La Universidad de León demuestra que la seguridad al moverse es fundamental en la rehabilitación lumbar

La percepción que una persona tiene sobre su capacidad para moverse influye directamente en su dolor, su discapacidad y su evolución clínica, según se desprende de la tesis doctoral de Sonia Nieto dirigida por las docentes e investigadoras del Campus de Ponferrada de la Universidad de León (ULE) Arrate Pinto Carral y María José Álvarez.

Este estudio evidencia, tras analizar la evolución del paciente desde que ingresa en el sistema sanitario, cómo dos personas con el mismo diagnóstico pueden progresar de forma «muy diferente».

Actualmente el dolor lumbar es la segunda causa más frecuente de atención médica y provoca el 12,5% de las bajas laborales, por lo que tratarlo supone entre un cuarto y un tercio del gasto total de sanidad y es una de las principales razones de discapacidad en el mundo.

Esta nueva investigación, no obstante, pone el foco en la influencia de los factores psicosociales que a menudo pasan desapercibidos y que han demostrado ser determinantes, según ha informado a Europa Press en un comunicado la ULE.

Progreso del tratamiento

La tesis se desarrolló en dos fases. En la primera se adaptó y validó al español el 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.

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 una 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.

La incorporación de técnicas de machine learning para analizar los datos clínicos es otro de los aspectos llamativos de este estudio. En este caso, fue el grupo de investigación Alba (Advanced Learning for Biomedical Analytics) de la ULE en colaboración con el grupo Salbis el que desarrolló una herramienta para optimizar tanto los procesos diagnósticos como la individualización de las intervenciones terapéuticas para predecir la evolución de la discapacidad y el dolor en pacientes atendidos en fisioterapia de Atención Primaria.

Inteligencia artificial

El uso de Inteligencia Artificial (IA) permitió cribar grandes volúmenes de datos clínicos de forma más eficiente y detectó 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.