Manual medicine in the treatment of non-specific low back pain.
Bibliographic record
Abstract
MEDYCYNA MANUALNA W LECZENIU NIESPECYFICZNEGO BÓLU DOLNEGO ODCINKA KRĘGOSŁUPAManual medicine in the treatment of non-specific low back pain. Słowa kluczowe: osteopatia, niespecyficzny ból dolnego odcinka kręgosłupa, leczenie osteopatyczne.Niespecyficzny ból dolnego odcinka kręgosłupa Przyczyny dolegliwości bólu pleców dzielimy na specyficzne i niespecyficzne.Zdecydowana większość przypadków dotyczy niespecyficznego bólu dolnego odcinka kręgosłupa (nsBDOK).Niespecyficzny ból dolnego odcinka kręgosłupa (nsBDOK), charakteryzuje ból o nieuchwytnej przyczynie, którego pochodzenie jest trudne do ustalenia.W celu rozpoznania nsBDOK wykluczyć należy wszystkie inne przyczyny.Warto tutaj podkreślić, że nsBDOK stwierdzany jest u ponad 80% osób cierpiących na ból dolnego odcinka kręgosłupa [1-3].U chorego z rozpoznaniem nsBDOK decyzja o sposobie leczenia nie jest łatwa ze względu na fakt, iż dotychczas nie opracowano jednego algorytmu postępowania.Mimo mnogości potencjalnych przyczyn, trudno jest jednoznacznie stwierdzić, czy któraś z nich jest bezpośrednio odpowiedzialna za objawy pacjenta.Można jedynie podejrzewać, że była za to odpowiedzialna, jeśli na skutek terapii nacelowanej na tę potencjalną przyczynę, dojdzie do poprawy stanu pacjenta z nsBDOK.Do potencjalnych, ale niejednoznacznych przyczyn nsBDOK zaliczyć
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.053 | 0.025 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".