Evidence-Based Physiotherapy for Acute Low Back Pain: A Composite Clinical Algorithm Synthesized from Seven Recent Clinical Guidelines
Notice bibliographique
Résumé
Purpose: To produce a composite evidence-based treatment algorithm for physiotherapy management of acute low back pain (LBP) using current, high-quality, English-language clinical guidelines. Methods: A systematic literature review of library databases and Internet search engines was performed to identify full-text, Englishlanguage clinical guidelines on the physiotherapy treatment of acute LBP. Quality assessment of the guidelines was undertaken by two independent reviewers using the AGREE instrument. Guideline recommendations were synthesized into interventions that were supported by strong, moderate or weak evidence. A composite clinical algorithm for physiotherapy management of acute LBP was developed. Results: Seven guidelines were included. Keeping active, written patient education, manipulation and referral to a spine specialist had strong supporting evidence for the management of acute non-radiating LBP. There were a large number of treatment options with moderate or inconclusive evidence. Bed rest and massage, as stand-alone treatments, had strong evidence of harm for patients with acute non-radiating LBP. Conclusions: Based on current evidence, a composite algorithm was constructed to assist physiotherapists when making treatment decisions for acute LBP. A synthesis of current clinical guideline recommendations provides physiotherapists with readily interpretable guidance for the management of acute LBP and encourages the uptake of best-evidence treatment options.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».