MétaCan
Menu
Retour à la cohorte
Enregistrement W2465018965 · doi:10.3138/ptc.2015-63

Knowledge, Attitudes, and Current Practices of Canadian Physiotherapists in Preventing and Managing Diabetes

2016· article· en· W2465018965 sur OpenAlexaffvenueabout
Karly Doehring, Scott Durno, Catherine Pakenham, Bashir Versi, Vincent DePaul

Notice bibliographique

RevuePhysiotherapy Canada · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Education
Établissements canadiensSt. Joseph’s Healthcare HamiltonQueen's UniversityUniversity Health NetworkToronto Rehabilitation InstituteMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineDemographicsFamily medicinePatient educationGerontologyNursingMedical educationDemographySociology

Résumé

récupéré en direct d'OpenAlex

Purpose: To describe the knowledge, attitudes, and current practices of Canadian physiotherapists in preventing and managing diabetes. Methods: Members of the Canadian Physiotherapy Association were recruited by email to participate in a Web-based survey. The survey contained 40 items in four domains: demographics and education, attitudes and beliefs, current practices, and knowledge of diabetes. A descriptive analysis was completed for all the response variables from the survey. Results: A total of 401 physiotherapists from 10 provinces and 2 territories participated. Respondents were most confident in providing education about exercise and had decreasing confidence in providing education about managing secondary complications, weight management, blood sugar control, and nutrition, respectively. Only 32.4% of participants offered diabetes management counselling, citing lack of training. Knowledge was generally good, except for activity guidelines. Conclusions: A significant proportion of physiotherapists lack confidence in providing key aspects of care to patients with diabetes. Gaps in clinical practice and knowledge of activity guidelines were also observed. This study highlights the need to review entry-level physiotherapy training and to develop continuing educational opportunities in this area.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,158

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,321
Écart entre enseignants0,304 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePhysiotherapy CanadaMême sujetDiabetes Management and EducationTravaux en français237 207