MétaCan
Menu
Retour à la cohorte
Enregistrement W2617953772 · doi:10.1097/brs.0000000000002237

The Need for Multidimensional Stratification of Chronic Low Back Pain (LBP)

2017· article· en· W2617953772 sur OpenAlexaffabout
Y. Raja Rampersaud, Andrew Bidos, Caroline Fanti, Anthony V. Perruccio

Notice bibliographique

RevueSpine · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensKrembil FoundationThunder Bay Regional Health Sciences CentreToronto Western HospitalPublic Health OntarioUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineLow back painOddsEpidemiologyMultinomial logistic regressionPrimary careEtiologyOdds ratioStratification (seeds)Logistic regressionPhysical therapyComorbiditySchema (genetic algorithms)DemographyInternal medicineFamily medicineAlternative medicinePathology

Résumé

récupéré en direct d'OpenAlex

MINI: The authors wanted to determine which existing primary-care low back pain stratification schema is associated with distinct subpopulations. Initial stratification by DMPP identified potentially distinct epidemiological groups. DMPP stratification resulted in discrimination beyond that provided by disability or chronicity risk stratification alone. STUDY DESIGN: A cross-sectional study of Canadian patients suffering from low back pain (LBP) seeking primary care. OBJECTIVE: The aim of this study was to determine which existing primary care LBP stratification schema is associated with distinct subpopulations as characterized by easily identifiable primary epidemiological factors. SUMMARY OF BACKGROUND DATA: LBP is among the most frequent reasons for visits to primary care physicians and a leading cause of years lived with disability. In an effort to improve treatment response/outcomes in LBP primary care, different classification systems have been proposed in an effort to provide more tailored treatment with the intent of improving outcomes. Group-specific risk factors and underlying etiology might suggest a need for, or inform, changes to treatment approaches to optimize LBP outcomes. METHODS: Stratification by dominant mechanical pain patterns; chronicity risk; disability severity. Multinomial logistic regression was used to identify the system showing greatest variability in associations with age, sex, obesity, and comorbidity. Once identified, the remaining schemas were incorporated into the model. RESULTS: N = 970; mean age: 50 years (range: 18-93); 56% female. Stratification by pain pattern revealed greater variability. Adjusted analysis: Increasing age was associated with greater odds of intermittent, extension-based back- or leg-dominant pain [odds ratio (OR): 1.02 and 1.06; P < 0.01]; being male with leg-dominant pain (ORs > 2; P < 0.01). Overweight/obesity was associated with extension-based leg-dominant pain (OR = 2.6; P < 0.02) and increasing comorbidity with extension-based back-dominant pain (OR = 1.3; P < 0.01). Severe disability was associated only with constant leg pain (OR = 3.9; P < 0.01), and high chronicity risk with extension-based leg-dominant pain (OR = 0.4; P = 0.03). CONCLUSION: Dominant mechanical symptom stratification resulted in further discrimination of an epidemiologically distinct and a large subgroup of LBP patients not identified by disability or chronicity risk stratification alone. Findings suggest a need for primary care initiated multidimensional stratification in chronic LBP. LEVEL OF EVIDENCE: 3.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,037
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,037
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,308
Écart entre enseignants0,293 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSpineMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207