Kliniske forudsigelsesregler for rygsmerter og rygsmertsyndrom

Kliniske forudsigelsesregler:

"Kliniske beslutningsregler, klassificering af rygsmerter og forudsigelse af behandlingsresultat: En diskussion af de seneste rapporter i rehabiliteringslitteraturen"

Abstrakt

Kliniske beslutningsregler er en stadig mere almindelig tilstedeværelse i den biomedicinske litteratur og repræsenterer en strategi til at forbedre den kliniske beslutningstagning for at forbedre effektiviteten og effektiviteten af ​​levering af sundhedsydelser. I forbindelse med rehabiliteringsforskning har kliniske beslutningsregler overvejende været rettet mod at klassificere patienter ved at forudsige deres behandlingsrespons på specifikke terapier. Traditionelt foreslår anbefalinger til udvikling af kliniske beslutningsregler en flertrinsproces (afledning, validering, konsekvensanalyse) ved hjælp af den definerede metodologi. Forskningsindsats rettet mod at udvikle en diagnosebaseret klinisk beslutningsregel er afveget fra denne konvention. Nylige publikationer inden for denne forskningslinje har brugt den modificerede terminologidiagnosebaserede kliniske beslutningsvejledning. Ændringer af terminologi og metodologi omkring kliniske beslutningsregler kan gøre det sværere for klinikere at genkende niveauet af evidens forbundet med en beslutningsregel og forstå, hvordan denne evidens skal implementeres for at informere patientbehandling. Vi giver et kort overblik over udvikling af kliniske beslutningsregler i forbindelse med rehabiliteringslitteraturen og to specifikke artikler, der for nylig er offentliggjort i Chiropractic and Manual Therapies.

Kliniske forudsigelsesregler

• Sundhedsvæsenet har gennemgået et vigtigt paradigmeskifte mod evidensbaseret praksis. En tilgang, der menes at forbedre den kliniske beslutningstagning ved at integrere den bedste tilgængelige evidens med klinisk ekspertise og patienternes præferencer.
• I sidste ende er målet med evidensbaseret praksis at forbedre leveringen af ​​sundhedsydelser. Men oversættelsen af ​​videnskabelige beviser til praksis har vist sig at være en udfordrende bestræbelse.
• Kliniske beslutningsregler (CDR'er), også kendt som kliniske forudsigelsesregler, er i stigende grad almindelige i rehabiliteringslitteraturen.
• Disse er værktøjer designet til at informere klinisk beslutningstagning ved at identificere potentielle forudsigere for diagnostisk testresultat, prognose eller terapeutisk respons.
• I rehabiliteringslitteraturen er CDR'er oftest brugt til at forudsige en patients respons på behandlingen. De er blevet foreslået til at identificere klinisk relevante undergrupper af patienter med ellers heterogene lidelser såsom uspecifik nakke eller lav rygsmerte, hvilket er det perspektiv, vi agter at fokusere på.

Kliniske forudsigelsesregler

• Evnen til at klassificere eller undergruppere patienter med heterogene lidelser såsom rygsmerter er blevet fremhævet som en forskningsprioritet og derfor i fokus for en stor forskningsindsats. Tiltrækningen ved sådanne klassificeringstilgange er deres potentiale for forbedret behandlingseffektivitet og effektivitet ved at matche patienter med optimale terapier. Tidligere har patientklassificering baseret på implicitte tilgange baseret på tradition eller usystematiske observationer. Brugen af ​​CDR'er til at informere om klassificering er et forsøg på en mere evidensdrevet tilgang, mindre afhængig af ubegrundet teori.
• CDR udvikles i en flertrinsproces, der involverer undersøgelser af udledning, validering og analyse af effekt, hvor hver har et defineret formål og metodiske kriterier. Som med alle former for evidens, der bruges til at træffe beslutninger om patienter, er opmærksomhed på passende undersøgelsesmetodologi afgørende for at vurdere de potentielle fordele ved implementering.

Fordele ved kliniske forudsigelsesregler

• Det kan rumme flere faktorer, end den menneskelige hjerne kan tage højde for
• CDR / CPR-modellen vil altid give det samme resultat (matematisk ligning)
• Det kan være mere nøjagtigt end klinisk bedømmelse.

Kliniske anvendelser af kliniske forudsigelsesregler

• Diagnose - sandsynlighed for testet
• Prognose - forudsig risiko for sygdomsudfald

 

 

johnsnyderdpt.com/for-clinicians/clinical-prediction-rules/cervical-manipulation-for-neck-pain/

johnsnyderdpt.com/for-clinicians/clinical-prediction-rules/thoracic-manipulation-for-neck-pain/

johnsnyderdpt.com/for-clinicians/clinical-prediction-rules/manipulation-for-low-back-pain

johnsnyderdpt.com/for-clinicians/clinical-prediction-rules/lumbar-spinal-stenosis/

Dr. John Snyder's hjemmeside

Flynn Clinical Prediction Rule Video

CDR-analyse af virkninger

I sidste ende ligger nytten af ​​en CDR ikke i dens nøjagtighed, men i dens evne til at forbedre kliniske resultater og forbedre effektiviteten af ​​behandlingen.[15] Selv når en CDR udviser bred validering, sikrer dette ikke, at den vil ændre den kliniske beslutningstagning, eller at de ændringer, den producerer, vil resultere i bedre pleje.

De ændringer, det frembringer, vil resultere i bedre pleje. McGinn et al.[2] identificeret tre forklaringer på fejlen i en CDR på dette stadium. For det første, hvis klinikerens vurdering er lige så nøjagtig som en CDR-informeret beslutning, er der ingen fordel ved dens brug. For det andet kan anvendelsen af ​​en CDR involvere besværlige beregninger eller procedurer, som afskrækker klinikere fra at bruge CDR. For det tredje er det muligvis ikke muligt at bruge CDR i alle miljøer eller omstændigheder. Derudover vil vi inkludere den realitet, at eksperimentelle undersøgelser kan involvere patienter, der ikke er helt repræsentative for dem, der ses i rutinepleje, og at dette kan begrænse den faktiske værdi af en CDR. For fuldt ud at forstå nytten af ​​en CDR og dens evne til at forbedre leveringen af ​​sundhedsydelser er det derfor nødvendigt at foretage en pragmatisk undersøgelse af dens gennemførlighed og virkning, når den anvendes i et miljø, der afspejler praksis i den virkelige verden. Dette kan udføres med forskellige undersøgelsesdesign, såsom randomiserede forsøg, klynge-randomiserede forsøg eller andre tilgange, såsom at undersøge virkningen af ​​en CDR før og efter dens implementering.

Forekomst af klassificeringsmetoder for patienter med lændesvigt ved brug af McKenzie syndromerne, smerte mønster, manipulation og stabilisering kliniske forudsigelsesregler.

www.ncbi.nlm.nih.gov/pmc/articles/PMC3113271/

Mål

Målsætninger var (1) at bestemme andelen af ​​patienter med lændesvigt, som kunne klassificeres ved indtagelse af McKenzie syndromer (McK) og smertemønsterklassificering (PPC) ved hjælp af mekaniske diagnoser og terapi (MDT) vurderingsmetoder, manipulation og stabilisering klinisk forudsigelse regler (HLR) og (2) for hver HLR- eller Stab CPR-kategori, bestemmer klassifikationsprævalenserne ved hjælp af McK og PPC.

HLR er sofistikerede probabilistiske og prognostiske modeller, hvor en gruppe af identificerede patientegenskaber og kliniske tegn og symptomer er statistisk forbundet med en meningsfuld forudsigelse af patientens resultater.

To separate CPR'er blev udviklet af forskere til at identificere patienter, som ville reagere positivt på manipulation.33,34 Flynn et al. udviklede den oprindelige manipulations-HLR ved hjælp af fem kriterier, dvs. ingen symptomer under knæet, nylige indtræden af ​​symptomer (<16 dage), lav frygt-undgåelses-spørgeskema36 score for arbejde (<19), hypomobilitet i lændehvirvelsøjlen og indre hofte rotations-ROM (>35 for mindst én hofte).33

Flynns CPR blev efterfølgende modificeret af Fritz et al. til to kriterier, der inkluderede ingen symptomer under knæet og nylige indtræden af ​​symptomer (<16 dage), som et pragmatisk alternativ til at reducere klinikernes byrde for at identificere patienter i den primære pleje, der er mest tilbøjelige til at reagere på stødmanipulation.34 positivt

"Potentia.l faldgruber af kliniske forudsigelsesregler"

Hvad er kliniske forudsigelsesregler?

En klinisk forudsigelsesregel (CPR) er en kombination af kliniske fund, der statistisk har vist meningsfuld forudsigelighed ved bestemmelse af en udvalgt tilstand eller prognose for en patient, der har fået en specifik behandling 1,2. CPR'er oprettes ved hjælp af multivariate statistiske metoder, er designet til at undersøge forudsigelsesevnen af ​​udvalgte grupperinger af kliniske variabler3,4 og er beregnet til at hjælpe klinikere med at træffe hurtige beslutninger, der normalt kan være underlagt underliggende skævheder5. Reglerne er af algoritmisk karakter og involverer kondenseret information, der identificerer det mindste antal statistisk diagnostiske indikatorer for den målrettede tilstand6.

Kliniske forudsigelsesregler udvikles generelt ved hjælp af en 3-trins metode14. For det første har CPR'er afledt os prospektivt-
multivariate statistiske metoder til at undersøge forudsigelsesevnen af ​​udvalgte grupperinger af kliniske variable3. Det andet trin involverer validering af CPR i et randomiseret kontrolleret forsøg for at reducere risikoen for, at de prædiktive faktorer udviklet under afledningsfasen blev udvalgt tilfældigt14. Det tredje trin involverer at udføre en konsekvensanalyse for at bestemme, hvordan CPR forbedrer plejen, reducerer omkostningerne og præcist definerer det målrettede mål14.

Selv om der er ringe debat, kan omhyggeligt konstruerede HLR'er forbedre klinisk praksis, efter min viden er der ingen retningslinjer, der præciserer metodiske krav til HLR til infusion i alle kliniske praksismiljøer. Retningslinjer er oprettet for at forbedre rigoriteten i studiedesign og rapportering. Den følgende redaktion beskriver potentielle metodologiske faldgruber i HLR'er, der kan svække algoritmens overførbarhed væsentligt. Inden for rehabiliteringsområdet har de fleste HLR været præskriptive; Derfor er mine kommentarer her reflekterende over receptpligtige HLR'er.

Metodiske faldgruber

CPR'er er designet til at specificere et homogent sæt af karakteristika fra en heterogen population af prospektivt udvalgte konsekutive patienter5,15. Typisk er den resulterende anvendelige population en lille delmængde af en større prøve og repræsenterer muligvis kun en lille procentdel af klinikerens faktiske daglige sagsbelastning. Indstillingen og placeringen af ​​den større prøve bør kunne generaliseres15,16, og efterfølgende validitetsundersøgelser kræver vurdering af CPR i forskellige patientgrupper, i forskellige miljøer og med en typisk patientgruppe, der ses af de fleste klinikere16. Fordi mange CPR'er er udviklet baseret på en meget særskilt gruppe, der måske eller måske ikke afspejler en typisk patientpopulation, kan spektrumtransportabiliteten17 af mange nuværende CPR-algoritmer være begrænset.

Kliniske forudsigelsesregler bruger resultatmål til at bestemme effektiviteten af ​​interventionen. Resultatmål skal have en enkelt operationel definition5 og kræve tilstrækkelig lydhørhed til virkelig at fange passende ændringer i tilstanden14; desuden bør disse mål have en velkonstrueret cut-off score16,18 og indsamles af en blindet administrator15. Udvælgelsen af ​​en passende ankerscore til måling af faktisk ændring diskuteres i øjeblikket19-20. De fleste udfaldsmål bruger et patient-recall-baseret spørgeskema såsom en global rating of change score (GRoC), som er passende, når den bruges på kort sigt, men lider af recall bias, når den bruges i langtidsanalyser19-21.

En potentiel ulempe for CPR'er er den manglende opretholdelse af kvaliteten af ​​de tests og mål, der bruges som prædiktorer i algoritmen. Derfor bør perspektivtesten og målene være uafhængige af hinanden under modellering16; hver skal udføres på en meningsfuld, acceptabel måde4; klinikere eller dataadministratorer bør være blinde over for patientens resultatmål og tilstand22.

Kilder

Potentielle faldgruber i kliniske forudsigelsesregler; Journal of Manual & Manipulative Therapy Volume 16 Number Two [69]

Jeffrey J Hebert og Julie M Fritz; Kliniske beslutningsregler, klassifikation af rygsmerter og forudsigelse af behandlingsresultat: En diskussion af de seneste rapporter i rehabiliteringslitteraturen