Low Back Pain: Investigation of Biases in Outpatient Canadian Physical Therapy
Notice bibliographique
Résumé
BACKGROUND: Previous research suggested that physical therapy services can be influenced by patient characteristics (age, sex, socioeconomic status) or insurance status rather than their clinical need. OBJECTIVE: The aim of this study was to determine whether patient-related factors (age, sex, SES) and the source of reimbursement for physical therapy services (insurance status) influence wait time for, frequency of, and duration of physical therapy for low back pain. DESIGN: This study was an empirical cross-sectional online survey of Canadian physical therapy professionals (defined as including physical therapists and physical rehabilitation specialists). METHODS: A total of 846 physical therapy professionals received 1 of 24 different (and randomly selected) clinical vignettes (ie, patient case scenarios) and completed a 40-item questionnaire about how they would treat the fictional patient in the vignette as well as their professional clinical practice. Each vignette described a patient with low back pain but with variations in patient characteristics (age, sex, socioeconomic status) and insurance status (no insurance, private insurance, Workers' Compensation Board insurance). RESULTS: The age, sex, and socioeconomic status of the fictional vignette patients did not affect how participants would provide service. However, vignette patients with Workers' Compensation Board insurance would be seen more frequently than those with private insurance or no insurance. When asked explicitly, study participants stated that insurance status, age, and chronicity of the condition were not factors associated with wait time for, frequency of, or duration of treatment. LIMITATIONS: This study used a standardized vignette patient and may not accurately represent physical therapy professionals' actual clinical practice. CONCLUSIONS: There appears to be an implicit professional bias in relation to patients' insurance status; the resulting inequity in service provision highlights the need for further research as a basis for national guidelines to promote equity in access to and provision of quality physical therapy services.
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 ».