Prevalence of low back pain in emergency settings: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Low back pain may be having a significant impact on emergency departments around the world. Research suggests low back pain is one of the leading causes of emergency department visits. However, in the peer-reviewed literature, there has been limited focus on the prevalence and management of back pain in the emergency department setting. The aim of the systematic review was to synthesize evidence about the prevalence of low back pain in emergency settings and explore the impact of study characteristics including type of emergency setting and how the study defined low back pain. METHODS: Studies were identified from PubMed and EMBASE, grey literature search, and other sources. We selected studies that presented prevalence data for adults presenting to an emergency setting with low back pain. Critical appraisal was conducted using a modified tool developed to assess prevalence studies. Meta-analyses and a meta-regression explored the influence of study-level characteristics on prevalence. RESULTS: We screened 1187 citations and included 21 studies, reported between 2000 and 2016 presenting prevalence data from 12 countries. The pooled prevalence estimate from studies of standard emergency settings was 4.39% (95% CI: 3.67-5.18). Prevalence estimates of the included studies ranged from 0.9% to 17.1% and varied with study definition of low back pain and the type of emergency setting. The overall quality of the evidence was judged to be moderate as there was limited generalizability and high heterogeneity in the results. CONCLUSION: This is the first systematic review to examine the prevalence of low back pain in emergency settings. Our results indicate that low back pain is consistently a top presenting complaint and that the prevalence of low back pain varies with definition of low back pain and emergency setting. Clinicians and policy decisions makers should be aware of the potential impact of low back pain in their emergency settings.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,023 | 0,046 |
| Bibliométrie | 0,011 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».