SPINE20 recommendations 2021: spine care for people’s health and prosperity
Notice bibliographique
Résumé
PURPOSE: The focus of SPINE20 is to develop evidence-based policy recommendations for the G20 countries to work with governments to reduce the burden of spine disease, and disability. METHODS: On September 17-18, 2021, SPINE20 held its annual meeting in Rome, Italy. Prior to the meeting, the SPINE20 created six proposed recommendations. These recommendations were uploaded to the SPINE20 website 10 days before the meeting and opened to the public for comments. The recommendations were discussed at the meeting allowing the participants to object and provide comments. RESULTS: In total, 27 societies endorsed the following recommendations. SPINE20 calls upon the G20 countries: (1) to expand telehealth for the access to spine care, especially in light of the current situation with COVID-19. (2) To adopt value-based interprofessional spine care as an approach to improve patient outcomes and reduce disability. (3) To facilitate access and invest in the development of a competent rehabilitation workforce to reduce the burden of disability related to spine disorders. (4) To adopt a strategy to promote daily physical activity and exercises among the elderly population to maintain an active and independent life with a healthy spine, particularly after COVID-19 pandemic. (5) To engage in capacity building with emerging countries and underserved communities for the benefit of spine patients. (6) To promote strategies to transfer evidence-based advances into patient benefit through effective implementation processes. CONCLUSIONS: SPINE20's initiatives will make governments and decision makers aware of efforts to reduce needless suffering from disabling spine pain through education that can be instituted across the globe.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».