Real-world incidence and prevalence of low back pain using routinely collected data
Notice bibliographique
Résumé
Low back pain (LBP) is a common health problem among adults of working age population, and its prevalence or incidence increases with increasing in age. The purpose of this review was to examine the real-world prevalence or incidence of LBP. A systematic review of the literature was conducted in accordance to the PRISMA guideline. Allied and Complementary Medicine Database, Cumulative Index of Nursing and Allied Health Literature, MEDLINE, SportDiscuss and Scopus electronic databases were searched using specifically developed search strategies to identify studies using patients' electronic medical records published in English up to February 2019. The quality of the included studies was assessed using a tool that consists of ten items addressing a risk of bias. The search yielded 756 published studies, of which 13 were deemed relevant and were included in this review. The included studies reported incidence or prevalence data from Canada, United States of America (USA), Sweden, Belgium, Finland, Israel, and Netherlands. All the included studies were assessed to be methodologically sound (low risk of bias). The prevalence and incidence of LBP ranged from 1.4 to 20.0% and 0.024-7.0%, respectively. Three studies reported that the Odds of LBP in male patient was higher than their female counterparts (odds ratio > 1; range 1.11-17.29). Nine studies identified the risk factors of LBP to be age, sex, and race. The remaining four studies also listed high intensity of physical activity, high spinal load, lifting, bending, and twisting as the risk factors for LBP. The results of this study highlighted there is a substantial difference within studies that estimated the prevalence and incidence of LBP. This finding could inform healthcare policy makers to critically examine the data sources of prevalence and incidence studies; this in return might help for resource allocation to manage the condition.PROSPERO registration number: CRD42017078598, https://www.crd.york.ac.uk/prospero/ .
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 | 0,038 | 0,190 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,025 | 0,027 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».