KNAW

Research

Developing a prediction model for neck pain patients in primary care

Pagina-navigatie:


Update content


Title Developing a prediction model for neck pain patients in primary care
Period 08 / 2006 - 03 / 2010
Status Completed
Dissertation Yes
Research number OND1318865
Data Supplier aanlevering onderzoeker

Abstract

Neck pain is the most prevalent musculoskeletal complaint after low back pain and shoulder disorders. Physiotherapy, manual therapy and guidance by the General Practitioner (GP) are the three most important treatment strategies in the Netherlands for patients with non-specific neck pain. Systematic reviews showed that these treatments appear effective, but effect sizes are small probably due to the heterogeneity of the study population. In most individual studies the power was too low to be able to evaluate the effectiveness of these interventions in subgroups of patients. Nevertheless, there is evidence that subgroups can be found who benefit most by a specific intervention. In this proposal we aim to determine relevant subgroups of patients with non-specific neck pain who will most likely benefit from an intervention using a clinical prediction rule. We develop a clinical prediction rule for identifying patients who are sensitive to improve with physiotherapy or manual therapy specifically using three separate databases of randomised clinical trials in patients with neck pain. Using such a prediction rule a GP can classify patients with neck pain who are most likely to respond to a particular intervention. This clinical prediction rule will be validated internally and externally.

Abstract (NL)

Inleiding Epidemiologie. Na lage rugklachten is nekpijn de meest voorkomende klacht van het bewegingsapparaat (1,2). In cross-sectioneel onderzoek in de open populatie variëren de punt prevalenties tussen 10-21% (3,4). In de Nederlandse open populatie is een 1-jaars prevalentie gevonden van 31.4%, een punt prevalentie van 20.6% en een prevalentie van chronische nekpijn van 14.3% (4). Als een belangrijk gezondheidsprobleem beïnvloedt nekpijn het alledaags functioneren en is ongeveer even frequent als lage rugklachten een reden voor ziekteverzuim (1). In veel gevallen spreken we van aspecifieke nekklachten omdat de oorzaak van de nekklachten onduidelijk is. Behandeling. Ongeveer 15-27% van de mensen met nekklachten zoekt hiervoor hulp in de eerste lijn (5). Op dit moment bestaat er nog geen (inter)nationale richtlijn voor behandeling van mensen met nekklachten in de eerste lijn. De behandelopties van de huisarts zijn: advies, pijnstilling en verwijzing naar een fysiotherapeut of manueel therapeut (6). Patiënten met aspecifieke nekklachten worden frequent door de huisarts naar de fysiotherapeut of manueel therapeut verwezen voor diagnostiek en behandeling. Systematische reviews laten zien dat beide behandelingen effectief zijn in de behandeling van nekklachten (7-12). Helaas zijn de effectschattingen klein. Een mogelijke heterogene studie populatie in de onderliggende studies zou een goede verklaring kunnen zijn voor die kleine effectschattingen. Het is vooralsnog niet goed duidelijk welke patiënten nu specifiek baat hebben bij fysiotherapie en welke bij manuele therapie. Voor de dagelijkse praktijk lijkt het handig als huisartsen en fysiotherapeuten een hulpmiddel hebben om te screenen welke patiënten specifiek baat hebben bij welke behandeling. Subgroepen. In veel studies wordt melding gemaakt van mogelijke subgroepen die specifiek baat hebben bij een specifieke interventie, maar de meeste studies zijn te klein om dit goed te evalueren. Recentelijk krijgt in de literatuur het gebruik van een predictie model om subgroepen te identificeren veel aandacht. Met name wat betreft mensen met lage rug klachten is daar al veel onderzoek naar gedaan (13-15). Het doel van dit project is het ontwikkelen van zo?n predictie model voor mensen met aspecifieke nekklachten. Doelstelling van dit onderzoek. Doelstelling van dit onderzoek is om, met behulp van de gegevens uit drie verschillende gerandomiseerde studies (RCTs) met patiënten met aspecifieke nekklachten een predictie model te ontwikkelen voor herstel bij een fysiotherapeutische of manueel therapeutische behandeling.

Related organisations

Other involved organisations

Keele University, Keele, England

Related people

Supervisor Prof.dr. R.E. Koes
Supervisor Prof.dr.ir. H.C.W. de Vet
Co-supervisor Dr. M.W. Heymans
Co-supervisor Dr. A.P. Verhagen
Doctoral/PhD student Dr. J.M. Schellingerhout

Classification

A73100 Primary health care
A76000 Patients care
D23380 General practice

Go to page top
Go back to contents
Go back to site navigation