Prädiktoren für die Prognose von CMLBP bei Gesundheitsberufen

Die häufigste Form von LBP ist nicht spezifisch oder mechanisches LBP. Nichtspezifischer LBP (NSLBP) wird verwendet, wenn die pathoanatomische Ursache des Schmerzes nicht bestimmt werden kann. Die jährliche Inzidenz von CMLBP bei Gesundheitsberufen beträgt 26% mit hohem jährlichem Rezidiv. Chronische mechanische Rückenschmerzen sind die häufigste Ursache für Jahre, die weltweit mit Behinderungen gelebt haben. Es gibt individuelle Faktoren, die das Risiko einer Schmerzchrianität wie biomechanischer, psychologischer, sozialer, ökologischer, Lebensstil und persönlicher Faktoren erhöhen können. Das Hauptziel der aktuellen Studie besteht daher darin, die erwarteten klinischen Prädiktoren zu untersuchen, die die Prognose chronischer mechanischer LBP bei Gesundheitsberufen unterstützen können. Da CMLBP in der Arbeitsbevölkerung allgemein als weit verbreitet angesehen wurde, konzentrierten sich frühere Studien auf die Ermittlung von Risikofaktoren für CMLBP bei Erwachsenen im erwerbenen Alter. Bestimmte berufliche Expositionen (z. B. Ganzkörperschwingung, häufig drehen oder biegen und längeres Stehen oder Sitzen), psychologische Variablen (z. Alter und Frauen) sind mit dem Vorhandensein von CMLBP in der Arbeitsbevölkerung verbunden. Andererseits wurden keine Studien des Autors durchgeführt, um die antizipierenden Faktoren im Zusammenhang mit CMLBP in Gesundheitsberufen zu ermitteln.

Studien identifizieren lediglich die Faktoren im Zusammenhang mit Chronizität. Sie untersuchen jedoch nicht, ob das Vorhandensein von 1 Faktor ausreicht oder ob eine bestimmte Mischung aus Faktor erforderlich ist. Daher wird die vorliegende Studie durchgeführt, um ein umfassenderes Modell zu entwickeln, einschließlich Verbindungen zwischen mehreren Faktoren, die die Prognose von CMLBP im Gesundheitswesen erwarten können und überlegen, welche Faktoren wirklich wichtig sind. Die Berechnung der Stichprobengröße basiert auf der Leistungsanalyse unter Verwendung des G*Power Program 3.1.9 (G Power Program Version 3.1, Heinrich-Heine-Universität, Düsseldorf, Deutschland). Die Berechnung der Stichprobengröße hängt von einer Pilotstudie ab, darunter 10 Patienten, bei denen chronische mechanische Schmerzen im unteren Rückenbereich diagnostiziert wurden, um Multi-Regression zwischen abhängigen Variablen (Schmerzintensität) und unabhängigen Variablen (Alter, Geschlecht, BMI, Score der körperlichen Aktivität, Schmerzdauer der Schmerzdauer , Beruf, Berufserfahrung, Laststunden (Stunden/Tag), Laststunden (Tage/Woche), häufige Position, Gesamtpunktzahl von Tampa und funktionelle Behinderung). Die quadratische Mehrfachkorrelation (R2) für diese Pilotstudie = 0,140. Probengrößenberechnung basierend auf F-Tests (lineare multiple Regression: Festes Modell, R²-Abweichung von Null), Typ I-Fehler (α) = 0,05, Leistung (1-β-Fehlerwahrscheinlichkeit) = 0,80 und Effektgröße F2 = 0,1627907 mit einer Gesamtzahl Stichprobengröße für 118 Teilnehmer. Unter Berücksichtigung einer Abfallrate von 10% wird die geeignete Mindestprobengröße für diese Studie 130 Teilnehmer sein, bei denen chronische mechanische Schmerzen im unteren Rückenbereich diagnostiziert wurden. Die Berechnung der Stichprobengröße wurde von einer Pilotstudie abhängt, darunter 10 Patienten, bei denen chronische mechanische Schmerzen im unteren Rückenbereich diagnostiziert wurden, um Multi-Regression zwischen abhängigen Variablen (Schmerzintensität) und unabhängigen Variablen (Alter, Geschlecht, BMI, Score der körperlichen Aktivität, Schmerzdauer der Schmerzdauer zu untersuchen , Beruf, Berufserfahrung, Laststunden (Stunden/Tag), Laststunden (Tage/Woche), häufige Position, Gesamtpunktzahl von Tampa und funktionelle Behinderung). Die quadratische Mehrfachkorrelation (R2) für diese Pilotstudie = 0,140. Probengrößenberechnung basierend auf F-Tests (lineare multiple Regression: Festes Modell, R²-Abweichung von Null), Typ I-Fehler (α) = 0,05, Leistung (1-β-Fehlerwahrscheinlichkeit) = 0,80 und Effektgröße F2 = 0,1627907 mit einer Gesamtzahl Stichprobengröße für 118 Teilnehmer. Unter Berücksichtigung einer Abfallrate von 10% wird die geeignete Mindestprobengröße für diese Studie 130 Teilnehmer sein, bei denen chronische mechanische Schmerzen im unteren Rückenbereich diagnostiziert wurden.

Statistische Analyse:

1. Die statistische Analyse wird unter Verwendung von SPSS Version 15.0 Statistisches Softwarepaket (SPSS Inc, Chicago, IL, USA) durchgeführt, um zu bestimmen, ob potenzielle prognostische Variablen zwischen den Fortschritten des Gesundheitswesens mit Schmerzen im unteren Rückenlehne.
2. Demografische Daten werden als Mittelwert ± Standardabweichung für alle kontinuierlichen Variablen und das Chi -Quadrat für die Geschlechtsverteilung zwischen Gruppen ausgedrückt.
3. Vor der endgültigen Analyse werden Daten auf Normalitätsannahme, Homogenität der Varianz und das Vorhandensein extremer Bewertungen untersucht.
4. Es werden Tests der Normalität einschließlich Shapiro-Wilk-Test und Kolmogorov-Smirnov-Test verwendet.
5. Sensitivität, Spezifität und positive Wahrscheinlichkeitsverhältnisse werden für jede potenzielle Prädiktorvariable berechnet. Um den genauesten Satz von Variablen für die Vorhersage der Prognose mechanischer Schmerzen im unteren Rücken zu bestimmen, werden potenzielle Prädiktorvariablen in ein schrittweisen logistischer Regressionsmodell (p <0,05) eingegeben.