Sport concussion knowledge base, clinical practises and needs for continuing medical education: a survey of family physicians and cross-border comparison
Notice bibliographique
Résumé
CONTEXT: Evolving concussion diagnosis/management tools and guidelines make Knowledge Transfer and Exchange (KTE) to practitioners challenging. OBJECTIVE: Identify sports concussion knowledge base and practise patterns in two family physician populations; explore current/preferred methods of KTE. DESIGN: A cross-sectional study. SETTING: Family physicians in Alberta, Canada (CAN) and North/South Dakota, USA. PARTICIPANTS: CAN physicians were recruited by mail: 2.5% response rate (80/3154); US physicians through a database: 20% response rate (109/545). INTERVENTION/INSTRUMENT: Online survey. MAIN AND SECONDARY OUTCOME MEASURES: Diagnosis/management strategies for concussions, and current/preferred KTE. RESULTS: Main reported aetiologies: sports/recreation (52.5% CAN); organised sports (76.5% US). Most physicians used clinical examination (93.8% CAN, 88.1% US); far fewer used the Sport Concussion Assessment Tool (SCAT1/SCAT2) and balance testing. More US physicians initially used concussion-grading scales (26.7% vs 8.8% CAN, p=0.002); computerised neurocognitive testing (19.8% vs 1.3% CAN; p<0.001) and Standardised Assessment of Concussion (SAC) (21.8% vs 7.5% CAN; p=0.008). Most prescribed physical rest (83.8% CAN, 75.5% US), while fewer recommended cognitive rest (47.5% CAN, 28.4% US; p=0.008). Return-to-play decisions were based primarily on clinical examination (89.1% US, 73.8% CAN; p=0.007); US physicians relied more on neurocognitive testing (29.7% vs 5.0% CAN; p<0.001) and recognised guidelines (63.4% vs 23.8% CAN; p<0.001). One-third of Canadian physicians received KTE from colleagues, websites and medical school training. Leading KTE preferences included Continuing Medical Education (CME) courses and online CME. CONCLUSIONS: Existing published recommendations regarding diagnosis/management of concussion are not always translated into practise, particularly the recommendation for cognitive rest; predicating enhanced, innovative CME initiatives.
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».