Physical Therapists’ Use of Interventions With High Evidence of Effectiveness in the Management of a Hypothetical Typical Patient With Acute Low Back Pain
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Evidence-based practice aims to improve patient care and service delivery, particularly in the management of individuals with low back pain (LBP), the largest client group seen by outpatient physical therapists. The purpose of this study was to determine the prevalence of use of interventions with evidence of effectiveness in the management of acute nonspecific LBP by physical therapists. SUBJECTS: A multicenter cross-sectional study was conducted on 100 physical therapists working with patients with LBP. METHODS: Using a telephone-administered interview, therapists described their current and desired treatment practices for a typical case of LBP. Each intervention reported was coded according to its evidence of effectiveness (strong, moderate, limited, or none). Information on clinician, workplace, and client characteristics also was obtained. RESULTS: The prevalence of use of interventions with strong or moderate evidence of effectiveness was 68%. However, 90% to 96% of therapists also used interventions for which research evidence was limited or absent. Users of interventions with high evidence of effectiveness, as compared with nonusers, had graduated more recently and had taken a higher number of postgraduate clinical courses. DISCUSSION AND CONCLUSION: Although most therapists use interventions with high evidence of effectiveness, much of their patient time is spent on interventions that are not well reported in the literature. The results indicate the need for improvement in the quality of clinical research as well as its dissemination and implementation in a way that is appealing to therapists, such as through practice-related courses.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».