MétaCan
Menu
Retour à la cohorte
Enregistrement W3100600961 · doi:10.1016/j.physio.2021.03.006

The effect of spinal manipulative therapy on pain relief and function in patients with chronic low back pain: an individual participant data meta-analysis

2021· review· en· W3100600961 sur OpenAlexaff
Annemarie de Zoete, Sidney M. Rubinstein, Michiel R. de Boer, Raymond Ostelo, Martin Underwood, Jill A. Hayden, Laurien M. Buffart, Maurits W. van Tulder, Gert Brønfort, Nadine E. Foster, Christopher G. Maher, Jan Hartvigsen, Pierre Balthazard, Francesca Cecchi, ML Ferreira, MR Gudavalli, Mitchell Haas, Benjamin Hidalgo, MA Hondras, C.Y. Hsieh, Kenneth Learman, Peter W. McCarthy, Thor Petersen, Eva Rasmussen-Barr, Eva Skillgate, Yogita Verma, Luca Vismara, Bruce F. Walker, Ting Xia, Nina Zaproudina

Notice bibliographique

RevuePhysiotherapy · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensDalhousie University
Organismes subventionnairesNational Health and Medical Research CouncilVersus ArthritisNational Institute for Health and Care ResearchEuropean Centre for Chiropractic Research ExcellenceEuropean Chiropractors' UnionVrije Universiteit AmsterdamNational Institute for Health and Care Excellence
Mots-clésMedicineManual therapyPhysical therapyMeta-analysisPain reliefLow back painChronic painAnesthesiaAlternative medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A 2019 review concluded that spinal manipulative therapy (SMT) results in similar benefit compared to other interventions for chronic low back pain (LBP). Compared to traditional aggregate analyses individual participant data (IPD) meta-analyses allows for a more precise estimate of the treatment effect. PURPOSE: To assess the effect of SMT on pain and function for chronic LBP in a IPD meta-analysis. DATA SOURCES: Electronic databases from 2000 until April 2016, and reference lists of eligible trials and related reviews. STUDY SELECTION: Randomized controlled trials (RCT) examining the effect of SMT in adults with chronic LBP compared to any comparator. DATA EXTRACTION AND DATA SYNTHESIS: We contacted authors from eligible trials. Two review authors independently conducted the study selection and risk of bias. We used GRADE to assess the quality of the evidence. A one-stage mixed model analysis was conducted. Negative point estimates of the mean difference (MD) or standardized mean difference (SMD) favors SMT. RESULTS: Of the 42 RCTs fulfilling the inclusion criteria, we obtained IPD from 21 (n=4223). Most trials (s=12, n=2249) compared SMT to recommended interventions. There is moderate quality evidence that SMT vs recommended interventions resulted in similar outcomes on pain (MD -3.0, 95%CI: -6.9 to 0.9, 10 trials, 1922 participants) and functional status at one month (SMD: -0.2, 95% CI -0.4 to 0.0, 10 trials, 1939 participants). Effects at other follow-up measurements were similar. Results for other comparisons (SMT vs non-recommended interventions; SMT as adjuvant therapy; mobilization vs manipulation) showed similar findings. SMT vs sham SMT analysis was not performed, because we only had data from one study. Sensitivity analyses confirmed these findings. LIMITATIONS: Only 50% of the eligible trials were included. CONCLUSIONS: Sufficient evidence suggest that SMT provides similar outcomes to recommended interventions, for pain relief and improvement of functional status. SMT would appear to be a good option for the treatment of chronic LBP. Systematic Review Registration Number PROSPERO CRD42015025714.

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)0,052
score de la tête « metaresearch » (Gemma)0,110
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,973
Score d'incertitude au seuil0,277

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0520,110
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0270,070
Bibliométrie0,0090,007
Études des sciences et des technologies0,0010,001
Communication savante0,0050,003
Science ouverte0,0030,003
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,128
Tête enseignante GPT0,400
Écart entre enseignants0,271 · 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.

Devis d'étudeMéta-analyse
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

Citations60
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysiotherapyMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207