Web-Based Interventions for Chronic Back Pain: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Chronic low back pain is one of the most common presenting complaints to a physician's office. Treatment is often challenging and recovery depends on various factors, often resulting in significant investments of time and resources. OBJECTIVE: The aim of this review is to determine which Web-based interventions aimed at chronic low back pain are of benefit to patients. METHODS: Randomized controlled trials (RCTs) studying Web-based interventions directed at adults with chronic low back pain were included. Retrospective studies, narrative reviews, nonrandomized trials, and observational studies were excluded. Electronic databases and bibliographies were searched. RESULTS: In total, nine unique RCTs were identified (total participants=1796). The number of patients randomized in each trial ranged from 51 to 580. Four trials studied online cognitive behavioral therapy (CBT) and five trials studied other Web-based interventions with interactive features. Empowerment/control was improved in six studies. Use of CBT was associated with reduced catastrophization among patients. Mixed results were reported with regards to reduction in pain levels and disability, although some studies showed promise in reducing disability in the short term. One study that measured health care utilization reported reduced utilization with the use of moderated email discussion. CONCLUSIONS: Limited data are available regarding effective Web-based interventions to improve outcomes for patients with chronic low back pain. Nine RCTs with small sample sizes were identified in this review. Online CBT appears to show some promise in terms of reducing catastrophization and improving patient attitudes. Further research in this area with larger-scale studies focusing on appropriate outcomes appears to be a priority.
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 | 0,053 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».