Una tesis doctoral realizada en el Campus de Ponferrada de la Universidad de León (ULE) ha demostrado que dos personas con la misma patología pueden evolucionar de forma muy distinta según la confianza que tengan en su propio movimiento. El trabajo, centrado en el dolor lumbar, ha sido realizado por Sonia Nieto y dirigido por las investigadoras Arrate Pinto Carral y María José Álvarez. El estudio cobra especial relevancia si se tiene en cuenta que el dolor lumbar es la segunda causa más frecuente de atención médica y provoca el 12,5 por ciento de las bajas laborales. Además, su tratamiento supone entre un cuarto y un tercio del gasto sanitario total y es una de las principales razones de discapacidad en el mundo. Esta nueva investigación pone el foco en la influencia de los factores psicosociales, que a menudo pasan desapercibidos pero que han demostrado ser determinantes. 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 etapas. La primera consistió en la adaptación y validación al español del cuestionario Optimal-confianza, una herramienta que permite medir de forma objetiva la confianza de una persona en su capacidad de movimiento. El estudio confirmó que el cuestionario es fiable y válido para diferenciar entre personas con y sin dolor lumbar. En la segunda fase, se realizó un seguimiento a pacientes con dolor lumbar que iniciaban un tratamiento de fisioterapia en atención primaria. Se evaluaron variables como el dolor, la discapacidad, la movilidad, el miedo al movimiento y la confianza en tres momentos clave: al inicio del tratamiento, al recibir el alta y tres meses después. Los resultados obtenidos son claros: una menor confianza se asocia con mayor discapacidad e intensidad del dolor. La tesis concluye que la seguridad en la capacidad de moverse no es solo una variable psicológica, sino un factor clínico fundamental que debe ser abordado como un objetivo terapéutico más. Para el análisis de los datos clínicos se utilizaron técnicas de machine learning con la colaboración del grupo de investigación Alba (Advanced Learning for Biomedical Analytics) y el grupo Salbis de la ULE. Esta colaboración ha permitido desarrollar una herramienta para optimizar los procesos diagnósticos y la individualización de las intervenciones terapéuticas. El uso de inteligencia artificial ha hecho posible cribar grandes volúmenes de datos clínicos de forma más eficiente, detectando patrones complejos y relaciones entre variables que no son evidentes con análisis estadísticos convencionales. El objetivo final es identificar desde el inicio qué pacientes tienen mayor riesgo de una mala evolución para poder adaptar su tratamiento de forma personalizada.