Physiotherapy-led care versus physician-led care for persons with low back pain: A systematic review
Notice bibliographique
Résumé
OBJECTIVE: To summarise the evidence on the effect of physiotherapy-led versus physician-led care on clinical outcomes, healthcare use, and costs in persons with low back pain. DATA SOURCES: PubMed, Web of Science, CINAHL, Embase, and PEDro were systematically searched with the latest search performed in July 2024. Reference lists of articles were hand-searched. REVIEW METHODS: Studies comparing clinical outcomes, healthcare use, or costs between adults with low back pain first consulting a physiotherapist and those first consulting a physician were included. Methodological quality was assessed with the Newcastle-Ottawa Scale. Study design, clinical setting, patient characteristics, and group effects were extracted. Findings on outcomes assessed in two or more studies were synthesised narratively. Certainty of evidence was determined using the GRADE approach. RESULTS: Eighteen studies comprising 1,481,980 persons with low back pain were included. Most studies were non-randomised retrospective or prospective cohort studies. In primary care (15 studies), consistent evidence, though of mostly very low certainty, indicated that physiotherapy-led care leads to higher patient satisfaction, less use of medication, injections and imaging, fewer physician's visits, lower total healthcare costs, and less sick leave compared to physician-led care, without increased harm. In emergency care (three studies), evidence of very low certainty showed that physiotherapy-led care leads to shorter waiting and treatment times, and fewer hospital admissions. CONCLUSION: Physiotherapy-led care is a clinically, time- and cost-effective care pathway for low back pain, although the certainty of evidence was overall very low. Further high-quality research with a greater focus on clinical outcomes is warranted.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».