编辑推荐：
为优化姿势缺陷康复治疗，研究人员对 20 名受试者进行研究，发现可精准预测治疗参数，意义重大。
姿势缺陷在现代社会愈发普遍，尤其在儿童群体中。据估算，3 - 18 岁儿童中约 60% 受不同形式的姿势紊乱困扰，脊柱侧弯便是其中典型。它的病因复杂，诊断和治疗都颇具挑战，而且患者在治疗过程中常伴有焦虑、紧张等情绪，这些负面情绪不仅影响生活质量，还会加剧疼痛、阻碍功能恢复，损害心理健康。
目前，针对姿势缺陷的治疗缺乏全面分析患者心理生理数据的系统。许多研究虽关注生理数据，但在结果客观化和个性化治疗方面存在不足。为解决这些问题，来自波兰西里西亚工业大学（Faculty of Biomedical Engineering, Silesian University of Technology）、西里西亚大学（Institute of Psychology, University of Silesia in Katowice）以及卡托维兹的耶日?库库茨卡体育学院（Institute of Physiotherapy and Health Sciences, The Jerzy Kukuczka Academy of Physical Education in Katowice）的研究人员展开了深入研究。他们的研究成果发表在《Scientific Reports》上，为姿势缺陷的个性化康复开辟了新方向。
研究人员运用了多种关键技术方法。在数据采集阶段，招募了 20 名 8 - 13 岁患有脊柱侧弯的儿童作为受试者，在为期三个月的康复过程中，进行了超过 120 次测量。通过 Empatica E4 腕带收集多模态生理信号，包括皮肤电活动（electrodermal activity，EDA）、血容量脉搏（blood volume pulse，BVP）等，同时让受试者完成心理问卷，如状态 - 特质焦虑量表（State-Trait Anxiety Inventory，STAI）和情感活动社交性气质问卷（Emotionality Activity Sociability Temperament Survey，EAS），以此获取心理数据。在数据分析阶段，采用了信号处理技术对生理信号进行预处理，利用逐步向前回归（stepwise forward regression）和错误发现率（False Discovery Rate，FDR）校正进行特征降维，还运用自适应增强（Adaptive Boosting，AdaBoost）算法构建预测治疗参数的数学模型。
研究结果丰富且具有重要价值。在研究分组方面，基于心理数据运用聚类树算法将受试者分为五个新的亚组，分别命名为社交型、冷静型、疏离型、抑制型和害羞型。这些亚组各自具有独特的心理特征，比如社交型表现为低情绪性、低害羞性，但高活动性、高社交性和高焦虑性；而抑制型则是低活动性、低社交性，平均情绪性和恐惧，高害羞性。
在特征降维环节，研究人员从众多记录特征中确定了 8 个最具统计学意义的特征，分别是 STAI-C1 测试结果、BVP 信号带宽上限、基于 EDA 达到 T 点的时间、皮肤电导率水平（Skin Conductance LevelEDA）、EDA 信号预测与观测数据的二次差异度量（ObjEDA）、皮肤电反应幅度（AmpEDA）、患者平均心率（HRHRV）以及 EDA 信号最小值（MinEDA） 。
预测模型构建完成后，研究人员利用 AdaBoost 算法和支持向量机（Support Vector Machine，SVM）构建了治疗参数预测模型，并通过网格搜索（Grid Search）优化模型超参数。最终，该模型预测治疗参数的准确率达到 84%。
在模型验证与测试阶段，利用伪随机数生成器（Pseudo-Random Number Generator，PRNG）模拟数据，专家评估结果显示分类一致性达到 82%。同时，研究人员还分析了不同亚组患者在后续 5 次治疗中相关特征的变化动态，发现不同亚组达到参数稳定的时间点不同，例如社交型在第三次治疗后，冷静型在第四次治疗后参数出现明显变化和稳定。
综合研究结论与讨论，此次研究意义非凡。研究证实了心理因素（如焦虑水平和气质特征）在患者分组中的重要作用，生理特征则为确定适应期和优化治疗方案提供了依据。该研究定义的生物标志物能以 84% 的准确率判断治疗进展和患者所属分组。而且，研究发现患者适应治疗的时间与个人气质和焦虑特征相关，更多的测量次数能更精准地预测患者行为。
不过，由于研究对象为儿童，在建立通用概念和推理方面存在一定困难，且目前缺乏类似的多模态数据分析系统用于姿势缺陷康复。但总体而言，该研究为个性化康复治疗提供了科学依据，借助决策支持系统有望提高治疗成功率。同时，研究提出的测量系统可应用于实际治疗，为姿势缺陷康复领域带来了新的思路和方法。
