Motor Control Changes in Low Back Pain: Divergence in Presentations and Mechanisms
Notice bibliographique
Résumé
Synopsis Compared to healthy individuals, patients with low back pain demonstrate differences in all aspects of trunk motor control that are most often studied as differences in muscle activity and kinematics. However, differences in these aspects of motor control are largely inconsistent. We propose that this may reflect the existence of 2 phenotypes or possibly the ends of a spectrum, with “tight control” over trunk movement at one end and “loose control” at the other. Both may have beneficial effects, with tight control protecting against large tissue strains from uncontrolled movement and loose control protecting against high muscle forces and resulting spinal compression. Both may also have long-term negative consequences. For example, whereas tight control may cause high compressive loading on the spine and sustained muscle activity, loose control may cause excessive tensile strains of tissues. Moreover, both phenotypes could be the result of either an adaptation process aimed at protecting the low back or direct interference of low back pain and related changes with trunk motor control. The existence of such phenotypes would suggest different motor control exercise interventions. Although some promising data supporting these phenotypes have been reported, it remains to be shown whether these phenotypes are valid, how treatment can be targeted to these phenotypes, and whether this targeting yields superior clinical outcomes. J Orthop Sports Phys Ther 2019;49(6):370–379. Epub 12 Jun 2018. doi:10.2519/jospt.2019.7917
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 | 0,000 |
| 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 ».