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 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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».