Use of General Practitioner Services Among Workers with Work-Related Low Back Pain: A Systematic Review
Notice bibliographique
Résumé
PURPOSE: Work-related low back pain (WRLBP) is a highly prevalent health problem worldwide leading to work disability and increased healthcare utilisation. General practitioners (GPs) play an important role in the management of WRLBP. Despite this, understanding of GP service use for WRLBP is limited. This systematic review aimed to determine the prevalence, patterns and determinants of GP service use for WRLBP. METHODS: MEDLINE, Embase via Ovid, Scopus and Web of Science were searched for relevant peer-reviewed articles published in English without any restriction on time of publications. Low back pain (LBP) was considered work-related if the study included workers' compensation claim data analysis, participants with accepted workers' compensation claims or reported a connection with work and LBP. The eligibility criteria for GP service use are met if there is any reported consultation with family practitioner, medical doctor or General Practitioner. Two reviewers screened articles and extracted data independently. Narrative synthesis was conducted. RESULTS: Seven eligible studies reported prevalence of GP service use among workers with WRLBP ranging from 11% to 99.3%. Only studies from Australia, Canada and the United States met the eligibility criteria. The prevalence of GP service use was higher in Australia (70%) and Canada (99.3%) compared to the United States (25.3% to 39%). The mean (standard deviation) number of GP visits ranged from 2.6 (1.6) to 9.6 (12.4) over a two-year time interval post-WRLBP onset. Determinants of higher GP service use included prior history of low back pain, more severe injury, prior GP visits and younger age. CONCLUSION: Only seven studies met the eligibility indicating a relative lack of evidence, despite the acknowledged important role that GPs play in the care of workers with low back pain. More research is needed to understand the prevalence, patterns and determinants to support effective service delivery and policy development.
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 | 0,007 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,009 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».