Age does not modify the effects of treatment on pain in patients with low back pain: Secondary analyses of randomized clinical trials
Notice bibliographique
Résumé
Abstract Background While many treatment options have been advocated to speed recovery in adults with back pain, it is still unclear whether older patients with back pain respond differently to treatment when compared to younger patients. Aims This study aims to evaluate if age modifies response to treatment in patients with back pain, by conducting secondary analyses of seven randomized clinical trials of common interventions for back pain. Methods Data from 1233 participants were sourced from two randomized clinical trials on patients with acute back pain and five on patients with persistent back pain. Trials were conducted between 2001 and 2010 and assessed conservative treatments for back pain, including exercise, spinal manipulative therapy and anti‐inflammatory drugs. Individual participant data analyses were performed using a ‘one‐stage’ approach including all available data in a single two‐level model, with participants being one level and trials being the second level. Only pain outcomes assessed immediately after treatment were included in the analyses. Results Mean combined age of included participants was 49 years ( SD : 15.4). Multivariate fractional polynomial analyses revealed no significant interaction ( p > 0.05) between age and treatment effect sizes in patients with low back pain for any of the treatment comparisons. Conclusion These results offer preliminary evidence suggesting that the generally small effects of conservative treatments for low back pain are in fact observed across all age groups.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,083 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».