Voorspellen van vertraagd herstel >6 maanden bij nekpijn
Predictiemodel is extern gevalideerd en wordt aanbevolen in de KNGF richtlijn nekpijn 2016. 

Het huidige model omvat een klinische predictieregel en is een score die gebaseerd is op een logistiche regressie. Externe validatie toonde een discriminatieve waarde van 0.65. 
Research authors: J.M. Schellingerhout, M.W. Heymans, A.P. Verhagen, M. Lewis, H.C. de Vet, B.W. Koes
Details Custom formula Study characteristics Files & References
★★★★
Model author
Model ID
1120
Version
1.8
Revision date
2018-02-12
Specialty
MeSH terms
  • Neck Pain
  • Model Type
    Custom model (Calculation)
    Status
    public
    Rating
    Share
    Formula

    Additional information

    Het model is ontwikkeld met 468 Nederlandse patiënten tussen 18 en 70 jaar die zich in de 1e lijn hebben gemeld met aspecifieke nekklachten. De primaire uitkomstmaat was globaal ervaren herstel gemeten na 6 maanden follow-up. 

    De score is extern gevalideerd in een engels patiëntenpopulatie (n = 315) die deel hebben genomen aan een gerandomiseerd onderzoek.  

    Study Population

    Total population size: 468
    Males: {{ model.numberOfMales }}
    Females: {{ model.numberOfFemales }}

    Continuous characteristics

    Name Mean SD Unit
    Leeftijd 45.4 11.8 Jaren
    Pijn 5.7 2.1 NRS 0-10
    NDI 14.5 6.7 schaal 0-50
    EuroQOL VAS 69.9 17.3 mm
    TAMPA-schaal 33.8 7.1 schaal 17-68

    Categorical characteristics

    Name Subset / Group Nr. of patients
    Opleidingsniveau Hoog 135
    Medium 195
    Laag 122
    Eerdere episode van nekpijn gehad Nee 167
    Ja 301
    Eerdere behandeling gehad voor nekpijn Nee 210
    Ja 258
    Duur huidige klachten <1 maand 58
    1-3 maanden 225
    >3 maanden 160
    Uitstralende pijn Nee 172
    Ja 296
    Traumatische oorzaak nekpijn Nee 405
    Ja 63
    Verwijzing Geen 301
    Fysiotherapie 69
    Manuele therapie 88
    Werkstatus Werkloos 134
    Werkend 334
    Hoofdpijn Nee 151
    Ja 317
    Duizeligheid Nee 312
    Ja 156
    Lage rugklachten Nee 372
    Ja 96

    Related files

    No related files available

    Totaal aantal punten is:
    ...
    Punten

    {{ resultSubheader }}

    {{ variable.title }}

    {{ model.survival.PITTitle }}

    {{ model.survival.YNETitle }}

    Result

    Totaal aantal punten is: Punten

    {{ resultSubheader }}

    Outcome stratification

    Result interval {{ additionalResult.min }} to {{ additionalResult.max }}

    Conditional information

    Result interpretation

    Een hoger aantal punten geeft een hogere kans op vertraagd herstel bij nekpijn. 

    Patiënten met een score lager dan 35 hebben significant meer kans op een voorspoedig herstel, dan de "gemiddelde" patiënt. 

    {{ file.classification }}

    Calculations alone should never dictate patient care, and are no substitute for professional judgement. See our full disclaimer.

    Comments
    Rating
    Comment
    Please enter a comment of rating
    Comments are visible to anyone

    Model feedback

    No feedback yet 1 Comment {{ model.comments.length }} Comments
    Not rated | On {{ comment.created_at }} {{ comment.user.username }} a no longer registered author wrote:
    {{ comment.content }}
    logo

    Please sign in to enable Evidencio print features

    In order to use the Evidencio print features, you need to be logged in.
    If you don't have an Evidencio Community Account you can create your free personal account at:

    https://www.evidencio.com/registration

    Printed results - Examples {{ new Date().toLocaleString() }}


    Evidencio Community Account Benefits


    With an Evidencio Community account you can:

    • Create and publish your own prediction models.
    • Share your prediction models with your colleagues, research group, organization or the world.
    • Review and provide feedback on models that have been shared with you.
    • Validate your models and validate models from other users.
    • Find models based on Title, Keyword, Author, Institute, or MeSH classification.
    • Use and save prediction models and their data.
    • Stay up-to-date with new models in your field as they are published.
    • Create your own lists of favorite models and topics.
    A personal Evidencio account is free, with no strings attached! Join us and help create clarity, transparency, and efficiency in the creation, validation, and use of medical prediction models.

    Disclaimer: Calculations alone should never dictate patient care, and are no substitute for professional judgement.