Identification of subgroups of patients with low back pain using Latent Class Analysis

Bidragets oversatte titel: Identifikation af undergrupper af patienter med lændesmerter ved brug af Latent Klasse Analyse

Publikation: AfhandlingPh.d.-afhandling

Abstrakt

Lændesmerter er et stort folkesundhedsmæssigt problem. På trods af det, er den nuværende viden herom oftest utilstrækkelig til at kunne guide klinikere i deres behandlingsvalg og i deres vurdering af patientens prognose. Der er derfor et stort behov for en øget viden om lændesmerter. I nærværende afhandling behandles én tilgang til emnet ved at identificere undergrupper af lændepatienter med det langsigtede formål at kunne målrette information og behandling. Data fra 928 lændepatienter, der deltog i en forløbsundersøgelse i kiropraktorpraksis, indgik i projektet.

Sammenhængen mellem prognostiske faktorer kan variere fra en undergruppe til en anden, og de fleste tidligere undergrupperingsstudier har ikke taget højde for dette. Fx kan der i én undergruppe være en stærk sammenhæng mellem aktivitetsbegrænsning og sygefravær, hvorimod denne prognostiske sammenhæng kun er svag eller fraværende i en anden undergruppe. Mønstergenkendelse er en statistisk metode, der tager højde for dette ved at søge efter sammenhænge i data, som i dette projekt bestod af lændepatienters svar på et omfattende spørgeskema og klinikeres resultater fra en standardiseret patientundersøgelse. Ved brug af mønstergenkendelse identificeres
dermed grupper af patienter, der har svaret og scoret forholdsvis ens, og derfor ligner hinanden mere inden for undergrupperne end på tværs af undergrupperne.

Latent Klasse Analyse (LKA) kan benyttes til denne type af undergruppering og blev i dette projekt anvendt på en innovativ og eksplorativ måde. Efterfølgende blev undergruppernes sammenhæng med udvalgte effektmål over en 1‐årig periode analyseret ved brug af regressionsanalyser.

Da den optimale anvendelse af LKA er ukendt indenfor forskning i lændesmerter, blev to metodiske overvejelser analyseret undervejs i processen: 1) Burde hvert enkelt spørgsmål eller spørgeskemaernes totalscorer benyttes ved anvendelse af data fra eksisterende spørgeskemaer? 2) Ville en to‐trins LKA tilgang (brug af sundhedsdomæner som et mellemliggende trin) gøre det nemmere at fortolke de identificerede undergrupper sammenlignet med en traditionel et‐trins LKA (alle spørgsmål analyseret samtidigt)?

LKA tilgangen, der inkluderede hvert enkelt spørgsmål i analysen, blev foretrukket, da den resulterede i en mere nuanceret beskrivelse af de identificerede undergrupper. Denne LKA strategi blev dernæst anvendt i både et‐trins og to‐trins LKA, der resulterede i henholdsvis syv og ni undergrupper, begge løsninger med lige stor klinisk troværdighed og statistisk kvalitet. Efterfølgende regressionsanalyser viste en sammenhæng mellem undergrupperingerne og effektmålene (smerteintensitet og –hyppighed samt funktionsnedsættelse), og en begrænset prognostisk værdi af samme styrke for de to LKA tilgange.

Til trods for at undergrupperingerne kun forklarede en lille andel af den variation, der var i effektmålene, så var den prognostiske evne ligeså god eller bedre end to eksisterende
undergrupperingsmetoder (STarT Back Tool og Quebec Task Force Classification) og tre simple prognostiske faktorer (graden af rygsmerte og bensmerte samt funktionsnedsættelse). Til gengæld havde undergrupperingerne en dårligere prognostisk evne end a) det enkelte spørgsmål om patienternes forventning om bedring og b) de domæne‐specifikke patient klassificeringer identificeret i det første trin i to‐trins LKA.

LKA tilgangene kunne identificere distinkte undergrupper af lændepatienter, der havde nogen prognostisk værdi, hvorfor fremtidig forskning kunne fokusere på at undersøge om nogen af gruppeforskellene, enten på undergrupperingsniveau eller det domæne‐specifikke niveau, har betydning for behandling eller for forståelsen af årsagssammenhænge.
Bidragets oversatte titelIdentifikation af undergrupper af patienter med lændesmerter ved brug af Latent Klasse Analyse
OriginalsprogEngelsk
UdgivelsesstedPrint & Sign, SDU
Udgiver
StatusUdgivet - 14. okt. 2016

Fingeraftryk

Dyk ned i forskningsemnerne om 'Identifikation af undergrupper af patienter med lændesmerter ved brug af Latent Klasse Analyse'. Sammen danner de et unikt fingeraftryk.

Citationsformater