How non-specific low back pain affects gait kinematics: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Non-specific low back pain (NS-LBP) is a is a highly prevalent musculoskeletal condition, with an estimated 619 million prevalent cases worldwide in 2020. Alterations in spinal and lower limb dynamics are considered as potential factors directly involved in this condition, thus we carried out a systematic review to summarize the evidence regarding walking kinematics in NS-LBP. Methods: The reporting of this review followed the "2020 Preferred Reporting Items for Systematic Reviews and Meta-Analysis" (PRISMA 2020 checklist) and the protocol was preliminary registered in PROSPERO (ID: CRD42023431380). A search strategy was implemented in Medline, Embase, Scopus, Web of Science, and IEEE Xplore databases, up to March 2024. Inclusion criteria were: any analytical observational research instrumentally assessing the trunk and lower limbs kinematics of spontaneous walking in NS-LBP, in a comparison with healthy people. Study selection and data extraction were performed by two blinded reviewers, the methodological quality was evaluated by the Joanna Briggs Institute (JBI) Critical Appraisal Checklist and the quality of the evidence was rated through GRADE criteria. Results: = 0.03] in NS-LBP. Regarding motion analysis, a few authors observed a less and asymmetrical motion of the lower spine in the frontal and in the transverse plane. Conclusion: There is very-low quality evidence that gait speed, cadence and step length are reduced in patients with NS-LBP. There is proof of a movement reduction in the lower lumbar spine and in the pelvis, both in the transverse and in the frontal plane. No differences in the lower limb kinematics was consistent over the studies. Systematic Review Registration: https://www.crd.york.ac.uk/prospero/, identifier CRD42023431380.
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 | 0,057 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,015 | 0,004 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».