How does the risk of bias influence the effect sizes of exercise therapy in chronic low back pain randomised controlled trials? A protocol for a meta-epidemiological study
Notice bibliographique
Résumé
ABSTRACT Background and Objectives Risk of bias is a critical issue to consider when appraising studies. Generally, the higher the risk of bias of a study, the less confidence there will be that the results are valid. Considering that low back pain is recognized to have an extremely high disease burden; exercise therapy is one of the most frequently prescribed interventions for chronic low back pain (CLBP) and that most low back pain trials have methodological limitations that could bias treatment effect estimates; the objective of this study is to explore causal pathways between the sources of risk of bias and estimates of the treatment effect of exercise therapy interventions in CLBP trials. Methods The 249 RCTs included in the 2021 Cochrane review publication “Exercise therapy for chronic low back pain” will be included. The risk of bias will be evaluated with the Cochrane Risk of Bias 2 tool (ROB 2). Causal pathways between the exposure (risk of bias domains) and our outcomes of interest (effect sizes for pain and functional limitations) will be explored through univariable and multivariable meta-regression models. These models will be adjusted for potential confounders (sample size, trial registration, incomplete flow chart information and treatment comparisons), exploring relevant interactions within each model. Additional and sensitivity analyses will be performed to explore and test the robustness of the primary analyses. Ethics and dissemination A manuscript will be prepared and submitted for publication in an appropriate peer-reviewed journal upon study completion. We believe that the results of this investigation will be relevant to researchers paying more attention to the synthesis of the evidence to translate clinical implications to key stakeholders (healthcare providers and patients).
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 | 0,394 | 0,572 |
| Méta-épidémiologie (sens strict) | 0,009 | 0,007 |
| Méta-épidémiologie (sens large) | 0,024 | 0,059 |
| Bibliométrie | 0,014 | 0,013 |
| Études des sciences et des technologies | 0,004 | 0,009 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,008 | 0,007 |
| Intégrité de la recherche | 0,024 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,039 | 0,010 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».