Advancing adherence research in sport injury prevention
Notice bibliographique
Résumé
Have you ever wondered why some patients do not adhere to drug prescriptions despite warnings regarding the health consequences of non-adherence? The simple reason is that it takes more than just a prescription and education to get patients to take their drugs. A similar scenario has become apparent in the field of sport injury prevention. Over the past two decades, sport injury prevention researchers have developed innovative and proven interventions for injury prevention in athletes. However, most interventions have been developed without the optimal implementation context in mind. Researchers provide evidence of intervention efficacy and as much public advocacy as possible, more like the ’prescribe and educate’ tradition. Unfortunately, the challenge of non-adherence remains palpable. The WHO defines adherence as ‘the extent to which a person’s behaviour – taking medication, following a diet, and/or executing lifestyle changes – corresponds with agreed recommendations from a healthcare provider’.1 The effectiveness of any treatment or prevention intervention is determined jointly by its efficacy and user adherence to the intervention. While it is common practice for ‘compliance’ and ‘adherence’ to be interchangeably used by researchers, these constructs have different meanings.1 2 Adherence has been identified …
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 | 0,050 | 0,158 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,008 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,012 | 0,011 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,019 | 0,031 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,005 |
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 ».