Prediction of Back Disability Using Clinical, Functional, and Biomechanical Variables in Adults with Chronic Nonspecific Low Back Pain
Notice bibliographique
Résumé
Background: Researchers are focusing on understanding the etiology and predisposing factors of chronic nonspecific low back pain (CNSLBP), a costly prevalent and disabling disorder. Related clinical, functional, and biomechanical variables are often studied, but in isolation. We aimed to identify key factors for managing CNSLBP by examining the relationship between back disability and related clinical, functional, and biomechanical variables and developed prediction models to estimate disability using various variables. Methods: We performed a cross-sectional correlational study on 100 recruited patients with CNSLBP. Clinical variables of pain intensity (visual analog score), back extensor endurance (Sorenson test), functional variables of the back performance scale, 6 min walk test, and the biomechanical variable C7-S1 sagittal vertical axis were analyzed to predict disability (Oswestry disability index). Results: All variables independently, as well as in multi-correlation, were significantly correlated to disability (p < 0.05). The bivariate regression models were significant between back disability and pain intensity (Y = 11.24 + 2.189x), Sorensen results (Y = 105.48 − 0.911x), the back performance scale (Y = 6.65 + 2.486x), 6 min walk test (Y = 49.20 − 0.060x), and sagittal vertical axis (Y = 0.72 + 4.23x). The multi-regression model showed significant contributions from pain (p = 0.001) and Sorensen results (p = 0.028) in predicting back disability, whereas no significant effect was found for other variables. Conclusions: A multidisciplinary approach is essential not only for the management of but also for the assessment of chronic nonspecific low back pain, including its clinical, functional, and biomechanical characteristics. However, special emphasis should be placed on clinical characteristics, including the intensity of pain and back extensor endurance.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».