Prevalence of claims-based recurrent low back pain in a Canadian population: A secondary analysis of an administrative database
Notice bibliographique
Résumé
BACKGROUND: There is a vast literature reporting that the point prevalence of low back pain (LBP) is high and increasing. It is also known that a large proportion of acute LBP episodes are recurrent within 12 months. However, few studies report the annual trends in the prevalence of recurrent LBP or describe these trends according to age and sex categories. METHODS: We conducted a retrospective cohort study involving 401 264 adults selected from the administrative database of physician claims for the province of Quebec, Canada. These adults, aged 18 years and over, met the criteria of having consulted a physician three times within a 365-day period between 2000 and 2007 for a LBP condition corresponding to ICD-9 codes 721, 722, 724 or 739. All data were analyzed by sex and clustered according to specific age categories. RESULTS: We observed a decrease from 1.64% to 1.33% in the annual prevalence between 2000 and 2007 for men. This decrease in prevalence was mostly observed between 35 and 59 years of age. Older (≥ 65 years) women were 1.35 times more at risk to consult a physician for LBP in a recurrent manner than older men. The most frequently reported diagnosis was non-specific LBP between 2000 to 2007. During the same period, sequelae of previous back surgery and spinal stenosis were the categories with the largest increases. CONCLUSION: The annual prevalence of claims-based recurrent LBP progressively decreased between 2000 and 2007 for younger adults (<65 years) while older adults (≥ 65 years) showed an increase. Given the aging Canadian population, recurrent low back pain could have an increasing impact on the quality of life of the elderly as well as on the healthcare system.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,003 | 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 ».