How does pain lead to disability? A systematic review and meta-analysis of mediation studies in people with back and neck pain
Notice bibliographique
Résumé
Disability is an important outcome from a clinical and public health perspective. However, it is unclear how disability develops in people with low back pain or neck pain. More specifically, the mechanisms by which pain leads to disability are not well understood. Mediation analysis is a way of investigating these mechanisms by examining the extent to which an intermediate variable explains the effect of an exposure on an outcome. This systematic review and meta-analysis aimed to identify and examine the extent to which putative mediators explain the effect of pain on disability in people with low back pain or neck pain. Five electronic databases were searched. We found 12 studies (N = 2961) that examined how pain leads to disability with mediation analysis. Standardized regression coefficients (β) of the indirect and total paths were pooled. We found evidence to show that self-efficacy (β = 0.23, 95% confidence interval [CI] = 0.10 to 0.34), psychological distress (β = 0.10, 95% CI = 0.01 to 0.18), and fear (β = 0.08, 95% CI = 0.01 to 0.14) mediated the relationship between pain and disability, but catastrophizing did not (β = 0.07, 95% CI = -0.06 to 0.19). The methodological quality of these studies was low, and we highlight potential areas for development. Nonetheless, the results suggest that there are significant mediating effects of self-efficacy, psychological distress, and fear, which underpins the direct targeting of these constructs in treatment.
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 | 0,027 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,038 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».