What does it take to facilitate the integration of clinical practice guidelines for the management of low back pain into practice? Part 1: A synthesis of recommendation
Notice bibliographique
Résumé
BACKGROUND: Despite the emergence of multiple clinical practice guidelines (CPGs) for the rehabilitation of low back pain (LBP) over the last decade, self-reported levels of disability in this population have not improved. This may be explained by the numerous implementation barriers, such as the complexity of information and sheer volumes of CPGs. OBJECTIVES: The purpose of this study was to summarize the evidence and recommendations from the most recent and high-quality CPGs on the rehabilitation management of LBP by developing an infographic summarizing the recommendations to facilitate dissemination into clinical practice. METHODS: We performed a systematic review of high-quality CPGs with an emphasis on rehabilitation approaches. We searched major health-related research databases (e.g., PubMed, CINAHL, and PEDro). We performed quality assessment via the AGREE-II instrument. Contents of the CPGs were synthesized by extracting recommendations, which were then compared to one another to identify consistencies based on an iterative evaluation process. RESULTS: We identified and assessed 5 recent high-quality CPGs. We synthesized 13 recommendations on the rehabilitation management of LBP (2 for screening procedures, 3 for assessment procedures, and 8 involving treatment approaches) and 2 underlying principles were highlighted. These results were then synthetized and illustrated in a concise infographic that serves as a conceptual roadmap that identifies the specific behavior changes (i.e., adoption of CPGs' recommendations) rehabilitation professionals should adopt in order to integrate an evidenced-based approach for the management of LBP. CONCLUSIONS: We systematically reviewed the literature for CPGs' recommendations for the physical rehabilitation management of LBP and synthesized the information through an infographic.
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 | 0,232 | 0,507 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,013 | 0,014 |
| Bibliométrie | 0,027 | 0,026 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,014 | 0,019 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».