Identifying chronic low back pain phenotypic domains and characteristics accounting for individual variation: a systematic review
Notice bibliographique
Résumé
ABSTRACT: Interpatient variability is frequently observed among individuals with chronic low back pain (cLBP). This review aimed at identifying phenotypic domains and characteristics that account for interpatient variability in cLBP. We searched MEDLINE ALL (through Ovid), Embase Classic and EMBASE (through Ovid), Scopus, and CINAHL Complete (through EBSCOhost) databases. Studies that aimed to identify or predict cLBP different phenotypes were included. We excluded studies that focused on specific treatments. The methodological quality was assessed using an adaptation of the Downs and Black tool. Forty-three studies were included. Although the patient and pain-related characteristics used to identify phenotypes varied considerably across studies, the following were among the most identified phenotypic domains and characteristics that account for interpatient variability in cLBP: pain-related characteristics (including location, severity, qualities, and duration) and pain impact (including disability, sleep, and fatigue), psychological domains (including anxiety and depression), behavioral domains (including coping, somatization, fear avoidance, and catastrophizing), social domains (including employment and social support), and sensory profiling (including pain sensitivity and sensitization). Despite these findings, our review showed that the evidence on pain phenotyping still requires further investigation. The assessment of the methodological quality revealed several limitations. We recommend adopting a standard methodology to enhance the generalizability of the results and the implementation of a comprehensive and feasible assessment framework to facilitate personalized treatments in clinical settings.
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 | 0,028 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».