Klinische predictieregel voor patiënten met nekpijn
Huidige klinische predictieregel identificeert patiënten met nekpijn die waarschijnlijk gebaat zijn bij thoracale manipulatie. 
Research authors: Joshua A Cleland, John D Childs, Julie M Fritz, Julie M Whitman, Sarah L Eberhart
Details Formula Study characteristics Files & References
★★
Model author
Model ID
1308
Version
1.2
Revision date
2018-05-03
Specialty
MeSH terms
  • Cervical Pain
  • Model type
    Custom model (Conditional)
    Status
    public
    Rating
    Share
    Condition Formula

    Additional information

    In totaal zijn er 84 patiënten met mechanische nekpijn geschikt bevonden om deel te nemen in het onderzoek. Alle patiënten ontvingen drie verschillende manipulatie technieken gericht op de thoracale wervelkolom. 
    Uiteindelijk zijn er 78 patiënten geïncludeerd in de volledige analyse, waarin 23 patiënten een succesvolle uitkomst hadden bij het 2e bezoek en nog eens 19 patiënten bij het derde bezoek. 36 patiënten hadden geen succesvolle uitkomst. 

    Study Population

    Total population size: 78
    Males: {{ model.numberOfMales }}
    Females: {{ model.numberOfFemales }}

    Continuous characteristics

    Name Mean SD Unit
    Leeftijd 42 11.3 jaren
    Duur van de klachten 80 70.6 dagen
    NPRS 4.7 1.8 punten
    NDI 34.9 10.1 punten
    FABQPA 12.6 4.1 punten
    FABQW 13.1 10.1 punten

    Categorical characteristics

    Name Subset / Group Nr. of patients
    Symptomen distaal van de schouder Nee 43
    Ja 35
    Traumatisch ontstaan klachten Nee 46
    Ja 32
    Eerdere episode van nekklachten Nee 52
    Ja 26
    Klachten verergeren door: Naar rechts kijken 52
    Naar links kijken 51
    Omhoog kijken 42
    Omlaag kijken 54
    Autorijden 64
    Klinische predictieregel voor patiënten met nekpijn
    V-1.2-1308.18.05.03
    Refer to Intended Use for instructions before use
    Evidencio B.V., Irenesingel 19, 7481 GJ, Haaksbergen, the Netherlands

    Berekende kans op een succesvolle uitkomst bij thoracale manipulaties is:
    ...
    %

    {{ resultSubheader }}

    {{ model.survival.PITTitle }}

    {{ model.survival.YNETitle }}

    Result
    Note
    Notes are only visible in the result download and will not be saved by Evidencio

    Berekende kans op een succesvolle uitkomst bij thoracale manipulaties is: %

    {{ resultSubheader }}
    {{ chart.title }}

    Outcome stratification

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

    Conditional information

    Result interpretation

    De voorspelde succesvolle uitkomst betreft een score van 5 of meer op de global rating of change (GROC). De GROC is een 15-puntsschaal die loopt van -7 (heel veel slechter) naar 0 (min of meer gelijk gebleven) naar +7 (heel veel beter). 

    De voorspelde percentages zijn regelrecht overgenomen van de waargenomen succesvolle uitkomsten van de patiënten die gebruikt zijn om de predictieregel te ontwikkelen. Het model is (nog) niet extern gevalideerd. 

    {{ 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:
    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.
    • Use patient specific protocols and guidelines based on sequential models and decision trees.
    • 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.