Diagnosis of Lower-Extremity Deep Vein Thrombosis in Outpatients With Musculoskeletal Disorders: A National Survey Study of Physical Therapists
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Prompt identification of outpatients who may have proximal lower-extremity deep vein thrombosis (PDVT) is important, in part, because of the risk of pulmonary embolism. The purposes of our study were to determine the degree of accuracy of physical therapists' estimates of the probability of PDVT in hypothetical patient vignettes and to determine whether physical therapists would contact the referring physician about the hypothetical patients' condition as recommended in published evidence. SUBJECTS AND METHODS: A survey instrument consisting of 6 vignettes was sent to a nationally representative random sample of 1,500 physical therapists. The clinical decision rule developed by Wells and colleagues served as the gold standard for PDVT probability. RESULTS: A total of 969 (65% response rate) physical therapists completed the survey. We found no evidence of nonresponse bias. For the 2 high-probability vignettes, 87% and 64% of the physical therapists underestimated the probability of PDVT. For the 2 high-probability cases, 32% and 27% of the physical therapists reported that they would not have contacted the referring physician. For the 2 moderate-probability cases, 15% and 30% of the physical therapists would not have contacted the referring physician. Therapist experience, certification status, place of practice, and region of the country did not explain the findings. DISCUSSION AND CONCLUSION: The care of outpatients who are at risk for PDVT could potentially be improved by use of the clinical decision rule developed by Wells and colleagues, although more study is warranted.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».