روش سنجش روایی دسته‌بندی انواع کمردرد در مدل بالینی نقص‌های سامانه حرکت: مقاله مروری نقلی

دسته‌بندی انواع کمردرد در دسته‌های تشخیصی همگن روندهای تشخیصی و درمان فیزیوتراپی این عارضه‌ را تسهیل و بهینه‌سازی می‌نماید. هدف از ارایه این نوشتار مرور روند چندمرحله‌ای معرفی شده برای بررسی روایی دسته‌بندی‌های پنجگانه پیشنهادی کمردرد در مدل بالینی نقص‌های سامانه حرکت می‌باشد. مطالعه حاضر از گونه مطالعات مرور نقلی است که با جستجو در پایگاه‌های اطلاعاتی شاملgoogle scholar ، pubmed، medline، cinahl، science direct وembase و در مقالات انگلیسی از ابتدای 1995 تا انتهای 2018 صورت پذیرفته است. واژگان کلیدی شاملlow back pain ، human movement system، reliability، validity وclassification بودند. در این جستجو با توجه به معیارهای ورود، تعداد 14 مقاله‌ی پژوهشی که روایی دسته‌بندی‌های کمردرد را در سه حوزه‌ی تشخیص بالینی، آزمایشگاهی و درمانی بررسی کردند انتخاب شدند و مورد بررسی قرار گرفتند. پنج مورد از این مطالعات مربوط به حوزه روایی بالینی، پنج مورد مربوط به حوزه روایی آزمایشگاهی و چهار مورد مربوط به حوزه روایی اثرات درمان بودند. نتیجه مرور این مطالعات نشان می‌دهد که روش معاینه و تشخیص نوع کمردرد در مدل بالینی نقص‌های سامانه حرکت قابل فراگیری برای متخصصین است و با تمرین و تجربه، پایایی این روش برای متخصص زبده بیشتر می‌گردد، مطالعات دقیق آزمایشگاهی با سامانه ثبت سه بعدی حرکات، ویژگی‌های قابل تمایز در الگوی حرکات کمری دسته‌های کمردرد را نشان می‌دهند و نتایج اولیه درمان‌های اختصاصی این دسته‌بندی‌ها اثرات مثبت این درمان‌ها را تایید می‌نمایند. این نتایج تا حد زیادی تایید کننده روایی دسته‌بندی‌های ارایه شده برای کمردرد در مدل بالینی نقص‌های سامانه حرکت است.

The methodology of validating movement system based classification of low back pain: narrative review article

Classifying patients with low back pain into homogeneous and distinct categories by organizing similar manifestations among individuals can be helpful to attain better results for treatments. Providing homogenous categories of patients with low back pain would improve benefits produced by treatments. To gain a greater understanding of the proposed multistage process and validate diagnostic categories, the current research was designed to conduct a review about this process. We aimed to validate movement system impairment (MSI) based categories of people with chronic low back pain. MSIbased classification uses a standardized approach for classifying people with low back pain into 1 of 5 subgroups. For the present narrative review, computerized databases of EMBASE, Google Scholar, MEDLINE, Cumulative Index to Nursing and Allied Health Literature (CINAHL), PubMed and Science Direct were searched for articles published between January 1990 and December 2018. For electronic searches, keywords and terms used were: ldquo;Reliability rdquo;, ldquo;Validity rdquo;, ldquo;Classification rdquo;, ldquo;low back pain and ldquo;Human Movement System rdquo;. Fourteen fulltext research reports that have been undertaken to add clinical, laboratory and outcome validity to MSIbased classification of low back pain were included in the review. Five studies were categorized as clinical validity studies which investigated the accuracy of examinations for patients with low back pain, 5 studies categorized as laboratory validity studies and 4 studies categorized as outcome validity studies which included randomized control trials. The results of this review revealed that novice users can learn the diagnosis algorithm of MSIbased categories of low back pain and by practicing, their intertester reliability and precision in applying the classification algorithm would be comparable to that of described for experienced expert raters. The laboratorybased tests, including 3D motion analysis, indicated that there are differences in movement patterns of the lumbar spine between low back pain subgroups. Also, for people with low back pain, classificationspecific treatments based on the MSI model resulted in better outcomes. In conclusion, this review indicated the validity of the MSI classification system in people with chronic low back pain.