Biopsychosocial phenotyping of patients with chronic low back pain using the pain and disability drivers management model: A retrospective cohort study
Notice bibliographique
Résumé
BackgroundChronic low back pain (CLBP) is a major burden. The Pain and Disability Drivers Management (PDDM) model is a framework developed to analyse factors contributing to disability and pain in CLBP patients.ObjectiveThe primary objective was to explore the prognostic value of the PDDM model using real-life data. The secondary objective was to explore its analytical value.MethodsA monocentric retrospective cohort study included CLBP patients who underwent a multidisciplinary rehabilitation program between January 2014 and December 2020. Regression analyses were performed using the five domains of the PDDM as explanatory variables. To assess its prognostic value, the main outcome was the change in disability over the course of the program. Secondary outcomes were change in pain and return to work. To assess its analytical value, the outcome was baseline disability.ResultsCognitive-emotional domain of the PDDM predicted change in disability. Nociceptive, Nervous System Dysfunction and Cognitive-Emotional domains of the PDDM were associated with baseline disability.ConclusionsThe PDDM model showed limited prognostic value in our context but provided valuable insights into the bio-psycho-social dimensions contributing to disability in CLBP patients.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».