The epidemiology of low back pain in chiropractors and chiropractic students: a systematic review of the literature
Notice bibliographique
Résumé
BACKGROUND: Chiropractors and chiropractic students commonly report low back pain (LBP). However, the burden of LBP in this occupational group has not been synthesized in the literature. This systematic review aims to describe the epidemiology of LBP in chiropractors and chiropractic students. METHODS: We searched MEDLINE, Embase, CINAHL, and PsycINFO from inception to May 1, 2023. Eligible studies were cross-sectional, cohort, or case-control studies investigating the prevalence, incidence, associated factors, or risk factors of LBP in chiropractors or chiropractic students. Reviewers independently screened articles and assessed risk of bias using the appropriate JBI Checklists for the observational study design. We descriptively synthesized studies that were rated as low or moderate risk of bias. RESULTS: Of 2012 citations screened, we included 2 cross-sectional studies in the evidence synthesis (1 study rated as moderate risk of bias on chiropractors, and 1 rated as low risk of bias on chiropractic students). For chiropractors, the 12-month prevalence of work-related overuse injuries to the low back was 35.6% (95% CI 29.1, 42.0) in women and 22.4% (95% CI 16.3, 29.6) in men. The 12-month prevalence of work-related acute physical injuries to the low back in chiropractors were 3.4% (95% CI 1.6, 6.8) for women and 0.7% (95% CI 0.1, 3.7) for men. Among chiropractic students, the 1-week prevalence of LBP was 69% (95% CI 64.8, 73.0). This was higher among female students (72.5%, 95% CI 67.1, 77.4) and lower among male students (64%, 95% CI 57.0, 70.6). CONCLUSION: There is limited high-quality evidence on the epidemiology of LBP in chiropractors and chiropractic students. Our systematic review provides a synthesis of the body of literature, highlighting that chiropractors and chiropractic students commonly report LBP. Future high-quality research is needed to address the incidence, associated factors, and risk factors of LBP.
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 | 0,014 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,006 |
| Bibliométrie | 0,019 | 0,019 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 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 ».