MétaCan
Menu
Retour à la cohorte
Enregistrement W4392762024 · doi:10.1186/s12998-024-00529-0

Assessing adverse events associated with chiropractic care in preschool pediatric population: a feasibility study

2024· article· en· W4392762024 sur OpenAlexafffundabout
Anne Dolbec, Chantale Doucet, Katherine A. Pohlman, Stéphane Sobczak, Isabelle Pagé

Notice bibliographique

RevueChiropractic & Manual Therapies · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInfant Health and Development
Établissements canadiensCentres Intégré Universitaires de Santé et de Services SociauxCentre for Interdisciplinary Research in RehabilitationUniversité du Québec à Trois-Rivières
Organismes subventionnairesFonds de Recherche du Québec - SantéMitacsFondation Chiropratique du Québec
Mots-clésMedicineChiropracticIrritabilityNonprobability samplingGuardianFamily medicineAdverse effectCryingInformed consentHealth carePopulationAlternative medicinePediatricsPhysical therapyPsychiatryInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Manual therapies are commonly used by healthcare professionals when caring for children. However, few prospective studies have evaluated their adverse events (AEs). This study aims to assess the feasibility of a pragmatic prospective study aiming to report the immediate and delayed (48-hours post-treatment) AEs associated with manual therapies in children aged 5 or younger. Preliminary data on AEs frequency are also reported. METHODS: Between July 2021 and March 2022, chiropractors were recruited through purposive sampling and via a dedicated Facebook group for Quebec chiropractors interested in pediatrics. Legal guardians of patients aged 5 or younger were invited to fill out an online information and consent form. AEs were collected using the SafetyNET reporting system, which had been previously translated by the research team. Immediate AEs were collected through a questionnaire filled out by the legal guardian immediately after the treatment, while delayed AEs were collected through a questionnaire sent by email to the legal guardian 48 h after the treatment. Feasibility was assessed qualitatively through feedback from chiropractors and quantitatively through recruitment data. RESULTS: Overall, a total of 28 chiropractors expressed interest following the Facebook publication, and 5 participated. An additional two chiropractors were enrolled through purposive sampling. In total, 80 legal guardians consented to their child's participation, and data from 73 children were included for the analysis of AEs. At least one AE was reported in 30% of children (22/73), and AEs were mainly observed immediately following the treatment (16/22). The most common AEs were irritability/crying (11 children) or fatigue/tiredness (11 children). Feasibility analysis demonstrated that regular communication between the research team and clinicians, as well as targeting clinicians who showed great interest in pediatrics, were key factors for successful research. CONCLUSION: Results suggest that it is feasible to conduct a prospective pragmatic study evaluating AEs associated with manual therapies in private practices. Direct communication with the clinicians, a strategic clinicians' recruitment plan, and the resulting administrative burden should be considered in future studies. A larger study is required to confirm the frequency of AEs reported in the current study. TRIAL REGISTRATION: ClinicalTrials.gov., NCT05409859, Registered on June 3 2022. https://clinicaltrials.gov/study/NCT05409859 .

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)0,007
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,085
Tête enseignante GPT0,456
Écart entre enseignants0,371 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueChiropractic & Manual TherapiesMême sujetInfant Health and DevelopmentTravaux en français237 207