What Characterizes People Who Have an Unclear Classification Using a Treatment-Based Classification Algorithm for Low Back Pain? A Cross-Sectional Study
Notice bibliographique
Résumé
BACKGROUND: A treatment-based classification algorithm for low back pain (LBP) was created to help clinicians select treatments to which people are most likely to respond. To allow the algorithm to classify all people with LBP, additional criteria can help therapists make decisions for people who do not clearly fit into a subgroup (ie, unclear classifications). Recent studies indicated that classifications are unclear for approximately 34% of people with LBP. OBJECTIVE: To guide improvements in the algorithm, it is imperative to determine whether people with unclear classifications are different from those with clear classifications. DESIGN: This study was a secondary analysis of data from 3 previous studies investigating the algorithm. METHODS: Baseline data from 529 people who had LBP were used (3 discrete cohorts). The primary outcome was type of classification, that is, clear or unclear. Univariate logistic regression was used to determine which participant variables were related to having an unclear classification. RESULTS: People with unclear classifications had greater odds of being older (odds ratio [OR]=1.01, 95% confidence interval [CI]=1.003-1.033), having a longer duration of LBP (OR=1.001, 95% CI=1.000-1.001), having had a previous episode(s) of LBP (OR=1.61, 95% CI=1.04-2.49), having fewer fear-avoidance beliefs related to both work (OR=0.98, 95% CI=0.96-0.99) and physical activity (OR=0.98, 95% CI=0.96-0.996), and having less LBP-related disability (OR=0.98, 95% CI=0.96-0.99) than people with clear classifications. LIMITATIONS: Studies from which participant data were drawn had different inclusion criteria and clinical settings. CONCLUSIONS: People with unclear classifications appeared to be less affected by LBP (less disability and fewer fear avoidance beliefs), despite typically having a longer duration of LBP. Future studies should investigate whether modifying the algorithm to exclude such people or provide them with different interventions improves outcomes.
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 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 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 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 ».