Biomechanical assessments of lumbar spinal function. how low back pain sufferers differ from normals. implications for outcome measures research. part i: kinematic assessments of lumbar function
Notice bibliographique
Résumé
OBJECTIVE: To review new and advanced biomechanical assessment techniques for the lumbar spine and illustrate the differences in lumbar function in patients with low back pain and asymtomatic subjects. DATA SOURCES: The biomedical literature was searched for research and reviews on spinal kinematic differences between low back pain subjects and healthy controls. A data search for articles indexed on MEDLINE until April 2002 was performed. RESULTS: Kinematic measurements of lumbar function were categorized into 3 areas where low back patients may differ from normals: (1) end range of motion during simple movements; (2) higher order kinematics (displacement, velocity, and acceleration) during complex movement tasks; and (3) spinal proprioception. The assessment of higher order kinematics during complex movement tasks is the most highly researched and the most successful in describing differences between the populations. The use of simple end range of motion appears questionable, while assessing spinal proprioception is the least researched, yet shows potential in highlighting differences between low back sufferers and asymptomatics. CONCLUSION: Current kinematic biomechanical assessment techniques are capable of identifying functional differences between low back pain populations and controls. The use and validity of the majority of these techniques as outcome measures are currently unknown, yet may be valuable in generating functional diagnoses, evaluating the mechanisms of current therapies, and prescribing specific rehabilitation programs.
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 | 0,002 | 0,000 |
| 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 | 0,001 | 0,001 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».