Cost effectiveness of virtual reality game compared to clinic based McKenzie extension therapy for chronic non-specific low back pain
Notice bibliographique
Résumé
Background: Low-back pain (LBP) is a major public health problem globally and its direct and indirect healthcare costs are growing rapidly. Virtual reality involving the use of video games or non-game applications are alternatives to conventional face-to-face physical therapy for LBP. The purpose of this study was to assess the cost-effectiveness of Back Extension-Virtual Reality Game (BE-VRG) compared to Clinic-based McKenzie therapy (CBMT) for chronic non-specific LBP in Nigeria. Methods: Patients with chronic non-specific LBP were randomised into either BE-VRG or CBMT group. Patients' level of disability was assessed using Oswestry Disability Index (ODI) at week 4 and week 8. ODI was mapped to SF-6D to generate quality adjusted life years (QALYs) used for cost-effectiveness analysis. Resource use and costs were assessed based on rehabilitation services from a healthcare perspective. Cost-effectiveness analysis which included direct healthcare costs was conducted. Incremental cost per QALY was also calculated. Results: = 24) with the mean (±SD) age of 32.6 ± (11.5) years for BE-VRG and 48.8 ± (10.2) years for CBMT intervention completed in this study. The mean direct health costs per patient were USD100.67 and USD106.3 for BE-VRG and CBMT, respectively. The mean quality adjusted life years at week 4 and week 8 were (BE-VRG, 0.0574 ± (0.002); CBMT, 0.0548 ± (0.002)); and (BE-VRG; 0.116 ± (0.002); CBMT; 0.114 ± (0.004)), respectively. Incremental cost-effectiveness ratio showed that BE-VRG arm was less costly and more effective than CBMT. Conclusion: The findings of this study suggest that BE-VRG was cost saving for chronic non-specific LBP compared to CBMT. This evidence could guide policy makers, payers and clinicians in evaluating BE-VRG as a treatment option for people with chronic non-specific LBP.
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 | 0,023 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».