Assessing the impact of health-care access on the severity of low back pain by country: a case study within the GBD framework
Notice bibliographique
Résumé
BACKGROUND: The Global Burden of Diseases, Injuries, and Risk Factors Study (GBD) is key for policy making. Low back pain is the leading cause of disability in terms of years lived with disability (YLDs). Due to sparse data, a current limitation of GDB is that a uniform severity distribution is presumed based on 12-Item Short Form Health Survey scores derived from US Medical Expenditure Panel Surveys (MEPS). We present a novel approach to estimate the effect of exposure to health interventions on the severity of low back pain by country and over time. METHODS: We extracted treatment effects for ten low back pain interventions from the Cochrane Database, combining these with coverage data from the MEPS to estimate the hypothetical severity in the absence of treatment in the USA. Severity across countries was then graded using the Health Access and Quality Index, allowing estimates of averted and avoidable burden under various treatment scenarios. FINDINGS: We included 210 trials from 36 Cochrane systematic reviews in the network analysis. The pooled effect sizes (measured as a standardised mean difference) for the most effective intervention classes were -0·460 (95% uncertainty interval -0·606 to -0·309) for a combination of psychological and physical interventions and -0·366 (-0·525 to -0·207) for surgery. Globally, access to treatment averted an estimated 17·6% (14·8 to 23·8) of the low back pain burden in 2020. If all countries had provided access to treatment at a level estimated for Iceland with the highest Health Access and Quality Index score, an extra 9·1% (6·4 to 11·2) of the burden of low back pain could be avoided. Even with full coverage of optimal treatment, a large proportion (65·9% [56·9 to 70·4]) of the low back pain burden is unavoidable. INTERPRETATION: This methodology fills an important shortcoming in the GBD by accounting for low back pain severity variations over time and between countries. Assumptions of unequal treatment access increased YLD estimates in resource-poor settings, with a modest decrease in countries with higher Health Access and Quality Index scores. Nonetheless, the large proportion of unavoidable burden indicates poor intervention efficacy. This method, applicable to other GBD conditions, provides policy makers with insights into health gains from improved treatment and underscores the importance of investing in research for new interventions. FUNDING: Bill and Melinda Gates Foundation and Queensland Health.
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 | 0,038 | 0,087 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,008 |
| Bibliométrie | 0,006 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».