Prescriptive Clinical Prediction Rules in Back Pain Research: A Systematic Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Prescriptive clinical prediction rules (CPRs) are a way of using a small selection of clinical findings to match patients to optimal interventions. A number of CPRs have been developed for use with back pain patients, but these have not been systematically reviewed. The purpose of this review was to evaluate existing CPRs against established criteria to determine the quality of the studies and the overall development of the CPR against a set number of stages. Medline was searched up until June 2008, and 16 studies were reviewed that related to 9 different CPRs. These studies investigated and attempted to find clinical characteristics for responders to manipulation, stabilization exercise, physical therapy, chiropractic, traction, rehabilitation, usual care, and zygapophyseal joint injections. Eleven of these studies related to the derivation stage and five to the validation stage. The manipulation and stabilization CPRs had been the most studied. The derivation studies were mostly high quality, whereas none of the validation studies were. Some of the validation studies did not provide evidence that validated the CPR. Most of these CPRs need further evaluation before they can be applied clinically; most did not pass the lowest level of evidence hierarchy. As regards the manipulation CPR, evidence to date for its clinical utility is limited and contradictory. For the stabilization CPR, there was limited evidence that it may be considered but only with caution and in similar patients. Overall, there is limited evidence to support the general application of spinal CPRs.
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.
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 | 0,034 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,003 |
| 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 découle