Prediktorer for prognosen for CMLBP blandt sundhedsyrker

Den mest almindelige form for LBP er ikke-specifik eller mekanisk LBP. Ikke -specifik LBP (NSLBP) anvendes, når den patoanatomiske årsag til smerten ikke kan bestemmes. Den årlige forekomst af CMLBP blandt sundhedsfag har vist sig at være 26% med en høj årlig gentagelse. Kroniske mekaniske lændesmerter er den førende årsag til år, der leves med handicap over hele verden. Der er individuelle faktorer, der kan øge risikoen for smertekronicitet såsom biomekanisk, psykologisk, social, miljømæssig, livsstil og personlige faktorer. Derfor vil hovedmålet med den aktuelle undersøgelse være at undersøge de forventede kliniske prediktorer, der kan hjælpe med at prognose for kronisk mekanisk LBP blandt sundhedsfag. Da CMLBP generelt blev antaget at være udbredt i den arbejdende befolkning, fokuserede tidligere undersøgelser på at identificere risikofaktorer for CMLBP hos voksne i arbejdende alder. Visse erhvervsmæssige eksponeringer (f.eks. Vibrationer i hele kroppen, ofte vridning eller bøjning og langvarig stående eller siddende), psykologiske variabler (f.eks alder og kvinder) viser sig at være relateret til tilstedeværelsen af ​​CMLBP i den arbejdende befolkning. I På anden hånd blev op til forfatterens viden ingen undersøgelser udført for at identificere foregribende faktorer relateret til CMLBP blandt sundhedsfag.

Undersøgelser identificerer simpelthen de faktorer, der er relateret til kronicitet, de studerer dog ikke, om tilstedeværelsen af ​​1 faktor er tilstrækkelig, eller om der kræves en bestemt blanding af faktor. Derfor vil den nuværende undersøgelse blive videreført for at udvikle en mere omfattende model, herunder forbindelser mellem flere faktorer, der kan forudse prognosen for CMLBP blandt sundhedsfag ud over at overveje, hvilke faktorer der virkelig er vigtige. Beregning af prøvestørrelse er baseret på strømanalyse ved hjælp af G*Power Program 3.1.9 (G Power Program version 3.1, Heinrich-Heine-University, Düsseldorf, Tyskland). Beregningen af ​​prøvestørrelsen afhænger af en pilotundersøgelse, der inkluderer 10 patienter, der er diagnosticeret med kroniske mekaniske lændesmerter for at studere multi-regression mellem afhængig variabel (smerteintensitet) og uafhængige variabler (alder, køn, BMI, score for fysisk aktivitet, varighed af smerte , besættelse, arbejdserfaring, belastningstider (timer/dag), belastningstider (dage/uge), arbejdsrelateret hyppig position, total score for Tampa og funktionel handicap). Den firkantede multiple korrelation (R2) for denne pilotundersøgelse = 0,140. Beregning af prøvestørrelse baseret på F-tests (lineær multiple regression: fast model, R²-afvigelse fra nul), type I-fejl (α) = 0,05, effekt (1-ß fejlsandsynlighed) = 0,80 og effektstørrelse F2 = 0,1627907 med en samlet total Prøvestørrelse for 118 deltagere. I betragtning af en 10% -udgangsfrekvens vil den relevante minimumsprøvestørrelse for denne undersøgelse være 130 deltagere, der er diagnosticeret med kroniske mekaniske lændesmerter. Beregningen af ​​prøvestørrelsen var afhængig af en pilotundersøgelse inklusive 10 patienter, der er diagnosticeret med kroniske mekaniske lændesmerter for at studere multi-regression mellem afhængig variabel (smerteintensitet) og uafhængige variabler (alder, køn, BMI, score for fysisk aktivitet, varighed af smerte , besættelse, arbejdserfaring, belastningstider (timer/dag), belastningstider (dage/uge), arbejdsrelateret hyppig position, total score for Tampa og funktionel handicap). Den firkantede multiple korrelation (R2) for denne pilotundersøgelse = 0,140. Beregning af prøvestørrelse baseret på F-tests (lineær multiple regression: fast model, R²-afvigelse fra nul), type I-fejl (α) = 0,05, effekt (1-ß fejlsandsynlighed) = 0,80 og effektstørrelse F2 = 0,1627907 med en samlet total Prøvestørrelse for 118 deltagere. I betragtning af en 10% -udgangsfrekvens vil den relevante minimumsprøvestørrelse for denne undersøgelse være 130 deltagere, der er diagnosticeret med kroniske mekaniske lændesmerter.

Statistisk analyse:

1. Statistisk analyse vil blive udført ved hjælp af SPSS version 15.0 Statistical Software Package (SPSS Inc, Chicago, IL, USA) for at bestemme, om nogen potentielle prognostiske variabler blandt progressionerne i sundhedsvæsenet med lændesmerter.
2. Demografiske data vil blive udtrykt som gennemsnit ± standardafvigelse for alle kontinuerlige variabler og Chi -pladsen for kønsfordeling mellem grupper.
3. Før den endelige analyse vil data blive screenet for normalitetsantagelse, homogenitet af varians og tilstedeværelse af ekstreme scoringer.
4. Tests af normalitet inklusive Shapiro Wilk Test og Kolmogorov-Smirnov-test vil blive brugt.
5. Følsomhed, specificitet og positive sandsynlighedsforhold beregnes for hver potentiel prediktorvariabel. For at bestemme det mest nøjagtige sæt af variabler til forudsigelse af prognose af mekaniske lændesmerter, vil potentielle prediktorvariabler blive indtastet i en trinvis logistisk regressionsmodel (P <0,05).