A CLASSIFICATION ALGORITHM FOR LOW BACK PAIN: Matching patients to treatments that they are most likely to benefit from
Projectomschrijving
Het indelen van patiënten met rugklachten in relevante subgroepen is een van de belangrijkste aanbevelingen om de (bescheiden) effectiviteit van therapieën voor rugklachten te optimaliseren. Er zijn momenteel veel van zulke classificatie systemen bekend. In dit onderzoek willen de we de kosteneffectiviteit van een veelbelovend classificatie systeem onderzoeken. In totaal worden 150 patiënten met subacute en chronische lage rugklachten die naar een 1e lijns fysiotherapiepraktijk in het onderzoek opgenomen. In de 1e groep worden patiënten op basis van het classificatie model toegewezen aan 1 van de 3 verschillende therapievormen: richtingspecifieke oefeningen, manipulatie, of stabilisatie oefeningen. In de andere groep vindt behandeling plaats volgens de Nederlandse fysiotherapie richtlijnen voor rugklachten. Belangrijkste uitkomstmaten: algemene ervaren herstel, functionele status en pijn intensiteit. En we meten ook de kosten. Dit zal gebeuren bij aanvang, en 8, 26, en 52 weken na de start van de behandeling.
Producten
Auteur: Adri T Apeldoorn, Raymond W Ostelo, Hans van Helvoirt, Julie M Fritz, Henrica CW de Vet, Maurits W van Tulder
Magazine: BMC Musculoskeletal Disorders
Verslagen
Eindverslag
Achtergrond
Het indelen van patiënten met rugklachten in relevante subgroepen is een van de belangrijkste aanbevelingen om de (bescheiden) effectiviteit van therapieën voor rugklachten te optimaliseren. Er zijn momenteel veel van zulke classificatie systemen voor lage rugklachten bekend.
Doel van dit onderzoek
In dit onderzoek is de effectiviteit en de kosten effectiviteit van een veelbelovend classificatie systeem onderzocht.
Methode
Er is een gerandomiseerd onderzoek uitgevoerd. Mensen met subacute en chronische lage rugklachten die zich melden bij een fysiotherapiepraktijk in de 1e lijn zijn ingesloten.
In de 1e groep zijn patiënten op basis van het classificatie model toegewezen aan 1 van de 3 verschillende therapievormen die bij dit model horen. 1) richtingspecifieke oefeningen; 2) manipulatie, of; 3) stabilisatie oefeningen. In de andere groep vond behandeling plaats volgens de Nederlandse fysiotherapie richtlijnen voor lage rugklachten.
Belangrijkste uitkomstmaten: algemene ervaren herstel, functionele status en pijn intensiteit. Daarnaast zijn ook de kosten in kaart gebracht. De metingen vonden plaats bij aanvang, en 8, 26, en 52 weken na de start van de behandeling.
Resultaten
In totaal zijn 156 mensen gerandomiseerd en geanalyseerd. In de klinische studie werd op geen van de belangrijkste uitkomstmaten een belangrijk of statisch significant verschil gevonden tussen de twee groepen. Ook de secundaire uitkomstmaten lieten geen verschillen zien. In een van de secundaire analyses bij 104 patiënten met een 'duidelijke classificatie' waren wel beperkte positieve resultaten te zien in te voordeel van het behandelen volgens het classificatie model. Dit gold alleen voor algemeen ervaren herstel en functionele status.
De economische evaluatie liet zien dat er indien de samenleving bereid zou zijn om rond de € 10.000 te betalen er een grote kans is (95%) dat er een extra herstelde patiënt is door het volgen van de classificatie therapie ten opzicht van usual care. Op basis van een aantal secundaire analyses waarin de invloed van een aantal aannames op de resultaten is bekeken, bleek dat de resultaten robuust waren.
Conclusies
Gebaseerd op de resultaten van deze studie is er geen reden om het classificatie systeem breed te implementeren in Nederland. De gebruikelijke zorg van de fysiotherapeut in Nederland voor mensen met acute en chronische lage rugklachten is de behandeling die de voorkeur verdient.
Lage rugklachten zijn een enorm medisch en sociaal-economisch probleem. Veel patiënten met lage rugklachten worden behandeld met oefentherapie of manuele therapie. Er is sterk bewijs dat beide behandelingen effectief zijn maar de effecten zijn bescheiden en het is nog steeds onduidelijk welke patiënten de meeste baat hebben bij welke therapievorm. Doel De doelmatigheid onderzoeken van een classificatie algoritme, gebaseerd op patiënt kenmerken, dat patiënten toewijst aan de therapie (oefentherapie of manueel therapie) waarvan de meeste baat kan worden verwacht (gematchte behandeling). In een studie in de USA bleek dit algoritme effectief. Dit wordt vergeleken met de huidige situatie (usual care) waarin de patiënt een van beide therapieën ontvangt zonder het classificatie algoritme Studieopzet Een gerandomiseerde interventie studie (RCT) met economische evaluatie. Patiënten met a-specifieke lage rugklachten (langer dan 6 weken) worden gerekruteerd indien ze zich bij een therapeut melden voor oefentherapie of manueel therapie. Behandelgroepen In de classificatie groep ontvangen patiënten behandeling op basis van de uitslag van het classificatie algoritme, terwijl de patiënten in de usual care groep, de behandeling krijgen zoals dat momenteel gebruikelijk is, dat wil zeggen, zonder gebruik te maken van het classificatie algoritme. Uitkomstmaten Mate van herstel (7 puntsschaal), functionele status (ODI), pijn intensiteit (11-punts NRS), algemene gezondheid (SF-36) en kwaliteit van leven (Euroqal). Meetmomenten: baseline, en 8, 26 en 52 weken na randomisatie. Power/data-analysis 150 patiënten worden ingesloten, hetgeen voldoende is om een klinisch relevant verschil aan te tonen (power 90%, alpha 5%) van 9 punten verschil op de ODI en 20% verschil in herstel.. Multilevel analyse (‘intention-to-treat’ en ‘per-protocol’) worden uitgevoerd. Economische evaluatie wordt vanuit een maatschappelijk perspectief uitgevoerd. Relevante kosten (gezondheidszorg, patiënt en familie, en productieverlies) worden verzameld m.b.v. kostendagboekjes. Kosten-effectiviteit en kosten-utiliteitratio’s worden berekend m.b.v. bootstrapping. Tijdschema Maand (0-6) voorbereiding trial, (7-21) inclusie patiënten, (19-31) follow-up van deelnemers en data-entry, (30-36) analyse en economische evaluatie, rapportage
Samenvatting van de aanvraag
SUMMARY Low back pain (LBP) is common and has major consequences. Exercise therapy and manual therapy are frequently applied and there is strong evidence that both are more effective than no treatment. But effects are modest and it is still unclear what patients benefit most from what type of treatment. Objective To evaluate the (cost)effectiveness of a classification algorithm, based on patient’s symptoms and clinical presentation, that directs patients with non specific LBP to the therapy (exercise therapy or manual therapy) that they are most likely to benefit from. In an US-based study, this algorithm has proven to be effective. This is compared to the usual care. Design A randomized controlled trial including cost-effectiveness and cost-utility analyses. Patients with non-specific LBP (more than 6 weeks) who attend a therapist (for exercise therapy or manual therapy) are included. Treatment groups Patients are randomized into the two groups. In the classification group patients receive treatment (exercise therapy or manual therapy) as decided by the classification algorithm. Patients in the control group receive usual care, that is without using the classification algorithm for treatment decision making. Outcomes General perceived recovery (7-point scale), functional status (ODI), pain intensity (11-point NRS), general health (SF-36) and quality of life (EuroQol). Assessments take place at baseline, and 8, 26 and 52 weeks after randomization. Sample size/analysis Anticipating a 10% study withdrawal, 150 patients are necessary (power 90%, alpha 0.05) to detect a clinically relevant difference of 9 points on the ODI and a 20% difference in recovery. Analyses include: intention-to-treat analysis, per-protocol analysis and multi-level analysis, incorporating the levels of practice, patient and time of measurement. Economic evaluation includes a cost-effectiveness and cost-utility analysis from a societal perspective. Health care costs, costs in other sectors, patient and family costs, and production losses are included. Time schedule Months: (0-6) preparations by researcher and main applicant; (7-21) patient recruitment, treatment; (19-31) data-entry; follow-up measurements; (30-36) analysis, economic evaluation, writing final report. SAMENVATTING Lage rugklachten zijn een enorm medisch en sociaal-economisch probleem. Veel patiënten met lage rugklachten worden behandeld met oefentherapie of manuele therapie. Er is sterk bewijs dat beide behandelingen effectief zijn maar de effecten zijn bescheiden en het is nog steeds onduidelijk welke patiënten de meeste baat hebben bij welke therapievorm. Doel De doelmatigheid onderzoeken van een classificatie algoritme, gebaseerd op patiënt kenmerken, dat patiënten toewijst aan de therapie (oefentherapie of manueel therapie) waarvan de meeste baat kan worden verwacht (gematchte behandeling). In een studie in de USA bleek dit algoritme effectief. Dit wordt vergeleken met de huidige situatie (usual care) waarin de patiënt een van beide therapieën ontvangt zonder het classificatie algoritme Studieopzet Een gerandomiseerde interventie studie (RCT) met economische evaluatie. Patiënten met a-specifieke lage rugklachten (langer dan 6 weken) worden gerekruteerd indien ze zich bij een therapeut melden voor oefentherapie of manueel therapie. Behandelgroepen In de classificatie groep ontvangen patiënten behandeling op basis van de uitslag van het classificatie algoritme, terwijl de patiënten in de usual care groep, de behandeling krijgen zoals dat momenteel gebruikelijk is, dat wil zeggen, zonder gebruik te maken van het classificatie algoritme. Uitkomstmaten Mate van herstel (7 puntsschaal), functionele status (ODI), pijn intensiteit (11-punts NRS), algemene gezondheid (SF-36) en kwaliteit van leven (Euroqal). Meetmomenten: baseline, en 8, 26 en 52 weken na randomisatie. Power/data-analysis 150 patiënten worden ingesloten, hetgeen voldoende is om een klinisch relevant verschil aan te tonen (power 90%, alpha 5%) van 9 punten verschil op de ODI en 20% verschil in herstel.. Multilevel analyse (‘intention-to-treat’ en ‘per-protocol’) worden uitgevoerd. Economische evaluatie wordt vanuit een maatschappelijk perspectief uitgevoerd. Relevante kosten (gezondheidszorg, patiënt en familie, en productieverlies) worden verzameld m.b.v. kostendagboekjes. Kosten-effectiviteit en kosten-utiliteitratio’s worden berekend m.b.v. bootstrapping. Tijdschema Maand (0-6) voorbereiding trial, (7-21) inclusie patiënten, (19-31) follow-up van deelnemers en data-entry, (30-36) analyse en economische evaluatie, rapportage