Cost-effectiveness of Multidisciplinary Interventions for Chronic Low Back Pain
Notice bibliographique
Résumé
OBJECTIVE: Chronic musculoskeletal pain in adults is a global health and economic problem. The aim of this paper was to systematically review and determine what proportion of multidisciplinary approaches to managing chronic musculoskeletal pain are cost-effective. MATERIALS AND METHODS: The EconLit, Embase, and PubMed electronic databases were searched for randomized and nonrandomized economic evaluation studies of nonpharmaceutical multidisciplinary chronic pain management interventions published from inception through to August 2019. RESULTS: Seven studies comprising 2095 patients were included. All studies involved diverse multidisciplinary teams in one or more of the study arms. All studies involved chronic (both chronic and subacute) low back pain and were economic evaluations from either a societal or health care perspective. Two of the 3 studies that reported on a multidisciplinary pain intervention compared with nonmultidisciplinary intervention concluded favorable cost-effectiveness based on cost per quality adjusted life years gained, 1 study was not found to be cost-effective. Cost-effectiveness of the multidisciplinary intervention of interest was also not established by another 3-arm study. Two studies compared 2 multidisciplinary interventions; neither of these could definitively declare cost-effectiveness. The remaining study indicated the intervention by a multidisciplinary team was more effective but at a higher cost. None of the included studies used decision models to estimate long-term health outcomes and cost-effectiveness of multidisciplinary programs. DISCUSSION: There are few studies on the cost-effectiveness of multidisciplinary chronic pain management interventions. This study encourages additional rigorous economic evaluations of multidisciplinary models for chronic pain management. Economic evaluations that enable extrapolating costs and effects of multidisciplinary programs beyond the time horizon of clinical trials may be more informative for clinicians and health administrators.
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 | 0,015 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,010 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».