Do self-management supportive interventions reduce healthcare utilization for people with musculoskeletal pain conditions? – A systematic review
Notice bibliographique
Résumé
OBJECTIVE: The aim of this systematic review was to investigate the effect of self-management supportive interventions on healthcare utilization in adult cares seekers with musculoskeletal pain conditions. STUDY DESIGN: Systematic review. METHODS: We included studies comparing the effect of a self-management supportive intervention against a control intervention and included measures of healthcare utilization. Studies were searched in MEDLINE, Embase, PsycINFO, CINAHL, Pedro, and the Cochrane Library. Results were extracted for the follow-up point closest to 12 months. Risk of bias was assessed using the Cochrane Risk of Bias tool 2, and quality of evidence by The Grading of Recommendations Assessment, Development and Evaluation. Results were synthesized on study level as mean differences or odds ratios with 95 % CI. RESULTS: We included 28 studies. Eighteen studies reported on the use of primary care at follow-up, and ten, four, and 13 on specialty care, diagnostics imaging, and oral pain medication, respectively. Overall, there was very low-quality evidence for no effect of self-management interventions on healthcare utilization in all groups. All studies were classified as either having a "high risk of bias" or "some concerns". CONCLUSION: Due to substantial heterogeneity in the types and measurement of healthcare utilization outcomes, it was not feasible to conduct a meta-analysis to estimate an overall effect size. A standardized way of reporting and measuring these outcomes could aid future research in this area. The current evidence suggests that self-management supportive interventions do not affect healthcare utilization in people with musculoskeletal pain conditions, but future high-quality studies may substantially change this conclusion.
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 | 0,009 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,000 | 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 ».