Perceived Quality of Life With Spinal Cord Injury: A Comparison Between Emergency Medicine and Physical Medicine and Rehabilitation Physicians
Notice bibliographique
Résumé
OBJECTIVE: To explore the attitudes of health care providers who treat patients with spinal cord injury (SCI) and examine whether Emergency Medicine (EM) and Physical Medicine and Rehabilitation (PM&R) physicians differ in their judgments about quality of life (QOL) after SCI. DESIGN: Questionnaire survey of PM&R and EM physicians. PARTICIPANTS: Board-certified PM&R and EM physicians listed in the American Academy of Physical Medicine & Rehabilitation and the American College of Emergency Physicians and/or faculty from academic PM&R and EM departments in the United States and Canada. MAIN OUTCOME MEASUREMENTS: Evaluating various aspects of perceived QOL if the physician hypothetically sustained an SCI, including impact on leisure activities, social relationships, happiness, meaningful work, satisfying sexual relationships, and overall QOL. RESULTS: A total of 91 EM physicians and 89 PM&R physicians completed the surveys. PM&R physicians were more likely to agree that they would have a better QOL compared with EM physicians, regardless of the level of injury or aspect of life (P < .01 in all cases). Female physicians, regardless of specialty, were more likely to choose a lower level at which they would choose to die, rather than live, if they sustained an SCI (P = .03). Physicians in both groups were more likely to disagree that they would have a high QOL at a lower level of injury if they disagreed at a higher level of injury (P ≤ .02). CONCLUSIONS: Regardless of specialty, PM&R and EM physicians have their own personal perceptions of QOL with SCI. PM&R physicians tend to believe that they would have a higher QOL with an SCI compared with EM physicians and likely have a more optimistic view of SCI. Patient care may be improved by interdisciplinary discussion, as evidenced by the disparity exhibited by practitioners in these 2 specialties who care for the same patient population.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».