del cuestionario Optimal-confianza, una herramienta que permite medir de forma objetiva la confianza que una persona tiene en su capacidad de movimiento. El estudio comprobó que el cuestionario es fiable, válido y capaz de diferenciar claramente entre personas con y sin dolor lumbar.
Seguimiento a pacientes
En la segunda fase, se realizó un seguimiento a pacientes con dolor lumbar que comenzaban fisioterapia en atención primaria. Se evaluaron dolor, discapacidad, movilidad, miedo al movimiento y confianza en tres momentos: inicio, alta y tres meses después.
Los resultados muestran que menor confianza se asocia con mayor discapacidad e intensidad de dolor. Así, la tesis concluye que la seguridad en la capacidad de moverse no es solo una variable psicológica, sino un factor clínico fundamental que es importante abordar como objetivo terapéutico.
Técnicas de 'machine learning'
Para el desarrollo de esta tesis se utilizaron técnicas de ‘machine learning’ para analizar los datos clínicos, con la ayuda del grupo de investigación Alba (Advanced Learning for Biomedical Analytics) de la ULE en colaboración con el grupo Salbis, que desarrolló una herramienta para optimizar tanto los procesos diagnósticos como la individualización de las intervenciones terapéuticas, prediciendo la evolución de la discapacidad y el dolor en pacientes atendidos en fisioterapia de atención primaria.
El uso de inteligencia artificial permitió cribar grandes volúmenes de datos clínicos de forma más eficiente, detectando patrones complejos y relaciones entre variables que no siempre son evidentes mediante análisis estadísticos convencionales.
El objetivo es identificar, desde el inicio del tratamiento, qué pacientes tienen mayor riesgo de mala evolución para poder adaptar la intervención de forma personalizada.
