Global and regional estimates of clinical and economic burden of low back pain in high-income countries: a systematic review and meta-analysis
Notice bibliographique
Résumé
Introduction: Low back pain (LBP) is a common health problem, and the leading cause of activity limitation and work absence among people of all ages and socioeconomic strata. This study aimed to analyse the clinical and economic burden of LBP in high income countries (HICs) via systematic review and meta-analysis. Methods: A literature search was carried out on PubMed, Medline, CINAHL, PsycINFO, AMED, and Scopus databases was from inception to March 15th, 2023. Studies that assessed the clinical and economic burden of LBP in HICs and published in English language were reviewed. The methodological quality of the included studies was assessed using the Newcastle-Ottawa quality assessment scale (NOS) for cohort studies. Two reviewers, using a predefined data extraction form, independently extracted data. Meta-analyses were conducted for clinical and economic outcomes. Results: = 4). The average annual direct and indirect costs estimate per population for LBP ranged from € 2.3 billion to € 2.6 billion; and € 0.24 billion to $8.15 billion, respectively. In the random effects meta-analysis, the pooled annual rate of hospitalization for LBP was 3.2% (95% confidence interval 0.6%-5.7%). The pooled direct costs and total costs of LBP per patients were USD 9,231 (95% confidence interval -7,126.71-25,588.9) and USD 10,143.1 (95% confidence interval 6,083.59-14,202.6), respectively. Discussion: Low back pain led to high clinical and economic burden in HICs that varied significantly across the geographical contexts. The results of our analysis can be used by clinicians, and policymakers to better allocate resources for prevention and management strategies for LBP to improve health outcomes and reduce the substantial burden associated with the condition. Systematic review registration: https://www.crd.york.ac.uk/prospero/#recordDetails?, PROSPERO [CRD42020196335].
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 | 0,031 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,023 | 0,055 |
| Bibliométrie | 0,015 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».