SPORT CONCUSSION KNOWLEDGE BASE AND CURRENT PRACTICE– A SURVEY OF PHYSICIAN SECTIONS FROM THE ONTARIO MEDICAL ASSOCIATION
Notice bibliographique
Résumé
Background It is critical that physicians understand concussion management. Objective Identify practice patterns/knowledge base in two physician populations. Design On-line survey. Setting Ontario, Canada. Participants Physicians from Sections: Sport and Exercise Medicine (SEM), General and Family Practice (SGFP). Interventions Emailed survey, 2 reminders. Main utcome measurements: Practice patterns/knowledge base, learning methods: current/preferred. Results Participants:SEM 92/594 (15.5%), SGFP 270/12,168 (2.2%); urban practice (90.2% SEM, 71.5% SFGP; P<.001). In preceding 3 months, 84.8% of SEM and 65.6% of SFGP had managed patients with concussion. More SEM than SGFP physicians saw >5 children under 18 with concussions per month (40.2% SEM, 9.5% SGFP; P<001).Tools:Clinical examination (92.4% SEM, 93.7% SFGP); Sport Concussion Assessment Tool (SCAT/SCAT2) (68.4% SEM, 34.1% SFGP; P<.001); balance testing (56.5% SEM, 37.4% SFGP; P=.001); computerized neurocognitive testing (23.9% SEM, 1.9% SFGP; P<.001); concussion grading scales (9.8% SEM, 14.1% SFGP; P<.001).Management:Complete physical rest (65.2% SEM, 68.5% SFGP); absolute cognitive rest (46.7% SEM, 51.9% SFGP); modified school/work until symptom resolution (50.0% SEM, 38.5% SFGP; P=.026); no cognitive rest (3.2% SEM, 9.6% SGFP; P=.026).Return-to-play:Clinical examination (87.0% SEM, 82.6% SFGP); SCAT/SCAT2 (60.8% SEM, 29.6% SFGP; P<.001); balance testing (56.5% SEM, 37.4% SFGP; P<.001); computerized neurocognitive testing (35.9% SEM, 2.2% SFGP; P<.001); concussion grading scales (7.6% SEM, 9.6% SFGP).Current learning sources:colleagues (55.4% SEM, 27.8% SFGP; P<.001); specialists (33.7% SEM, 23.7% SFGP; P=.030); continuing medical education (CME) courses/conferences (67.4% SEM, 54.7% SFGP; P=.017); journals/publications (48.9% SEM, 25.2% SFGP; P<.001); websites (35.8% SEM, 32.2% SFGP); medical school/residency training (19.6% SEM, 17.4% SFGP).Preferred learning sources:CME courses/conferences (85.9% SEM, 73.9% SFGP; P=.006); websites (35.9% SEM, 47.8%, SFGP; P=.024); medical school/residency training (37.0% SEM, 47.8% SFGP). Conclusions Gaps exist between consensus-based recommendations regarding concussions and current clinical practice patterns. Enhanced training in medical school/residency and additional CME initiatives are recommended.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».