Reducing the burden of low back pain: results from a new microsimulation model
Notice bibliographique
Résumé
Abstract Background Low back pain (LBP) causes the highest morbidity burden globally. The purpose of the present study was to project and compare the impact of three strategies for reducing the population health burden of LBP: weight loss, ergonomic interventions, and an exercise program. Methods We have developed a microsimulation model of LBP in Canada using a new modeling platform called SimYouLate. The initial population was derived from Cycle 1 (2001) of the Canadian Community Health Survey (CCHS). We modeled an open population 20 years of age and older. Key variables included age, sex, education, body mass index (BMI), type of work, having back problems, pain level in persons with back problems, and exercise participation. The effects of interventions on the risk of LBP were obtained from the CCHS for the effect of BMI, the Global Burden of Disease Study for occupational risks, and a published meta-analysis for the effect of exercise. All interventions lasted from 2021 to 2040. The population health impact of the interventions was calculated as a difference in years lived with disability (YLDs) between the base-case scenario and each intervention scenario, and expressed as YLDs averted per intervention unit or a proportion (%) of total LBP-related YLDs. Results In the base-case scenario, LBP in 2020 was responsible for 424,900 YLDs in Canada and the amount increased to 460,312 YLDs in 2040. The effects of the interventions were as follows: 27,993 (95% CI 23,373, 32,614) YLDs averted over 20 years per 0.1 unit change in log-transformed BMI (9.5% change in BMI) among individuals who were overweight and those with obesity, 19,416 (16,275, 22,557) YLDs per 1% reduction in the proportion of workers exposed to occupational risks, and 26,058 (22,455, 29,661) YLDs averted per 1% increase in the proportion of eligible patients with back problems participating in an exercise program. Conclusions The study provides new data on the relationship between three types of interventions and the resultant reductions in LBP burden in Canada. According to our model, each of the interventions studied could potentially result in a substantial reduction in LBP-related disability.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».