MétaCan
Menu
← Retour à la cohorte
Enregistrement W4391166217 · doi:10.1371/journal.pone.0296968

Trunk postural control during unstable sitting among individuals with and without low back pain: A systematic review with an individual participant data meta-analysis

2024· review· en· W4391166217 sur OpenAlexaff
Mansour Abdullah Alshehri, Hosam Alzahrani, Wolbert van den Hoorn, David M. Klyne, Albert H. Vette, Brad D. Hendershot, Brad Roberts, Christian Larivière, David Barbado, Francisco J. Vera-García, Jaap H. van Dieën, Jacek Cholewicki, Maury A. Nussbaum, Michael L. Madigan, N. Peter Reeves, Sheri P. Silfies, Stephen H.M. Brown, Paul W. Hodges

Notice bibliographique

RevuePLoS ONE · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensUniversity of GuelphGlenrose Rehabilitation HospitalCentre for Interdisciplinary Research in RehabilitationUniversity of AlbertaInstitut de recherche Robert-Sauvé en santé et en sécurité du travailAlberta Health Services
Organismes subventionnairesMedical Research CouncilNational Health and Medical Research CouncilU.S. Department of Defense
Mots-clésTrunkCINAHLMeta-analysisSittingMedicinePhysical therapyLow back painBody mass indexConfoundingPhysical medicine and rehabilitationPsychological interventionAlternative medicineInternal medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Sitting on an unstable surface is a common paradigm to investigate trunk postural control among individuals with low back pain (LBP), by minimizing the influence lower extremities on balance control. Outcomes of many small studies are inconsistent (e.g., some find differences between groups while others do not), potentially due to confounding factors such as age, sex, body mass index [BMI], or clinical presentations. We conducted a systematic review with an individual participant data (IPD) meta-analysis to investigate whether trunk postural control differs between those with and without LBP, and whether the difference between groups is impacted by vision and potential confounding factors. METHODS: We completed this review according to PRISMA-IPD guidelines. The literature was screened (up to 7th September 2023) from five electronic databases: MEDLINE, CINAHL, Embase, Scopus, and Web of Science Core Collection. Outcome measures were extracted that describe unstable seat movements, specifically centre of pressure or seat angle. Our main analyses included: 1) a two-stage IPD meta-analysis to assess the difference between groups and their interaction with age, sex, BMI, and vision on trunk postural control; 2) and a two-stage IPD meta-regression to determine the effects of LBP clinical features (pain intensity, disability, pain catastrophizing, and fear-avoidance beliefs) on trunk postural control. RESULTS: Forty studies (1,821 participants) were included for the descriptive analysis and 24 studies (1,050 participants) were included for the IPD analysis. IPD meta-analyses revealed three main findings: (a) trunk postural control was worse (higher root mean square displacement [RMSdispl], range, and long-term diffusion; lower mean power frequency) among individuals with than without LBP; (b) trunk postural control deteriorated more (higher RMSdispl, short- and long-term diffusion) among individuals with than without LBP when vision was removed; and (c) older age and higher BMI had greater adverse impacts on trunk postural control (higher short-term diffusion; longer time and distance coordinates of the critical point) among individuals with than without LBP. IPD meta-regressions indicated no associations between the limited LBP clinical features that could be considered and trunk postural control. CONCLUSION: Trunk postural control appears to be inferior among individuals with LBP, which was indicated by increased seat movements and some evidence of trunk stiffening. These findings are likely explained by delayed or less accurate corrective responses. SYSTEMATIC REVIEW REGISTRATION: This review has been registered in PROSPERO (registration number: CRD42021124658).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,053
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,053
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0210,040
Bibliométrie0,0070,008
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0030,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,207
Tête enseignante GPT0,346
Écart entre enseignants0,139 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetMusculoskeletal pain and rehabilitation→Travaux en français237 207→