Manipulation and mobilization for treating chronic low back pain: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND CONTEXT: Mobilization and manipulation therapies are widely used to benefit patients with chronic low back pain. However, questions remain about their efficacy, dosing, safety, and how these approaches compare with other therapies. PURPOSE: The present study aims to determine the efficacy, effectiveness, and safety of various mobilization and manipulation therapies for treatment of chronic low back pain. STUDY DESIGN/SETTING: This is a systematic literature review and meta-analysis. OUTCOME MEASURES: The present study measures self-reported pain, function, health-related quality of life, and adverse events. METHODS: We identified studies by searching multiple electronic databases from January 2000 to March 2017, examining reference lists, and communicating with experts. We selected randomized controlled trials comparing manipulation or mobilization therapies with sham, no treatment, other active therapies, and multimodal therapeutic approaches. We assessed risk of bias using Scottish Intercollegiate Guidelines Network criteria. Where possible, we pooled data using random-effects meta-analysis. Grading of Recommendations, Assessment, Development, and Evaluation (GRADE) was applied to determine the confidence in effect estimates. This project is funded by the National Center for Complementary and Integrative Health under Award Number U19AT007912. RESULTS: =21%). Studies comparing manipulation or mobilization with sham or no treatment were too few or too heterogeneous to allow for pooling as were studies examining relationships between dose and outcomes. Few studies assessed health-related quality of life. Twenty-six of 51 trials were multimodal studies and narratively described. CONCLUSION: There is moderate-quality evidence that manipulation and mobilization are likely to reduce pain and improve function for patients with chronic low back pain; manipulation appears to produce a larger effect than mobilization. Both therapies appear safe. Multimodal programs may be a promising option.
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 | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,023 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 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; 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 ».