What is known and what is still unknown within chronic musculoskeletal pain? A systematic evidence and gap map
Notice bibliographique
Résumé
ABSTRACT: Evidence and gap maps (EGMs) can be used to identify gaps within specific research areas and help guide future research agendas and directions. Currently, there are no EGMs within the broad domain of chronic musculoskeletal (MSK) pain in adults. The aim of this study was to create a contemporary EGM of interventions and outcomes used for research investigating chronic MSK pain. This EGM was based on systematic reviews of interventions published in scientific journals within the past 20 years. Embase, PubMed, the Cochrane Library, and PsycINFO were used to retrieve studies for inclusion. The quality of the included reviews was assessed using AMSTAR-II. Interventions were categorised as either physical, psychological, pharmacological, education/advice, interdisciplinary, or others. Outcomes were categorised using the Initiative on Methods, Measurement, and Pain Assessment in Clinical Trials (IMMPACT) recommendations. Of 4299 systematic reviews, 457 were included. Of these, 50% were rated critically low quality, 25% low quality, 10% moderate quality, and 15% rated high quality. Physical interventions (eg, exercise therapy) and education were the most common interventions reported in 80% and 20% of the studies, respectively. Pain (97%) and physical functioning (87%) were the most reported outcomes in the systematic reviews. Few systematic reviews used interdisciplinary interventions (3%) and economic-related outcomes (2%). This contemporary EGM revealed a low proportion of high-quality evidence within chronic MSK pain. This EGM clearly outlines the lack of high-quality research and the need for increased focus on interventions encompassing the entire biopsychosocial perspective.
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 | 0,012 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».