MétaCan
Menu
Retour à la cohorte
Enregistrement W2905534139 · doi:10.2196/10201

The Effectiveness and Safety of Utilizing Mobile Phone–Based Programs for Rehabilitation After Lumbar Spinal Surgery: Multicenter, Prospective Randomized Controlled Trial

2018· article· en· W2905534139 sur OpenAlexvenueno aff
Jingyi Hou, Rui Yang, Yaping Yang, Yiyong Tang, Haiquan Deng, Zhong Chen, Yanfeng Wu, Huiyong Shen

Notice bibliographique

RevueJMIR mhealth and uhealth · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Guangdong Province
Mots-clésRehabilitationMobile phoneMedicinePhysical therapyRandomized controlled trialLumbarPhysical medicine and rehabilitationPhoneSurgeryComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Rehabilitation is crucial for postoperative patients with low back pain (LBP). However, the implementation of traditional clinic-based programs is limited in developing countries, such as China, because of the maldistribution of medical resources. Mobile phone-based programs may be a potential substitute for those who have no access to traditional rehabilitation. OBJECTIVE: The aim of this study was to examine the efficacy of mobile phone-based rehabilitation systems in patients who underwent lumbar spinal surgery. METHODS: Patients who accepted spinal surgeries were recruited and randomized into 2 groups of rehabilitation treatments: (1) a mobile phone-based eHealth (electronic health) program (EH) or (2) usual care treatment (UC). The primary outcomes were (1) function and pain status assessed by the Oswestry Disability Index (ODI) and (2) the visual analog scale (VAS). Secondary outcomes were (1) general mental health and (2) quality of life (Likert scales, EuroQol-5 Dimension health questionnaire, and 36-item Short-Form Health Survey). All the patients were assessed preoperatively and then at 3, 6, 12, and 24 months postoperatively. RESULTS: A total of 168 of the 863 eligible patients were included and randomized in this study. Our analysis showed that the improvement of primary outcomes in the EH group was superior to the UC group at 24 months postoperatively (ODI mean 7.02, SD 3.10, P<.05; VAS mean 7.59, SD 3.42, P<.05). No significant difference of primary outcomes was found at other time points. A subgroup analysis showed that the improvements of the primary outcomes were more significant in those who completed 6 or more training sessions each week throughout the trial (the highest compliance group) compared with the UC group at 6 months (ODI mean 17.94, SD 5.24, P<.05; VAS mean 19.56, SD 5.27, P<.05), 12 months (ODI mean 13.39, SD 5.32, P<.05; VAS mean 14.35, SD 5.23, P<.05), and 24 months (ODI mean 18.80, SD 5.22, P<.05; VAS mean 21.56, SD 5.28, P<.05). CONCLUSIONS: This research demonstrated that a mobile phone-based telerehabilitation system is effective in self-managed rehabilitation for postoperative patients with LBP. The effectiveness of eHealth was more evident in participants with higher compliance. Future research should focus on improving patients' compliance. TRIAL REGISTRATION: Chinese Clinical Trial Registry ChiCTR-TRC-13003314; http://www.chictr.org.cn/showproj.aspx?proj=6245 (Archived by WebCite at http://www.webcitation.org/766RAIDNc).

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)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0050,004
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 GPT0,361
Écart entre enseignants0,344 · 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'étudeEssai randomisé
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

Citations79
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207