Team-based musculoskeletal assessment and healthcare quality indicators: A systematic review
Notice bibliographique
Résumé
The primary objective of this review was to describe health quality indicator (HQI) outcomes of team-based musculoskeletal (MSK) assessments aimed at directing patient care. Secondary objectives included determining the most commonly assessed HQIs, extent of team collaboration, and the healthcare practitioners that most commonly comprise MSK-assessment teams. This review was registered in the PROSPERO database and conducted according to PRISMA guidelines. Five databases were systematically searched to August 2017. Studies selected met a priori inclusion criteria and investigated an HQI outcome of a primary or intermediate care MSK team-based assessment aimed at directing treatment. Two independent raters assessed study quality [Downs and Black (DB) criteria] and level of evidence (Oxford Centre of Evidence-Based Medicine model). Ten studies were included. The majority were low-quality [median DB score 14/32 (range 6-18)] pre-experimental studies (level 4 evidence). Heterogeneity in methodology and HQIs precluded meta-analyses. Hospital length-of-stay (LOS; 3/10 studies) and pain level (3/10) were the most common HQIs investigated. Teams (9/10) were most commonly comprised of a physiotherapist and another healthcare practitioner. Most teams (8/10) demonstrated low-levels of collaboration. There is limited low-level evidence to suggest that team-based MSK assessments are associated with improved clinical outcomes (i.e., pain, quality-of-life) and shorter LOS.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 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 | 0,002 |
| 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 ».