Can We Identify People at Risk of Non-recovery after Acute Occupational Low Back Pain? Results of a Review and Higher-Order Analysis
Notice bibliographique
Résumé
PURPOSE: To identify prognostic factors in the literature that may predict a poor recovery from acute occupational low back pain (LBP). METHODS: Four international databases (Medline, CINAHL, EMBASE, and PsycINFO) were reviewed, searching all articles indexed up to November 2007 with the term low back pain combined with the terms prognostic, prospective, or cohort. Following application of inclusion criteria, 10 articles were found to be appropriate for data extraction. Each article was critically appraised by two independent reviewers. Statistical pooling was performed on any factor evaluated in at least three independent cohorts. RESULTS: Seven cohorts were identified, with a total sample size of 2,484 subjects. Only three factors were followed in at least three cohorts and were therefore suitable for statistical pooling: female gender (OR=1.28, 95% CI: 1.03-1.58); pain radiation (OR=1.37, 95% CI: 0.79-2.39); and previous history of back pain (OR=0.91, 95% CI: 0.52-1.60). There was significant heterogeneity within the female gender factor; compensation of subjects for study participation appeared to moderate its effect. CONCLUSION: After statistical pooling, only female gender achieved statistical significance as a prognostic factor for prolonged recovery. Further research is necessary to determine prognostic factors for non-recovery in acute LBP.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,011 |
| Bibliométrie | 0,023 | 0,022 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».