Predicting outcomes across treatment settings in patients with shoulder pain referred to physiotherapy: a secondary analysis of two comparable prospective cohort studies
Notice bibliographique
Résumé
Objective: Previous studies have examined factors that may contribute to predicting outcomes for patients with shoulder pain. However, there is still a lack of consensus on which factors predict the results and whether there are differences based on the treatment setting. Thus, this study aimed to analyse and compare how baseline variables are associated with future outcomes in patients with shoulder pain in primary and secondary care settings. Methods: This study conducted a secondary analysis of two observational prospective cohort studies involving patients with shoulder pain in primary care (n=150) and secondary care (n=183). Multiple regression analyses were employed, with one interaction term at a time, to examine potential differences in association with baseline characteristics and future outcomes between the two settings. Results: Changes in pain and function were statistically significant at 6 months for patients in primary care and secondary care. However, associations for most baseline variables and outcomes did not differ significantly across these two treatment settings. The only statistically significant interactions observed were for the associations between baseline level of pain, function and fear avoidance beliefs and change in pain scores at 6 months, with lower change scores observed among patients in the secondary care. Conclusion: This study revealed that the association with outcomes did not differ across settings for most baseline characteristics. These findings suggest that it could be feasible to generalise the prognostic value of most baseline variables for patients with shoulder, irrespective of the treatment setting.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 ».