A Description of the Methodology Used in an Overview of Reviews to Evaluate Evidence on the Treatment, Harms, Diagnosis/Classification, Prognosis and Outcomes Used in the Management of Neck Pain
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
BACKGROUND: Neck Pain (NP) is a common musculoskeletal disorder and the literature provides conflicting evidence about its management. OBJECTIVE: To describe the methodology used to conduct an overview of reviews (OvR) and to characterize the distribution and risk of bias profiles across the evidence for all areas of NP management. METHODS: Standard systematic review (SR) methodology was employed. MEDLINE, CINAHL, EMBASE, ILC, Cochrane CENTRAL, and LILACS were searched from 2000 to March 2012; Narrative and SR and clinical practice guidelines (CPG) evaluating the efficacy of treatment (benefits and harms), diagnosis/classification, prognosis, and outcomes were eligible. For treatment, articles were limited to SRs from 2005 forward. Risk of bias of SR was assessed with the AMSTAR; the AGREE II was used to critically appraise the CPGs. RESULTS: From 2476 articles, 508 were eligible for full text screening. A total of 341 articles were included. Treatment (n=117) had the greatest yield. Other clinical areas had less literature (diagnosis=54, prognosis=16, outcomes=27, harms=16). There were no SR for classification and narrative reviews were problematic for this topic. There was great overlap across different databases within each clinical area except for those for outcome measures. Risk of bias assessment using the AMSTAR of eligible SRs showed a similar trend across different clinical areas. CONCLUSION: A summary of methods used to review the literature in five clinical areas of NP management have been described. The challenges of selecting and synthesizing eligible articles in an OvR required customized solutions across different areas of clinical focus.
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 | 0,020 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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