Nonpharmacological Spine Pain Management in Clinical Practice Guidelines: A Systematic Review Using AGREE II and AGREE-REX Tools
Notice bibliographique
Résumé
OBJECTIVE: To summarize the content and critically appraise the quality and applicability of recent clinical practice guidelines (CPGs) for nonpharmacological, nonsurgical management of spine pain. DESIGN: Systematic review of CPGs. LITERATURE SEARCH: Six databases and seven guideline clearinghouses. STUDY SELECTION CRITERIA: Included de novo CPGs for nonpharmacological, nonsurgical management of spine pain designed for any primary health care providers, published in English, Arabic, French, or traditional Chinese within the past 12 years. DATA SYNTHESIS: Five reviewers independently appraised the guidelines using AGREE II and AGREE-REX. Interrater agreements were calculated for each domain and the total score of these tools using the intraclass correlation coefficient (2, 1) with absolute agreement. RESULTS: We included 30 CPGs, primarily (90%) developed in Western countries, which contained 404 recommendations. High-quality CPGs consistently recommended exercise therapy and multimodal care, encompassing a combination of exercises, mobilization/manipulation, education, alternative medicine, and cognitive-behavioral treatments. Generally, CPGs did not recommend assistive (eg, corsets and orthosis) devices or electro/thermotherapies (eg, therapeutic ultrasound and transcutaneous electrical nerve stimulation). Approximately half of the CPGs demonstrated good methodological quality according to AGREE II, whereas the rest were of poor quality. On the AGREE-REX assessment, one third of the recommendations were of excellent quality. CONCLUSION: Although recent guidelines frequently recommended exercise therapy and multimodal care for the management of spine pain, their recommendations often overlooked demographics and comorbidities. Despite methodological improvements, most CPGs lacked simple clinical applicability and considerations of knowledge users’ values. J Orthop Sports Phys Ther 2025;55(1):12-25. Epub 4 November 2024. doi:10.2519/jospt.2024.12729
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 | 0,080 | 0,269 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,011 | 0,012 |
| Bibliométrie | 0,028 | 0,023 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,003 | 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 ».