MétaCan
Menu
Retour à la cohorte
Enregistrement W4392163749 · doi:10.2519/jospt.2024.12216

Which Remote Rehabilitation Interventions Work Best for Chronic Musculoskeletal Pain and Depression? A Bayesian Network Meta-Analysis

2024· review· en· W4392163749 sur OpenAlexafffund
Pavlos Bobos, Tiago Pereira, Dimitra V Pouliopoulou, Mariana Charakopoulou-Travlou, Goris Nazari, Joy C. MacDermid

Notice bibliographique

RevueJournal of Orthopaedic and Sports Physical Therapy · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensQueen's UniversityHand and Upper Limb ClinicWestern University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésRehabilitationDepression (economics)Psychological interventionMeta-analysisPhysical medicine and rehabilitationBayesian networkMusculoskeletal painChronic painPhysical therapyWork (physics)MedicinePsychologyComputer sciencePsychiatryEngineeringArtificial intelligenceInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To evaluate the effectiveness of remote rehabilitation interventions for people living with chronic musculoskeletal pain and depression. DESIGN: A systematic review with network meta-analysis (NMA) of randomized controlled trials. LITERATURE SEARCH: We searched the Cochrane Central Register of Controlled Trials, CINAHL, EMBASE, LILACS MEDLINE, PSYNDEX, and PsycINFO databases from inception to May 2023. STUDY SELECTION CRITERIA: Randomized controlled trials that evaluated the effectiveness of remote rehabilitation interventions in people with chronic musculoskeletal pain and depression. DATA SYNTHESIS: We used Bayesian random-effects models for the NMA. Effect estimates were comparisons between rehabilitation interventions and waitlist. We performed a sensitivity analysis based on bias in the randomization process, large trials (>100 patients per arm) and musculoskeletal condition. RESULTS: Fifty-eight randomized controlled trials involving 10 278 participants (median sample size: 137; interquartile range [IQR]: 77–236) were included. Interactive voice response cognitive behavioral therapy (CBT; standardized mean difference [SMD] -0.66, 95% credible interval [CrI] -1.17 to -0.16), CBT in person (SMD -0.50, 95% CrI -0.97 to -0.04), and mobile app CBT plus exercise (SMD -0.37, 95% CrI -0.69 to -0.02) were superior to waitlist at 12-week follow-up for reducing pain (> 98% probability of superiority). For depression outcomes, Internet-delivered CBT and telecare were superior to waitlist at 12-week follow-up (SMD -0.51, 95% CrI -0.87 to -0.13) (> 99% probability of superiority). For pain outcomes, the certainty of evidence ranged from low to moderate. For depression outcomes, the certainty of evidence ranged from very low to moderate. The proportion of dropouts attributed to adverse events was unclear. No intervention was associated with higher odds of dropout. CONCLUSION: Interactive voice response CBT and mobile app CBT plus exercise showed similar treatment effects with in-person CBT on pain reduction among people living with chronic musculoskeletal pain and depression had over 98% probability of superiority than waitlist control at 12-week follow-up. Internet-delivered CBT and telecare had over 99% probability of superiority than waitlist control for improving depression outcomes at 12-week follow-up. J Orthop Sports Phys Ther 2024;54(6):361-376. Epub 26 February 2024. doi:10.2519/jospt.2024.12216

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)0,074
score de la tête « metaresearch » (Gemma)0,146
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: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,389

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0740,146
Méta-épidémiologie (sens strict)0,0050,003
Méta-épidémiologie (sens large)0,0210,048
Bibliométrie0,0100,005
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0040,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,047
Tête enseignante GPT0,385
Écart entre enseignants0,337 · 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

Citations6
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Orthopaedic and Sports Physical TherapyMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207